0x_Miko
@Mikocrypto11 • 16,293 subscribers
能力可以提升我们对自己直觉的信任 #polymarket #MEME 相信自己 | 等待机会🔫 频道分享 https://t.co/mTKrGVthEN
Shorts
Videos
Anthropic engineer 这句话很关键： “你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。” 这可能是最近看到最值得保存的 Claude workflow 之一 视频里她拆了很多人正在犯的同一个问题： 用了 Claude 几个月，但每次还是从零开始 新开 session 重新解释背景 重新贴上下文 重新写 prompt 然后关掉 tab，一切停止 她讲到几个细节： CLAUDE.md 在你输入第一个字前，就可能吃掉 14% 95% 用户从来没装过的 plugins 不需要你手动输入 prompt，也能运行的 workflows 以及为什么“打一条 prompt 然后关掉页面”，等于把 90% 的能力留在桌上 真正有意思的是： Claude 的价值不只是回答你的问题 而是你能不能把它放进一套系统里 让它记住规则 读取上下文 调用 plugins 跑 workflows 甚至在你不输入下一条 prompt 的时候，继续推进任务 如果你用了 Claude 几个月，但每次 session 还是从头开始 那你至少还有 28 个 untouched features 可能是 30 个 今晚与其再刷一集剧，不如看完这个视频 看完先 bookmark
0x_Miko148,209 次观看 • 3 天前
Karpathy 说过一句话： 我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了 很多人已经在用 Claude Opus 4.8 但使用方式还停留在： 把它当 search engine 当 chatbot 当更聪明的问答框 而 Karpathy 讲的 Software 3.0，不是这个 它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文 调用工具 拆解任务 持续执行 在没人盯着的时候，把一整套流程往前推进。 这也是 autonomous agents 真正有意思的地方。 不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它 它自己推进 你回来 review 结果 这篇文章里的 32 个 skills，本质上就是帮你跨过这条线 从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？
0x_Miko45,879 次观看 • 3 天前
Anthropic 一位 AI engineer，刚演示了如何让 AI agents 拥有真正的 memory 28 分钟 完全免费 但这个点可能会改变很多人理解 agent 的方式 大多数人现在还在每次新开 chat 时，反复 copy-paste context 但真正的 agent，不应该每次都从零开始 它应该能记住过去发生过什么 这次 workshop 讲了 4 个关键点： 为什么 agents 会在 sessions 之间忘掉一切 memory stores 如何让 agents 跨 session read / write dreaming：让 agents 自己改进自己的 memory 95% cache hit rate，保证成本不会失控 真正有意思的是： agent memory 不是简单“多塞一点上下文” 而是让系统形成持续状态 今天执行过什么 哪些信息有用 哪些判断错了 下次应该怎么改 如果 agent 每晚都能整理记忆、更新经验、压缩上下文，那它就不是一个临时工具 而更像一个会持续变强的工作系统 很多人还在手动喂上下文 但已经有人开始搭能跨 session 记忆、复盘、优化自己的 agents
0x_Miko84,513 次观看 • 8 天前
