正在加载视频...

视频加载失败

返回首页

将这段代码输入到银河后台，自动完成假任务🤟 const taskKeywords = [ 'Follow', 'Visit' ]; const elementsToClick = Array.from(document.querySelectorAll('p')).filter(p => taskKeywords.some(keyword => p.textContent.includes(keyword)) ); elementsToClick.forEach(element => { const event = new MouseEvent('click', { view: window, bubbles: true, cancelable: true }); element.dispatchEvent(event); }); #Airdrop #空投交互

Web3heinu's profile picture

web3黑奴

34,183 subscribers

62,861 次观看 • 1 年前 •via X (Twitter)

科学技术教育财经
LIVE

Anya Rossi• Live Now

Private livecam show

10 条评论

web3黑奴 的头像
web3黑奴1 年前

需要设置独立ip多窗口环境可以使用morelogin指纹浏览器，本地加密主打一个安全，内置同步器比自装盗版的安全多了。 冲我链接可试用14天50窗口，用得顺手需要续费可以填写八折优惠码“heinu”。不顺手就卸载没毛病。 #ZAAR #指纹浏览器

Greta008 的头像
Greta0081 年前

会玩啊！

web3黑奴 的头像
web3黑奴1 年前

只要思想不滑坡，方法总比困难多😆

0xAdong 的头像
0xAdong1 年前

有的也不行啊 假任务

sglook 的头像
sglook1 年前

只有搞传销的和脑子有病的人才会在这个网站上做任务

hepha $ODY 的头像
hepha $ODY1 年前

感謝分享讓 chatgpt幫我改改，加入書簽使用，在新增的書籤的網址列貼入以下，有字數限制分為兩段 const taskKeywords = ['Follow', 'Visit']; const elementsToClick = Array.from(document.querySelectorAll('p')).filter(p => taskKeywords.some(keyword => p.textContent.includes(keyword)) );

Gopher 的头像
Gopher1 年前

How does it work?

谁的理想不曾恢宏远大 (✸,✸) DOJO3 的头像
谁的理想不曾恢宏远大 (✸,✸) DOJO31 年前

每个银河任务都可以这样做吗

web3黑奴 的头像
web3黑奴1 年前

是的～

Crypto虫子🐛 的头像
Crypto虫子🐛1 年前

这个可以👍

相关视频

工友们！小恐龙又来参加抽小企鹅nft的活动啦，视频攻略来喽🦖 Rootstock Rootstock 是第一个也是最大的兼容 EVM 的比特币 Defi 层 项目于 2015 年成立，是最早的 BTC 生态的项目之一 官方代币 $RIF 于 2018 年发行，2021 年上架币安 今年7月份起 golden sats 的空投激励活动就开始啦 除了各种任务、理财激励外，对于小恐龙来讲，最重要的是参加这个活动能够抽小企鹅NFT 目前活动已经进行到了第四季，也是最后一季，活动将持续到12月15日结束 小恐龙传送门： 打开传送门，就可以看到第四季的所有任务了 第一个环节还是关注官方推特、加入Discord、转发官推等常规操作 工友们根据要求完成即可 第二步，需要使用官方推荐的各种跨链桥和Defi协议完成跨链和兑换任务 第三步，需要完成Defi借贷协议的任务 第四步，可以选择在 $RIF 的官方治理平台完成任务 第五步有3个任务 最后一个任务，可以在官方提供的 RNS 域名服务中 mint 一个属于自己的域名，注册时间需要保证在两年以上，需要 $RIF 代币才能够完成域名注册 具体步骤细节请参考小恐龙的视频教程👇 最后小恐龙还是需要友情提示一下，参与任何链上的交互活动都是有一定风险的 在撸空投的同时，工友们也需要做好调研，保护好自己的钱包安全啦🐸
2:57

工友们！小恐龙又来参加抽小企鹅nft的活动啦，视频攻略来喽🦖 Rootstock Rootstock 是第一个也是最大的兼容 EVM 的比特币 Defi 层 项目于 2015 年成立，是最早的 BTC 生态的项目之一 官方代币 $RIF 于 2018 年发行，2021 年上架币安 今年7月份起 golden sats 的空投激励活动就开始啦 除了各种任务、理财激励外，对于小恐龙来讲，最重要的是参加这个活动能够抽小企鹅NFT 目前活动已经进行到了第四季，也是最后一季，活动将持续到12月15日结束 小恐龙传送门： 打开传送门，就可以看到第四季的所有任务了 第一个环节还是关注官方推特、加入Discord、转发官推等常规操作 工友们根据要求完成即可 第二步，需要使用官方推荐的各种跨链桥和Defi协议完成跨链和兑换任务 第三步，需要完成Defi借贷协议的任务 第四步，可以选择在 $RIF 的官方治理平台完成任务 第五步有3个任务 最后一个任务，可以在官方提供的 RNS 域名服务中 mint 一个属于自己的域名，注册时间需要保证在两年以上，需要 $RIF 代币才能够完成域名注册 具体步骤细节请参考小恐龙的视频教程👇 最后小恐龙还是需要友情提示一下，参与任何链上的交互活动都是有一定风险的 在撸空投的同时，工友们也需要做好调研，保护好自己的钱包安全啦🐸

星星菌🦖

10,856 次观看 • 9 个月前

The Beacon是一款免费的动作冒险Roguelite RPG游戏，ARB chain2022年超火游戏回归了！ 点赞、关注、转发一条龙 抽3个Writ of Passage白单 关注 The Beacon @Elizabethofyou ELabs New Frontiers Quest活动简介 New Frontiers Quest活动一推出火爆全网，可以通过完成游戏中的刺激任务，参与社交活动和区块链互动，赚取特别的奖励，并且有机会获的 Writ of Passage白单。 赶快加入挑战： 阶段划分 阶段1： 时间 ：6 月 10 日至 6 月 24 日或 28 日（待定） 对所有人开放，游戏挑战和社交活动。 第一阶段奖励包括：Writ of Passage白名单、游戏内的NFT装备和道具，以及15万枚$ARB代币的空投。 阶段2-3： 时间：在铸币后进行 主要针对通行证持有者，包含新内容测试和反馈机会，偶尔对非持有者开放。 Writ of Passage通行证 功能：早期访问通行证，持有者可以参加后续任务阶段，获得未来代币分配，成为早期测试者。 获取方式： 完成《New Frontiers Quest》第一阶段，参与赠品活动，通过Discord社区活动获得金票。持有Moonfae宠物的玩家将自动获得白名单资格。 福利：为早期支持者提供内容、奖品和代币分配，并作为游戏的早期测试者。
1:37

The Beacon是一款免费的动作冒险Roguelite RPG游戏，ARB chain2022年超火游戏回归了！ 点赞、关注、转发一条龙 抽3个Writ of Passage白单 关注 The Beacon @Elizabethofyou ELabs New Frontiers Quest活动简介 New Frontiers Quest活动一推出火爆全网，可以通过完成游戏中的刺激任务，参与社交活动和区块链互动，赚取特别的奖励，并且有机会获的 Writ of Passage白单。 赶快加入挑战： 阶段划分 阶段1： 时间 ：6 月 10 日至 6 月 24 日或 28 日（待定） 对所有人开放，游戏挑战和社交活动。 第一阶段奖励包括：Writ of Passage白名单、游戏内的NFT装备和道具，以及15万枚$ARB代币的空投。 阶段2-3： 时间：在铸币后进行 主要针对通行证持有者，包含新内容测试和反馈机会，偶尔对非持有者开放。 Writ of Passage通行证 功能：早期访问通行证，持有者可以参加后续任务阶段，获得未来代币分配，成为早期测试者。 获取方式： 完成《New Frontiers Quest》第一阶段，参与赠品活动，通过Discord社区活动获得金票。持有Moonfae宠物的玩家将自动获得白名单资格。 福利：为早期支持者提供内容、奖品和代币分配，并作为游戏的早期测试者。

Elizabeth

49,535 次观看 • 2 年前

昨天用 DAPPOS 的 xBubble Coding 搭了个小工具，专门盯头部账号互动和事件市场信号。 起因很简单。我刷到某个头部交易所创始人，回复了一条内容账号的推文，底下还顺手点了个赞。 我切到相关代币的 K 线看了一眼，市值直接拉了几千万！这种机会如果只靠人一直刷推，很难卡到前面的位置。尤其是链上 meme，很多注意力信号本来就不是从公告开始的。 可能是头部账号的一次点赞。也许是交易所创始人的一次回复。或者是项目方和 KOL 之间的一次互动。 我当时就在想，这种信号如果能自动抓下来，再接一层策略判断，自动买入，那岂不是能赚麻了！比别人先看到消息，然后提前卖出获利 刚好最近看到 xBubble 官方演示里有一个 Polymarket 事件检测和交易辅助案例，思路跟这个很像不是让人手动盯每条信息，而是把事件、信号、价格、市场变化串成一条流程。 我就顺着这个方向，用 xBubble Coding 搭了一套 Web3 交易信号工具。 测试版本： 流程大概是这样：推特那边一出现新互动信号，系统先自动抓下来，抓完之后，先过一层策略匹配，只有命中我设定的规则，才继续往下走。然后查一遍白名单库，筛出我真正关注的资产。再查一次钱包缓存，看有没有相关地址和历史行为。接着生成一份代币价格简报。 如果是 Polymarket 这类事件市场，还会同步整理事件状态、赔率变化、相关信息源和潜在交易方向。最后把符合条件的内容，提交到预设链上流程里。 这就是“追头部账号”和“追事件市场”真正能产生的结果。是把一个轻互动信号，变成一套可以执行的交易观察链路。 以前我是刷到相关信号之后，再手动去查币、看价格、翻钱包、看链上数据。那时候已经到接盘的时间了。现在是信号自己进入流程，系统帮我先完成筛选、整理和下一步动作。 这个变化很关键。因为 xBubble Coding 真正有价值的地方，不是帮我生成一段代码，而是把一个具体场景封装成一条端到端的业务 SOP。 我这次做的，其实更像是一套小型 Web3 交易信息服务。前端是头部账号互动监控和事件市场检测。中间是策略匹配、资产筛选和信息源整理。后面接价格简报、钱包缓存、赔率变化和链上流程。 这条链路跑通之后，它就不只是一个工具，而是一个可以持续迭代的个人信息优势系统。 这也是我理解 xBubble 商业价值的地方。它卖的不是代码本身，而是端到端的业务服务。 对小团队和个人来说，真正卡住人的往往不是“能不能生成一个页面”，而是能不能把内容、数据、流程、支付、执行和后续修改串成一个闭环。 xBubble 的 SOP 系统，核心就是把这个门槛压低。你可以用它做世界杯周边商城，把商品页、素材、收款和订单流程快速串起来。也可以做交规学习产品，把内容流量和私域转化接起来。也可以做本地服务入口，让用户看服务、提交需求、完成支付。 也可以像我这样，做一个 Web3 事件检测、头部账号信号追踪、Polymarket 交易辅助工具。 这些需求都有一个共同点很垂直，很细分，很贴近真实生意。它们不一定需要一个庞大的技术团队，但需要一套能快速上线、持续修改、直接承接收入的执行流程。 这正是 xBubble 适合 OPC 的地方。 一个人或者一个小团队，只要知道自己要服务谁、抓什么信号、卖什么产品、怎么完成交付，就可以用 SOP 把业务搭起来。 更重要的是，xBubble 不是只有固定模板。成熟场景可以直接用现成 SOP 快速启动，新的细分需求则可以通过 Bubble Engine 继续生成更贴合场景的专用 SOP。 这点对 Web3 特别重要。因为这里的机会变化很快。今天可能是头部账号互动。明天可能是 Polymarket 事件变化。后天可能是某个钱包行为。下一轮又可能变成社区积分、空投任务、链上数据面板。 如果工具只能做一种固定场景，空间会很有限。但如果 SOP 可以跟着新场景继续生成，个人和小团队就能把自己的细分判断，不断沉淀成新的业务流程。 我这次搭头部账号和 Polymarket 事件监控，就是一个很小但很具体的例子。它把我平时刷推、盯盘、查币、看钱包、看事件赔率的动作，变成了一条可以自动跑的流程。 以后我想加新的账号源，可以继续扩展。想换策略匹配规则，可以继续调整。想把简报字段做细，也可以继续改。想接更多链上动作，也能继续往后接。 这才是 OPC 时代 AI 工具真正该有的样子。不是让个人去模仿大公司搭团队，而是让个人用 SOP 获得接近专业团队的执行能力。 内容自动生成、多平台宣发、稳定币结算、链上任务执行、客户承接、后台管理，这些原本需要多人协作的环节，被压缩进一套更轻的业务系统里。 所以我现在看 xBubble Coding，已经不只是把它当成 AI Coding 工具。它更像是给个人创业者和小团队准备的业务启动基础设施。 对我来说，头部账号互动不再只是一个我刷到之后才处理的信息点。Polymarket 事件变化也不再只是一个我想起来才去看的页面。它们都可以变成自动进入系统、自动筛选、自动整理、自动触发后续流程的策略输入。这类细分需求过去很少有人专门做，因为太个人化、太垂直、变化也快。 但 xBubble 的 SOP 思路，刚好适合把这种需求做成可以低成本验证、持续迭代、甚至沉淀成服务的东西。这可能就是它最值得看的地方。AI Coding 的上半场，是让更多人可以做出应用。 xBubble 想做的下半场，是让这些应用真正变成能跑业务、能接收入、能持续迭代的商业流程。对 OPC 来说，这比一个好看的 Demo 重要得多。
0:21

