Loading video...

Video Failed to Load

Go Home

#认知提高 edgeX🦭 《只需要 #三个月，永久提高 #智商 的方法》 大部分普通人对于自己的处境非常茫然，不知道该做什么！自己的认知也跟不上时代，只会茫然的刷抖音！ 今天分享一下，只需三个月就能永久提高智商和 #认知 的方法！ 看完后，你会知道自己人生中意义，会知道自己应该做什么！ edgeX edgeX🦭 最近的创作者激励活动确实经历了一点小插曲，但这种“宁可停下来也要做对”的态度，反而让我对官方团队更认可了。 前几天排行榜刚上线没多久，官方就发现 SpreadX 的算法在抓取推文和内容质量评估上存在明显偏差，比如有些纯水贴、互助贴被误算高分，而一些真正用心写长文、做分析的创作者反而权重不高。团队当机立断，直接关闭了榜单，公开承认问题并承诺调整后重新上线，这种果断和透明度其实很罕见。 据我了解，edgeX 这次的评判逻辑和大多数项目完全不同。他们不单纯看浏览量、点赞数、转评量这些“表面数据”，而是更看重内容本身是否真正理解项目、是否提供了干货、是否对社区有价值。换句话说，你发十条“冲了”“月亮”的短推，可能还不如一条认真拆解 edgeX 永续 DEX 机制、流动性模型、资金费率设计、收入逻辑的长文得分高。 这套机制对真正做内容的中小创作者非常友好。粉丝量不再是决定性因素，哪怕你现在只有几百个粉丝，只要持续输出围绕 edgeX 核心优势的高质量内容（比如产品体验、实际收益率对比、风险控制、深度书签策略、与传统 DEX 的差异等），权重也会稳步提升，不会被几个大 V 一条推文就彻底压制。 不过也有几个容易踩雷的点，大家一定要注意： 1内容必须和 edgeX 高度相关，单纯蹭热度、发无关生活照、互助贴、抽奖贴，哪怕带了话题标签也会被直接过滤，严重者甚至会被永久排除活动； 2机器人账号、水军账号正在被大规模清理，已发现多批次被直接封禁； 3最最最重要：edgeX🦭 必须出现在前 280 个字符以内！这是硬性技术要求，因为他们的 API 抓取有这个限制，放最后或者超过 280 字，系统直接判定为未参与，等于白发。 总的来说，这次调整其实是在把规则往“真正奖励内容创作者”的方向去矫正。短期看榜单没了有点突然，但长期来看，对所有认真做 edgeX 内容的同学都是重大利好。 所以别灰心，也别急着去刷无意义的数据，踏踏实实研究产品，把你真实的使用体验、策略心得、数据分析写出来，这就是当前阶段最有效的参与方式。等新版算法上线，真正有料的创作者会一下就脱颖而出。 咱们继续输出好内容，把 edgeX 的真实实力讲给更多人听，这波红利才刚刚开始。

dajingou1's profile picture

pandaWL

80,423 subscribers

28,876 views • 9 months ago •via X (Twitter)

#认知提高#三个月#智商#认知
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

OpenAI 创始人 John Schulman 访谈节选：为什么 GPT-4 比一年前更“聪明”了？主要都是后训练（Post-Training）带来的！ 另外他认为，在强化学习研究领域，研究人员需要具备丰富的经验和敏锐的直觉。了解整个技术堆栈，并对各个部分充满好奇心是关键。此外，从第一性原理出发思考问题，而不仅仅依靠实验证据，也能够帮助研究人员在数据操控和环境设置方面做出更好的决策。 *** Dwarkesh Patel：在未来，用于训练的计算力中，预训练与后训练的比例是否会明显偏向后训练呢？ John Schulman：确实，有一些观点支持这种说法。 Dwarkesh Patel：我是说，现在这个比例非常不平衡。 John Schulman：但你可以认为，模型生成的输出质量比网上的大多数内容都要高。因此，让模型自己思考似乎更有道理，而不仅仅是训练来模仿网络上的内容。所以，我认为从第一性原理上来说，这是有说服力的。我会说，我们通过后训练取得了很多进步。因此，我不确定。所以，我希望我们会继续推动这种方法，并且可能会增加投入到后训练中的计算力。 Dwarkesh Patel：当前的 GPT-4 的 ELO 分数比最初发布的版本高出了大约 100 分。这是否全都是后训练带来的改进呢？ John Schulman：对，我会说大部分都是后训练带来的。 Dwarkesh Patel：这很有意思。 John Schulman：因此，有很多不同的改进方向。我们会考虑数据质量，数据数量，进行更多的部署和收集新数据的迭代，改变你收集的注解种类。因此，有很多因素叠加在一起。但是全部加在一起，就会带来一个相当不错的，有效的计算力提升。 Dwarkesh Patel：后训练的优化程度对于竞争优势有多大影响呢？ John Schulman：目前，我会区别公司是通过我们的模型有多大等等。那么，找出你之前提到的所有这些数据的复杂问题的公司，会占据大优势吗？ John Schulman：我认为这确实是一个优势，因为这是一个非常复杂的任务。因此，你必须有很多有技能的人来执行它。因此，存在大量的隐性知识。同时也需要大量的组织知识。我认为后训练的过程，创建一个具备人们所关心的所有功能的模型，是十分复杂的。这需要付出大量的努力，它是大量研发工作的积累。我会说这种情况在某种程度上形成了一种壁垒，要想立即启动这种模型并非易事。 Dwarkesh Patel：看起来那些正在进行最严肃的预训练努力的公司，也在进行严肃的后训练努力。因此，看起来这种模型有可能被复制或有更多的类似努力出现。 John Schulman：另外，还有一种情况使得这个壁垒并非那么明显，那就是你可以提取模型，或者复制别人的模型输出，或者使用别人的模型进行比较。我认为大公司可能并不会这样做，因为这违反了服务条款，也会损害他们的自尊心，但我预计一些规模较小的参与者可能正在这样做以便更好地起步。 Dwarkesh Patel：那些真正擅长进行这种强化学习（RL）研究的人有什么样的特质呢？我听说这种研究非常具有挑战性，但是什么样的直觉能帮助你找到操控数据和设置环境的方法呢？ John Schulman：我觉得有相当多的经验是关键。自从研究生时期以来，我一直在研究 RL 算法，涉及到数据收集、到注释过程，再到与语言模型的交互。所以，我算是涉猎了这些领域。我认为，在这类研究中表现出色的人通常对整个技术堆栈有全面的了解，并且对其中的各个部分充满好奇心。他们不仅依靠实验证据来更新自己的观点，还会从第一性原理出发思考问题。比如，假设深度学习是有效的，那么理想的收集数据的类型应该是什么，等等。
5:04

OpenAI 创始人 John Schulman 访谈节选：为什么 GPT-4 比一年前更“聪明”了？主要都是后训练（Post-Training）带来的！ 另外他认为，在强化学习研究领域，研究人员需要具备丰富的经验和敏锐的直觉。了解整个技术堆栈，并对各个部分充满好奇心是关键。此外，从第一性原理出发思考问题，而不仅仅依靠实验证据，也能够帮助研究人员在数据操控和环境设置方面做出更好的决策。 *** Dwarkesh Patel：在未来，用于训练的计算力中，预训练与后训练的比例是否会明显偏向后训练呢？ John Schulman：确实，有一些观点支持这种说法。 Dwarkesh Patel：我是说，现在这个比例非常不平衡。 John Schulman：但你可以认为，模型生成的输出质量比网上的大多数内容都要高。因此，让模型自己思考似乎更有道理，而不仅仅是训练来模仿网络上的内容。所以，我认为从第一性原理上来说，这是有说服力的。我会说，我们通过后训练取得了很多进步。因此，我不确定。所以，我希望我们会继续推动这种方法，并且可能会增加投入到后训练中的计算力。 Dwarkesh Patel：当前的 GPT-4 的 ELO 分数比最初发布的版本高出了大约 100 分。这是否全都是后训练带来的改进呢？ John Schulman：对，我会说大部分都是后训练带来的。 Dwarkesh Patel：这很有意思。 John Schulman：因此，有很多不同的改进方向。我们会考虑数据质量，数据数量，进行更多的部署和收集新数据的迭代，改变你收集的注解种类。因此，有很多因素叠加在一起。但是全部加在一起，就会带来一个相当不错的，有效的计算力提升。 Dwarkesh Patel：后训练的优化程度对于竞争优势有多大影响呢？ John Schulman：目前，我会区别公司是通过我们的模型有多大等等。那么，找出你之前提到的所有这些数据的复杂问题的公司，会占据大优势吗？ John Schulman：我认为这确实是一个优势，因为这是一个非常复杂的任务。因此，你必须有很多有技能的人来执行它。因此，存在大量的隐性知识。同时也需要大量的组织知识。我认为后训练的过程，创建一个具备人们所关心的所有功能的模型，是十分复杂的。这需要付出大量的努力，它是大量研发工作的积累。我会说这种情况在某种程度上形成了一种壁垒，要想立即启动这种模型并非易事。 Dwarkesh Patel：看起来那些正在进行最严肃的预训练努力的公司，也在进行严肃的后训练努力。因此，看起来这种模型有可能被复制或有更多的类似努力出现。 John Schulman：另外，还有一种情况使得这个壁垒并非那么明显，那就是你可以提取模型，或者复制别人的模型输出，或者使用别人的模型进行比较。我认为大公司可能并不会这样做，因为这违反了服务条款，也会损害他们的自尊心，但我预计一些规模较小的参与者可能正在这样做以便更好地起步。 Dwarkesh Patel：那些真正擅长进行这种强化学习（RL）研究的人有什么样的特质呢？我听说这种研究非常具有挑战性，但是什么样的直觉能帮助你找到操控数据和设置环境的方法呢？ John Schulman：我觉得有相当多的经验是关键。自从研究生时期以来，我一直在研究 RL 算法，涉及到数据收集、到注释过程，再到与语言模型的交互。所以，我算是涉猎了这些领域。我认为，在这类研究中表现出色的人通常对整个技术堆栈有全面的了解，并且对其中的各个部分充满好奇心。他们不仅依靠实验证据来更新自己的观点，还会从第一性原理出发思考问题。比如，假设深度学习是有效的，那么理想的收集数据的类型应该是什么，等等。