Anthropic 刚花了 millions 去 hire Andrej Karpathy 但同一周，Karpathy 把同样级别的认知，用 $0 放出来了 OpenAI co-founder Former head of AI at Tesla 提出 vibe coding 的人 没有 recruitment fee 没有 exclusive access 只有一个链接，29 分钟 他这次讲了几个很关键的判断： - LLMs are ghosts, not animals. - Vibe coding is dead. - Software 3.0 is here. 真正有意思的是： Karpathy 讲的是 Software 3.0 到底是什么 但如果只停留在理解概念，还不够 下一步是： 怎么把它做出来 这也是为什么我整理了一份 full build guide 核心是用 Claude Code 搭一个 software factory 让它自动拆任务、写代码、改功能、推进项目 甚至在你睡觉的时候，也能继续 ship features Karpathy 的 29 分钟，告诉你 Software 3.0 是什么 这份 guide，则是告诉你怎么用 Claude Code 把它建出来
0x_Miko74,324 次观看 • 8 天前
大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事： 为什么这完全不够 它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程 而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话 而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要 因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理 所以很多时候，AI 给出的坏答案，不一定是模型差 也可能只是 setup 太差 这个 prompting playbook，建议在下次怪 AI 之前先看完
0x_Miko15,628 次观看 • 2 天前
Anthropic 刚放出一个 27 分钟 workshop 如何真正给 Claude 写 prompts 最关键的是，这不是外面的人二次包装 是由 Claude 背后的人亲自讲 Free No registration No paywall 很多人花 $300 买的 prompt course，可能前 8 分钟都讲不到这里面的密度 真正有意思的是： 大多数人还在把 Claude 当聊天框用 但 Anthropic 自己展示的是，怎么把 prompt 变成一套更稳定的工作流 你怎么描述任务 怎么给上下文 怎么限制输出 怎么让 Claude 更接近你真正想要的结果 如果你正在用 Claude 写代码、做内容、搭 agent，或者处理复杂任务 这个 27 分钟值得直接看完，然后 bookmark 问题是： AI 时代真正的差距，是谁买了更贵的课，还是谁更早学会和模型正确协作？
0x_Miko62,947 次观看 • 10 天前
Microsoft 一位 senior AI engineer，刚刚公开了他们团队如何用 Anthropic 创建 AI agents 34 分钟 free workshop 而且是 Microsoft team 直接讲 不是二手包装 不是 vibe-coding 课程 核心流程很清楚： 把 Claude 连接到一个 agent 给它添加 tools 然后 deploy to production 素材里提到： Opus 4.7 over 1,400 MCP tools already ready to use 这其实说明了一件事： AI agent 不是停留在“让模型聊天” 而是开始进入更具体的工程流程： 模型负责 reasoning tools 负责执行 agent 负责组织任务 最后落到 production 很多 $500 的 vibe-coding training，讲的可能还是“怎么让 AI 帮你写代码” 但这里讲的是： Microsoft teams 怎么把 Claude、MCP tools 和 agent workflow 串起来，真正做成可部署系统 如果你正在用 Claude、MCP，或者想理解 agent 怎么从 demo 走向 production 这个 34 分钟值得看完，然后 bookmark 未来 AI agent 的门槛，是谁更会写 prompt，还是谁更会把模型、工具和生产环境连接起来？
0x_Miko41,784 次观看 • 9 天前
JPMorgan CEO Jamie Dimon 刚刚放出了一个 35 分钟剪辑版 原始内容是一场 90 分钟的内部 master class 听众是 JPMorgan 400 位高管 核心就讲一件事： 公司是怎么被 complacency、arrogance 和 bureaucracy 慢慢杀死的 自满 傲慢 官僚主义 更重要的是，他不只是讲这些问题有多危险 而是具体讲，应该怎么对抗它们 35 分钟 基本等于直接看一遍这位执掌美国最大银行 20 年的 CEO 的管理手册 这类内容真正有价值的地方，不是鸡血 而是它把大公司最容易失控的几个问题，讲得非常现实 问题是： 一家巨型公司真正的风险，到底来自外部竞争，还是内部慢慢变钝？