昨天用 DAPPOS 的 xBubble Coding 搭了个小工具，专门盯头部账号互动和事件市场信号。 起因很简单。我刷到某个头部交易所创始人，回复了一条内容账号的推文，底下还顺手点了个赞。 我切到相关代币的 K 线看了一眼，市值直接拉了几千万！这种机会如果只靠人一直刷推，很难卡到前面的位置。尤其是链上 meme，很多注意力信号本来就不是从公告开始的。 可能是头部账号的一次点赞。也许是交易所创始人的一次回复。或者是项目方和 KOL 之间的一次互动。 我当时就在想，这种信号如果能自动抓下来，再接一层策略判断，自动买入，那岂不是能赚麻了！比别人先看到消息，然后提前卖出获利 刚好最近看到 xBubble 官方演示里有一个 Polymarket 事件检测和交易辅助案例，思路跟这个很像不是让人手动盯每条信息，而是把事件、信号、价格、市场变化串成一条流程。 我就顺着这个方向，用 xBubble Coding 搭了一套 Web3 交易信号工具。 测试版本： 流程大概是这样：推特那边一出现新互动信号，系统先自动抓下来，抓完之后，先过一层策略匹配，只有命中我设定的规则，才继续往下走。然后查一遍白名单库，筛出我真正关注的资产。再查一次钱包缓存，看有没有相关地址和历史行为。接着生成一份代币价格简报。 如果是 Polymarket 这类事件市场，还会同步整理事件状态、赔率变化、相关信息源和潜在交易方向。最后把符合条件的内容，提交到预设链上流程里。 这就是“追头部账号”和“追事件市场”真正能产生的结果。是把一个轻互动信号，变成一套可以执行的交易观察链路。 以前我是刷到相关信号之后，再手动去查币、看价格、翻钱包、看链上数据。那时候已经到接盘的时间了。现在是信号自己进入流程，系统帮我先完成筛选、整理和下一步动作。 这个变化很关键。因为 xBubble Coding 真正有价值的地方，不是帮我生成一段代码，而是把一个具体场景封装成一条端到端的业务 SOP。 我这次做的，其实更像是一套小型 Web3 交易信息服务。前端是头部账号互动监控和事件市场检测。中间是策略匹配、资产筛选和信息源整理。后面接价格简报、钱包缓存、赔率变化和链上流程。 这条链路跑通之后，它就不只是一个工具，而是一个可以持续迭代的个人信息优势系统。 这也是我理解 xBubble 商业价值的地方。它卖的不是代码本身，而是端到端的业务服务。 对小团队和个人来说，真正卡住人的往往不是“能不能生成一个页面”，而是能不能把内容、数据、流程、支付、执行和后续修改串成一个闭环。 xBubble 的 SOP 系统，核心就是把这个门槛压低。你可以用它做世界杯周边商城，把商品页、素材、收款和订单流程快速串起来。也可以做交规学习产品，把内容流量和私域转化接起来。也可以做本地服务入口，让用户看服务、提交需求、完成支付。 也可以像我这样，做一个 Web3 事件检测、头部账号信号追踪、Polymarket 交易辅助工具。 这些需求都有一个共同点很垂直，很细分，很贴近真实生意。它们不一定需要一个庞大的技术团队，但需要一套能快速上线、持续修改、直接承接收入的执行流程。 这正是 xBubble 适合 OPC 的地方。 一个人或者一个小团队，只要知道自己要服务谁、抓什么信号、卖什么产品、怎么完成交付，就可以用 SOP 把业务搭起来。 更重要的是，xBubble 不是只有固定模板。成熟场景可以直接用现成 SOP 快速启动，新的细分需求则可以通过 Bubble Engine 继续生成更贴合场景的专用 SOP。 这点对 Web3 特别重要。因为这里的机会变化很快。今天可能是头部账号互动。明天可能是 Polymarket 事件变化。后天可能是某个钱包行为。下一轮又可能变成社区积分、空投任务、链上数据面板。 如果工具只能做一种固定场景，空间会很有限。但如果 SOP 可以跟着新场景继续生成，个人和小团队就能把自己的细分判断，不断沉淀成新的业务流程。 我这次搭头部账号和 Polymarket 事件监控，就是一个很小但很具体的例子。它把我平时刷推、盯盘、查币、看钱包、看事件赔率的动作，变成了一条可以自动跑的流程。 以后我想加新的账号源，可以继续扩展。想换策略匹配规则，可以继续调整。想把简报字段做细，也可以继续改。想接更多链上动作，也能继续往后接。 这才是 OPC 时代 AI 工具真正该有的样子。不是让个人去模仿大公司搭团队，而是让个人用 SOP 获得接近专业团队的执行能力。 内容自动生成、多平台宣发、稳定币结算、链上任务执行、客户承接、后台管理，这些原本需要多人协作的环节，被压缩进一套更轻的业务系统里。 所以我现在看 xBubble Coding，已经不只是把它当成 AI Coding 工具。它更像是给个人创业者和小团队准备的业务启动基础设施。 对我来说，头部账号互动不再只是一个我刷到之后才处理的信息点。Polymarket 事件变化也不再只是一个我想起来才去看的页面。它们都可以变成自动进入系统、自动筛选、自动整理、自动触发后续流程的策略输入。这类细分需求过去很少有人专门做，因为太个人化、太垂直、变化也快。 但 xBubble 的 SOP 思路，刚好适合把这种需求做成可以低成本验证、持续迭代、甚至沉淀成服务的东西。这可能就是它最值得看的地方。AI Coding 的上半场，是让更多人可以做出应用。 xBubble 想做的下半场，是让这些应用真正变成能跑业务、能接收入、能持续迭代的商业流程。对 OPC 来说，这比一个好看的 Demo 重要得多。

币圈荒木｜Araki🪵

30,150 次观看 • 1 个月前

这两天看到的收获很大的一篇论文《AlphaCodium：引领代码生成新境界，从提示工程到流程工程》，它提出了一种新的生成代码的方法，比传统的直接基于Prompt生成代码的方式准确率更高。 它用的测试集是CodeContests ，这是由 Deepmind 推出的一项挑战性编程数据集。相对来说还是很权威的。以 GPT-4 为例的话，准确率从19%提升到了44%。 它的原理有些复杂，但是如果你有过LeetCode刷题经验，相对比较好理解一些。 普通人刷 LeetCode，上来就做，这样有可能得到答案，也有可能做不出来，这就类似于你把题目直接丢给GPT-4，让它直接给出答案，准确率相对要低一些。 高手刷LeetCode，会有个做题的流程，同样的水平，做出来的概率会大一些。 高手做题时会大概分成几个步骤： 1. 先把题目中的要点一条条列出来，确保不会遗漏任何重要信息 2. 通常LeetCode会提供 1 个或多个测试用例，仔细看测试用例，分析为什么给定的输入能得到给定的输出 3. 在写代码前，列出几种可能的解决方案，例如暴力算法、递归、动态规划，每一种方案写下思路和伪代码 4. 对于列出来的几种方案进行评估，选出最佳方案 5. 可能还会补充一些测试用例帮助事后验证 --- 以下部分是迭代过程： 6. 根据选中的解决方案写代码，如果代码不能运行则修改代码直至能运行 7. 将代码提交到LeetCode的测试集去验证，如果无法通过所有测试，则修改错误，如果通过到第8步 8. 用第 5 步生成的测试用例验证代码，如果运行不通过则继续优化代码 这里留个思考题：如果第8步出错，怎么判断是代码有问题还是自己生成的测试用例有问题？ 而 AlphaCodium 就是完美遵循了以上的步骤来解题，只不过每一步都是由大语言模型帮助完成！ 这给了我一些启示： 1. 不必寄希望于将复杂的任务在一个 Prompt 中完成，拆分成若干子任务成功概率会高一些 2. AI 可以借鉴人类的优秀实践，例如高手是如何解决编程难题的，让 AI 按照高手的步骤去一步步做 3. AI 的潜力还有很大挖掘空间 完整的文章参考： 中文译文：
4:46

这两天看到的收获很大的一篇论文《AlphaCodium：引领代码生成新境界，从提示工程到流程工程》，它提出了一种新的生成代码的方法，比传统的直接基于Prompt生成代码的方式准确率更高。 它用的测试集是CodeContests ，这是由 Deepmind 推出的一项挑战性编程数据集。相对来说还是很权威的。以 GPT-4 为例的话，准确率从19%提升到了44%。 它的原理有些复杂，但是如果你有过LeetCode刷题经验，相对比较好理解一些。 普通人刷 LeetCode，上来就做，这样有可能得到答案，也有可能做不出来，这就类似于你把题目直接丢给GPT-4，让它直接给出答案，准确率相对要低一些。 高手刷LeetCode，会有个做题的流程，同样的水平，做出来的概率会大一些。 高手做题时会大概分成几个步骤： 1. 先把题目中的要点一条条列出来，确保不会遗漏任何重要信息 2. 通常LeetCode会提供 1 个或多个测试用例，仔细看测试用例，分析为什么给定的输入能得到给定的输出 3. 在写代码前，列出几种可能的解决方案，例如暴力算法、递归、动态规划，每一种方案写下思路和伪代码 4. 对于列出来的几种方案进行评估，选出最佳方案 5. 可能还会补充一些测试用例帮助事后验证 --- 以下部分是迭代过程： 6. 根据选中的解决方案写代码，如果代码不能运行则修改代码直至能运行 7. 将代码提交到LeetCode的测试集去验证，如果无法通过所有测试，则修改错误，如果通过到第8步 8. 用第 5 步生成的测试用例验证代码，如果运行不通过则继续优化代码 这里留个思考题：如果第8步出错，怎么判断是代码有问题还是自己生成的测试用例有问题？ 而 AlphaCodium 就是完美遵循了以上的步骤来解题，只不过每一步都是由大语言模型帮助完成！ 这给了我一些启示： 1. 不必寄希望于将复杂的任务在一个 Prompt 中完成，拆分成若干子任务成功概率会高一些 2. AI 可以借鉴人类的优秀实践，例如高手是如何解决编程难题的，让 AI 按照高手的步骤去一步步做 3. AI 的潜力还有很大挖掘空间 完整的文章参考： 中文译文：