宝玉

57,175 views • 2 years ago

这是我1月份回国的时候，发了一个吐槽长沙高铁站的帖子。结果这个帖子挑动了一些人的神经，他们就把这个内容从X平台搬运到国内，现在我很荣幸地被这些人“尊称”为“润人”标杆，已经有多个流量很不错的针对我的视频出现。 ​ ​中国社会与现代文明社会的差距不在于物质，而在于对文明的认知。现代文明的核心是对人的尊重，是对细微体感的关怀，而不是冰冷的宏大叙事。 ​ ​这些人容不得别人讲真话，本质上是因为他们跪久了，不习惯对环境说“不”。在他们的逻辑里，指出环境的缺陷就是挖了他们的祖坟，让他们祖宗没面子。 ​ ​当一个社会只剩下“宏大”作为评价体系，个体真实的体感就成了奢侈品。我表达这种不适，是因为习惯了有边界感和尊重个体的秩序。 ​其实现在的中国跟百年前义和团时期，本质上在精神上有极大的相似性。
0:29

这是我1月份回国的时候，发了一个吐槽长沙高铁站的帖子。结果这个帖子挑动了一些人的神经，他们就把这个内容从X平台搬运到国内，现在我很荣幸地被这些人“尊称”为“润人”标杆，已经有多个流量很不错的针对我的视频出现。 ​ ​中国社会与现代文明社会的差距不在于物质，而在于对文明的认知。现代文明的核心是对人的尊重，是对细微体感的关怀，而不是冰冷的宏大叙事。 ​ ​这些人容不得别人讲真话，本质上是因为他们跪久了，不习惯对环境说“不”。在他们的逻辑里，指出环境的缺陷就是挖了他们的祖坟，让他们祖宗没面子。 ​ ​当一个社会只剩下“宏大”作为评价体系，个体真实的体感就成了奢侈品。我表达这种不适，是因为习惯了有边界感和尊重个体的秩序。 ​其实现在的中国跟百年前义和团时期，本质上在精神上有极大的相似性。

纽约博叔

12,314 views • 5 months ago

最近这段时间，很多人其实已经发现一个变化： 真正能把人重新拉回交易屏幕的，不是新币本身，而是参与就能拿到回报的机制。 MemeMax第二阶段直接甩出来一个 $800,000 的奖励池，而且是给前 500 个真正活跃的创作者和交易者。这一点很关键，它不是靠喊口号吸人，而是把钱明明白白地放在台面上：你参与、你交易、你输出内容，你就有机会分走一部分。这种设计，本身就很符合现在这个情绪主导的市场。 也正因为这样，它吸引来的不是路过围观的人，而是一群真的会下场的人。 现在的市场节奏有多快大家都知道，一个热点能不能活过三天，全看第一天有没有流动性。传统交易所那套流程，说白了已经不适配现在的 Meme 玩法了。等审核、等上线、等公告，等你能操作的时候，情绪早就跑了。链上 Perp 反而更像是为这个时代定制的工具，社区一拍板，市场立刻就能开，情绪在哪，交易就在哪。 再说交易体验。 很多人嘴上不说，但心里其实都很清楚： 限制、延迟、KYC，这些东西和 Meme 本身就是冲突的。 MemeMax 把这些全部拿掉，给的是一种“你想怎么玩就怎么玩”的状态。高杠杆也好，短线博弈也好，本质不是鼓励冒险，而是尊重玩家的选择权。更重要的是，交易结果本身还能成为传播内容，情绪被不断放大，这才是 Meme 市场最真实的燃料。 还有一个容易被忽略的点，是钱往哪走。 在很多平台，交易量再大，和普通用户其实没太大关系。 而 MemeMax 的手续费逻辑非常直接：不外流，全回社区。 交易越多，回购和奖励越多，参与者自然更愿意留下来继续玩。 这不是“画饼式激励”，而是用结构把利益绑定在一起。 从更大的环境看，现在其实已经很清楚了： 一边是越来越像传统金融的中心化平台， 另一边是强调即时、透明和社区主权的链上体系。 Meme 天生就不适合被装进一个保守的框架里，它需要的是速度、情绪和舞台。 所以这轮 Meme 行情，如果还用老视角去看，可能会一直觉得“没感觉”。 但如果你把目光放到 MemeMax 这种链上 Perp 上，就会发现： 这里更像是行情的第一现场，而不是事后追高的地方。 不是 Meme 变了， 是承载 Meme 的地方，已经换了。 #KaitoYap Kaito AI 🌊 #Yap MemeMax #MemeMax
0:51

最近这段时间，很多人其实已经发现一个变化： 真正能把人重新拉回交易屏幕的，不是新币本身，而是参与就能拿到回报的机制。 MemeMax第二阶段直接甩出来一个 $800,000 的奖励池，而且是给前 500 个真正活跃的创作者和交易者。这一点很关键，它不是靠喊口号吸人，而是把钱明明白白地放在台面上：你参与、你交易、你输出内容，你就有机会分走一部分。这种设计，本身就很符合现在这个情绪主导的市场。 也正因为这样，它吸引来的不是路过围观的人，而是一群真的会下场的人。 现在的市场节奏有多快大家都知道，一个热点能不能活过三天，全看第一天有没有流动性。传统交易所那套流程，说白了已经不适配现在的 Meme 玩法了。等审核、等上线、等公告，等你能操作的时候，情绪早就跑了。链上 Perp 反而更像是为这个时代定制的工具，社区一拍板，市场立刻就能开，情绪在哪，交易就在哪。 再说交易体验。 很多人嘴上不说，但心里其实都很清楚： 限制、延迟、KYC，这些东西和 Meme 本身就是冲突的。 MemeMax 把这些全部拿掉，给的是一种“你想怎么玩就怎么玩”的状态。高杠杆也好，短线博弈也好，本质不是鼓励冒险，而是尊重玩家的选择权。更重要的是，交易结果本身还能成为传播内容，情绪被不断放大，这才是 Meme 市场最真实的燃料。 还有一个容易被忽略的点，是钱往哪走。 在很多平台，交易量再大，和普通用户其实没太大关系。 而 MemeMax 的手续费逻辑非常直接：不外流，全回社区。 交易越多，回购和奖励越多，参与者自然更愿意留下来继续玩。 这不是“画饼式激励”，而是用结构把利益绑定在一起。 从更大的环境看，现在其实已经很清楚了： 一边是越来越像传统金融的中心化平台， 另一边是强调即时、透明和社区主权的链上体系。 Meme 天生就不适合被装进一个保守的框架里，它需要的是速度、情绪和舞台。 所以这轮 Meme 行情，如果还用老视角去看，可能会一直觉得“没感觉”。 但如果你把目光放到 MemeMax 这种链上 Perp 上，就会发现： 这里更像是行情的第一现场，而不是事后追高的地方。 不是 Meme 变了， 是承载 Meme 的地方，已经换了。 #KaitoYap Kaito AI 🌊 #Yap MemeMax #MemeMax

Crypto诸葛

252,794 views • 7 months ago

熟悉Prompt的同学们应该都知道，通常在写Prompt的时候要先设定角色：“你是XX方面的专家”，这并非玄学，而是有科学根据的。 GPT在训练的时候，有各种训练数据，有的质量高有的质量低，而默认情况下，生成高质量数据和低质量数据的概率差不多，但是当你给它设定XX专家的角色时，它会尽可能把概率分布在高质量的解决方案上。 详细内容建议看下面这段Andrej Karpathy在State of GPT中的一段演讲。 以下是这段视频的文字文字内容： ---------- 下面我要讲的这点对LLM的理解非常有趣，我觉得这算是LLM的一种心理特性：LLM并不追求成功，而是追求模仿。你希望它成功，那就需要向它明确要求。这里的意思是，在训练Transformer的过程中，它们有各种训练集，而这些训练数据中可能涵盖了各种不同质量的表现。比如，可能有一个关于物理问题的提示，然后可能有学生的解答完全错误，但也可能有专家的答案完全正确。尽管Transformer可以识别出低质量的解决方案和高质量的解决方案，但默认情况下，它们只会模仿所有的数据，因为它们仅仅是基于语言模型进行训练的。 在实际测试中，你其实需要明确要求它表现得好。在这篇论文的实验中，他们尝试了各种提示。例如，“让我们逐步思考”这种提示就很有效，因为它把推理过程分散到了许多记号上。但效果更好的是这样的提示：“让我们以一步一步的方式解决问题，以确保我们得到正确的答案。” 这就好像是在引导Transformer去得出正确的答案，这会使Transformer的表现更好，因为此时Transformer不再需要把它的概率质量分散到低质量的解决方案上，尽管这听起来很荒谬。 基本上，你可以自由地要求一个高质量的解决方案。比如，你可以告诉它，“你是这个话题的领先专家。假装你的智商是120。” 但不要尝试要求太高的智商，因为如果你要求智商400，可能就超出了数据分布的范围，更糟糕的是，你可能落入了类似科幻内容的数据分布，它可能会开始展现一些科幻的，或者说角色扮演类的东西。所以，你需要找到适合的智商要求。我想这可能是一个U型曲线的关系。
1:45