0x_Miko24,622 次观看 • 6 天前
又一个离谱的 Polymarket 账户出现了 一个在日本的中国学生，加入 Polymarket 才 2 天 用 $0.90 做到 $408,292 几乎没人讨论，0 viewers 他的 profile 叫 Gravia 他说这是他的 terminal 我把它反向拆了一遍，然后让 Claude 按同样策略做了一个类似 bot 一个 prompt 20 分钟 完成 它做的不是普通交易 而是 Polymarket BTC UP/DOWN 5MIN scalper： → 从 Binance WebSocket 拉 BTC 实时数据 + 5M K 线 → 交叉参考 TradingView signals + CryptoQuant exchange flows → 用 Mirofish force-graph engine，把 100 个 nodes / 180 条 edges 映射出来，检测 BEAR / BULL clusters 的收敛 → 捕捉 Polymarket CLOB 相对现货价格滞后 >0.3% 的瞬间 → 在合约重新定价前，<100ms 执行 → 在 UP/DOWN 5MIN 市场里，每秒 1000+ orders → 每笔吃 0.3-0.8% → 没 edge、流动性太薄、信号冲突、触及 daily cap，就直接跳过 风控也写得很清楚： 单笔风险 0.5% daily cap 2% -0.4% hard stop 本地 terminal 运行 不靠 cloud 不需要 GPU 这类 bot 的 edge，本质不是“预测 BTC” 而是吃现货价格、信号收敛、CLOB 重定价之间的时间差 问题是： 这种 5MIN 高频 scalper，最后会跑到多大规模？ 以及 Polymarket 会不会 ban？
0x_Miko88,190 次观看 • 1 个月前
一个清华学生，把 Anthropic 的 AI 用成了 Polymarket 上的提款机 $1,430 → $1,550,750 而且素材里给出的数据更夸张： 44,364 笔交易 100% 胜率 单笔最大盈利 $23,600 这个账号叫 k9Q2m 按这段素材的说法，他不是靠运气，也不是靠猜 而是把 6 套对冲基金常用公式 同时塞进 bot 里，每个 tick 都跑一遍 多数人还在判断 这个 bot 直接算 它跑的 6 个核心模块是： 1）LMSR Pricing Polymarket 的价格沿对数曲线变化 bot 会提前算出自己的进场会带来多大价格冲击 比如市场给 BTC 5 分钟上涨 31¢，模型却判断这段曲线已经错价，于是先进去等修正 2）Kelly Criterion 每一笔都按最合适的仓位去下 不会大到把账户打爆，也不会小到没意义 3）EV Gap Detection 它一直在扫一个东西： 市场价格到底错了多少 比如市场给 30¢，真实概率被它算到 55¢，那 EV 就直接转正，触发进场 4）KL-Divergence BTC 5 分钟 和 15 分钟 市场本来就有关联 一旦两边漂开，它就当成套利信号 当统计距离超过 0.2，就开始标记机会 5）Bayesian Updates 新区块确认 成交量异动 价格跳动 这些新信息一进来，它就立刻更新概率 先验是 54%，新数据进来后，后验可能直接跳到 71% 6）Stoikov Execution 不是看到机会就冲 它会继续算一个更合适的执行价格 只在风险调整后仍然成立的位置成交 真正执行的时候，不是满足一个条件就下单。 而是这 6 层一起过筛： LMSR 确认错价 EV gap 超过 5% Kelly 允许仓位 Bayesian posterior 同意 KL-divergence 发现相关漂移 Stoikov 放行执行价格 只有这样，才会进场。= 也就是说，这已经不是普通意义上的“交易 bot”了 更像是一套 对冲基金框架，被搬进了 prediction market 素材最后那句其实点得很直白： 数学是公开的 edge 也是真的 真正的差别只在于： 大多数人从来没把它真正搭出来 这种把 6 个量化过滤器 同时塞进 Claude，再去跑 Polymarket 的打法，你觉得是未来的标准配置，还是只适合极少数真能把系统搭起来的人？
0x_Miko125,400 次观看 • 2 个月前