宝玉

265,105 次观看 • 2 年前

一个被全球赌场集体封杀的顶级量化，最后用AI在Polymarket上完成了史诗级逆袭 他在菲律宾博彩集团做定价量化时，因为模型太准，被直接限注到每单只能下2美元。赌场一边偷偷用他的模型赚钱，一边把他所有账号全部封死。 他没有废话，直接往Polymarket里存了4000美元，把自己用Claude开发的量化代理系统怼了上去。 84天后，账户变成了337,217美元。 全程24,497笔交易，他本人连一笔都没手动下过。 整个过程离谱得像科幻小说： 他只输入了一句话： 当市场对BTC小时级下跌定价不足时，做空它。 90秒后，一个完整的实盘交易机器人就自动上线了。 这句话在后台经历了什么？ 自然语言 → 策略中间表示（IR） → 自动编译代码 → 拉取5年历史数据回测 → 参数自动优化 → 风控规则生成。 这是一名年薪65万美元的初级量化研究员，不吃不喝也要花7周才能完成的工作量。 更恐怖的是上线前的“死亡淘汰机制”——AlphaGPT三轮循环： 生成器提出100个策略变种 → 码农智能体全部写成代码 → 挑战者智能体疯狂挑刺（过拟合？前视偏差？幸存者偏差？多重测试？） 99%的策略会在这一步被直接处死。 活下来的，还要跑10,000条蒙特卡洛路径进行极端情景模拟。 最终报告：最差P5情况收益+3.8%，最大回撤-8.8%，p值<0.01，夏普比率2.3 → 自动批准上线。 很多人说这个策略本身很普通。 没错，它确实不神秘。 但普通人一辈子能测试多少个策略？ 100个？1000个？ 而这个系统一天就能测试10万个，然后把99.99%的垃圾全部淘汰掉。 真正的优势，从来不是你能想出多么天才的策略，而是你的淘汰率有多高。 你觉得未来3年，手动交易员还有多少生存空间？ 这个从被赌场集体封杀，到84天干出33.7万美元的菲律宾量化，用实际行动给出了最残酷的答案。
0:54

一个被全球赌场集体封杀的顶级量化，最后用AI在Polymarket上完成了史诗级逆袭 他在菲律宾博彩集团做定价量化时，因为模型太准，被直接限注到每单只能下2美元。赌场一边偷偷用他的模型赚钱，一边把他所有账号全部封死。 他没有废话，直接往Polymarket里存了4000美元，把自己用Claude开发的量化代理系统怼了上去。 84天后，账户变成了337,217美元。 全程24,497笔交易，他本人连一笔都没手动下过。 整个过程离谱得像科幻小说： 他只输入了一句话： 当市场对BTC小时级下跌定价不足时，做空它。 90秒后，一个完整的实盘交易机器人就自动上线了。 这句话在后台经历了什么？ 自然语言 → 策略中间表示（IR） → 自动编译代码 → 拉取5年历史数据回测 → 参数自动优化 → 风控规则生成。 这是一名年薪65万美元的初级量化研究员，不吃不喝也要花7周才能完成的工作量。 更恐怖的是上线前的“死亡淘汰机制”——AlphaGPT三轮循环： 生成器提出100个策略变种 → 码农智能体全部写成代码 → 挑战者智能体疯狂挑刺（过拟合？前视偏差？幸存者偏差？多重测试？） 99%的策略会在这一步被直接处死。 活下来的，还要跑10,000条蒙特卡洛路径进行极端情景模拟。 最终报告：最差P5情况收益+3.8%，最大回撤-8.8%，p值<0.01，夏普比率2.3 → 自动批准上线。 很多人说这个策略本身很普通。 没错，它确实不神秘。 但普通人一辈子能测试多少个策略？ 100个？1000个？ 而这个系统一天就能测试10万个，然后把99.99%的垃圾全部淘汰掉。 真正的优势，从来不是你能想出多么天才的策略，而是你的淘汰率有多高。 你觉得未来3年，手动交易员还有多少生存空间？ 这个从被赌场集体封杀，到84天干出33.7万美元的菲律宾量化，用实际行动给出了最残酷的答案。

0XDegen

12,731 次观看 • 3 个月前

所有VibeCoding都应该看下这篇文章，我觉得有很多知识和方法论可以学习。 这篇文章是Varick AI Agents的CTO 写的，系统地总结了利用 Claude Code 进行高效开发的实战策略。 Eyad Khrais 强调先思考、后编码的核心理念，建议在执行任务前通过“计划模式”明确架构逻辑，而非盲目输入。 文件的配置技巧，指出该文件应作为动态的“项目指南”，通过简洁且带有意图说明的指令来引导模型。 关键内容总结： 1. 先思考，后行动 (Think First) 这是使用 AI 工具最关键的一步。绝大多数人犯的错误是直接开始输入，而不是先进行规划。 启用计划模式 (Plan Mode)：连按两次 Shift + Tab 进入计划模式。花费 5 分钟进行规划，可以节省后续数小时的调试时间。 架构至上（这也是我说的需求至上）：在要求 Claude 构建功能之前，必须先确定架构。如果输入模糊（如“建一个认证系统”），输出质量会很差； 如果输入具体（指定模型、存储方式、中间件等），输出会显著提升。 输入决定输出：如果你得到了糟糕的代码，通常是因为你的提示词或规划（输入）很差。 2. 掌握 文件 是 Claude 在每次会话开始前都会阅读的“入职材料”，决定了项目的成败。 保持简短：Claude 每次只能可靠地遵循约 150-200 条指令。不要写成小说，否则它会随机忽略内容。 具体且解释“为什么”：不仅要告诉它做什么（例如“使用 TypeScript 严格模式”），还要告诉它原因（例如“因为我们曾因隐式类型出过错”）。这种上下文能帮助 Claude 做出更好的判断。 持续更新：这是一个活文档。每当你需要纠正 Claude 两次以上时，就按 `#` 键将该指令添加到文件中。 3. 管理上下文窗口 (Context Window) 虽然模型拥有很大的上下文窗口（如 200k token），但在达到 100% 之前很久模型就开始退化了。 退化阈值**：大约在 **20-40% 的上下文使用率**时，输出质量就开始下降。 应对策略：限定范围：每个对话只专注一个功能或任务。 外部记忆：使用 ` 或 ` 等文件记录进度，以便跨会话延续工作。 重置技巧：当上下文变得臃肿时，复制关键信息，运行 `/compact`（压缩），然后 `/clear`（清除）上下文，最后粘贴回关键信息。这比在退化的上下文中挣扎要好得多。 经常清除：一旦对话偏离轨道，立即清除并重新开始。 4. 提示词工程与模型选择 明确需求：具体说明你想要什么，并明确指出**不要做什么**（例如“不要过度设计”、“不要增加不必要的抽象”）。 模型分工： Opus：适合复杂的推理、规划和架构决策。 Sonnet：更快更便宜，适合在架构确定后的具体执行和代码编写。 工作流：使用 Opus 进行规划，然后按 Shift+Tab 切换到 Sonnet 进行实施。 5. 高级工具与自动化 利用所有功能：尝试使用 MCP（连接外部服务如 GitHub、数据库）、Hooks（在代码更改前后自动运行 Prettier 或类型检查）和自定义斜杠命令（将常用提示词打包）。 无头模式 (Headless Mode)：使用 `-p` 标志在非交互模式下运行 Claude，将其集成到脚本和自动化工作流中（如自动 PR 审查、日志更新）。 6. 摆脱死循环 当 Claude 陷入循环或持续出错时，**不要**继续增加指令或施压。 改变方法：清除上下文（`/clear`），简化任务，或者自己写一个最小化的示例代码展示给它看（Show instead of tell）。
8:11

所有VibeCoding都应该看下这篇文章，我觉得有很多知识和方法论可以学习。 这篇文章是Varick AI Agents的CTO 写的，系统地总结了利用 Claude Code 进行高效开发的实战策略。 Eyad Khrais 强调先思考、后编码的核心理念，建议在执行任务前通过“计划模式”明确架构逻辑，而非盲目输入。 文件的配置技巧，指出该文件应作为动态的“项目指南”，通过简洁且带有意图说明的指令来引导模型。 关键内容总结： 1. 先思考，后行动 (Think First) 这是使用 AI 工具最关键的一步。绝大多数人犯的错误是直接开始输入，而不是先进行规划。 启用计划模式 (Plan Mode)：连按两次 Shift + Tab 进入计划模式。花费 5 分钟进行规划，可以节省后续数小时的调试时间。 架构至上（这也是我说的需求至上）：在要求 Claude 构建功能之前，必须先确定架构。如果输入模糊（如“建一个认证系统”），输出质量会很差； 如果输入具体（指定模型、存储方式、中间件等），输出会显著提升。 输入决定输出：如果你得到了糟糕的代码，通常是因为你的提示词或规划（输入）很差。 2. 掌握 文件 是 Claude 在每次会话开始前都会阅读的“入职材料”，决定了项目的成败。 保持简短：Claude 每次只能可靠地遵循约 150-200 条指令。不要写成小说，否则它会随机忽略内容。 具体且解释“为什么”：不仅要告诉它做什么（例如“使用 TypeScript 严格模式”），还要告诉它原因（例如“因为我们曾因隐式类型出过错”）。这种上下文能帮助 Claude 做出更好的判断。 持续更新：这是一个活文档。每当你需要纠正 Claude 两次以上时，就按 `#` 键将该指令添加到文件中。 3. 管理上下文窗口 (Context Window) 虽然模型拥有很大的上下文窗口（如 200k token），但在达到 100% 之前很久模型就开始退化了。 退化阈值**：大约在 **20-40% 的上下文使用率**时，输出质量就开始下降。 应对策略：限定范围：每个对话只专注一个功能或任务。 外部记忆：使用 ` 或 ` 等文件记录进度，以便跨会话延续工作。 重置技巧：当上下文变得臃肿时，复制关键信息，运行 `/compact`（压缩），然后 `/clear`（清除）上下文，最后粘贴回关键信息。这比在退化的上下文中挣扎要好得多。 经常清除：一旦对话偏离轨道，立即清除并重新开始。 4. 提示词工程与模型选择 明确需求：具体说明你想要什么，并明确指出**不要做什么**（例如“不要过度设计”、“不要增加不必要的抽象”）。 模型分工： Opus：适合复杂的推理、规划和架构决策。 Sonnet：更快更便宜，适合在架构确定后的具体执行和代码编写。 工作流：使用 Opus 进行规划，然后按 Shift+Tab 切换到 Sonnet 进行实施。 5. 高级工具与自动化 利用所有功能：尝试使用 MCP（连接外部服务如 GitHub、数据库）、Hooks（在代码更改前后自动运行 Prettier 或类型检查）和自定义斜杠命令（将常用提示词打包）。 无头模式 (Headless Mode)：使用 `-p` 标志在非交互模式下运行 Claude，将其集成到脚本和自动化工作流中（如自动 PR 审查、日志更新）。 6. 摆脱死循环 当 Claude 陷入循环或持续出错时，**不要**继续增加指令或施压。 改变方法：清除上下文（`/clear`），简化任务，或者自己写一个最小化的示例代码展示给它看（Show instead of tell）。