熟悉Prompt的同学们应该都知道，通常在写Prompt的时候要先设定角色：“你是XX方面的专家”，这并非玄学，而是有科学根据的。 GPT在训练的时候，有各种训练数据，有的质量高有的质量低，而默认情况下，生成高质量数据和低质量数据的概率差不多，但是当你给它设定XX专家的角色时，它会尽可能把概率分布在高质量的解决方案上。 详细内容建议看下面这段Andrej Karpathy在State of GPT中的一段演讲。 以下是这段视频的文字文字内容： ---------- 下面我要讲的这点对LLM的理解非常有趣，我觉得这算是LLM的一种心理特性：LLM并不追求成功，而是追求模仿。你希望它成功，那就需要向它明确要求。这里的意思是，在训练Transformer的过程中，它们有各种训练集，而这些训练数据中可能涵盖了各种不同质量的表现。比如，可能有一个关于物理问题的提示，然后可能有学生的解答完全错误，但也可能有专家的答案完全正确。尽管Transformer可以识别出低质量的解决方案和高质量的解决方案，但默认情况下，它们只会模仿所有的数据，因为它们仅仅是基于语言模型进行训练的。 在实际测试中，你其实需要明确要求它表现得好。在这篇论文的实验中，他们尝试了各种提示。例如，“让我们逐步思考”这种提示就很有效，因为它把推理过程分散到了许多记号上。但效果更好的是这样的提示：“让我们以一步一步的方式解决问题，以确保我们得到正确的答案。” 这就好像是在引导Transformer去得出正确的答案，这会使Transformer的表现更好，因为此时Transformer不再需要把它的概率质量分散到低质量的解决方案上，尽管这听起来很荒谬。 基本上，你可以自由地要求一个高质量的解决方案。比如，你可以告诉它，“你是这个话题的领先专家。假装你的智商是120。” 但不要尝试要求太高的智商，因为如果你要求智商400，可能就超出了数据分布的范围，更糟糕的是，你可能落入了类似科幻内容的数据分布，它可能会开始展现一些科幻的，或者说角色扮演类的东西。所以，你需要找到适合的智商要求。我想这可能是一个U型曲线的关系。

宝玉

348,735 views • 3 years ago

看到这个机器人乞丐差点没把我笑坏不活了，真是有创意啊，就是肢体动作还是有点假！ 这不，Axis Robotics 就来了，其实他就是机器人核心数据集采的项目，数据越多，越逼真，未来的机器人就越逼真，拟人化越好！ 其实目前的机器人数据集采方式不多，有直接操控真实机器人采集的，这就是硬采，虽然精准，但成本太高！ 还有就是直接采集真人的动作，映射到机器人上，这个效率会很高，也是采用比较多的方式！ 还有那就是目前我们AXIS项目的采集方式，直接使用浏览器，模拟物理环境，让我们这些钳工模拟操作，可以效率很高，虽然轨迹的无效率也很高，但贵在可以让成千上万人生产提供，提高数据总量，采用有效数据量也就大大提高！ 简单说，让全球的人组织起来，提供数据贡献！并且通过web3方式分发激励，一举两得！ 未来一旦完善，我也可以弄个真正乞丐机器人去街头了，在家里数钱，哈哈！ 当然这是玩笑，未来随着数据采集的丰富，真正高仿真的拟人化的机器人来到我们身边，生活，生产，那才是绝对奇妙的事情！😆😆😆😆！
0:21

看到这个机器人乞丐差点没把我笑坏不活了，真是有创意啊，就是肢体动作还是有点假！ 这不，Axis Robotics 就来了，其实他就是机器人核心数据集采的项目，数据越多，越逼真，未来的机器人就越逼真，拟人化越好！ 其实目前的机器人数据集采方式不多，有直接操控真实机器人采集的，这就是硬采，虽然精准，但成本太高！ 还有就是直接采集真人的动作，映射到机器人上，这个效率会很高，也是采用比较多的方式！ 还有那就是目前我们AXIS项目的采集方式，直接使用浏览器，模拟物理环境，让我们这些钳工模拟操作，可以效率很高，虽然轨迹的无效率也很高，但贵在可以让成千上万人生产提供，提高数据总量，采用有效数据量也就大大提高！ 简单说，让全球的人组织起来，提供数据贡献！并且通过web3方式分发激励，一举两得！ 未来一旦完善，我也可以弄个真正乞丐机器人去街头了，在家里数钱，哈哈！ 当然这是玩笑，未来随着数据采集的丰富，真正高仿真的拟人化的机器人来到我们身边，生活，生产，那才是绝对奇妙的事情！😆😆😆😆！

龙神-Dragon God🐉 🌊🕊️

19,225 views • 4 days ago

他喵的，气死老娘了，尹志平这个剑人，我的小龙女啊！我的女神啊！！ 离 Talus Labs 在 Kaito AI 🌊 上的快照不到一天了。 说实话，这几天刷 CT，想忽略 Talus 都有点难。 2M $US，全解锁，量也不算大。 价格从高点掉了不少，活动却没停。 这种时候还坚持跑完，我第一反应不是“精明”，而是有点倔。 CT 上的声音也很真实。 有人说刷屏，有人嫌吵。 我一开始其实也有点疲劳。 但很奇怪的一点是，就算你不想看，Talus 还是被你记住了。 AI agents on Sui 这句话，已经在我脑子里自己回放了好几遍。 这大概就是它真正想要的东西吧。 不是当天的价格，也不是一波好看的 K 线， 而是让一批人哪怕嘴上嫌弃，心里也知道“哦，有这么个东西”。 等快照结束，其实热闹就散了。 真正留下来的，可能只是几件很小的事： 一些创作者手里真的有了 $US， 一些内容还会在时间线上继续被翻出来， 还有一个说不上对错的问题—— 原来注意力，是可以被这样买下来的。 我也说不上我是不是完全认同这套玩法。 但至少这次，我是被卷进来了。 不是因为涨，而是因为它不停地出现在我视线里。 等情绪退潮后再回头看， 也许才知道这次到底值不值。 #KaitoYap Kaito AI 🌊 #Yap Talus Labs Talus 🐸 $US
0:45

他喵的，气死老娘了，尹志平这个剑人，我的小龙女啊！我的女神啊！！ 离 Talus Labs 在 Kaito AI 🌊 上的快照不到一天了。 说实话，这几天刷 CT，想忽略 Talus 都有点难。 2M $US，全解锁，量也不算大。 价格从高点掉了不少，活动却没停。 这种时候还坚持跑完，我第一反应不是“精明”，而是有点倔。 CT 上的声音也很真实。 有人说刷屏，有人嫌吵。 我一开始其实也有点疲劳。 但很奇怪的一点是，就算你不想看，Talus 还是被你记住了。 AI agents on Sui 这句话，已经在我脑子里自己回放了好几遍。 这大概就是它真正想要的东西吧。 不是当天的价格，也不是一波好看的 K 线， 而是让一批人哪怕嘴上嫌弃，心里也知道“哦，有这么个东西”。 等快照结束，其实热闹就散了。 真正留下来的，可能只是几件很小的事： 一些创作者手里真的有了 $US， 一些内容还会在时间线上继续被翻出来， 还有一个说不上对错的问题—— 原来注意力，是可以被这样买下来的。 我也说不上我是不是完全认同这套玩法。 但至少这次，我是被卷进来了。 不是因为涨，而是因为它不停地出现在我视线里。 等情绪退潮后再回头看， 也许才知道这次到底值不值。 #KaitoYap Kaito AI 🌊 #Yap Talus Labs Talus 🐸 $US

董小姐 MemeMax ⚡️

85,626 views • 8 months ago

铁铁们今天分享点心窝子的话 和朋友又聊到做KOL 最开始做这个呢是撸毛分享21-22年 后续出现所谓的KOL概念 推特中文区慢慢的火起来有声量 这个账号前前后后给大家发的usdt福利和各种红包，白名单非常多...... 我自认为自己在保持底线和原则的基础上 给大家带来了很多福利和资源我自己也很开心 不说人手一顿猪脚饭吧 我的大部分粉丝应该都中过奖 价值我就不计算啦，大多数都是发给了不认识的网友，大家都没有面见过，除了CandyDAO的小伙伴 我是不喜欢线下见面的 我对于现在的生活是满足的 期间也躺平了一段时间 我也属于是愿意给粉丝朋友让利的 相信很多小伙伴都想做KOL 我就分享几点我认为值得做的事情吧 对做KOL的几点建议 （1）选对赛道 从零起步，选择自己最擅长的一个赛道开始输出，选个细分领域深耕，比如交易，撸空投等等，擅长内容输出等等，最开始先做一些项目教程等内容 目前的KOL重要分为两种 1️⃣擅长带粉丝赚钱型 0xsun、yuyue、后期嗯哼 Yuyue 给粉丝福利也算带粉丝赚钱类型吧 这个看你自己赚钱的能力有多少 2️⃣擅长流量话题和内容 冰蛙、AB、前期嗯哼 冰蛙现在是项目维权大使 AB针对时事都有自己观点输出 前期嗯哼就是币安太子 等等其他还有很多 看你擅长哪个赛道？ （2）推广自己：拉下自己脸 你需要把你自己推广给更多人，包括KOL和粉丝朋友，这需要你不要脸，你需要拉下脸去求各个KOL的回复，去求他们的互关点赞互动等，你需要首先主动的去给他们点赞互动热场子 现在的矩阵号在这一块做的很好 他们每天都坚持不懈到处求互关互动 别人不互关不互动也不要玻璃心 继续坚持这样做 不要道德绑架 做好自己 这一点在你弱小的时候做很好 （3）推荐别人：格局胸怀大 你可以经常推荐一些KOL，推荐这些KOL是做什么的，擅长什么，让大家关注，这样的帖子流量一般也比较好，人情世故在哪里都好，经常夸赞别人，推荐别人，将心比心别人也会逐渐开始推荐你，由于你刚开始做，所以可能你不会得到很多回应，不要玻璃心 格局放开推荐别人也是帮助自己 这一点在你强大的时候也不要端着 （4）坚持输出：最为核心 一定要坚持内容输出，不要轻易放弃，重点很重要，其他都是辅助工具 只要你自己的内容决定是什么样的受众 这一点只能靠自己悟 提高认知 （5）辅助工具 积极寻找各种内容辅助工具，AI等，辅助你更好，记住只是辅助功能，最重要还是你自己的想法 现在辅助工具很多了 学会使用ai，表格，制图等等会节省你很多时间，提高你的效率的 不用说完全AI 记住只是辅助 你仍然是核心 （6）让利：给粉丝反馈福利 有一些起色了，一定要最开始让利给粉丝朋友，才能回报得更多，获取更懂粉丝和信任，千金散尽还复来 1️⃣如果你是没有靠粉丝赚的钱 建议是可以少一些的，当集福气啦 2️⃣如果你是靠粉丝赚的钱 那么就更应该让利给粉丝，粉丝是你的衣食父母，你这个kol账户，可以汇聚粉丝的力量找福利资源，那么你和你的粉丝应该一起瓜分这些资源 如果都像OKX禁止手返 KOL盆满钵满的不和粉丝朋友分享 这就是我吐槽OKX的地方 （7）维系粉丝 你要积极和你的粉丝互动 保持和他们的联系 让他们觉得你在关注 并且关注你的铁粉 最重要：真诚负责有原则和底线 对粉丝负责，不割粉丝韭菜 广告可接没问题，垃圾土狗诈骗等可不要 嘴撸没问题，自己要研究参与，不要乱吹 最后简单总结👇 找准自己擅长的赛道和定位 提高认知坚持自己的输出内容 善于使用辅助工具提高效率 格局打开拉下脸推荐别人 对粉丝真诚负责 和粉丝积极互动 给粉丝反馈福利
0:38

