正在加载视频...

视频加载失败

今天同事說晚上要不要來玩一下 看著我心癢癢 TermMax | Fixed Rate Borrowing & Lending 推出一個滿有意思的玩法 現在居然可以用 Ondo Finance 的資產在 BNBChain 上直接借 $USDT 而且額度最高可以到 100 萬 USDT 整個流程其實也不複雜 先選一個到期時間 目前有 3 月、4 月、5 月、6 月幾個期限可以選 接著把 Ondo 的資產像是 $SPYon、$QQQon 存進去當作抵押 之後就可以用固定年利率借出 USDT 這個設計其實滿有 TradFi 味道的 很多人可能本來就持有像 SPY 或 QQQ 這種資產的鏈上版本 如果短期需要資金 就可以直接拿來抵押借錢 而且利率是一開始就鎖定好的固定利率 在操作策略或資金規劃上會比較好算 從最近的動作看下來...

19,070 次观看 • 5 个月前 •via X (Twitter)

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

這韓國經典電影相信大家都看過吧 回過頭來看,韓國尺度也蠻大的 市場上一直有人在討論,DeFi 下一個爆發點會是什麼 有人看好 AI,有人看好 RWA,也有人認為代幣化股票才是下一波主流 但我最近反而一直在思考另一件事 如果這些資產真的大量進入鏈上,誰來承接它們? 一個市場只有資產是不夠的 還需要有人願意提供流動性、有人願意借貸、有人願意做資金配置 否則再好的資產,也只是放在鏈上的一串數字 這也是固定收益市場存在的價值 它不是市場裡最耀眼的角色,卻是資金流動不可或缺的一環 TermMax | Fixed Rate Borrowing & Lending 一直專注的方向,也正是這一塊 從固定利率、期限市場,到不同資產的借貸架構,都能看出它想建立的是一個可以長期運作的市場,而不是短暫追逐熱點 很多人會把借貸理解成加槓桿 其實對不少機構或長期投資者來說,借貸更像是一種資金管理工具 如何降低資金成本、如何保留原有部位、如何安排不同期限的資金,這些都是金融市場每天都在處理的事情 鏈上金融發展到今天,我覺得大家開始從「有沒有新玩法」,慢慢轉向「有沒有好工具」 真正能陪伴市場走很久的,通常不是最吸睛的產品,而是那些默默支撐整個生態運作的基礎設施 TermMax 能不能成為其中之一,還需要時間驗證 但至少目前,它走的方向和我期待看到的鏈上金融發展是一致的