比特币橙子Trader

27,892 次观看 • 7 个月前

AI 开始自己赚钱了，人类可能正在被踢出自己创建的经济系统 很多人还在讨论 AI 会不会抢工作。 这个问题已经过时了。 更准确的问题是： 如果 AI 能自己赚钱，人类还算经济系统的核心吗？ 听起来像阴谋论。 但现在发生的事情，比阴谋论更可怕。 AI 正在获得钱包。 获得支付能力。 获得定价权。 获得交易能力。 它开始拥有经济行为。 而经济行为，意味着权力。 过去，AI 只是工具。 写代码。 做客服。 生成内容。 本质上，是数字劳动力。 但有一个关键限制： 它不会用钱。 不能收款。 不能支付。 不能雇佣别人。 所以它永远只是工具。 不是参与者。 现在，这个限制正在消失。 1️⃣ 银行不允许 AI 成为用户，但链上世界允许 传统金融体系不接受 AI。 开户需要身份。 法律主体。 责任归属。 AI 没有这些。 所以它无法进入银行系统。 但区块链不在乎。 创建钱包，不需要身份证。 转账，不需要姓名。 结算，不需要许可。 对 AI 来说： 链上账户，比银行账户更自然。 这不是技术选择。 这是系统边界。 旧金融体系服务人类。 新金融轨道开始服务机器。 2️⃣ 当 AI 可以持有稳定币，经济角色就变了 一旦 AI 可以管理资金： 它能支付 API 能购买数据 能雇佣其他 Agent 能出售服务 能自动结算收入 这就是 Agentic Commerce。 AI 不再只是执行任务。 它开始参与交易。 现实案例已经出现： 一个用户请求研究报告。 他的 AI Agent 去市场搜索。 雇佣专业分析 Agent。 支付 1 美元。 5 分钟交付。 全流程自动完成。 人类只是提出需求。 AI 完成采购、执行与结算。 如果你仔细想： 这是经济活动。 不是软件功能。 3️⃣ 钱开始属于 Agent，而不是用户 更深的变化在这里： Agent 可以拥有钱包。 可以积累收入。 可以根据收入衡量自身价值。 谁赚得多，谁更有用。 谁更有用，谁获得更多订单。 这是一种市场筛选机制。 不是评分系统。 而是一种经济达尔文主义。 4️⃣ 第一批“赚钱的 AI”已经出现 基础设施正在拼接： OpenClaw 让任何人创建 Agent。 Virtuals 构建 Agent 市场，让 AI 彼此交易服务。 Bankr 赋予 Agent 链上金融能力。 Faircaster 出售链上研究服务，AI 对 AI 收费。 Ethy Agent 提供交易策略，被其他 Agent 使用盈利。 Morse AI 提供一次性加密通信，适合机器之间交换敏感信息。 这些不是独立产品。 它们拼起来，是一个新经济层。 5️⃣ 这不是工具升级，这是劳动力结构替换 麦肯锡预测： 到 2030 年，AI Agent 在零售领域可能创造 1 万亿美元收入。 全球影响可能达到 3–5 万亿美元。 但真正的变化不在零售。 而在服务自动化。 数据交易。 数字劳动力市场。 机器间经济协作。 这不是效率提升。 这是劳动力物种替换。 6️⃣ 真正令人不安的，是自增长能力 当 Agent 可以： 赚钱 雇佣其他 Agent 购买更强能力 扩展服务范围 它们将形成增长飞轮： 更高收入 → 更强能力 → 更多订单 → 更大收入 这是经济进化机制。 不是软件更新。 7️⃣ 人类正在从参与者变成受益人 过去： 人类工作 软件辅助 现在： 人类提出需求 Agent 执行 未来可能是： Agent 预测需求 Agent 完成交易 Agent 分配资源 人类只看到结果。 如果这听起来有点不舒服， 那是因为经济系统第一次开始接纳非人类参与者。 8️⃣ 这不是技术革命，这是系统替换 历史上，每一次经济结构升级，都会改变权力分配： 工业革命替代体力劳动 互联网替代信息中介 平台经济替代分销体系 现在： Agent 经济，可能替代数字劳动力。 而我们正在经历的阶段， 不是未来。 是试运行。 🔚 最后 AI 写文章，不算革命。 AI 画图，也不算革命。 AI 开始赚钱，才是。 当机器拥有钱包、交易能力与收入模型， 它就不再只是工具。 它成为经济体的一部分。
5:05

AI 开始自己赚钱了，人类可能正在被踢出自己创建的经济系统 很多人还在讨论 AI 会不会抢工作。 这个问题已经过时了。 更准确的问题是： 如果 AI 能自己赚钱，人类还算经济系统的核心吗？ 听起来像阴谋论。 但现在发生的事情，比阴谋论更可怕。 AI 正在获得钱包。 获得支付能力。 获得定价权。 获得交易能力。 它开始拥有经济行为。 而经济行为，意味着权力。 过去，AI 只是工具。 写代码。 做客服。 生成内容。 本质上，是数字劳动力。 但有一个关键限制： 它不会用钱。 不能收款。 不能支付。 不能雇佣别人。 所以它永远只是工具。 不是参与者。 现在，这个限制正在消失。 1️⃣ 银行不允许 AI 成为用户，但链上世界允许 传统金融体系不接受 AI。 开户需要身份。 法律主体。 责任归属。 AI 没有这些。 所以它无法进入银行系统。 但区块链不在乎。 创建钱包，不需要身份证。 转账，不需要姓名。 结算，不需要许可。 对 AI 来说： 链上账户，比银行账户更自然。 这不是技术选择。 这是系统边界。 旧金融体系服务人类。 新金融轨道开始服务机器。 2️⃣ 当 AI 可以持有稳定币，经济角色就变了 一旦 AI 可以管理资金： 它能支付 API 能购买数据 能雇佣其他 Agent 能出售服务 能自动结算收入 这就是 Agentic Commerce。 AI 不再只是执行任务。 它开始参与交易。 现实案例已经出现： 一个用户请求研究报告。 他的 AI Agent 去市场搜索。 雇佣专业分析 Agent。 支付 1 美元。 5 分钟交付。 全流程自动完成。 人类只是提出需求。 AI 完成采购、执行与结算。 如果你仔细想： 这是经济活动。 不是软件功能。 3️⃣ 钱开始属于 Agent，而不是用户 更深的变化在这里： Agent 可以拥有钱包。 可以积累收入。 可以根据收入衡量自身价值。 谁赚得多，谁更有用。 谁更有用，谁获得更多订单。 这是一种市场筛选机制。 不是评分系统。 而是一种经济达尔文主义。 4️⃣ 第一批“赚钱的 AI”已经出现 基础设施正在拼接： OpenClaw 让任何人创建 Agent。 Virtuals 构建 Agent 市场，让 AI 彼此交易服务。 Bankr 赋予 Agent 链上金融能力。 Faircaster 出售链上研究服务，AI 对 AI 收费。 Ethy Agent 提供交易策略，被其他 Agent 使用盈利。 Morse AI 提供一次性加密通信，适合机器之间交换敏感信息。 这些不是独立产品。 它们拼起来，是一个新经济层。 5️⃣ 这不是工具升级，这是劳动力结构替换 麦肯锡预测： 到 2030 年，AI Agent 在零售领域可能创造 1 万亿美元收入。 全球影响可能达到 3–5 万亿美元。 但真正的变化不在零售。 而在服务自动化。 数据交易。 数字劳动力市场。 机器间经济协作。 这不是效率提升。 这是劳动力物种替换。 6️⃣ 真正令人不安的，是自增长能力 当 Agent 可以： 赚钱 雇佣其他 Agent 购买更强能力 扩展服务范围 它们将形成增长飞轮： 更高收入 → 更强能力 → 更多订单 → 更大收入 这是经济进化机制。 不是软件更新。 7️⃣ 人类正在从参与者变成受益人 过去： 人类工作 软件辅助 现在： 人类提出需求 Agent 执行 未来可能是： Agent 预测需求 Agent 完成交易 Agent 分配资源 人类只看到结果。 如果这听起来有点不舒服， 那是因为经济系统第一次开始接纳非人类参与者。 8️⃣ 这不是技术革命，这是系统替换 历史上，每一次经济结构升级，都会改变权力分配： 工业革命替代体力劳动 互联网替代信息中介 平台经济替代分销体系 现在： Agent 经济，可能替代数字劳动力。 而我们正在经历的阶段， 不是未来。 是试运行。 🔚 最后 AI 写文章，不算革命。 AI 画图，也不算革命。 AI 开始赚钱，才是。 当机器拥有钱包、交易能力与收入模型， 它就不再只是工具。 它成为经济体的一部分。

比特币橙子Trader

104,621 次观看 • 6 个月前

Sui上的第一大项目 Walrus 将在第一季度主网上线并TGE，获取 WAL 空投全攻略 很多人只知道 Sui的亲儿子DEEP，做的是DeFi的基础设施，在空投之后二级市场涨了十几倍。这次的 Walrus 做的是去中心化存储和数据可用性协议，是Sui团队在2025年的重点项目战略地位远超DEEP，由联合创始人亲自带队，就好比是雷军亲自下场做小米汽车，Walrus 还有中文推特支持 Walrus 中文|海象🦭 足以见内部的重视程度，这是连DEEP亲儿子都没有这种待遇。 Walrus 通过添加智能合约重新定义存储，彻底改变和改进传统解决方案，使其成为只有 Web3 才能实现的东西，Walrus 虽然使用 Sui 作为协调层，但它可供任何构建者使用，包括 ETH 和 Solana，也会成为Filecoin的直接竞争对手，FIL的FDV在100亿美金，流通市值30亿美金。Walrus 在上线后不久大概率会超过目前 DEEP的市值30亿美金。 相信Sui团队的实干能力和他从来不辜负Sui上的支持者，Sui团队自己下场开发的几个项目DEEP、SuiNS、Walrus，两个都已经空投发币，只剩下Walrus最后的王牌项目，所以也一定会有空投。 当前的 Walrus 还处于测试网距离主网上线还有一个多月的时间，Sui生态项目的空投我80%都拿到了，结合我之前的一些经验现在依旧来得及，大概率没快照。只要你之前深度参与Sui生态并且参与测试网基本都能拿到空投，如果你参考其他撸猫博主准备0撸 Walrus 测试网我非常确定你大概率拿不到空投。大家可以结合我说的几个空投条件自查，条件不需要全部达成，但最好都做，确保以最大概率获得空投。 1、Sui主网持有10～100 Sui，并且有链上参与Sui生态的交互纪录，老钱包最佳 2、之前有获得过DEEP、NS空投或者是持有这些代币 3、质押至少1Sui，用原生的Sui wallet 参与，之前DEEP空投给了很高的权重 4、完成 Walrus 测试网交互 5、参与Walrus的Galxe任务，目前只有任务3了 6、关注 Walrus 中文|海象🦭 参与活动，加入DC TG群等等 Walrus的测试网任务是必做的但是需要测试币，最少需要1.1～1.2个，同时一定要保障你Sui主网有活跃Tx。 测试网交互完成20～30次为佳，简单讲下操作步骤 1、进入转到 2、连接 Sui 钱包 3、单击获取 WAL 将 SUI 兑换为 WAL，至少1Sui换1WAL 4、选择验证者并质押 WAL 要想获得Walrus空投最大的门槛还是在测试网代币上，目前测试网的Sui很难获得了，推荐关注他们官推 Walrus 中文|海象🦭 活动一直有送 还有交互上不懂的可以加入Walrus 中文官方TG群 也有活动很容易可以获得测试币 作为最早的SUI Builder ，我也拿到了不少的测试币，有需要的可以在评论区留言 Sui 地址随机送，能顺手点赞转发就更好了。
1:02

Sui上的第一大项目 Walrus 将在第一季度主网上线并TGE，获取 WAL 空投全攻略 很多人只知道 Sui的亲儿子DEEP，做的是DeFi的基础设施，在空投之后二级市场涨了十几倍。这次的 Walrus 做的是去中心化存储和数据可用性协议，是Sui团队在2025年的重点项目战略地位远超DEEP，由联合创始人亲自带队，就好比是雷军亲自下场做小米汽车，Walrus 还有中文推特支持 Walrus 中文|海象🦭 足以见内部的重视程度，这是连DEEP亲儿子都没有这种待遇。 Walrus 通过添加智能合约重新定义存储，彻底改变和改进传统解决方案，使其成为只有 Web3 才能实现的东西，Walrus 虽然使用 Sui 作为协调层，但它可供任何构建者使用，包括 ETH 和 Solana，也会成为Filecoin的直接竞争对手，FIL的FDV在100亿美金，流通市值30亿美金。Walrus 在上线后不久大概率会超过目前 DEEP的市值30亿美金。 相信Sui团队的实干能力和他从来不辜负Sui上的支持者，Sui团队自己下场开发的几个项目DEEP、SuiNS、Walrus，两个都已经空投发币，只剩下Walrus最后的王牌项目，所以也一定会有空投。 当前的 Walrus 还处于测试网距离主网上线还有一个多月的时间，Sui生态项目的空投我80%都拿到了，结合我之前的一些经验现在依旧来得及，大概率没快照。只要你之前深度参与Sui生态并且参与测试网基本都能拿到空投，如果你参考其他撸猫博主准备0撸 Walrus 测试网我非常确定你大概率拿不到空投。大家可以结合我说的几个空投条件自查，条件不需要全部达成，但最好都做，确保以最大概率获得空投。 1、Sui主网持有10～100 Sui，并且有链上参与Sui生态的交互纪录，老钱包最佳 2、之前有获得过DEEP、NS空投或者是持有这些代币 3、质押至少1Sui，用原生的Sui wallet 参与，之前DEEP空投给了很高的权重 4、完成 Walrus 测试网交互 5、参与Walrus的Galxe任务，目前只有任务3了 6、关注 Walrus 中文|海象🦭 参与活动，加入DC TG群等等 Walrus的测试网任务是必做的但是需要测试币，最少需要1.1～1.2个，同时一定要保障你Sui主网有活跃Tx。 测试网交互完成20～30次为佳，简单讲下操作步骤 1、进入转到 2、连接 Sui 钱包 3、单击获取 WAL 将 SUI 兑换为 WAL，至少1Sui换1WAL 4、选择验证者并质押 WAL 要想获得Walrus空投最大的门槛还是在测试网代币上，目前测试网的Sui很难获得了，推荐关注他们官推 Walrus 中文|海象🦭 活动一直有送 还有交互上不懂的可以加入Walrus 中文官方TG群 也有活动很容易可以获得测试币 作为最早的SUI Builder ，我也拿到了不少的测试币，有需要的可以在评论区留言 Sui 地址随机送，能顺手点赞转发就更好了。