铁铁们今天分享点心窝子的话 和朋友又聊到做KOL 最开始做这个呢是撸毛分享21-22年 后续出现所谓的KOL概念 推特中文区慢慢的火起来有声量 这个账号前前后后给大家发的usdt福利和各种红包，白名单非常多...... 我自认为自己在保持底线和原则的基础上 给大家带来了很多福利和资源我自己也很开心 不说人手一顿猪脚饭吧 我的大部分粉丝应该都中过奖 价值我就不计算啦，大多数都是发给了不认识的网友，大家都没有面见过，除了CandyDAO的小伙伴 我是不喜欢线下见面的 我对于现在的生活是满足的 期间也躺平了一段时间 我也属于是愿意给粉丝朋友让利的 相信很多小伙伴都想做KOL 我就分享几点我认为值得做的事情吧 对做KOL的几点建议 （1）选对赛道 从零起步，选择自己最擅长的一个赛道开始输出，选个细分领域深耕，比如交易，撸空投等等，擅长内容输出等等，最开始先做一些项目教程等内容 目前的KOL重要分为两种 1️⃣擅长带粉丝赚钱型 0xsun、yuyue、后期嗯哼 Yuyue 给粉丝福利也算带粉丝赚钱类型吧 这个看你自己赚钱的能力有多少 2️⃣擅长流量话题和内容 冰蛙、AB、前期嗯哼 冰蛙现在是项目维权大使 AB针对时事都有自己观点输出 前期嗯哼就是币安太子 等等其他还有很多 看你擅长哪个赛道？ （2）推广自己：拉下自己脸 你需要把你自己推广给更多人，包括KOL和粉丝朋友，这需要你不要脸，你需要拉下脸去求各个KOL的回复，去求他们的互关点赞互动等，你需要首先主动的去给他们点赞互动热场子 现在的矩阵号在这一块做的很好 他们每天都坚持不懈到处求互关互动 别人不互关不互动也不要玻璃心 继续坚持这样做 不要道德绑架 做好自己 这一点在你弱小的时候做很好 （3）推荐别人：格局胸怀大 你可以经常推荐一些KOL，推荐这些KOL是做什么的，擅长什么，让大家关注，这样的帖子流量一般也比较好，人情世故在哪里都好，经常夸赞别人，推荐别人，将心比心别人也会逐渐开始推荐你，由于你刚开始做，所以可能你不会得到很多回应，不要玻璃心 格局放开推荐别人也是帮助自己 这一点在你强大的时候也不要端着 （4）坚持输出：最为核心 一定要坚持内容输出，不要轻易放弃，重点很重要，其他都是辅助工具 只要你自己的内容决定是什么样的受众 这一点只能靠自己悟 提高认知 （5）辅助工具 积极寻找各种内容辅助工具，AI等，辅助你更好，记住只是辅助功能，最重要还是你自己的想法 现在辅助工具很多了 学会使用ai，表格，制图等等会节省你很多时间，提高你的效率的 不用说完全AI 记住只是辅助 你仍然是核心 （6）让利：给粉丝反馈福利 有一些起色了，一定要最开始让利给粉丝朋友，才能回报得更多，获取更懂粉丝和信任，千金散尽还复来 1️⃣如果你是没有靠粉丝赚的钱 建议是可以少一些的，当集福气啦 2️⃣如果你是靠粉丝赚的钱 那么就更应该让利给粉丝，粉丝是你的衣食父母，你这个kol账户，可以汇聚粉丝的力量找福利资源，那么你和你的粉丝应该一起瓜分这些资源 如果都像OKX禁止手返 KOL盆满钵满的不和粉丝朋友分享 这就是我吐槽OKX的地方 （7）维系粉丝 你要积极和你的粉丝互动 保持和他们的联系 让他们觉得你在关注 并且关注你的铁粉 最重要：真诚负责有原则和底线 对粉丝负责，不割粉丝韭菜 广告可接没问题，垃圾土狗诈骗等可不要 嘴撸没问题，自己要研究参与，不要乱吹 最后简单总结👇 找准自己擅长的赛道和定位 提高认知坚持自己的输出内容 善于使用辅助工具提高效率 格局打开拉下脸推荐别人 对粉丝真诚负责 和粉丝积极互动 给粉丝反馈福利

leaf

10,724 views • 11 months ago

纳瓦尔最新博客：你只有一次人生（完整版） 人生的关键选择其实只有3个，看完醍醐灌顶！！ 对于刚刚开始的年轻人来说，什么是最重要的事情？ 花更多时间去做那些大的决定。 在你人生的初期阶段，或者你处于迷茫期，你要做的大的决定基本上只有三个：住在哪儿，和谁在一起，以及做什么。 1/。你最终会变成“你能接受的范围的下限” 。 Naval讲得很直接：“你最后会获得什么样的生活状态，取决于你对自己底线的容忍度。有些事你很在乎、你决不妥协，而有些事你无所谓、随随便便就接受了。而后者，往往就变成了你的命运。” 所以不是命运安排你“普通”“平庸”或“痛苦”，而是你对这些说了yes. 一段感情走下去，不是因为“非ta不可“，而是“已经这么久了”、“重新磨合一个人太麻烦了”、“ta虽然对我不太好，但ta也不给我惹麻烦”； 一份工作干了几年，不是因为“我很热爱”，而是“大厂有面儿”、“工作内容都熟悉了”、“还能忍忍”； 一个城市待了十年，不是因为“我很喜欢这里”，而是“在这里工作没办法”、“房子都买了”、“搬家太麻烦”。 Naval没有批评这些选择，而是提醒我们：这些不是世界强加给我们的，是我们默认接受的“最低标准”。 你能接受一个凑合，就不要抱怨为什么不能让你遇到你的热爱，这在任何领域都成立。你拒绝的东西里，藏着你的底线。 2/。人生其实只有3个关键选择。 Naval人生最重要的三个选择分别是：“你和谁在一起、你做什么以及你住在哪。” 这三个决定，构成了你每天醒来面对的生活、引发的情绪和可能的机会。但很多人几乎都没有认真选择过，而是任由它机缘巧合地“就这么发生了”。 A. 你和谁在一起 太多人都是“走着走着就在一起了”，从来没有真正想过：我是不是在“将就”，我的“底线”到底在哪。但Naval说，如果你不是一个愿意凑合的人，那就要学会在“有限时间内高效试错” -- 列出自己的底线，设定好时间范围，快速试错、快速排除、不断磨合调整，直到筛选出最适合自己的那个人。 B. 你做什么 Naval在他的书以及最新一期访谈里（纳瓦尔最新访谈：越快乐，越成功）不止一次提到过他认为每个人都应该去做的事情：“找到那个对别人来说像工作，但对你来说像玩的是。”“没有人能在成为你自己这件事上打败你。” 这就是你的天赋所在。找到它之后，想办法把它“杠杆化”，把自己和自己的天赋“产品化”-- 让它变成能创造价值、可以被无限放大的长期赛道。 C. 你住在哪座城市 这是很多人最容易忽略的一点，Naval强调说：“你住的城市，其实定义了你的社交圈、机会、视野，甚至美学与欲望。” 这个决定，在很多人那里几乎是被动发生的：在哪里读的大学、伴侣在哪、房价便宜、工作调动.....但它决定了你每天遇到什么人，说什么话，做出什么行为，看到什么天花板。不在你的思维以内的，就不会在你的行为以内；你想不到的，你就做不到。 3/。做选择时的3条黄金法则 读完第2点后，你也许会有一个疑问：OK我现在知道了我要好好思考这3个关键问题、并且做出选择了，但我要怎么做选择呢？ Naval给出了3条他自己在用的做选择时的标准，每一条都能帮助我们快速排除错误选项，缩小选择范围。 1、犹豫不决时，答案就是No. “真正想要的东西，你一秒都不会犹豫。一旦你开始在写上了pros & cons的表格上反复记分纠结时，说明你的内心早已有了答案。” 这一点对很多人来说很有点扎心，因为不想面对自己其实不想要这个事实，于是装作“我再考虑考虑”、“我还在权衡”。但这条原则逼着你对你自己诚实：你不行动，是因为你其实没那么想要。 2、两个选择差不多，选那个短期让你更痛的。 “因为长期来看，那个更痛的选择，往往才是能让你成长更多的路。” 做着稳定但一眼能看到头的工作，短期安全，但长期上升空间有限。跳出舒适圈、换种活法，短期很难，但可能打开新格局、创出新天地。 Naval不是在鼓吹没苦硬吃，而是如果你当下的生活没有令你满意，说明这条路并不能帮你拿到结果；这时候，就应该走那条能够帮你拿到结果的路，哪怕这条路一开始很苦很难。 3、选那个“长期更让你心安”的选择。 Naval是从Kapil Gupta（思想家、商业教练）那里学到这个原则的：去选那个从长远看，会让你更平静、更稳定、更少后悔的方向（这有点像我们在数学里学到的极值思维，取最大或最小值，看看那个结果如何）。 不是最安全的那个，也不是最赚钱的那个，而是把时间线拉长后回头看你也不后悔的那个。 30年后，你是否还会认可你当下所选的伴侣、所选的工作和所在的城市？如果不会，那最好一天都不要多选，及时止损。 谁在最初阶段都迷茫，迷茫不要紧。 只要你在醒悟的时候能够拿出“勇气”做出真正知行合一的选择，你一样可以活得”清醒“且“自由”。 从今天开始，把决定权从“随波逐流”里拿回来，认真地思考自己可以接受什么、不能对什么将就，真正去做一两个不凑合的选择，生命的齿轮就会开始转动了。
3:16:18