小美哥🕊️|🐬TermMax

310,144 次观看 • 11 天前

🔶🍪🔶🍪🔶🍪🔶----🍜 看完 6月6號 Lucas Manuel ⚡ 的訪問影片,主要是聊 Spark 目前整個發展方向跟背後怎麼運作的。 影片大概快 50 分鐘,對大部分人來說可能有點長,所以我這邊幫大家簡單整理一下重點,順便講一下我自己聽完的感覺~ 👉有興趣想聽的朋友,可以去這裡收聽: ▫️YouTube: ▫️Spotify: ▫️Apple: ╭─────✦✦─⋆⋅☆⋅⋆───╮ 🔶先簡單說一下,受訪的是 Lucas Manuel ⚡,他是 Phoenix Labs 的 Smart Contract 負責人,也就是目前 Spark 核心開發團隊之一。 其實他之前就是 MakerDAO、Maple 那邊出來的 OG,整個 DeFi 生態一路做過來,算是老江湖了。😁 這次聊的其實就是 #Spark 怎麼從一個最早的借貸協議,慢慢演化成現在這個 資金配置引擎。 簡單說 #Spark 現在不只是借錢放款,而是把 Sky Core(也就是以前 Maker 這邊的儲備)手上大量的 USDS、USDC 拿來進行各種收益配置,變成某種「鏈上資產管理公司」的角色。 ╭─────✦✦─⋆⋅☆⋅⋆───╮ 🔶Lucas Manuel ⚡ 有提到幾個重點: 1️⃣SubDAO(或者現在官方叫 Stars)模式的誕生 最早 #Spark 其實就是 Sky Core 內部搞出來的第一個實驗型 SubDAO,後來才變成獨立運作的 Star。 這個方式解決了以前 Maker 最大的痛點 , 太去中心化反而導致資金配置效率太低,大家意見一堆,反而難很快決策~ 現在 Sky 把資金配置這件事交給像 #Spark 這樣的 Star 去做,大家各自去找適合自己的策略,Sky 提供流動性、設定風控框架,#Spark 去負責找收益、管理風險~ — ✦ — ✦—— ✦ — 2️⃣Spark 資金配置邏輯 目前 #Spark 借到的錢主要分三個方向去配置: • DeFi 協議(像 SparkLend、Morpho、Pendle 等) • CeFi & RWA(像 Maple、BlackRock Treasury、Centrifuge、Superstate 這些實體資產、國債收益) • 牛市時期的 Basis Trade(像 Ethena 這樣做 delta neutral 收益) Lucas Manuel ⚡ 講得滿直白的:熊市穩穩放在 RWA 跟 CeFi 收國債利息,牛市一來開始把資金往 DeFi 高收益玩,抓 Basis Trade 這些高槓桿需求。 基本上就是資金自動在不同市場之間切換,吃到整個市場收益最大化。 — ✦ — ✦—— ✦ — 3️⃣風控怎麼做?為什麼 Spark 不會亂搞? 因為 #Spark 本身拿的是 Sky 給的 credit line(等於超大額度的穩定幣借貸),所以風控超級重要。 🔸Lucas Manuel ⚡ 也花滿多篇幅講了整個風控設計: • 每個要配置的協議都要先經過 Sky 核准、審查 • 每個協議都有資金額度限制,還有每日充值速率限制(每天最多只能投入多少) • #Spark 自己要拿出 Junior Capital(第一損失資金),比如先放 2500 萬美金在前面擋風險 • 協議越新、風險越高,#Spark 就要放更多的風險保證金進去 Lucas Manuel ⚡ 說:整體設計是「即使系統被完全攻破,也沒辦法把錢偷走,只能在系統內部不同協議間轉移」。 — ✦ — ✦—— ✦ — 4️⃣Spark ALM(資產負債管理系統) 🔸Lucas Manuel ⚡ 花了滿大篇幅在講 ALM,因為這就是他親手寫出來的智能合約系統: • 每天系統會自動計算:目前放在哪些協議、收益情況、流動性情況 • 根據演算法做資金再平衡,幫助 #Spark 自動在 DeFi/CeFi/RWA 間切換部位 • ALM 本身所有邏輯都在鏈上,資金只能在白名單內部不同策略來回流動,不能被抽走 • 每次釋出新代碼前都要做大量 fork 測試、審計,Lucas Manuel ⚡ 說他們每一版都做了好幾個月才敢上線的~ — ✦ — ✦—— ✦ — 5️⃣Spark 跟其他 Stars 之間未來的競爭 🔸後面主持人也問了很現實的問題:未來不同 #Stars 之間會不會互相打架? 🔸Lucas Manuel ⚡ 反而覺得競爭是好事,短期內大家會先各自專注在自己擅長的市場,但隨著時間發展,未來可能會慢慢開始出現不同 Stars 之間的 overlap,但這反而會刺激產品變得更好,最後還是對 Sky 以及 USDS 擴張有利。 — ✦ — ✦—— ✦ — 6️⃣Spark 的未來重點 • 擴大 Spark Liquidity Layer 佈局(現在其實已經部署在 Ethereum、Base、Arbitrum,準備上 Optimism、Unichain) • 強化演算法、風控模型,尤其針對接下來牛市的資金高波動配置做準備 • Lucas Manuel ⚡ 也透露,目前 #Spark 在 DeFiLlama 上已經被列成 On-chain Asset Allocator 的第一名,接下來會繼續往「鏈上資產管理龍頭」的方向去衝 ╭─────✦✦─⋆⋅☆⋅⋆───╮ 🔶最後講一點我自己聽完的感覺:🍜 其實 #Spark 這個模式,滿像把過去 MakerDAO 很想做但做不好的事拆分出來,變成一個又去中心又高效率的 DAO 結構。 由其是 SubDAO → Stars 這個架構,令專業團隊可以獨立做投資決策,Sky 只負責設定制度框架跟風控,確保整個體系安全又可以擴張。 所以 Spark 現在做的其實很像某種 鏈上的主權基金,背後還有 Sky 這個超穩定的在底。 只要這條模型運行下去,之後 Stars 生態如果逐漸開放更多人參與,其實整個 Sky 會變成一個去中心化 穩定幣+資產管理平台,看完影片之後,確實令我對 Spark 又增加信了一點信心了。 好了,看完,寫完,好累,我要休息一下了🫠 #SparkFi Cookie DAO 🍪 #cookiedotfun