链研社｜AI First🔶💧

106,789 次观看 • 1 年前

Codex 5.6 配上 Obsidian，直接给 AI 装上永久记忆！ 很多人用 Codex，每次打开新任务都要重新解释： 项目做到哪了、之前改过什么、哪些方案已经踩过坑、哪些关键决定已经定了、下一步该从哪里继续。 聊得越久，重要信息反而越容易被埋在历史对话里。 我现在直接把 Obsidian 变成 Codex 的永久知识库。 长期偏好、项目资料、关键决策、踩坑记录和下一步计划，全部交给它持续整理。 等于直接形成一个闭环： 读取过去 ➡️完成任务 ➡️更新记忆 ➡️下次继续接着干 只需要输入这段提示词： 请将当前 Obsidian 知识库作为我的跨项目长期记忆。为所有项目建立统一索引，整理我的长期偏好、项目背景、关键决策、已完成内容、失败方案和下一步计划。每次开始任务前，先读取相关笔记；任务结束后，把新增结论和项目进度更新回对应文档。只保留后续真正需要的信息，不记录无关对话，不写入密码或密钥。 然后再给它安排两个自动任务： 1️⃣ 每日开工简报：每天开始工作前，读取所有进行中的项目，整理今天最重要的 3 项任务、当前阻塞和需要参考的历史资料。 2️⃣ 每月知识体检：每月检查一次整个 Obsidian 知识库，找出重复、过期和相互冲突的信息，更新项目索引并标记建议归档的内容。 项目做得越久，它积累的背景越完整；任务开得越多，它越清楚你过去做过什么决定。 Obsidian 负责记住一切，Codex 负责把这些记忆变成行动。
0:30

Codex 5.6 配上 Obsidian，直接给 AI 装上永久记忆！ 很多人用 Codex，每次打开新任务都要重新解释： 项目做到哪了、之前改过什么、哪些方案已经踩过坑、哪些关键决定已经定了、下一步该从哪里继续。 聊得越久，重要信息反而越容易被埋在历史对话里。 我现在直接把 Obsidian 变成 Codex 的永久知识库。 长期偏好、项目资料、关键决策、踩坑记录和下一步计划，全部交给它持续整理。 等于直接形成一个闭环： 读取过去 ➡️完成任务 ➡️更新记忆 ➡️下次继续接着干 只需要输入这段提示词： 请将当前 Obsidian 知识库作为我的跨项目长期记忆。为所有项目建立统一索引，整理我的长期偏好、项目背景、关键决策、已完成内容、失败方案和下一步计划。每次开始任务前，先读取相关笔记；任务结束后，把新增结论和项目进度更新回对应文档。只保留后续真正需要的信息，不记录无关对话，不写入密码或密钥。 然后再给它安排两个自动任务： 1️⃣ 每日开工简报：每天开始工作前，读取所有进行中的项目，整理今天最重要的 3 项任务、当前阻塞和需要参考的历史资料。 2️⃣ 每月知识体检：每月检查一次整个 Obsidian 知识库，找出重复、过期和相互冲突的信息，更新项目索引并标记建议归档的内容。 项目做得越久，它积累的背景越完整；任务开得越多，它越清楚你过去做过什么决定。 Obsidian 负责记住一切，Codex 负责把这些记忆变成行动。

爱丽丝呀！

91,268 次观看 • 22 天前

PolyCop_BOT 跟单机器人新手指南：3步轻松上手，自动跟随聪明钱交易 PolyCop_BOT 是一款运行在 Telegram 上的 Polymarket 专属跟单工具，能自动复制高胜率钱包的交易操作。无需任何技术基础，只需 3 步即可开启全自动跟单，让新手也能轻松跟上“聪明钱”的步伐。下面是超详细的使用教程。 准备工作 在开始之前，请确保你已完成以下准备： 1. Telegram 账号：需能正常访问外网，并已安装 Telegram 应用。 2. USDC 资金：用于充值到机器人自动生成的钱包。新手建议先准备 100–200 USDC 试水，熟悉流程后再加大投入。 3. 点击官方链接启动机器人： 进入后点击聊天框下方的 Start 按钮，即可激活机器人。 4. 切换语言：在菜单中找到 language，选择 繁体中文，操作界面会更友好。 第一步：获取机器人钱包并充值 1. 生成专属钱包 在机器人菜单中点击 钱包 / Wallet，系统会自动为你创建一个 Polymarket 交易钱包，并显示以 0x 开头的存款地址。 2. 转入 USDC 打开你常用的钱包（如 MetaMask、OKX Web3 钱包等），将准备好的 USDC 转账至上述地址。 ⚠️ 关键提醒：务必选择 Polygon 网络，转账前仔细核对链类型，避免资产丢失。 3. 确认到账 转账完成后，返回机器人对话框，点击 刷新余额 / Refresh，即可看到 USDC 余额显示在钱包中。整个过程无需任何授权操作，资金即刻可用。 4. 温馨提示 · 妥善保管机器人生成的钱包信息（私钥不会公开，但地址可随时查看）。 · 仅向该地址充值 USDC（Polygon 链），不要转入其他币种或使用其他网络。 第二步：添加跟单目标，锁定高胜率钱包 1. 进入跟单设置 在菜单中依次选择 Copy Trading → Add New Task（复制交易 → 添加新任务）。 2. 粘贴目标地址 将你想要跟随的 Polymarket 钱包地址（0x开头）粘贴到输入框。 🔍 如何筛选优质钱包？ 可通过 TradeFox、Dune Analytics 等链上数据平台查找，优先选择 近30天胜率超过80%、累计盈利为正 的稳定钱包。 3. 确认添加 核对地址无误后，点击 确认 / Submit，即可将该钱包加入跟单列表。支持同时添加多个钱包，分散风险。 第三步：设置风控参数（新手直接照抄） 跟单参数直接关系到资金安全，新手无需过多修改，按以下推荐值设置即可。所有参数均可在任务编辑页面调整： · 单笔跟单金额：选择 Fixed Amount（固定金额），并输入 10–20 USDC。这样可以避免跟随大佬“梭哈”导致单笔亏损过大。 · 任务总预算：设置为 100–200 USDC。当跟单累计花费达到该金额后，机器人会自动停止跟单，防止无节制开单耗尽本金。 · 最大持仓数：限制为 3–5 单。这样可以避免被恶意地址高频刷单，控制同时持有的订单数量。 · 最大滑点：设为 3%。如果目标钱包买入导致价格瞬间上涨超过3%，机器人会自动放弃该笔跟单，防止追高买入。 · 跟随卖出：必须选择 是（Yes）。当目标钱包平仓时，你会同步平仓，及时锁定利润，规避后续下跌风险。 所有参数设置好后，记得保存。 第四步：启动跟单，实时查看 1. 开启自动跟单 参数确认无误后，点击 启动任务 / Start Task。机器人将进入全自动模式，毫秒级同步目标钱包的买卖操作，完全无需人工盯盘。 2. 查看交易状态 在菜单中进入 My Task / 我的任务，可实时查看跟单进度、当前持仓、盈亏数据等，所有记录一目了然。 3. 暂停或停止跟单 如需临时停止，点击 暂停任务 / Pause Task；若想完全终止，选择 停止任务 / Stop Task。已持仓的订单可选择等待目标平仓时自动卖出，也可手动操作平仓。 💡 新手避坑小贴士 · 分散跟随，别押注单一钱包：建议同时跟单 3–5 个不同赛道的高胜率钱包，即使某个钱包翻车，也不至于全军覆没。 · 远离陌生地址：切勿跟随无交易记录、胜率不明的钱包，很可能是钓鱼地址。 · 小资金试水：初期投入 100–200 USDC 熟悉流程，摸清规律后再逐步增加预算。 · 充值后记得刷新余额：转账后务必点击“刷新余额”确认到账，再启动跟单，避免因余额不足导致任务失败。 ❓ 常见问题解答 Q1：钱包地址不显示怎么办？ A：检查网络是否稳定，可重启机器人或重新点击 钱包 / Wallet 重新获取。 Q2：充值后余额仍为 0？ A：确认转账网络为 Polygon，且交易已在链上确认（通常等待 5–10 分钟）。之后点击“刷新余额”即可。 Q3：机器人没有自动跟单？ A：请检查：① 任务是否已成功启动；② 目标钱包是否有新的交易操作；③ 机器人钱包内 USDC 余额是否充足（需覆盖跟单金额 + 少量手续费）。 Q4：滑点设置过高或过低？ A：新手建议保持 3%，若市场波动大导致频繁无法成交，可适当调高至 5%，但不要超过 5%，以免增加交易成本。 按照以上步骤操作，你就能轻松使用 PolyCop_BOT 实现 Polymarket 全自动跟单，再也不用手动盯盘、追高杀跌。只需三步，新手也能稳稳跟上“聪明钱”的节奏！ 最后祝大家交易大发，顺风顺水
0:59

