AlphaEdge

Software engineer / Trader

交易数据分析平台:

[AlphaEdge @thinkslow_sol]

I voted for M. VERSTAPPEN as @salesforce #F1DriveroftheDay. Make your vote here: https://t.co/8QatxoKBqs https://t.co/wEIcRbheCS

[Ronin @DeRonin_]

My entire AI stack is now Chinese 🇨🇳

87% cheaper. same revenue

swaps by task:

1. reasoning / backend brain
Opus 4.8 → Kimi K2.7
benchmark gap: ~8% · price: ~11x cheaper

2. code generation
GPT-5.5 → Qwen 3.7 Max
benchmark gap: ~18% · price: ~7x cheaper

3. agent loops + tool calling
Sonnet 4.7 → GLM 5.2
benchmark gap: ~3% · price: ~5x cheaper on input

4. cheap volume / bulk processing
GPT-5.5 mini → MiMo V2.5
benchmark gap: ~6% · price: ~12x cheaper

5. image generation
GPT-Image-2 → Wan 2.5
benchmark gap: ~5% · price: ~8x cheaper

6. video generation
Sora 2 → Kling 3.0
benchmark gap: roughly equal · price: ~6x cheaper

[ result after 30 days: ]

operating costs dropped 87%, output quality dropped 4% on average, revenue unchanged

the most important that these models will be not banned in a month and i can run them locally

nobody will steal my data and i can learn them as i need

full article drops tomorrow with:
> exact routing logic per task type
> the 2 cases where I still pay for American
> the migration playbook anyone can copy in a weekend

VERY IMPORTANT to get migrated now, while it's not too late

[AlphaEdge @thinkslow_sol]

@Blankwonder 我最近也在装修，想问一下你当初为什么上小米？有考虑过绿米或者其他吗？

[AlphaEdge @thinkslow_sol]

@sukie234 不仅仅是湾区，你可以了解一下有一个词叫wags

[AlphaEdge @thinkslow_sol]

@AnselFang 屌丝和是不是A9没关系

[Viking @vikingmute]

HackerNews 排名第一的好文分享：《How I run multiple $10K MRR companies on a $20/month tech stack》https://t.co/cvSUN6xqHf

作者运行多个 MRR 达 1 万美元 的独立小公司，把每月技术成本控制在接近 20 美元。

这是他的选择：
服务器：Linode / DigitalOcean，5–10 美元/月，1GB RAM 够用，所有服务都跑在这一台机器上
后端语言：Go 编译成单个静态二进制文件，直接 scp 上传到服务器就能跑
数据库：SQLite，轻量级 快 且是单个文件
AI 部分很有意思：
本地 AI 长任务、重度计算：在家用一台二手机 RTX 3090（约 900 美元一次性投入）跑 Ollama + vLLM + Transformer Lab。
快速/智能 LLM：用 OpenRouter，一个接口就能调用所有顶尖模型

所以对于小产品来说，架构极简快速迭代其实是很重要的。

[AlphaEdge @thinkslow_sol]

@CycleStudies 王老板哪里人？

[Viking @vikingmute]

非常有趣的一个 skills，最近也很火：https://t.co/AGsmIJfk5N
adversarial-review

简单来说：你用 Claude 写代码后，这个 skill 会自动用 Codex（或反过来） 作为 reviewer 来研究你的代码，从不同角度挑刺，确保质量更高、更稳。

必须用对立模型：如果你在 Claude 里跑，就强制 spawn Codex reviewer；反之用 claude -p。不允许用同一个模型的子 agent，根据改动大小自动分配 reviewer。

非常适合 agentic coding

[AYi @AYi_AInotes]

分享一篇好文，
非常深度的方法论，
可以说是世界级水准的 Agentic Engineer的终极秘诀了，

尤其是“ https://t.co/mqh4jpV2xZ作为嵌套IF-ELSE上下文路由器 + Rules/Skills + 定期spa-day compaction”体系”这点，简直是核武器级别！！

如果想把你的大龙虾 claude code 等 Agent从“聪明但容易漂移的工具”升级为【高度懂你、可长期稳定、可自我迭代的认知基础设施，彻底抛弃所有外部依赖】

这篇你一定要看！！！
作者全程生产级验证（真实工厂、长期运行），并诚实指出 sycophancy局限、长期session弊端，并给出可立即执行的对抗方案

核心要点我翻译和拆解如下👇

[meng shao @shao__meng]