一个被解雇的高盛量化交易员，在一次对话中教会了我所有东西 他说：“我们不做预测。我们只买那些价格偏差超过 6% 的合约。” 就是这么简单 这就是年薪 $200 万的桌面操作 我把他的解释和 5 个 GitHub 库喂给了 Claude，然后 Claude 建立了一个扫描器。每小时处理 400 多个市场 这个扫描器能找到那些价格在 7-19c 区间的合约，真实概率在 60-90% 之间 在这些入场点，你需要的胜率是 1/4 而这个 bot 的胜率是 81% 三个月后： 从 $2,000 做到 $8,191 99 笔交易，Sharpe 比率 2.30 几个案例： ETH 合并升级 - 市场 72c，真实概率 88%，+19c SOL 突破 $200 - 市场 44c，真实概率 81%，+15c 佛州飓风 cat3+ - 市场 81c，真实概率 92%，+7c 小麦突破 $800 - 市场 53c，真实概率 68%，+20c 所有这些，都是通过扫描器找出来的，而且都在盈利 他上周看过我的终端 他说：“这就是我们用 $800M 做的事情，47 人团队。” 而我现在的 setup 每月花费 $25 Claude - $20 VPS - $5 库 - 免费 API - 免费 现在有 8 个代理在 24/7 运作： velvet_void +$697 nano_alpha +$541 ratking_eth +$407 darkpool_7 +$356 他的基金去年回报 19% 而我这个 setup，三个月回报 409% 真正的 edge 从来都不是什么秘密，它只是一直很贵，直到现在
0x_Miko88,138 次观看 • 1 个月前
一个前 Jane Street 交易员跟我说： 工资，可能才是这个世界上被高估最严重的一份合约 那天我们在特拉维夫一个 rooftop bar 朋友的朋友 我说我在 tech 上班，税后一个月 $4,200 他把手机递给我看 一个终端 一排绿字 过去 30 天：+$47,000 他说： “Claude + 一个 GitHub repo。就这些。” 我问什么意思 他说： “copy-trading，但不是大多数人那种玩法。” 他讲得很快，像这套话已经说过无数遍： “大多数人跟单，只看 win rate。没用。一个账户胜率 85%，照样可能亏钱。真正该看的，是 disposition ratio。” 然后他打开一个钱包给我看 crypto 胜率 91%，politics 只有 14% 他说得很直接： “全跟，你会流血 只跟 crypto，这账户就是平台前 1%。” 那天回去后我根本睡不着 凌晨 2 点，我打开 Claude，丢给它一句话： 做一个 copy engine 只跟 disposition ratio 高于 0.70 的账户 每个钱包只复制它最强的那个品类 仓位按 Kelly 来 快 1k stars 执行引擎、订单簿逻辑、仓位管理，全是开源的 Claude 一晚上把整套系统重构出来了 第一周：+$3,200 第二周：+$2,900 第三周：+$2,100 第四周：+$1,648 合计：+$9,848 313 笔交易 80% 胜率 平均持仓 5 小时 现在它跟的，不是那些“胜率最高”的账户 而是那些“最会止盈退出”的账户 0xe41f8...b 利润 $43.4K 只做 tech disposition 0.82 0xa22c3...d 利润 $40.2K 只做 crypto disposition 0.79 0xf88d2...c 利润 $22.4K 只做 macro disposition 0.74 分类 PnL 也很清楚： crypto +$974 weather +$749 politics +$409 macro +$353 sports -$50，直接砍掉 资本周转 51x Kelly f+ 0.073 最大回撤 -2.9% 两周后我又见到他，把终端给他看 他往下翻了一会儿，问我： “你一晚上做出来的？” 我说：Claude 做的 他愣了一下，说： “我以前那张 desk，14 个人才跑这套。” 而我这套系统的成本，还没 Netflix 订阅贵 他点点头，只说了一句： “辞职吧。” 我还真有点在想
0x_Miko80,437 次观看 • 1 个月前
又一个中国人，把 bot 跑出来了 上个月，$54 → $350,000 但几乎没人讨论他 这个账户是 2026 年开始搭 bot，前两个月还在调系统，之后才开始真金白银下场 结果很直接： 3,237 笔预测 平均每天 65 笔 单月 +$300,027 单周 +$30,000 今天 +$9,218 更夸张的是，这套东西的胜率据说做到 95% 他的策略也不复杂，几乎全是短线结构： 追踪快速上涨 / 下跌 10c–30c 买 UP 40c–50c 卖 UP 80c–90c 买 DOWN 60c–80c 卖 DOWN 你会发现，他不是在等结算 而是在吃中间那一段价格移动 也就是说，真正赚的钱不是“猜最终结果”，而是市场在短时间里的再定价 这类打法最可怕的地方就在这里： 一天 65 笔，高频，高胜率，而且每一笔都在重复同一个逻辑 不是靠某一笔暴击 是把同一个 edge，不断放大 $54 做到 $350,000， 你觉得这更像是“会写 bot 的人变多了”， 还是 Polymarket 本身的短周期市场， 还远没有被吃干净？