PolyCop_BOT 跟单机器人新手指南：3步轻松上手，自动跟随聪明钱交易 PolyCop_BOT 是一款运行在 Telegram 上的 Polymarket 专属跟单工具，能自动复制高胜率钱包的交易操作。无需任何技术基础，只需 3 步即可开启全自动跟单，让新手也能轻松跟上“聪明钱”的步伐。下面是超详细的使用教程。 准备工作 在开始之前，请确保你已完成以下准备： 1. Telegram 账号：需能正常访问外网，并已安装 Telegram 应用。 2. USDC 资金：用于充值到机器人自动生成的钱包。新手建议先准备 100–200 USDC 试水，熟悉流程后再加大投入。 3. 点击官方链接启动机器人： 进入后点击聊天框下方的 Start 按钮，即可激活机器人。 4. 切换语言：在菜单中找到 language，选择 繁体中文，操作界面会更友好。 第一步：获取机器人钱包并充值 1. 生成专属钱包 在机器人菜单中点击 钱包 / Wallet，系统会自动为你创建一个 Polymarket 交易钱包，并显示以 0x 开头的存款地址。 2. 转入 USDC 打开你常用的钱包（如 MetaMask、OKX Web3 钱包等），将准备好的 USDC 转账至上述地址。 ⚠️ 关键提醒：务必选择 Polygon 网络，转账前仔细核对链类型，避免资产丢失。 3. 确认到账 转账完成后，返回机器人对话框，点击 刷新余额 / Refresh，即可看到 USDC 余额显示在钱包中。整个过程无需任何授权操作，资金即刻可用。 4. 温馨提示 · 妥善保管机器人生成的钱包信息（私钥不会公开，但地址可随时查看）。 · 仅向该地址充值 USDC（Polygon 链），不要转入其他币种或使用其他网络。 第二步：添加跟单目标，锁定高胜率钱包 1. 进入跟单设置 在菜单中依次选择 Copy Trading → Add New Task（复制交易 → 添加新任务）。 2. 粘贴目标地址 将你想要跟随的 Polymarket 钱包地址（0x开头）粘贴到输入框。 🔍 如何筛选优质钱包？ 可通过 TradeFox、Dune Analytics 等链上数据平台查找，优先选择 近30天胜率超过80%、累计盈利为正 的稳定钱包。 3. 确认添加 核对地址无误后，点击 确认 / Submit，即可将该钱包加入跟单列表。支持同时添加多个钱包，分散风险。 第三步：设置风控参数（新手直接照抄） 跟单参数直接关系到资金安全，新手无需过多修改，按以下推荐值设置即可。所有参数均可在任务编辑页面调整： · 单笔跟单金额：选择 Fixed Amount（固定金额），并输入 10–20 USDC。这样可以避免跟随大佬“梭哈”导致单笔亏损过大。 · 任务总预算：设置为 100–200 USDC。当跟单累计花费达到该金额后，机器人会自动停止跟单，防止无节制开单耗尽本金。 · 最大持仓数：限制为 3–5 单。这样可以避免被恶意地址高频刷单，控制同时持有的订单数量。 · 最大滑点：设为 3%。如果目标钱包买入导致价格瞬间上涨超过3%，机器人会自动放弃该笔跟单，防止追高买入。 · 跟随卖出：必须选择 是（Yes）。当目标钱包平仓时，你会同步平仓，及时锁定利润，规避后续下跌风险。 所有参数设置好后，记得保存。 第四步：启动跟单，实时查看 1. 开启自动跟单 参数确认无误后，点击 启动任务 / Start Task。机器人将进入全自动模式，毫秒级同步目标钱包的买卖操作，完全无需人工盯盘。 2. 查看交易状态 在菜单中进入 My Task / 我的任务，可实时查看跟单进度、当前持仓、盈亏数据等，所有记录一目了然。 3. 暂停或停止跟单 如需临时停止，点击 暂停任务 / Pause Task；若想完全终止，选择 停止任务 / Stop Task。已持仓的订单可选择等待目标平仓时自动卖出，也可手动操作平仓。 💡 新手避坑小贴士 · 分散跟随，别押注单一钱包：建议同时跟单 3–5 个不同赛道的高胜率钱包，即使某个钱包翻车，也不至于全军覆没。 · 远离陌生地址：切勿跟随无交易记录、胜率不明的钱包，很可能是钓鱼地址。 · 小资金试水：初期投入 100–200 USDC 熟悉流程，摸清规律后再逐步增加预算。 · 充值后记得刷新余额：转账后务必点击“刷新余额”确认到账，再启动跟单，避免因余额不足导致任务失败。 ❓ 常见问题解答 Q1：钱包地址不显示怎么办？ A：检查网络是否稳定，可重启机器人或重新点击 钱包 / Wallet 重新获取。 Q2：充值后余额仍为 0？ A：确认转账网络为 Polygon，且交易已在链上确认（通常等待 5–10 分钟）。之后点击“刷新余额”即可。 Q3：机器人没有自动跟单？ A：请检查：① 任务是否已成功启动；② 目标钱包是否有新的交易操作；③ 机器人钱包内 USDC 余额是否充足（需覆盖跟单金额 + 少量手续费）。 Q4：滑点设置过高或过低？ A：新手建议保持 3%，若市场波动大导致频繁无法成交，可适当调高至 5%，但不要超过 5%，以免增加交易成本。 按照以上步骤操作，你就能轻松使用 PolyCop_BOT 实现 Polymarket 全自动跟单，再也不用手动盯盘、追高杀跌。只需三步，新手也能稳稳跟上“聪明钱”的节奏！ 最后祝大家交易大发，顺风顺水

sara Web3

26,875 次观看 • 6 个月前

字节跳动开源 AI 超级员工 近 8 万 GitHub Stars，能研究、写代码、做网页、生成 PPT，还会自己组建 AI 团队，DeerFlow 2.0 部署教程。 字节跳动开源了一个真正能“干活”的 AI：DeerFlow 2.0 🦌 它不只是陪你聊天。给它一个目标，它会：拆解任务 → 调用工具 → 分配子智能体 → 执行代码 → 检查结果 → 交付文件 GitHub 已接近 8 万 Stars，下面教你 5 分钟部署👇 DeerFlow 可以理解成：一个运行在自己电脑上的 AI 工作团队。 普通 AI：你问一句，它回答一句。 DeerFlow：你提出目标，它可以连续工作几十分钟甚至数小时，最后交付： • 调研报告 • 网页 • PPT • 数据分析 • 图片和视频 • 可运行的代码 它最强的地方，是给 AI 配齐了“工作环境”： • Sub-agents：多个 AI 分工协作 • Sandbox：隔离执行代码和命令 • Memory：记住你的偏好和工作方式 • Skills：安装或编写专属工作流 • MCP：连接外部工具 • Scheduler：定时自动执行任务 不只是模型，而是一套 Agent 操作系统。 部署前准备： • Git • Docker Desktop • 一个可用的大模型配置 • 至少 4 核 CPU、8GB 内存 • 推荐 8 核 CPU、16GB 内存 先下载项目： git clone cd deer-flow 教程基于 DeerFlow 2.0 主分支，运行官方配置向导：make setup。 它会引导你配置： • 使用哪个大模型 • API Key 或模型认证 • 是否启用联网搜索 • 是否允许 Bash • 文件写入权限 • 沙箱运行模式 配置完成后，检查环境：make doctor 推荐使用 Docker 启动： make docker-init make docker-start 第一次运行需要拉取并构建镜像。 启动成功后打开： 到这里，你已经拥有一个本地 AI Agent 工作台。 第一个实战：自动生成行业研究报告。 直接复制这段提示词： 研究 2026 年全球 AI Agent 市场。 将任务拆分给多个子智能体，分别分析： 1. 主要公司和开源项目 2. 商业模式 3. 市场规模与增长趋势 4. 潜在机会 5. 主要风险 最终生成一份结构清晰、带来源链接的中文研究报告。 第二个实战：一键制作内容网站。 研究最近一周最值得关注的 10 个开源 AI 项目。 总结每个项目的用途、核心亮点、适用人群和使用门槛。 完成研究后，创建一个现代、响应式的中文导航网站，并将网页文件保存到输出目录。 它不只是告诉你怎么做。 它会直接交付网页文件。 另外几个非常适合 DeerFlow 的任务： ① 阅读整个 GitHub 仓库并输出重构方案 ② 分析 CSV，生成图表和商业报告 ③ 根据资料制作 PPT ④ 自动收集竞品更新 ⑤ 把固定流程封装成自定义 Skill ⑥ 通过飞书、Slack、Telegram 或微信提交任务 真正的价值，是把重复工作变成自动流程。 最后提醒： DeerFlow 可以执行系统命令、访问资源和读写文件，权限非常高。不要在没有认证和网络隔离的情况下直接暴露到公网。 建议： • 优先使用 Docker 沙箱 • 默认只在本机运行 • API Key 保存在 .env • 重要文件提前备份 • 高风险操作保留人工确认 收藏起来，周末给自己部署一支 AI 团队。 项目地址：
1:26

字节跳动开源 AI 超级员工 近 8 万 GitHub Stars，能研究、写代码、做网页、生成 PPT，还会自己组建 AI 团队，DeerFlow 2.0 部署教程。 字节跳动开源了一个真正能“干活”的 AI：DeerFlow 2.0 🦌 它不只是陪你聊天。给它一个目标，它会：拆解任务 → 调用工具 → 分配子智能体 → 执行代码 → 检查结果 → 交付文件 GitHub 已接近 8 万 Stars，下面教你 5 分钟部署👇 DeerFlow 可以理解成：一个运行在自己电脑上的 AI 工作团队。 普通 AI：你问一句，它回答一句。 DeerFlow：你提出目标，它可以连续工作几十分钟甚至数小时，最后交付： • 调研报告 • 网页 • PPT • 数据分析 • 图片和视频 • 可运行的代码 它最强的地方，是给 AI 配齐了“工作环境”： • Sub-agents：多个 AI 分工协作 • Sandbox：隔离执行代码和命令 • Memory：记住你的偏好和工作方式 • Skills：安装或编写专属工作流 • MCP：连接外部工具 • Scheduler：定时自动执行任务 不只是模型，而是一套 Agent 操作系统。 部署前准备： • Git • Docker Desktop • 一个可用的大模型配置 • 至少 4 核 CPU、8GB 内存 • 推荐 8 核 CPU、16GB 内存 先下载项目： git clone cd deer-flow 教程基于 DeerFlow 2.0 主分支，运行官方配置向导：make setup。 它会引导你配置： • 使用哪个大模型 • API Key 或模型认证 • 是否启用联网搜索 • 是否允许 Bash • 文件写入权限 • 沙箱运行模式 配置完成后，检查环境：make doctor 推荐使用 Docker 启动： make docker-init make docker-start 第一次运行需要拉取并构建镜像。 启动成功后打开： 到这里，你已经拥有一个本地 AI Agent 工作台。 第一个实战：自动生成行业研究报告。 直接复制这段提示词： 研究 2026 年全球 AI Agent 市场。 将任务拆分给多个子智能体，分别分析： 1. 主要公司和开源项目 2. 商业模式 3. 市场规模与增长趋势 4. 潜在机会 5. 主要风险 最终生成一份结构清晰、带来源链接的中文研究报告。 第二个实战：一键制作内容网站。 研究最近一周最值得关注的 10 个开源 AI 项目。 总结每个项目的用途、核心亮点、适用人群和使用门槛。 完成研究后，创建一个现代、响应式的中文导航网站，并将网页文件保存到输出目录。 它不只是告诉你怎么做。 它会直接交付网页文件。 另外几个非常适合 DeerFlow 的任务： ① 阅读整个 GitHub 仓库并输出重构方案 ② 分析 CSV，生成图表和商业报告 ③ 根据资料制作 PPT ④ 自动收集竞品更新 ⑤ 把固定流程封装成自定义 Skill ⑥ 通过飞书、Slack、Telegram 或微信提交任务 真正的价值，是把重复工作变成自动流程。 最后提醒： DeerFlow 可以执行系统命令、访问资源和读写文件，权限非常高。不要在没有认证和网络隔离的情况下直接暴露到公网。 建议： • 优先使用 Docker 沙箱 • 默认只在本机运行 • API Key 保存在 .env • 重要文件提前备份 • 高风险操作保留人工确认 收藏起来，周末给自己部署一支 AI 团队。 项目地址：