纳瓦尔最新博客：你只有一次人生（完整版） 人生的关键选择其实只有3个，看完醍醐灌顶！！ 对于刚刚开始的年轻人来说，什么是最重要的事情？ 花更多时间去做那些大的决定。 在你人生的初期阶段，或者你处于迷茫期，你要做的大的决定基本上只有三个：住在哪儿，和谁在一起，以及做什么。 1/。你最终会变成“你能接受的范围的下限” 。 Naval讲得很直接：“你最后会获得什么样的生活状态，取决于你对自己底线的容忍度。有些事你很在乎、你决不妥协，而有些事你无所谓、随随便便就接受了。而后者，往往就变成了你的命运。” 所以不是命运安排你“普通”“平庸”或“痛苦”，而是你对这些说了yes. 一段感情走下去，不是因为“非ta不可“，而是“已经这么久了”、“重新磨合一个人太麻烦了”、“ta虽然对我不太好，但ta也不给我惹麻烦”； 一份工作干了几年，不是因为“我很热爱”，而是“大厂有面儿”、“工作内容都熟悉了”、“还能忍忍”； 一个城市待了十年，不是因为“我很喜欢这里”，而是“在这里工作没办法”、“房子都买了”、“搬家太麻烦”。 Naval没有批评这些选择，而是提醒我们：这些不是世界强加给我们的，是我们默认接受的“最低标准”。 你能接受一个凑合，就不要抱怨为什么不能让你遇到你的热爱，这在任何领域都成立。你拒绝的东西里，藏着你的底线。 2/。人生其实只有3个关键选择。 Naval人生最重要的三个选择分别是：“你和谁在一起、你做什么以及你住在哪。” 这三个决定，构成了你每天醒来面对的生活、引发的情绪和可能的机会。但很多人几乎都没有认真选择过，而是任由它机缘巧合地“就这么发生了”。 A. 你和谁在一起 太多人都是“走着走着就在一起了”，从来没有真正想过：我是不是在“将就”，我的“底线”到底在哪。但Naval说，如果你不是一个愿意凑合的人，那就要学会在“有限时间内高效试错” -- 列出自己的底线，设定好时间范围，快速试错、快速排除、不断磨合调整，直到筛选出最适合自己的那个人。 B. 你做什么 Naval在他的书以及最新一期访谈里（纳瓦尔最新访谈：越快乐，越成功）不止一次提到过他认为每个人都应该去做的事情：“找到那个对别人来说像工作，但对你来说像玩的是。”“没有人能在成为你自己这件事上打败你。” 这就是你的天赋所在。找到它之后，想办法把它“杠杆化”，把自己和自己的天赋“产品化”-- 让它变成能创造价值、可以被无限放大的长期赛道。 C. 你住在哪座城市 这是很多人最容易忽略的一点，Naval强调说：“你住的城市，其实定义了你的社交圈、机会、视野，甚至美学与欲望。” 这个决定，在很多人那里几乎是被动发生的：在哪里读的大学、伴侣在哪、房价便宜、工作调动.....但它决定了你每天遇到什么人，说什么话，做出什么行为，看到什么天花板。不在你的思维以内的，就不会在你的行为以内；你想不到的，你就做不到。 3/。做选择时的3条黄金法则 读完第2点后，你也许会有一个疑问：OK我现在知道了我要好好思考这3个关键问题、并且做出选择了，但我要怎么做选择呢？ Naval给出了3条他自己在用的做选择时的标准，每一条都能帮助我们快速排除错误选项，缩小选择范围。 1、犹豫不决时，答案就是No. “真正想要的东西，你一秒都不会犹豫。一旦你开始在写上了pros & cons的表格上反复记分纠结时，说明你的内心早已有了答案。” 这一点对很多人来说很有点扎心，因为不想面对自己其实不想要这个事实，于是装作“我再考虑考虑”、“我还在权衡”。但这条原则逼着你对你自己诚实：你不行动，是因为你其实没那么想要。 2、两个选择差不多，选那个短期让你更痛的。 “因为长期来看，那个更痛的选择，往往才是能让你成长更多的路。” 做着稳定但一眼能看到头的工作，短期安全，但长期上升空间有限。跳出舒适圈、换种活法，短期很难，但可能打开新格局、创出新天地。 Naval不是在鼓吹没苦硬吃，而是如果你当下的生活没有令你满意，说明这条路并不能帮你拿到结果；这时候，就应该走那条能够帮你拿到结果的路，哪怕这条路一开始很苦很难。 3、选那个“长期更让你心安”的选择。 Naval是从Kapil Gupta（思想家、商业教练）那里学到这个原则的：去选那个从长远看，会让你更平静、更稳定、更少后悔的方向（这有点像我们在数学里学到的极值思维，取最大或最小值，看看那个结果如何）。 不是最安全的那个，也不是最赚钱的那个，而是把时间线拉长后回头看你也不后悔的那个。 30年后，你是否还会认可你当下所选的伴侣、所选的工作和所在的城市？如果不会，那最好一天都不要多选，及时止损。 谁在最初阶段都迷茫，迷茫不要紧。 只要你在醒悟的时候能够拿出“勇气”做出真正知行合一的选择，你一样可以活得”清醒“且“自由”。 从今天开始，把决定权从“随波逐流”里拿回来，认真地思考自己可以接受什么、不能对什么将就，真正去做一两个不凑合的选择，生命的齿轮就会开始转动了。

看不懂的SOL

291,458 views • 7 months ago

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。 （对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看） 先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。 去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。 在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。 最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。 并且陶哲轩提到了基于大语言模型的一些改进的方案： 比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。 比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。 即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！ 当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。 还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。 对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？ 陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。 他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。 演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。 这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。 尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。 原始 YT 视频：
57:23

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。 （对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看） 先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。 去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。 在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。 最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。 并且陶哲轩提到了基于大语言模型的一些改进的方案： 比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。 比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。 即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！ 当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。 还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。 对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？ 陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。 他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。 演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。 这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。 尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。 原始 YT 视频：

宝玉

302,283 views • 2 years ago

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味 这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。 比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。 这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。 写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？ 里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。 据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。 适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容 这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。 它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。 尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件 数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。 你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。 适合做：项目拆解、公司分析、产品研究、长文选题预研。 里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。 这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图 这个不是信息图，也不是那种商业插画模板。 它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。 这种怪诞手绘风反而有辨识度。
1:06

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味 这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。 比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。 这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。 写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？ 里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。 据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。 适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容 这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。 它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。 尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件 数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。 你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。 适合做：项目拆解、公司分析、产品研究、长文选题预研。 里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。 这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图 这个不是信息图，也不是那种商业插画模板。 它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。 这种怪诞手绘风反而有辨识度。

撸毛吃猪脚饭|Gate美股0费率

31,665 views • 2 months ago

为什么有的人总是可以遇到贵人？ 我这两年有一个非常明显的感受，就是发现遇到的贵人概率越来越高了，以前会经常观察身边人这个现象，发现每个人遇到贵人的概率完全是不一样的，而且我觉得这件事儿是真的有方法论。 1.成为贵人，才能遇到贵人。只有自己是贵人，才能真正理解贵人说的话做的事情的原因，这样才能知道自己该如何做事情具备哪些品质才可以吸引贵人。 2.一定程度上这是个概率学，我们能做的就是提高概率发生，要知道哪些因素可以提高这件事发生的概率，比如同样一个人，环境、影响力、圈子质量不一样，结果完全不同。即使你有能力，但你就是在小地方，也没人知道你，你根本就没有展示自我价值的机会。 3.如果你是一个有能力、靠谱、有责任心、诚实、本分的人，再加上你去积累影响力，把自己的想法对外输出，这样知道你的人的数量会几何倍增，数量倍增了，即便同等概率下遇到贵人的数量也增加了，而且很可能会主动联系你。 4.要选择贵人容易扎堆的地方，贵人往往会在资源丰富、机会多的地方，如果你跳进这些地方，遇到贵人的概率就会大大增加，比如你从三线城市跳到一线城市、行业内更好的大平台公司。 5.贵人之所以愿意在你没有起势时帮助你，是因为他们看到了你身上具备成功的属性、有他之前的影子，有一天你可以成为他们或超越他们，你的这种潜能才是得到贵人的根本，他们帮助你也是在去验证自己的眼光，你未来的成功也是他们对自己信仰的验证过程。 6.记得在《繁花》中有这么一段，爷叔的一个回眸看到宝总穿着西装站在那里，他看着阿宝的眼神是有光的，就仿佛看到了年轻时的自己。
0:31