0x_Miko74,343 次观看 • 1 个月前
今晚如果你本来打算刷 2 小时 Netflix 不如看这个 40 分钟 masterclass 来自一家 $20B 中国 AI company 的 Kimi founder 它最有价值的地方不是“讲 AI 很强” 而是把 Agent Swarms 和 AI systems 到底怎么在规模化场景里运作，讲得非常清楚 不管你从来没搭过 agent，还是已经每天都在用 Claude，这个内容都值得看 真正有意思的是： 很多人还在把 AI 当单个工具用 但 Agent Swarms 讨论的是另一件事： -- 多个 agent 如何分工 -- 如何协作 -- 如何把任务拆开 -- 如何在系统层面持续运行 这也是为什么我把里面的关键思路整理成了一份 practical guide 重点不是单纯理解概念 而是怎么真正用 Kimi 去 build
0x_Miko15,630 次观看 • 9 天前
这个故事，是从一通微信视频开始的。 一个在美国念书的中国学生，三年来一直跟父母说，自己在学金融。 上周二，家里照常打来视频。 他没多想，随手接了。 屏幕共享的那三秒钟，改变了一切。 父母只看到了几个数字—— 432614799197 $2,853,666 盈利 2,731 次预测 加入时间：2026 年 1 月 他的主页： 他确实在学金融。 只不过，不是在大学课堂上。 我翻了一下他的交易记录。钱包干净得有点夸张——几乎清一色体育市场。 NFL Premier League NBA NHL 几乎所有主流联赛，他同时下注。 时间重叠、比赛交错、盘口跳动，他像在同时下四盘棋。 最大的一笔单场胜利—— 比尔队对阵美洲虎。 1,130,000 美元压进去，结算时变成 2,459,799。 还有一场——巴黎圣日耳曼不会赢。 824,000 美元，最后兑出 2,288,844。 单场最高利润，150 万美元。 你会以为他是赌神。 可真正有意思的地方在这里—— 他并不预测谁会赢。 他说得很直接：“我不判断结果，我只判断价格。” 当市场情绪过热，赔率被人群推歪，他买入。 35 美分一份的概率合约，他拿着。 等到结算，拿 1 美元。 说起来，这更像在超市捡打折商品。 别人抢爆款，他扫尾货。 别人讨论阵容和伤病，他盯盘口曲线。 2,731 笔交易。 没有记录到单笔亏损。 听起来近乎神话，对吧？ 我也不敢说这种纪录能永远持续。市场总会变得更聪明。 但至少在这段时间里，他抓住了“概率被高估”的那一刻，然后反复执行。 有趣的是，他真的在学金融。 只是教材不在教室里。 而是在盘口里，在波动里，在人群情绪的缝隙里。 父母那天视频里沉默了几秒。 他们或许还没完全明白发生了什么。 可屏幕上的数字已经给出了答案。
0x_Miko93,886 次观看 • 3 个月前
又一个中国开发者，把 Polymarket 打成了提款机 本金只有 $44 现在已经滚到 $600,000+ 而且打的是 5 分钟 BTC，胜率据称还是 100% 数据很直接： -$44 入金 -账户做到 $615,500 -今天 +$10,000 -本周 +$26,434 -14,147 笔预测 -100% 胜率 这个号是 4 个月前建的 一开始只是扔了点零钱进去 不到一个月，就已经打出了普通人很多个月工资 按素材里的说法，他做的事其实很简单： 装好 MCP 插件和需要的 API 然后直接让 Claude： “给我做一个 5 分钟 BTC 市场的 terminal” 剩下的逻辑就是： AI 去看现货 BTC 和 Polymarket 上 BTC 定价之间的价差 发现错位就快速买入 快速卖出 全程几乎不需要人工介入 也就是说，他赚的不是长线判断的钱 而是超短周期里，现货价格和 Polymarket 定价没来得及同步的那一小段时间差 很多人还在把 AI 当成辅助工具 有些人，已经把它接进收入系统里了 你觉得这种 5 分钟 BTC 账户真正的 edge，是在 MCP + API 这一套工具链，还是在它把“发现价差—执行—退出”做成了完全自动化的系统？
0x_Miko60,496 次观看 • 2 个月前