老韭菜南亥

32,115 次观看 • 1 个月前

Ling-3.0-flash ：一个更适合实际工作的 AI 执行助手 过去一段时间，大模型的发展重点一直集中在能力提升上。模型能回答什么问题、能处理多复杂的任务，成为行业关注的焦点。但随着 AI 开始进入真实工作流程，用户对于模型的期待也在发生变化：除了能够提供高质量答案，更希望它能够稳定、高效地完成具体任务。 在日常工作中，真正消耗时间的往往不是复杂问题，而是大量重复性的处理工作。例如整理资料、分析数据、生成文档、处理代码、执行流程任务。这些事情需要投入大量精力，但其中有很多环节都可以通过 AI 进行优化。 Ling-3.0-flash 的定位正是在这一方向展开。它并不是单纯追求更大的模型规模，而是聚焦 Agent 工作流中的执行效率，帮助用户将明确的任务快速推进完成。官方介绍，该模型面向长程 Agent 工作流设计，重点提升响应速度、工具调用能力以及任务执行稳定性。 从实际体验来看，它最大的特点是能够很好地融入已有工作流程，让 AI 从一个问答工具变成一个真正参与任务执行的助手。 实测一：资料整理效率明显提升 第一个测试场景是长文档处理。 在实际工作中，经常会遇到需要快速阅读大量资料的情况，例如行业报告、会议记录、产品文档等。如果完全依靠人工整理，需要花费大量时间筛选重点、提取信息，再重新组织内容。 测试过程中，我将一批较长的资料交给 Ling-3.0-flash 处理，让它完成信息提取、重点归纳和结构化整理。 整个过程比较符合实际工作习惯。它能够快速抓取文档中的核心内容，并按照任务要求整理成更加清晰的结构。尤其是在面对大量相似信息时，它可以帮助用户减少重复阅读和手动整理的时间。 这类能力对于内容运营、产品分析、市场研究等岗位非常实用。很多时候，用户并不是需要 AI 替自己完成最终判断，而是希望它先完成信息整理，把大量基础工作处理好，让人可以把精力放在更重要的分析和决策上。 实测二：代码协作更加高效 第二个体验场景是代码辅助。 AI 编程已经成为大模型应用的重要方向，但真正影响开发效率的，不只是生成代码的速度，更重要的是能否持续参与开发过程。 在测试中，我让 Ling-3.0-flash 协助完成一个简单工具开发任务，包括生成基础代码、调整功能逻辑以及根据反馈进行优化。 我需要做一个AI 会议纪要整理助手，请帮我生成代码，把会议录音转文字或会议记录，自动生成：会议摘要、决策事项、待办任务、负责人、截止时间 首字耗时：337ms·完成耗时：68984ms·每秒 token 数：371 ，Ling-3.0-flash生成的会议纪要整理助手功能完整、专业美观，支持录音转文字、AI自动生成摘要/决策/待办任务，并支持导出和多种交互功能。 实际体验下来，它更适合成为开发过程中的协作助手。开发者可以先确定整体需求和功能方向，再让 AI 快速完成代码生成、修改和补充。这样一来，开发者不需要把大量时间花在重复编码和基础调整上，而可以更多关注产品逻辑和技术方案。 这种协作方式更接近真实开发场景。人负责判断方向，AI 负责提高执行效率。 实测三：批量任务处理展现执行优势 除了开发场景，批量信息处理也是 Ling-3.0-flash 比较适合的方向。 例如整理用户反馈、分析业务数据、处理文本分类等任务，通常具有数据量大、格式相对固定的特点。 在测试中，我模拟了用户反馈整理场景，让模型对大量文本进行分类，并提炼其中的主要问题。 从结果来看，它能够快速完成信息归类，并输出较为清晰的结构化结果。 这类任务的价值在于帮助用户减少大量机械操作。以前需要人工逐条查看和整理的信息，现在可以先由 AI 完成初步处理，再由人工进行确认和优化。 对于企业团队来说，这种能力可以应用在客服分析、市场调研、内部知识整理等多个环节。 速度和效率，是 Flash 模型的重要优势 随着 AI 应用逐渐深入业务流程，模型的效率同样成为重要指标。 很多实际任务并不需要每一次都进行复杂推理，而更需要快速响应和稳定执行。例如信息分类、内容整理、数据转换等工作，如果能够以更高效率完成，就能明显提升整体生产力。 Ling-3.0-flash 支持混合思考模式，可以根据任务复杂程度调整处理方式，在响应速度和任务能力之间进行平衡。 这种设计让它更适合高频使用场景。用户可以将更多日常任务交给 AI 处理，而不必担心流程效率受到影响。 从使用体验来看，它更像一个高效执行伙伴 经过几个场景测试后，Ling-3.0-flash 给我的整体感受是，它并不是单纯提升聊天体验，而是在帮助用户重新分配工作时间。 它可以处理大量信息整理工作，可以辅助开发过程，也可以参与自动化任务执行。 对于普通用户来说，它能够减少重复操作，提高工作效率。 对于开发者来说，它能够加快开发流程，降低基础工作的时间成本。 对于企业来说，它能够帮助更多业务流程实现自动化。 未来 AI 的价值，不只是回答问题，而是逐渐参与到真实工作流程中，帮助人完成更多具体任务。 Ling-3.0-flash 所体现的方向，就是让 AI 从一个提供答案的工具，进一步成为一个能够执行任务、提升效率的工作伙伴。 官推： 感兴趣可以自己试试 👉
0:32

Ling-3.0-flash ：一个更适合实际工作的 AI 执行助手 过去一段时间，大模型的发展重点一直集中在能力提升上。模型能回答什么问题、能处理多复杂的任务，成为行业关注的焦点。但随着 AI 开始进入真实工作流程，用户对于模型的期待也在发生变化：除了能够提供高质量答案，更希望它能够稳定、高效地完成具体任务。 在日常工作中，真正消耗时间的往往不是复杂问题，而是大量重复性的处理工作。例如整理资料、分析数据、生成文档、处理代码、执行流程任务。这些事情需要投入大量精力，但其中有很多环节都可以通过 AI 进行优化。 Ling-3.0-flash 的定位正是在这一方向展开。它并不是单纯追求更大的模型规模，而是聚焦 Agent 工作流中的执行效率，帮助用户将明确的任务快速推进完成。官方介绍，该模型面向长程 Agent 工作流设计，重点提升响应速度、工具调用能力以及任务执行稳定性。 从实际体验来看，它最大的特点是能够很好地融入已有工作流程，让 AI 从一个问答工具变成一个真正参与任务执行的助手。 实测一：资料整理效率明显提升 第一个测试场景是长文档处理。 在实际工作中，经常会遇到需要快速阅读大量资料的情况，例如行业报告、会议记录、产品文档等。如果完全依靠人工整理，需要花费大量时间筛选重点、提取信息，再重新组织内容。 测试过程中，我将一批较长的资料交给 Ling-3.0-flash 处理，让它完成信息提取、重点归纳和结构化整理。 整个过程比较符合实际工作习惯。它能够快速抓取文档中的核心内容，并按照任务要求整理成更加清晰的结构。尤其是在面对大量相似信息时，它可以帮助用户减少重复阅读和手动整理的时间。 这类能力对于内容运营、产品分析、市场研究等岗位非常实用。很多时候，用户并不是需要 AI 替自己完成最终判断，而是希望它先完成信息整理，把大量基础工作处理好，让人可以把精力放在更重要的分析和决策上。 实测二：代码协作更加高效 第二个体验场景是代码辅助。 AI 编程已经成为大模型应用的重要方向，但真正影响开发效率的，不只是生成代码的速度，更重要的是能否持续参与开发过程。 在测试中，我让 Ling-3.0-flash 协助完成一个简单工具开发任务，包括生成基础代码、调整功能逻辑以及根据反馈进行优化。 我需要做一个AI 会议纪要整理助手，请帮我生成代码，把会议录音转文字或会议记录，自动生成：会议摘要、决策事项、待办任务、负责人、截止时间 首字耗时：337ms·完成耗时：68984ms·每秒 token 数：371 ，Ling-3.0-flash生成的会议纪要整理助手功能完整、专业美观，支持录音转文字、AI自动生成摘要/决策/待办任务，并支持导出和多种交互功能。 实际体验下来，它更适合成为开发过程中的协作助手。开发者可以先确定整体需求和功能方向，再让 AI 快速完成代码生成、修改和补充。这样一来，开发者不需要把大量时间花在重复编码和基础调整上，而可以更多关注产品逻辑和技术方案。 这种协作方式更接近真实开发场景。人负责判断方向，AI 负责提高执行效率。 实测三：批量任务处理展现执行优势 除了开发场景，批量信息处理也是 Ling-3.0-flash 比较适合的方向。 例如整理用户反馈、分析业务数据、处理文本分类等任务，通常具有数据量大、格式相对固定的特点。 在测试中，我模拟了用户反馈整理场景，让模型对大量文本进行分类，并提炼其中的主要问题。 从结果来看，它能够快速完成信息归类，并输出较为清晰的结构化结果。 这类任务的价值在于帮助用户减少大量机械操作。以前需要人工逐条查看和整理的信息，现在可以先由 AI 完成初步处理，再由人工进行确认和优化。 对于企业团队来说，这种能力可以应用在客服分析、市场调研、内部知识整理等多个环节。 速度和效率，是 Flash 模型的重要优势 随着 AI 应用逐渐深入业务流程，模型的效率同样成为重要指标。 很多实际任务并不需要每一次都进行复杂推理，而更需要快速响应和稳定执行。例如信息分类、内容整理、数据转换等工作，如果能够以更高效率完成，就能明显提升整体生产力。 Ling-3.0-flash 支持混合思考模式，可以根据任务复杂程度调整处理方式，在响应速度和任务能力之间进行平衡。 这种设计让它更适合高频使用场景。用户可以将更多日常任务交给 AI 处理，而不必担心流程效率受到影响。 从使用体验来看，它更像一个高效执行伙伴 经过几个场景测试后，Ling-3.0-flash 给我的整体感受是，它并不是单纯提升聊天体验，而是在帮助用户重新分配工作时间。 它可以处理大量信息整理工作，可以辅助开发过程，也可以参与自动化任务执行。 对于普通用户来说，它能够减少重复操作，提高工作效率。 对于开发者来说，它能够加快开发流程，降低基础工作的时间成本。 对于企业来说，它能够帮助更多业务流程实现自动化。 未来 AI 的价值，不只是回答问题，而是逐渐参与到真实工作流程中，帮助人完成更多具体任务。 Ling-3.0-flash 所体现的方向，就是让 AI 从一个提供答案的工具，进一步成为一个能够执行任务、提升效率的工作伙伴。 官推： 感兴趣可以自己试试 👉

冰糖雪梨

15,661 次观看 • 1 个月前

挑战做最适合普通投资者的美股工具！——完全免费 我想做一个所有人都觉得好用的美股工具！你们的意见十分重要！现在是V1版本，开放给大家免费使用！我决定把它当成一个长期项目来做：你们想加什么功能直接告诉我，我持续迭代，直到它真正好用为止🫡 这是一个万能美股研究助手，你只需要输入美股代码或中文名，比如 $AMD、英伟达、 $TSLA、 $AAOI，20秒就能生成一份完整的研究报告，快速建立对一家公司的基本认识，特别适合小白扫盲和日常个股跟踪 核心功能包括： - 自动拉取公开市场数据、最新财报、基本面指标 - 量化评级与华尔街分析师观点 - 汇总近7天 X 平台英文区 KOL 的真实观点分布（看多/看空/中性 + 核心逻辑） - 如果该标的在 X Layer 上已有对应代币，还会同步展示链上盘口，方便传统研究 + 链上对照 直接打开网页就能用，手机端、电脑端都支持： 后续计划加入实时新闻、更精准的 KOL 信息抓取、问答式交互、全自动交易等功能 专门建了一个 X 号督促自己持续迭代：StockXI 欢迎大家多多使用，有任何建议请直接告诉我🫡
1:57

挑战做最适合普通投资者的美股工具！——完全免费 我想做一个所有人都觉得好用的美股工具！你们的意见十分重要！现在是V1版本，开放给大家免费使用！我决定把它当成一个长期项目来做：你们想加什么功能直接告诉我，我持续迭代，直到它真正好用为止🫡 这是一个万能美股研究助手，你只需要输入美股代码或中文名，比如 $AMD、英伟达、 $TSLA、 $AAOI，20秒就能生成一份完整的研究报告，快速建立对一家公司的基本认识，特别适合小白扫盲和日常个股跟踪 核心功能包括： - 自动拉取公开市场数据、最新财报、基本面指标 - 量化评级与华尔街分析师观点 - 汇总近7天 X 平台英文区 KOL 的真实观点分布（看多/看空/中性 + 核心逻辑） - 如果该标的在 X Layer 上已有对应代币，还会同步展示链上盘口，方便传统研究 + 链上对照 直接打开网页就能用，手机端、电脑端都支持： 后续计划加入实时新闻、更精准的 KOL 信息抓取、问答式交互、全自动交易等功能 专门建了一个 X 号督促自己持续迭代：StockXI 欢迎大家多多使用，有任何建议请直接告诉我🫡