Udon🍜うどん(🌸, 🌿) $M|🐜

17,332 次观看 • 1 年前

[Vibe Coding 實戰演示] 昨天看到wei神公佈Read only的API就想說來玩一下Vibe Coding,寫出了一個過去wei神的歷史交易數據紀錄平台,平台記錄著wei神過去交易資訊,然後搭配Chart的K棒來做交易Mark參考,記錄一下整個Vibe過程,順便教學一下我都怎麼 Vibe Coding 一些想法。 我沒有把平台部屬起來,直接開源放到了Github上面,所有歷史交易數據包含order還有trade還有帳戶history的csv資料也都放到雲端開放大家下載,留言都有連結。 整個Vibe過程大概花了半天,中間經歷了使用Gemini 3還有Opus 4.5,大致過程如下: 1⃣一開始使用Antigravity+Gemini3,我直接把wei神的貼文複製貼上去並加了這個prompt "這是一個交易員公開了他的read only api,請幫我分析內文這是哪一家cex的api並且把他過去的歷史交易資訊全部抓下來存成csv" 接著他直接分析內文認為是bitmex的api,但他還是寫了一個script測試是幣安還是bitmex,確認是bitmex後就寫出了一個抓取data的script去把歷史trade的數據給抓了回來。 2⃣資料抓完之後我下了這個prompt "請幫我利用抓取下來的trade history建立一個dashboard,包含了所有資訊,並且加入Chart來顯示交易的紀錄" 然後就一步步生出了一版非常陽春的版本,上面有歷史K棒擠了一大堆的BUY & SELL,然後下面顯示所有的交易Table。 這邊提一下,中間會出現一些error,Antigravity很炫,可以在瀏覽器安裝一個extension,他會直接去操作網站並截圖error直接分析debug,但我這邊非常不建議讓他這麼做,精準度太差,建議一律手動複製網站上的error log貼上去當prompt 做debug。 3⃣因為抓下來的Trade log並不是倉位歷史的資訊,基本上只有buy 跟sell,而且同一個order會拆成很多的buy呈現在圖表上整個超亂的,我想做的應該是分析wei神每一個倉位歷史開單邏輯跟關單邏輯,如果不把trade整合成倉位歷史根本沒辦法看,所以我就下了這個prompt。 "有辦法把這csv做成類似倉位歷史嗎? 就是每一個開單還有這個開單pnl多少那種? 還是bitmax可以fetch這種api? 因為目前的trade log是每一次的交易(有可能是同一個order但分不同trade成交),不是同一個order跟position,想要做成那種倉位歷史的概念,請幫我做看看?" 結果他使用了FIFO (先進先出 First In, First Out)的方法來幫我整理CSV並新增了一個Position的Page,但這問題就來了,我看了一下整理出來的倉位歷史一定是錯的而且超亂,之後不論我怎麼問Gemini 3 一直鬼打牆在處理csv,結果也都一直是錯的。 4⃣ 剛好 Claude Opus 4.5 釋出,想說試試看,我就切換到Cursor + Opus 4.5,下了這個prompt (其實就是閒聊) "這是我之前設計的一個平台,有一個很厲害的交易員提供 READ ONLY的API, 讓使用者可以抓他Bitmex這家交易所的歷史交易資訊, 我之前有寫一個script把trade log都抓成 bitmex_trades csv這個檔案 不過我發現這是trade log, 每一筆trade都會記錄, 但並不是倉位歷史, bitmex有api抓倉位歷史嗎? 還是說要用這個csv去計算倉位歷史,bitmex 除了trade history以外有沒有什麼api可以抓取更多information讓這個平台更好的? 然後這個平台目前有display 每一筆交易的 chart, 我是希望可以變成倉位歷史, 然後點倉位後就可以顯示那一次的倉位操作來做學習" 神奇的來了,Opus直接去翻bitmex的api doc,抓取了wallet/order/execution history,然後直接把我卡了很久的問題全部解決了,他直接利用了order還有execution算出了比較精確的倉位歷史,甚至還幫我加了首頁的Overview Page。 5⃣ 接下來就是一些前端的修飾,我直接回到Gemini請他幫我調整CSS跟介面讓介面看起來更專業一些,還有更新Chart使用類似TradingView的畫面。 最後還是感謝 paulwei 提供實盤紀錄供別人學習,確實是我看過第一個這樣公開敢把實盤 API 直接丟出來,讓大家無死角檢視並學習每一筆進出單細節的交易員。 而這就是 Vibe Coding 的魅力,半天時間就能把一個單純的 idea 落地成實用的分析工具,整個過程基本上你也不需要懂程式。 最後希望這篇實戰紀錄能給大家一點啟發,都一起 Vibe 起來吧!