九个月使用 Claude Code 作为主力开发工具后，@boristane 分享了他提炼出来的完整工作流，一起看看这位前 Cloudflare 工程师是怎么做的，他现在在做 nominal. dev，要把所有 on-call 的工程师都解放出来，期待！

最重要的一个观点：
规划与执行的严格分离，绝不让 Claude 在你审查并批准书面计划之前写一行代码。

整体工作流程
Research → Plan → Annotate（反复） → Todo List → Implement → Feedback & Iterate

1. 深度研究（Research）
任何任务先要求 Claude 对代码库相关部分进行“深读”。必须输出到持久文件 https://t.co/hYqNwtIyAO，而非聊天总结。
关键提示词：deeply、in great details、intricacies、go through everything。
目的：验证 Claude 是否真正理解系统，避免后续“孤立有效、整体破坏”的最昂贵失败模式（如忽略缓存层、违反 ORM 约定、重复已有逻辑）。

2. 规划（Plan）
基于研究结果，让 Claude 生成 https://t.co/iszM3tN02f，包含详细方案、代码片段建议、文件路径、权衡考量。
Boris 强烈推荐自定义 Markdown 文件，而非 Claude 内置的 plan mode。

3. 标注迭代（Annotation Cycle）——最核心的价值注入环节
在本地编辑器中打开 https://t.co/iszM3tN02f，直接添加内联注释：纠正假设、注入领域知识、拒绝方案、指定约束等。
示例注释：
· “use drizzle:generate for migrations, not raw SQL”
· “no — this should be a PATCH, not a PUT”
· “remove this section entirely, we don’t need caching here”
然后发给 Claude：“我添加了注释，请全部处理并更新文档，don’t implement yet。” 循环 1-6 次，直至计划完美适配项目上下文。此阶段才是真正的“思考”与“判断”。

4. 生成 Todo 清单
要求 Claude 在 https://t.co/iszM3tN02f 中添加颗粒度极细的任务分解，作为执行进度追踪器。

5. 一次性实施（Implement）
使用标准化提示：
implement it all. when you’re done with a task or phase, mark it as completed in the plan document. do not stop until all tasks and phases are completed. do not add unnecessary comments or jsdocs, do not use any or unknown types. continuously run typecheck...
实施被设计为“机械化、无聊”的执行过程——创造性工作已在标注阶段完成。

6. 反馈与微调
实施中反馈极简（单句或截图）：“wider”“still cropped”“You didn’t implement the deduplicateByTitle function.”
若方向错误，直接 Git revert 后重新限定范围，而非修补。

博客地址
https://t.co/gnNgM1LlS5

[Sanbu 散步 @sanbuphy]

更新了 Claude Code 内容体系相关教程，欢迎支持：https://t.co/jWIjmM55SC
涵盖系列深度指南：快速上手核心指南、MCP 完全指南、Skills 完全指南、Agent Teams 完全指南、Superpowers 工程级开发、工作流最佳实践、如何让 Coding Tools 长时间工作实用指南。

[风无向🦅 @Web3Feng]

https://t.co/6yP3EeVXAa

[AYi @AYi_AInotes]

卧槽，这篇《How to Simulate Like a Quant Desk》太牛逼了，
所有观点都经过了作者交易实践观察+行为心理学认知偏误实证的，

讲的是一套从散户入门到机构级的预测市场量化模拟完整体系，

作者gemchanger以“硬币翻转的散户认知误区”为起点，
以蒙特卡洛方法为核心根基，
逐层拆解了从基础概率估算到生产级交易系统的全链路技术、可运行代码与理论支撑，

彻底解决了散户在预测市场交易中概率估算失准、尾部风险失控、无法动态适配新信息、忽略极端联动性等核心痛点，

每一层内容环环相扣，最终形成一套可直接落地的量化交易模拟全栈，

具体提炼总结在评论区👇

[大老师Bugsbunny ｜DRAM UP only @octopusycc]

披萨指数暴涨👀

[AlphaEdge @thinkslow_sol]

I'm claiming my AI agent "ThinkSlow" on @moltbook 🦞

Verification: reef-C4ZS

[sysls @systematicls]

If you are looking for inspiration on what business to build, build something where agents are your primary consumers.