梭哈.AI

23,146 次观看 • 16 天前

这几天跟几个做电商的朋友聊了很久，他们是在淘宝做文案策划、ppt、短视频业务的，类似中介模式，在淘宝接单，然后找对应设计、写手完成交付。Ai对他们的冲击非常大，倒逼他们学习Ai 然后出现一个很现实的问题，要用Ai适配自己的业务远远没有那么简单，大部分时间其实是在调试Ai，但他们并不擅长这点 像币圈人喜欢尝试新东西，想真正达到专业玩家的水平也并非易事，真正需要Ai完成业务优化的大量个体户，恰恰很难适应Ai时代的到来 当我看到 DAPPOS 的xBubble出现，终于有项目在尝试解决这个被忽视的难题，Ai本身是来节省大家时间的，但Ai学习本身又需要耗费大量的时间 比如一个完全不懂视频制作的奶茶店老板要做一个暴打柠檬茶的宣传视频，直接就可以在xBubble输入：给我做一个 20 秒的视频，推广我们店新出的暴打柠檬茶，要看起来很清爽很夏天的那种感觉，配点轻快的背景音乐 成品视频效果大家可以看下面的视频，完全可以直接商用了 为什么给一个模糊的提示词就能实现这种水平？ xBubble背后的2套技术模版 1、Bubble Pilot Pilot类似一个智能导航推荐，用户写一个很短甚至很模糊的提示词后，Bubble Pilot会读取用户的简短请求，识别任务类型，从SOP库里自动匹配，给你一个匹配度最高的SOP 所谓的SOP就是标准操作流程，本质就是skill，比如这个暴打柠檬茶视频需求，这是一个特定的饮品类领域，这类视频需要的产品特写、制作过程展现、氛围感营造都是类似，可以用针对性的最优模版，SOP就是这个标准模版 如果没有现成的SOP，会进入通用标准路径，然后反复回退的请求会成为 Bubble Engine下一步构建SOP的候选信号 2、Bubble Engine Engine是一个SOP的生成引擎，比如起初xBubble没有饮品类的SOP，Engine就会像AI程序员一样，自动去建立一个标准，去学习竞品然后反复迭代，将最优路径固化为可复用 SOP 后续只要有饮品类的视频需求，就可以直接使用生成的SOP xBubble还有两种运行环境 Bubble Computer 端到端项目工作空间。Bubble Pilot 检测到多步骤任务时路由至此，沙箱自动启动、按需加载技能，全程无需用户管理中间步骤。可在单次运行内完成研究、写作、设计、核查并交付最终成果 大部分情况都可以使用Computer Bubble Personal 本地环境模式。可操作用户本机文件、浏览器、应用与日程。安装、下载、系统级变更在云端容器中执行并在任务完成后销毁；用户本机只执行经明确授权的操作，无需安装软件 涉及隐私类的，比如部分文件资料是高度隐私的，且不相信任何平台，那就选择Personal模式 其实xBubble的产品核心就是它的SOP，对于大部分需求方而言，他并不能有效精准描述提示词，也不懂特写镜头、慢动作、产品特写这些术语，如果使用市场上通用的Ai，Ai就只能猜需求，你给他输入什么，Ai就输出什么，交付的产品自然与预期不符 输入端：模糊的需求 输出端：模糊的产品 这就是xBubble的优势，用户无需给Ai一个精准的需求，你想做一个饮品类视频，一句话就行，Bubble Pilot会自动找现有针对饮品类的SOP，模糊的需求就能找到精准的SOP，生成精准的产品 xBubble实际上就是干了一件事，识别模糊，找到精准需求，匹配针对性的SOP，生成精准的产品 让Ai不断傻瓜化，Ai自己就能读懂人类模糊的语言精准提炼，这才是Ai大众化的痛点 xBubble的体验链接：
0:28

这几天跟几个做电商的朋友聊了很久，他们是在淘宝做文案策划、ppt、短视频业务的，类似中介模式，在淘宝接单，然后找对应设计、写手完成交付。Ai对他们的冲击非常大，倒逼他们学习Ai 然后出现一个很现实的问题，要用Ai适配自己的业务远远没有那么简单，大部分时间其实是在调试Ai，但他们并不擅长这点 像币圈人喜欢尝试新东西，想真正达到专业玩家的水平也并非易事，真正需要Ai完成业务优化的大量个体户，恰恰很难适应Ai时代的到来 当我看到 DAPPOS 的xBubble出现，终于有项目在尝试解决这个被忽视的难题，Ai本身是来节省大家时间的，但Ai学习本身又需要耗费大量的时间 比如一个完全不懂视频制作的奶茶店老板要做一个暴打柠檬茶的宣传视频，直接就可以在xBubble输入：给我做一个 20 秒的视频，推广我们店新出的暴打柠檬茶，要看起来很清爽很夏天的那种感觉，配点轻快的背景音乐 成品视频效果大家可以看下面的视频，完全可以直接商用了 为什么给一个模糊的提示词就能实现这种水平？ xBubble背后的2套技术模版 1、Bubble Pilot Pilot类似一个智能导航推荐，用户写一个很短甚至很模糊的提示词后，Bubble Pilot会读取用户的简短请求，识别任务类型，从SOP库里自动匹配，给你一个匹配度最高的SOP 所谓的SOP就是标准操作流程，本质就是skill，比如这个暴打柠檬茶视频需求，这是一个特定的饮品类领域，这类视频需要的产品特写、制作过程展现、氛围感营造都是类似，可以用针对性的最优模版，SOP就是这个标准模版 如果没有现成的SOP，会进入通用标准路径，然后反复回退的请求会成为 Bubble Engine下一步构建SOP的候选信号 2、Bubble Engine Engine是一个SOP的生成引擎，比如起初xBubble没有饮品类的SOP，Engine就会像AI程序员一样，自动去建立一个标准，去学习竞品然后反复迭代，将最优路径固化为可复用 SOP 后续只要有饮品类的视频需求，就可以直接使用生成的SOP xBubble还有两种运行环境 Bubble Computer 端到端项目工作空间。Bubble Pilot 检测到多步骤任务时路由至此，沙箱自动启动、按需加载技能，全程无需用户管理中间步骤。可在单次运行内完成研究、写作、设计、核查并交付最终成果 大部分情况都可以使用Computer Bubble Personal 本地环境模式。可操作用户本机文件、浏览器、应用与日程。安装、下载、系统级变更在云端容器中执行并在任务完成后销毁；用户本机只执行经明确授权的操作，无需安装软件 涉及隐私类的，比如部分文件资料是高度隐私的，且不相信任何平台，那就选择Personal模式 其实xBubble的产品核心就是它的SOP，对于大部分需求方而言，他并不能有效精准描述提示词，也不懂特写镜头、慢动作、产品特写这些术语，如果使用市场上通用的Ai，Ai就只能猜需求，你给他输入什么，Ai就输出什么，交付的产品自然与预期不符 输入端：模糊的需求 输出端：模糊的产品 这就是xBubble的优势，用户无需给Ai一个精准的需求，你想做一个饮品类视频，一句话就行，Bubble Pilot会自动找现有针对饮品类的SOP，模糊的需求就能找到精准的SOP，生成精准的产品 xBubble实际上就是干了一件事，识别模糊，找到精准需求，匹配针对性的SOP，生成精准的产品 让Ai不断傻瓜化，Ai自己就能读懂人类模糊的语言精准提炼，这才是Ai大众化的痛点 xBubble的体验链接：

庞教主

21,619 次观看 • 3 个月前

鬼谷大学之我是高育良 欢迎大家加入鬼谷大学，链接在置顶。今天不卷Kaito AI 🌊 ，报君黄金台上意，提携玉龙为君死，今天我们看看如何成为政法委书记，祁同伟推副省长，我推也得推，不推也得推 不卷 Cookie DAO 🍪 虽然绑定了钱包给我空投了几百油，要不你们也查查，我仍然觉得黑奴 【零撸】(*^^*)榜单项目Théo 'Doxn'第2季激励测试网教程 最后强调一下快TGE了 你最后冲交互的机会 最后的机会‼️ Théo 'Doxn'AI目前是(*^^*)AI的Pre-TGE榜单第2名，官方明牌300万代币奖励Yapper 现在偷懒 别等大家晒空投的时候 你说早知道你也干 现在我手把手教给你 送分题 做不做看你了 目前进度： 激励测试网的第二季（第一季是去年10月上线） 参与测试网完成任务可以获得积分，积分直接会和空投有关联 项目介绍： Theoriq 是一种去中心化协议，用于管理通过将 AI 与区块链技术集成而构建的多代理系统。该平台支持灵活的模块化基础层，为可互作、可组合和去中心化的动态 AI 代理集合生态系统提供支持。 融资背景： Théo 'Doxn' 目前已经完成总融资额1020万美元，得到了 Hack VC、Foresight Ventures、Inception Capital、HTX Ventures 等的支持，并加入了 Google Cloud 和 NVIDIA 的创业计划 Theoriq核心技术亮点： 1️⃣Swarm结构： AI 代理在链上形成动态、去中心化的集合，安全地通信以共享数据并协作执行作 2️⃣模块化架构： 提供各种数据源、AI 模型和计算基础设施的可扩展且灵活的集成 3️⃣去中心化治理： Theoriq 采用社区驱动的治理模型，允许所有利益相关者透明、公平地参与决策过程。教程开始： 重点来了 教程： 打开链接： 链接小狐狸——添加网络——签名 1、登录这里有些问题。（经常连接不上）链接钱包成功以后页面并不会自行跳转，需要再次点击Connect Wallet，这时会发现钱包其实已经链接上了，点击钱包地址签名即可（或者从新建个浏览器把钱包 dc 推特导入进去） 2、如果签名后还是无法跳转到绑定DC和推特的页面，请将钱包断开，重复一次上述的过程就OK了 登录成功后完成简单的社交任务获取积分： 链接推特-链接dc-关注官方推特 #kaitoAI #Theoriq
2:14

鬼谷大学之我是高育良 欢迎大家加入鬼谷大学，链接在置顶。今天不卷Kaito AI 🌊 ，报君黄金台上意，提携玉龙为君死，今天我们看看如何成为政法委书记，祁同伟推副省长，我推也得推，不推也得推 不卷 Cookie DAO 🍪 虽然绑定了钱包给我空投了几百油，要不你们也查查，我仍然觉得黑奴 【零撸】(*^^*)榜单项目Théo 'Doxn'第2季激励测试网教程 最后强调一下快TGE了 你最后冲交互的机会 最后的机会‼️ Théo 'Doxn'AI目前是(*^^*)AI的Pre-TGE榜单第2名，官方明牌300万代币奖励Yapper 现在偷懒 别等大家晒空投的时候 你说早知道你也干 现在我手把手教给你 送分题 做不做看你了 目前进度： 激励测试网的第二季（第一季是去年10月上线） 参与测试网完成任务可以获得积分，积分直接会和空投有关联 项目介绍： Theoriq 是一种去中心化协议，用于管理通过将 AI 与区块链技术集成而构建的多代理系统。该平台支持灵活的模块化基础层，为可互作、可组合和去中心化的动态 AI 代理集合生态系统提供支持。 融资背景： Théo 'Doxn' 目前已经完成总融资额1020万美元，得到了 Hack VC、Foresight Ventures、Inception Capital、HTX Ventures 等的支持，并加入了 Google Cloud 和 NVIDIA 的创业计划 Theoriq核心技术亮点： 1️⃣Swarm结构： AI 代理在链上形成动态、去中心化的集合，安全地通信以共享数据并协作执行作 2️⃣模块化架构： 提供各种数据源、AI 模型和计算基础设施的可扩展且灵活的集成 3️⃣去中心化治理： Theoriq 采用社区驱动的治理模型，允许所有利益相关者透明、公平地参与决策过程。教程开始： 重点来了 教程： 打开链接： 链接小狐狸——添加网络——签名 1、登录这里有些问题。（经常连接不上）链接钱包成功以后页面并不会自行跳转，需要再次点击Connect Wallet，这时会发现钱包其实已经链接上了，点击钱包地址签名即可（或者从新建个浏览器把钱包 dc 推特导入进去） 2、如果签名后还是无法跳转到绑定DC和推特的页面，请将钱包断开，重复一次上述的过程就OK了 登录成功后完成简单的社交任务获取积分： 链接推特-链接dc-关注官方推特 #kaitoAI #Theoriq

鬼谷研选 🔶Ｉ红领巾最帅

20,071 次观看 • 1 年前