0xFunky

184,809 次观看 • 8 个月前

原來開電動車可以有這個藉口阿 我也要去買台電動車 為什麼 AI 也需要「驗證機制」 以前我一直覺得 AI 很厲害 結果應該可以直接相信 直到有一天,我在用 AI 做一些分析和決策時 才慢慢意識到一個問題 即便再聰明的 AI,如果沒辦法驗證 它也可能給你錯誤結果 你可能會想 AI 結果錯了也沒關係 自己再檢查就好 可事實是,有些結果是自動被系統執行的 比如金融交易、智能合約、或者自動化操作 錯誤一旦發生,成本可能比人類錯誤高很多 更嚴重的是,普通使用者根本沒有辦法看懂 AI 怎麼算的 也就無法判斷結果可信度 這時候,我開始注意到 Inference Labs 的理念 他們想解決一個基本問題 結果能不能被驗證 換句話說,你不用去信任誰,也不用去理解模型多複雜 只要有一個可驗證的證明,結果就有可信度 對我來說,這種方法讓 AI 使用變得可控 也降低了很多潛在風險 我以前常以為「驗證」只是大公司才做的高級功能 但現在明白了,這其實是每個人都需要的安全網 沒有驗證,就像你在黑暗中走路,不知道哪裡有坑 有了驗證,至少可以確定自己踏在安全的地面上 這種概念很簡單 但在現實世界裡 卻少有人真正落實 所以,對我來說 AI 不只是要準確 更重要的是可驗證 這也是我覺得 Inference 有趣的地方 它提供了一個簡單、實用的機制 讓我們不必再靠盲目相信來使用 AI 信任可以建立,但不靠感覺,而是靠證明

小美哥🕊️|🐬TermMax

305,137 次观看 • 7 个月前

這個彤彤直播主很紅嗎? 怎麼大家都在跟她開黃腔 後面粉絲問這個車能不能推 其他粉補一句 我是老漢交給我就完事 我整個笑死 大家實在太幽默了 為什麼我覺得 Talus 比多數 AI 專案更像「長期基建」 這段時間看了很多 AI 專案,你會發現一個很明顯的現象 大家都在比模型多大、參數多少、推理多快 好像只要 AI 夠聰明,事情就自然會發生 但 Talus 走的是完全不同的路 他們把重點放在處理一個更難、也更無聊的問題 AI 能不能長期、穩定地在鏈上運作,形成真正的經濟活動? Talus Labs 的設計邏輯,很像在蓋一座城市 Nexus 是底層框架 相當於城市的法律與基礎設施 它定義了 AI agent 怎麼存在、怎麼互動、怎麼被驗證 不是單一功能,而是一套可持續擴展的規則系統 Agent 是角色 每一個 agent 都有身份、有資產、有行為紀錄 可以彼此合作、競爭、分工 它們不是一次性工具,更像是長期活動的經濟單位 Workflow 則是產線 把複雜的決策與行為拆成標準化流程 讓策略可以被複製、被重用、被優化 這對生態擴張非常重要,因為它讓「成功經驗」可以累積 這三個東西組合在一起,才會出現真正的護城河 很多 AI 專案解決的是「我能不能做到這件事」 Talus 在想的是「十萬個人、十萬個 agent 同時用,系統會不會崩?」 這種問題沒那麼好講故事,也很難短期爆紅 但一旦真的跑起來,別人要複製成本會非常高 你不只要抄功能,還要重建整個框架、標準與生態協作方式 這正是基建型專案的特徵 我會覺得 Talus 更像長期基建,還有一個原因 它的成功,不完全取決於官方做了多少功能 而是有多少人願意在上面「長期建東西」 策略制定者、agent 設計者、生態應用、工具模組 這些角色都能在同一套框架下持續產生價值 這不是短線題材,也不太適合快進快出 它更像是在修一條高速公路,前期看起來沒那麼熱鬧 但一旦交通流量起來,誰都離不開 所以我才會說 Talus 與其說是一個 AI 專案 不如說是在慢慢鋪一個「AI 上鏈經濟」的底座 這種工程,急不來 但一旦完成,就會存在很久

小美哥🕊️|🐬TermMax

642,120 次观看 • 8 个月前