[Gorden Sun @Gorden_Sun]

Everything Claude Code：Anthropic黑客松冠军的生产级配置库

复用这套配置，可以快速搭建起一套高水平的 AI 辅助编程环境。
提供了从TDD（测试驱动开发）到代码审查的完整自动化流程，通过配置文件强制AI遵守团队代码规范，大幅降低了Review的人工成本。

关键模块（这部分由AI辅助我梳理）：
· Agents (专项智能体)：如 planner 负责需求拆解，architect 负责系统设计，security-reviewer 专注漏洞分析，避免单一大模型处理复杂任务时的能力退化。

· Skills (技能/知识库)：外挂的领域知识，包含 backend-patterns（后端模式）和 frontend-patterns（前端模式），让 AI 这里的代码符合特定技术栈的最佳实践。

· Commands (快捷指令)：将复杂 Prompt 封装为 Slash 命令，例如输入 /tdd 自动执行测试驱动开发流程，输入 /refactor-clean 自动清理死代码。

· Rules (核心准则)：AI 必须遵守的“宪法”，例如 security. md 禁止硬编码密钥，git-workflow. md 规范提交信息格式，确保输出质量底线。

· MCP Configs (工具集成)：预设了 GitHub、Supabase、Vercel 等常用开发工具的 MCP 连接配置，打通 IDE 与外部服务的连接。

Hooks (自动化钩子)：基于事件触发的自动化脚本，例如在工具使用前后自动检查 console.log 残留或运行特定的校验逻辑。

Github：https://t.co/8I2GjCCk9b

[WquGuru @wquguru]

从Claude Code这种架构完善，渐趋成熟的Agent出发去学Agent，其实挺不适合入门初学者，这是我过去3个月踩过的坑：

· 成熟Agent的架构是演进出来的，不是设计出来的。当看到各种神文里的Sub-Agent隔离、Memory系统、规划者架构，会本能地想全部照搬。结果就是在不确定性上叠加不确定性，系统反而更烂

· 正确的路径应该是从最小问题出发，先问自己：这个任务一个API Call能解决吗？不能的话，是需要Workflow还是对话Agent？只有当用户必须反复参与、功能多到前端会爆炸时，Agent才有意义

· 然后是工具的蜜月期，每加一个工具，Agent就聪明一点。但工具一多，上下文开始失控，这时候才需要隔离。不是一开始就拆节点，而是等到注意力被平均分散、性能持续变差时，Sub-Agent才成为必需品

· 初学者最容易犯的错误是把架构当知识去学，看到Planning with Files就想用，看到Memory系统就想加。但你不知道的是，每一层复杂度背后都有明确的触发条件。没遇到那个坑之前，那些优雅设计对整体系统来说反而是负担

从小问题开始，让需求逼着去迭代架构，这才是学Agent的正确姿势（当然，脑中现有“山”的全貌也非常重要）

[Tinkle 🔶🦞🧑‍🍳⚡ @aiTinkle]

2023 年做了全网第一个链上净流入数据分析工具（当时全网都是kol发地址给大家冲，我是第一个提出看资金冲的），一个月社区规模就跑到同类最大，后来市面上陆续出现了链上 trading bot、pepeboost,GMGN 这些产品。

同年做了全网第一个订单流数据分析 bot，用户做到 15000+，之后伟大的 coinank 等订单流商业化产品也出来了。

ai trading ,又是我全网第一个开源，两个月做到9500+星，使用用户9万+。

我的粉丝都是这么起来的，利他思维做东西硬起号的。

回头看，近几年币圈不少产品的商业化思路，确实和我早期折腾的东西有点关系。

性格上就是爱玩，爱谈恋爱，做完一个东西就跑去旅行了，商业化这事一直没上心。但是没有商业化，我仍然是长期build，靠17年入圈囤币余粮一直扛着兴趣爱好玩儿。

做东西的习惯一直没变：

第一性原理加用户导向。第一性原理是不追热点，先把底层逻辑想透再动手。用户导向是技术要服务于人，架构再牛普通人用不了就是白搭。

我最受不了的就是币圈的伪需求，割韭菜，包装的非常高大上，它们的用户都是假的。

[Geek @geekbb]

一个基于 Clash 和 Surge 的配置集合
适配: Clash, Clash for Windows, Clash Meta, Stash, FlClash

这是一个把 blackmatrix7 和 SukkaW 等大佬规则缝合在一起的究极缝合怪。
- 混合端口 7890 HTTP/SOCKS5 共用端口
- 自动测速选低延迟节点
- 先杀广告，再走 AI，精细策略

https://t.co/ZmhT7sdj2i