为什么有的人总是可以遇到贵人？ 我这两年有一个非常明显的感受，就是发现遇到的贵人概率越来越高了，以前会经常观察身边人这个现象，发现每个人遇到贵人的概率完全是不一样的，而且我觉得这件事儿是真的有方法论。 1.成为贵人，才能遇到贵人。只有自己是贵人，才能真正理解贵人说的话做的事情的原因，这样才能知道自己该如何做事情具备哪些品质才可以吸引贵人。 2.一定程度上这是个概率学，我们能做的就是提高概率发生，要知道哪些因素可以提高这件事发生的概率，比如同样一个人，环境、影响力、圈子质量不一样，结果完全不同。即使你有能力，但你就是在小地方，也没人知道你，你根本就没有展示自我价值的机会。 3.如果你是一个有能力、靠谱、有责任心、诚实、本分的人，再加上你去积累影响力，把自己的想法对外输出，这样知道你的人的数量会几何倍增，数量倍增了，即便同等概率下遇到贵人的数量也增加了，而且很可能会主动联系你。 4.要选择贵人容易扎堆的地方，贵人往往会在资源丰富、机会多的地方，如果你跳进这些地方，遇到贵人的概率就会大大增加，比如你从三线城市跳到一线城市、行业内更好的大平台公司。 5.贵人之所以愿意在你没有起势时帮助你，是因为他们看到了你身上具备成功的属性、有他之前的影子，有一天你可以成为他们或超越他们，你的这种潜能才是得到贵人的根本，他们帮助你也是在去验证自己的眼光，你未来的成功也是他们对自己信仰的验证过程。 6.记得在《繁花》中有这么一段，爷叔的一个回眸看到宝总穿着西装站在那里，他看着阿宝的眼神是有光的，就仿佛看到了年轻时的自己。

小人物

49,089 views • 2 years ago

想和大伙聊聊，在 AI 时代我是如何深入学习一个技术领域的。 之前没有 AI 之前更多是看书、翻这个领域有名的国内外人的所有博客，然后摘抄记录到笔记本，这种速度挺慢，但是很有学习的乐趣，比如当时学习 WebGL 就是这种感觉，可能学懂一个东西差不多要半年空闲时间，慢但快乐。 现在有了 AI 之后，其实我很讨厌网上那种3分钟教你看完百年孤独，也讨厌一切短剧和倍速看电视剧的方式，更多还是挑好的看，吃好一点。 不过最近写你不知道的 Claude Code 和 Agent 系列，除了自己懂的部分外，其实还有大量不太清楚的领域，好在之前收藏了不少文章，刚好借助这一块清库存，全部搞懂输出出去，一直认为，很多时候，不在于看了多少东西，听了多少东西，输入了多少东西，其实用处不大，更加看重你输出了多少东西，这个才是你自己的。 然后我上上周启动了一个深坑挑战自己，研究大模型的训练流程，确保非专业的人也听得懂，探索了2周，刚好这个经验可以分享给大伙，当然成文也差不多好了，最近会发出。 我会把这个学习过程当做写代码一样的组织，第一步收集高质量的资料，比如与之相关的近几年的精品论文，各大模型厂商发布的关键模型的博客，X上模型负责人发表的一些文章，以及斯坦福等高校的近两年关于这一块的课程学习，还有经典的手搓一个大模型的代码仓库等等，这些都是我的一个资料来源过程，我会借助工具自动化全部下载、转md、清洗，梳理，弄好结构化分门别类到我这次研究的仓库。 然后对于自己看得懂的内容就全部看一遍，把不好的删掉，好的留下，对于看不懂的内容，直接借助 Claude 帮我的理解，更复杂一点的直接翻译成中文去阅读，对于代码本地可以跑的就跑起来，不能跑的那种就去看结构，总之会有一个大概的认识和知晓技术原理，这个阶段可以去掉原有一半可能没有用的内容。 到了这个阶段，其实你对这个领域有一个大概的认知了，就可以给这篇文章开始写一个大纲，以及大纲应该结合的来源内容，这里均可以用markdown很多表达，你要讲什么，或者说你想讲什么更想让读者知道，一定一定，文章是写给你给给看的人看的，需要知晓对方的认知水平，和汇报其实差不多。 然后接下来就是苦力活加之前内容的复习过程，和大学时候考试前复习很像，把每一章的内容填充完整，这样下来，你会得到一篇非常长而且有点啰嗦的文章。 这个时候AI就可以帮太忙，你可以让他帮你不改变你原有的内容意思你的语气的情况下，帮我去掉无用的啰嗦内容，以及连贯不到位的内容，或者是这一块缺少的内容，还需要补充什么知识的地方，借助AI继续去完善补充，这里又可以学到很多原来遗漏的东西。 最后整理好以后，可以继续自己读一遍，而非让AI读一遍，这里AI只是工具，千万不要把你的脑袋被AI代替了，这就没有啥意思来，自己读的过程中可以对文章继续修改调优，这里和写代码又非常像了，自测那种感觉，修复问题修问题，最后读了2遍以后，基本感觉完美了，然后就可以发出来给大伙看看。 有小伙伴肯定是担心自己写的东西没有人看，就不太喜欢发出来，或者说就不写了，其实只要你的内容有意义，自然就有读者，而非是你偷懒的理由。 花10min写完这个碎碎念，结束，欢迎交流你是如何学习一个新领域的，下面视频就是我后面要发的那篇你不知道的大模型训练文章的学习仓库，挺有意思，就录了一个视频给大伙看看我的工业化学习方式。
0:33

想和大伙聊聊，在 AI 时代我是如何深入学习一个技术领域的。 之前没有 AI 之前更多是看书、翻这个领域有名的国内外人的所有博客，然后摘抄记录到笔记本，这种速度挺慢，但是很有学习的乐趣，比如当时学习 WebGL 就是这种感觉，可能学懂一个东西差不多要半年空闲时间，慢但快乐。 现在有了 AI 之后，其实我很讨厌网上那种3分钟教你看完百年孤独，也讨厌一切短剧和倍速看电视剧的方式，更多还是挑好的看，吃好一点。 不过最近写你不知道的 Claude Code 和 Agent 系列，除了自己懂的部分外，其实还有大量不太清楚的领域，好在之前收藏了不少文章，刚好借助这一块清库存，全部搞懂输出出去，一直认为，很多时候，不在于看了多少东西，听了多少东西，输入了多少东西，其实用处不大，更加看重你输出了多少东西，这个才是你自己的。 然后我上上周启动了一个深坑挑战自己，研究大模型的训练流程，确保非专业的人也听得懂，探索了2周，刚好这个经验可以分享给大伙，当然成文也差不多好了，最近会发出。 我会把这个学习过程当做写代码一样的组织，第一步收集高质量的资料，比如与之相关的近几年的精品论文，各大模型厂商发布的关键模型的博客，X上模型负责人发表的一些文章，以及斯坦福等高校的近两年关于这一块的课程学习，还有经典的手搓一个大模型的代码仓库等等，这些都是我的一个资料来源过程，我会借助工具自动化全部下载、转md、清洗，梳理，弄好结构化分门别类到我这次研究的仓库。 然后对于自己看得懂的内容就全部看一遍，把不好的删掉，好的留下，对于看不懂的内容，直接借助 Claude 帮我的理解，更复杂一点的直接翻译成中文去阅读，对于代码本地可以跑的就跑起来，不能跑的那种就去看结构，总之会有一个大概的认识和知晓技术原理，这个阶段可以去掉原有一半可能没有用的内容。 到了这个阶段，其实你对这个领域有一个大概的认知了，就可以给这篇文章开始写一个大纲，以及大纲应该结合的来源内容，这里均可以用markdown很多表达，你要讲什么，或者说你想讲什么更想让读者知道，一定一定，文章是写给你给给看的人看的，需要知晓对方的认知水平，和汇报其实差不多。 然后接下来就是苦力活加之前内容的复习过程，和大学时候考试前复习很像，把每一章的内容填充完整，这样下来，你会得到一篇非常长而且有点啰嗦的文章。 这个时候AI就可以帮太忙，你可以让他帮你不改变你原有的内容意思你的语气的情况下，帮我去掉无用的啰嗦内容，以及连贯不到位的内容，或者是这一块缺少的内容，还需要补充什么知识的地方，借助AI继续去完善补充，这里又可以学到很多原来遗漏的东西。 最后整理好以后，可以继续自己读一遍，而非让AI读一遍，这里AI只是工具，千万不要把你的脑袋被AI代替了，这就没有啥意思来，自己读的过程中可以对文章继续修改调优，这里和写代码又非常像了，自测那种感觉，修复问题修问题，最后读了2遍以后，基本感觉完美了，然后就可以发出来给大伙看看。 有小伙伴肯定是担心自己写的东西没有人看，就不太喜欢发出来，或者说就不写了，其实只要你的内容有意义，自然就有读者，而非是你偷懒的理由。 花10min写完这个碎碎念，结束，欢迎交流你是如何学习一个新领域的，下面视频就是我后面要发的那篇你不知道的大模型训练文章的学习仓库，挺有意思，就录了一个视频给大伙看看我的工业化学习方式。