OpenClaw 2026.3.7 发布 13 小时后 有人已经把： $800 → $14,200 他做的第一件事不是读文档 而是直接给 OpenClaw 一个指令： 给我做一个 Polymarket 15 分钟 BTC 的量化对冲 Bot 这次更新的核心很猛： GPT‑5.4 + Gemini 3.1 Flash 可插拔 context engine gateway auth 修复 但真正关键的只有一个东西： context engine 看到更新日志的时候 他脑子里只有一个想法： 如果我用它实时追踪鲸鱼钱包呢？ 凌晨 2 点 他丢了一个提示词： 用新的 context engine 做一个系统 在 Polymarket 15 分钟 BTC 市场 跟踪鲸鱼并提前对冲 38 分钟后 Bot 上线 这个系统只做四件事： 监控 50 个 Polymarket 顶级钱包 如果 3 个以上鲸鱼在 10 秒内进同一方向 Bot 2–3 秒内跟进 然后立即对冲另一边 一笔实际交易长这样： 鲸鱼钱包：YES @ 41¢ Bot 捕捉：YES @ 42¢ 价格被鲸鱼推到：68¢ Bot 立刻做另一边：NO @ 54¢ 总成本：$0.96 结算：$1.00 锁定利润：4% 这一套动作 一晚上跑了 187 次 没有方向风险 只有： 鲸鱼流动性套利 过去版本的 OpenClaw 做不到这一点 处理钱包数据太慢 但新的 context engine 等于直接给了实时链上雷达 13 小时成绩： 187 次对冲循环 平均 4.2% / cycle $800 → $14,200 最大一笔： +$890 这个 Bot 不预测市场 它只做一件事： 跟着聪明钱 然后把风险锁死 很多人还在读更新日志 有人已经用它赚钱了 甚至有人开始怀疑一件事： 这个版本是不是有点太强了 ______
0x_Miko79,229 次观看 • 2 个月前
一个中国计算机学生，之前在开发者论坛发过一张照片 一个 $2 的 USB-C 小芯片 蓝色 LED 比拇指还小 他说，自己用 Claude Code 花 15 分钟把它接好了，作用只是： 每次 AI agents 在运行时，它就会闪一下 评论区当时全在嘲讽 有人说这不就是个夜灯 有人说这是这周见过最没用的东西 还有人说自己家烤面包机都比这玩意算力强 结果现在，这个小芯片连着一个已经赚到 $4.5M 的钱包。 432614799197 利润：$4,526,176 预测次数：4,548 加入时间：2026 年 1 月 这个芯片每闪一次，就代表 Claude Code 拉起了一段脚本 而那段脚本只做一件事： 盯那些在地球另一边，会提前 2-3 小时动起来的赔率。 等大多数交易者打开电脑的时候，价差往往已经被市场抹平了 但他的芯片会在别人睡觉时先发现 快速闪烁 说明脚本在跑 熄灭 说明在等 再次快速闪烁 说明又找到一笔 entry 整晚都在重复 每天晚上都一样 甚至笔记本合上了，它还在跑 而这个钱包也不是小打小闹 一场比赛，单笔下 $824K，payout 做到 $2.2M 另一场，下 $1.13M，payout 做到 $2.4M 几乎每一笔都是六位数仓位 几乎每一笔结果都是绿的 后来甚至有人把他的 IP 追到深圳一间宿舍 合租 上下铺 那个芯片，就用电工胶带粘在笔记本侧面。 他没有删那个帖子。 只是后来补了一句： the LED knows before you do. 现在已经有 307K 人在盯这个钱包 那个芯片还不到一杯咖啡钱 那张上下铺还是原来的上下铺 深圳那间宿舍也还是那间宿舍 变的只有余额 当初拿它跟烤面包机对比的人，后来把评论删了 那个学生一句都没回 他也不需要回 你觉得真正的 edge，是在 Claude Code，在那段脚本，还是在别人还在嘲笑一个 $2 小芯片的时候，他已经把它接进赚钱系统里了？
0x_Miko50,564 次观看 • 2 个月前
Polymarket 上最狠的天气 bot 之一 一笔交易，$25 → $12,400 过去一个月，累计利润已经超过 $41,000 而最反直觉的是： 他只做天气市场 不碰政治，不碰 crypto，不追热点 就盯一个方向 而且策略极其单一： 几乎所有交易都是一样的结构—— 买 NO，价格在 94c–98c，单笔投入 $100 到 $1,200 看起来很“小” 但这正是重点： 用接近确定性的价格，去锁定那最后一点未被定价的空间 不是去赌波动，而是不断收“剩余概率” 一笔可能只有 2%–6%，但可以重复 他的 PnL，就是这样一笔一笔堆出来的 你把他的历史翻一遍会发现： 没有花哨操作，没有大起大落，没有情绪交易 就是同一个动作，重复执行 问题是： 这种 94c–98c 的 NO，你觉得是在赚“高概率”，还是在持续暴露于一次“低概率致命事件”？
0x_Miko36,995 次观看 • 1 个月前