Tw93

110,942 views • 5 months ago

中南海的工作人员把事情搞砸了。 现在网上传得最多的就是这个视频，我都看了几十遍了。川普的座位明显低了，很显然有人在川普的坐椅上做了手脚。有人分析是因为川普体重更大，这是很牵强的。他和习应该属于同一重量级，川普100公斤左右，习从未公布。但他身高将近1.80米，比我略矮一点。但他比我胖多了。我都有85公斤左右。就算有一点差别，也不至于差那么多，除非中南海的坐垫是次品😂。大家对照一下他与其他人会面的照片就知道了。比如这张去年习和白俄罗斯总统卢卡申科在中南海会面时的照片，就显示他们的座椅高度完全一致，没有因为人的体重不同而高低不一样。更卢卡申科也就牛高马大。因此他们三人体重应该都差不多。 我为什么对这事如此认真？大家看了我发的这个当年川普在一次地方政府论坛上抱怨主持人给他安排的座椅不舒服就知道了。他当时调控这是他的竞选对手哈里斯给他设的陷阱，目的是让他从椅子上摔下来😂。此后他就一直站着。他是一个做事极为认真的人，对这种事情特别在意。不要说他不会相信这不是有意为之，相信大多数平时不注重细节的人也不会相信这是工作失误，尤其是中国人深知中共在这方面要求极为严格，连人民大会堂女服务员倒茶水的动作都要经过严格训练，更何况提供给来访的美国领导人坐的椅子。根本不可能出这种质量上的差错。 因此只能有一个解释，有意而为之。从视频中可以看出，川普一坐下去就感到不对劲，还连续试了几次坐舒服。他心里肯定1万草泥马在奔腾！俗话说，魔鬼在细节。通过这件小事，会让他更加认清中共是个什么玩意。表明看这是坏事，实则是件大好事！
0:33

中南海的工作人员把事情搞砸了。 现在网上传得最多的就是这个视频，我都看了几十遍了。川普的座位明显低了，很显然有人在川普的坐椅上做了手脚。有人分析是因为川普体重更大，这是很牵强的。他和习应该属于同一重量级，川普100公斤左右，习从未公布。但他身高将近1.80米，比我略矮一点。但他比我胖多了。我都有85公斤左右。就算有一点差别，也不至于差那么多，除非中南海的坐垫是次品😂。大家对照一下他与其他人会面的照片就知道了。比如这张去年习和白俄罗斯总统卢卡申科在中南海会面时的照片，就显示他们的座椅高度完全一致，没有因为人的体重不同而高低不一样。更卢卡申科也就牛高马大。因此他们三人体重应该都差不多。 我为什么对这事如此认真？大家看了我发的这个当年川普在一次地方政府论坛上抱怨主持人给他安排的座椅不舒服就知道了。他当时调控这是他的竞选对手哈里斯给他设的陷阱，目的是让他从椅子上摔下来😂。此后他就一直站着。他是一个做事极为认真的人，对这种事情特别在意。不要说他不会相信这不是有意为之，相信大多数平时不注重细节的人也不会相信这是工作失误，尤其是中国人深知中共在这方面要求极为严格，连人民大会堂女服务员倒茶水的动作都要经过严格训练，更何况提供给来访的美国领导人坐的椅子。根本不可能出这种质量上的差错。 因此只能有一个解释，有意而为之。从视频中可以看出，川普一坐下去就感到不对劲，还连续试了几次坐舒服。他心里肯定1万草泥马在奔腾！俗话说，魔鬼在细节。通过这件小事，会让他更加认清中共是个什么玩意。表明看这是坏事，实则是件大好事！

唐柏桥

74,864 views • 3 months ago

是金子总会发光，可我是铁子，不仅不发光，还容易生锈氧化。 中午好呀！！ ⸻ 市场里最容易被忽略的，往往不是价格，而是权重分配的起点。 最近在看 integra. 的机制时，一个感觉很明显： 它并不急着讲未来有多大，而是在提前决定谁有资格站在未来里。 他们推出的社交经验值十倍倍率，本质不是“多给点积分”， 而是一次极端放大的早期筛选机制。 在去中心化网络里，最残酷也最真实的一条规律是： 早期参与 ≠ 情怀 早期参与 = 生态里的基础权重 Integra 把这件事做得很直接—— 你现在的社交行为、互动、贡献，不是模糊的“支持项目”， 而是被量化、被记录、被乘以倍率的链上位置确认。 我自己去跑了一遍流程后，最大的感受是： 它不再让你被动等待“将来分配”， 而是用清晰的数值告诉你—— 你现在每一步，都会被指数级放大进未来的结构里。 这也是为什么我不太愿意把它简单看成“积分活动”。 更准确的说法是： Integra 正在搭一层社交信用 → 链上资产的转换层。 在 AI、去中心化算力、协作网络逐步走向规模化的背景下， 谁能识别高质量参与者、并在早期完成绑定， 谁就更容易形成真正的生态黏性。 而这种十倍权重窗口，本质上是时间换位置的机会。 当多数人还在观望“值不值得做”的时候， 少数人已经在系统里锁定了自己的坐标。 这类机制的价值，从来不是短期热度， 而是它如何在无声中完成利益与共识的分配。 问题可能只剩一个： 你觉得这只是一次早期红利， 还是链上社交资产化真正启动前的信号？ 很想听听你们的判断，评论区聊聊。 integra. Kaito AI 🌊 #Yap #KaitoYap #RWA #Integra
0:56

是金子总会发光，可我是铁子，不仅不发光，还容易生锈氧化。 中午好呀！！ ⸻ 市场里最容易被忽略的，往往不是价格，而是权重分配的起点。 最近在看 integra. 的机制时，一个感觉很明显： 它并不急着讲未来有多大，而是在提前决定谁有资格站在未来里。 他们推出的社交经验值十倍倍率，本质不是“多给点积分”， 而是一次极端放大的早期筛选机制。 在去中心化网络里，最残酷也最真实的一条规律是： 早期参与 ≠ 情怀 早期参与 = 生态里的基础权重 Integra 把这件事做得很直接—— 你现在的社交行为、互动、贡献，不是模糊的“支持项目”， 而是被量化、被记录、被乘以倍率的链上位置确认。 我自己去跑了一遍流程后，最大的感受是： 它不再让你被动等待“将来分配”， 而是用清晰的数值告诉你—— 你现在每一步，都会被指数级放大进未来的结构里。 这也是为什么我不太愿意把它简单看成“积分活动”。 更准确的说法是： Integra 正在搭一层社交信用 → 链上资产的转换层。 在 AI、去中心化算力、协作网络逐步走向规模化的背景下， 谁能识别高质量参与者、并在早期完成绑定， 谁就更容易形成真正的生态黏性。 而这种十倍权重窗口，本质上是时间换位置的机会。 当多数人还在观望“值不值得做”的时候， 少数人已经在系统里锁定了自己的坐标。 这类机制的价值，从来不是短期热度， 而是它如何在无声中完成利益与共识的分配。 问题可能只剩一个： 你觉得这只是一次早期红利， 还是链上社交资产化真正启动前的信号？ 很想听听你们的判断，评论区聊聊。 integra. Kaito AI 🌊 #Yap #KaitoYap #RWA #Integra

董小姐 MemeMax ⚡️ 🐬TermMax

77,809 views • 7 months ago

一个视频，聊明白四大平台最新的流量密码 同一条内容，抖音有播放，小红书没点击，视频号没人转，发到 X 直接哑火，怎么都没有流量。很多人第一反应：是不是被限流了？ 兄弟们，咱们先别急着甩锅给算法。 真相扎心但更有用：不是你内容不行，是你把同一种"说话方式"，硬塞进了四套完全不同的游戏规则里。今天我用一个视频把这套规则讲透，你看看是不是这个道理？ 四个平台，四种活法： 抖音在赌"注意力"。它根本不管你讲得对不对、有没有道理，先看能不能在前三秒把人按住。停不停得下来，是第一道生死线，完播和互动都是后面的事。 小红书在赌是否"有用"。点开只是入场券，真正的胜负手是能不能被搜到、能不能被收藏。你的内容如果三个月后还能被人翻出来当"攻略"用，才算真的赢了。 视频号在赌"信任"。它看的不是表面热闹，是你的内容值不值得被转发到家庭群、闺蜜群、同学群。能被转发的内容，往往朴实到你都觉得"这也能火"。 X 在赌"关系和真实对话"。你关注谁、谁在跟你互动、评论区聊得怎么样，这些都在悄悄决定内容能传多远。这里奖励的从来不是完美的文案，而是真实的交锋。 所以你发现了吗—— 平台从来就不是四个"发布"按钮。 它们是四款彻底不同的产品，只是长得都像内容而已。 这也是为什么"复制粘贴式"运营几乎注定失败：选题可以复用，但表达必须推倒重写。同一个观点，在抖音要靠一个反差开头，在小红书要变成一份可收藏的清单，在视频号要换成一句能对朋友说出口的大实话，在 X 上要留出能被反驳、被讨论的空间。 我把这四套推流逻辑拆成了一条视频，做内容的朋友建议先看完再决定下一条怎么发，能少走很多弯路。 评论区告诉我：你现在最想先攻下哪个平台？
3:14

一个视频，聊明白四大平台最新的流量密码 同一条内容，抖音有播放，小红书没点击，视频号没人转，发到 X 直接哑火，怎么都没有流量。很多人第一反应：是不是被限流了？ 兄弟们，咱们先别急着甩锅给算法。 真相扎心但更有用：不是你内容不行，是你把同一种"说话方式"，硬塞进了四套完全不同的游戏规则里。今天我用一个视频把这套规则讲透，你看看是不是这个道理？ 四个平台，四种活法： 抖音在赌"注意力"。它根本不管你讲得对不对、有没有道理，先看能不能在前三秒把人按住。停不停得下来，是第一道生死线，完播和互动都是后面的事。 小红书在赌是否"有用"。点开只是入场券，真正的胜负手是能不能被搜到、能不能被收藏。你的内容如果三个月后还能被人翻出来当"攻略"用，才算真的赢了。 视频号在赌"信任"。它看的不是表面热闹，是你的内容值不值得被转发到家庭群、闺蜜群、同学群。能被转发的内容，往往朴实到你都觉得"这也能火"。 X 在赌"关系和真实对话"。你关注谁、谁在跟你互动、评论区聊得怎么样，这些都在悄悄决定内容能传多远。这里奖励的从来不是完美的文案，而是真实的交锋。 所以你发现了吗—— 平台从来就不是四个"发布"按钮。 它们是四款彻底不同的产品，只是长得都像内容而已。 这也是为什么"复制粘贴式"运营几乎注定失败：选题可以复用，但表达必须推倒重写。同一个观点，在抖音要靠一个反差开头，在小红书要变成一份可收藏的清单，在视频号要换成一句能对朋友说出口的大实话，在 X 上要留出能被反驳、被讨论的空间。 我把这四套推流逻辑拆成了一条视频，做内容的朋友建议先看完再决定下一条怎么发，能少走很多弯路。 评论区告诉我：你现在最想先攻下哪个平台？

波妞PONYO

10,518 views • 1 month ago

有没有做个这个踩背服务的？看着很艺术很舒服的感觉，最近卷的浑身僵硬，好想试试，做过的兄弟给点意见。 最近盯着 MemeMax 看了一段时间，越看越觉得有意思。 很多人第一眼看过去，觉得它不过就是 MemeCore 链上的又一个永续合约交易所，没什么稀奇的。 但如果你只把它当成一个普通的 DEX 来看，那你就看走眼了。 MemeMax 最值得深挖的点，根本不是它提供了什么交易功能，而是它把冷启动这件令所有项目方头疼的事，硬生生地写成了一套无法拒绝的机制。 MaxPack：这才是核心开关 我们先聊聊那个叫 MaxPack 的东西。 这玩意儿绝对不是什么普通的积分任务，它是 MemeMax 的核心开关。 规则简单粗暴 你在 MemeCore 链上每完成十笔交易，就能拿到一个 MaxPack。 这招有多绝？它直接把链上的活跃度给拉爆了。 在预发布阶段，整个网络的交易量因为这个机制被硬推到了平时的四倍。 注意，这种增量不是靠喊口号喊出来的，而是用户为了拿奖励，用真金白银的交互行为换出来的实打实的数据。 但如果你以为这只是个简单的刷量换空投游戏，那就太小看团队的设计了。 真正的高明之处在于后续的解锁。 现在市面上绝大多数项目死在哪里？死在上线的第一周。羊毛党领完空投，砸盘走人，留下一地鸡毛。 MemeMax 显然不想重蹈覆辙。你在 MaxPack 里抽到的奖励，不是让你领完就跑的，而是要等到 MemeMax 主网真正跑起来之后，通过真实的交易行为去一点点解锁。 这一手操作，直接把那些只想白嫖的空投猎人，强行转化成了为了拿奖励必须干活的真实交易用户。 这就是把第一周最稀缺的流动性，直接写进了代币的发放条件里。既解决了冷启动的流量，又锁住了上线后的留存，逻辑非常闭环。 三亿美元的底气与不留后路的态度 除了机制，我更看重的是它的家底和态度。 做交易平台，没钱是万万不行的。 MemeCore 基金会这次也是下了血本，直接给了价值三亿美元的代币分配支持。 这三个亿不是摆设，它意味着三件事：做市的深度有了，应对极端行情的保险缓冲有了，吸引用户的交易激励也有了。 对于早期用户来说，这就是安全感。 再看它的价值捕获态度。 平台承诺，手续费全部用于回购。大家在圈子里混久了都知道，很多协议是把手续费当成团队收入装进自己口袋的。 但 MemeMax 选择把这部分收入全部拿出来回购代币，这等于放弃了短期的协议收入，去换取长期的代币买盘。 这种不留后路的做法，说明团队非常清楚：只有代币价值起飞了，整个生态才能转得动。 只有活得长的 Meme，才是好标的 最后我们得看看它的生态底盘——MemeCore。 MemeCore 有个很有趣的共识机制叫 Proof of Meme，它把社交媒体上的热度和链上的活跃度，直接塞进了共识权重里。这意味着，谁火谁就有话语权。 更绝的是那个 Meme Vault 机制。 以前我们玩 Meme，最怕的是什么？是日抛，今天火明天死。Meme Vault 规定，新 Meme 铸造时必须锁定总量的 5%，然后分一千天线性释放。 一千天是什么概念？那是接近三年。 这个机制强行把那些短命的叙事给拉长了。 对于 MemeMax 这样的合约交易所来说，这简直是天大的利好。因为它不需要那些昙花一现的垃圾标的，它需要的是那些能活得久、能持续产生波动、能带来长尾交易需求的好资产。 MemeCore 的底层设计，正好为 MemeMax 提供了这样的土壤。 接下来该盯什么？ 说了这么多逻辑，最后还是要落实到数据上。接下来直到 2026 年 1 月主网之前，我会死盯着三组数据，这三点能稳住，这事儿就成了： 1️⃣：链上日交易笔数。 MaxPack 的热度能不能维持住？用户会不会因为疲劳而停止交互？这是基本盘。 2️⃣：Boost Phase 的衔接。 从现在到明年一月主网开闸，中间有没有断档？热度能不能无缝接到主网启动？这是关键的时间节点。 3️⃣：主网后的解锁与交易量占比。 主网一开，那些为了解锁奖励而产生的交易量，能不能撑起盘面？解锁比例的设计是否合理，会不会导致抛压过大或者流动性不足？ 如果 MemeMax 能把这三点都跑通，那它就真的不仅是一个交易所了，它有潜力把Meme 文化这种极其不稳定的情绪资产，转化成一条稳定向上的收入曲线。 这盘棋，值得看下去。 #MemeMax #KAITO MemeX
0:27

有没有做个这个踩背服务的？看着很艺术很舒服的感觉，最近卷的浑身僵硬，好想试试，做过的兄弟给点意见。 最近盯着 MemeMax 看了一段时间，越看越觉得有意思。 很多人第一眼看过去，觉得它不过就是 MemeCore 链上的又一个永续合约交易所，没什么稀奇的。 但如果你只把它当成一个普通的 DEX 来看，那你就看走眼了。 MemeMax 最值得深挖的点，根本不是它提供了什么交易功能，而是它把冷启动这件令所有项目方头疼的事，硬生生地写成了一套无法拒绝的机制。 MaxPack：这才是核心开关 我们先聊聊那个叫 MaxPack 的东西。 这玩意儿绝对不是什么普通的积分任务，它是 MemeMax 的核心开关。 规则简单粗暴 你在 MemeCore 链上每完成十笔交易，就能拿到一个 MaxPack。 这招有多绝？它直接把链上的活跃度给拉爆了。 在预发布阶段，整个网络的交易量因为这个机制被硬推到了平时的四倍。 注意，这种增量不是靠喊口号喊出来的，而是用户为了拿奖励，用真金白银的交互行为换出来的实打实的数据。 但如果你以为这只是个简单的刷量换空投游戏，那就太小看团队的设计了。 真正的高明之处在于后续的解锁。 现在市面上绝大多数项目死在哪里？死在上线的第一周。羊毛党领完空投，砸盘走人，留下一地鸡毛。 MemeMax 显然不想重蹈覆辙。你在 MaxPack 里抽到的奖励，不是让你领完就跑的，而是要等到 MemeMax 主网真正跑起来之后，通过真实的交易行为去一点点解锁。 这一手操作，直接把那些只想白嫖的空投猎人，强行转化成了为了拿奖励必须干活的真实交易用户。 这就是把第一周最稀缺的流动性，直接写进了代币的发放条件里。既解决了冷启动的流量，又锁住了上线后的留存，逻辑非常闭环。 三亿美元的底气与不留后路的态度 除了机制，我更看重的是它的家底和态度。 做交易平台，没钱是万万不行的。 MemeCore 基金会这次也是下了血本，直接给了价值三亿美元的代币分配支持。 这三个亿不是摆设，它意味着三件事：做市的深度有了，应对极端行情的保险缓冲有了，吸引用户的交易激励也有了。 对于早期用户来说，这就是安全感。 再看它的价值捕获态度。 平台承诺，手续费全部用于回购。大家在圈子里混久了都知道，很多协议是把手续费当成团队收入装进自己口袋的。 但 MemeMax 选择把这部分收入全部拿出来回购代币，这等于放弃了短期的协议收入，去换取长期的代币买盘。 这种不留后路的做法，说明团队非常清楚：只有代币价值起飞了，整个生态才能转得动。 只有活得长的 Meme，才是好标的 最后我们得看看它的生态底盘——MemeCore。 MemeCore 有个很有趣的共识机制叫 Proof of Meme，它把社交媒体上的热度和链上的活跃度，直接塞进了共识权重里。这意味着，谁火谁就有话语权。 更绝的是那个 Meme Vault 机制。 以前我们玩 Meme，最怕的是什么？是日抛，今天火明天死。Meme Vault 规定，新 Meme 铸造时必须锁定总量的 5%，然后分一千天线性释放。 一千天是什么概念？那是接近三年。 这个机制强行把那些短命的叙事给拉长了。 对于 MemeMax 这样的合约交易所来说，这简直是天大的利好。因为它不需要那些昙花一现的垃圾标的，它需要的是那些能活得久、能持续产生波动、能带来长尾交易需求的好资产。 MemeCore 的底层设计，正好为 MemeMax 提供了这样的土壤。 接下来该盯什么？ 说了这么多逻辑，最后还是要落实到数据上。接下来直到 2026 年 1 月主网之前，我会死盯着三组数据，这三点能稳住，这事儿就成了： 1️⃣：链上日交易笔数。 MaxPack 的热度能不能维持住？用户会不会因为疲劳而停止交互？这是基本盘。 2️⃣：Boost Phase 的衔接。 从现在到明年一月主网开闸，中间有没有断档？热度能不能无缝接到主网启动？这是关键的时间节点。 3️⃣：主网后的解锁与交易量占比。 主网一开，那些为了解锁奖励而产生的交易量，能不能撑起盘面？解锁比例的设计是否合理，会不会导致抛压过大或者流动性不足？ 如果 MemeMax 能把这三点都跑通，那它就真的不仅是一个交易所了，它有潜力把Meme 文化这种极其不稳定的情绪资产，转化成一条稳定向上的收入曲线。 这盘棋，值得看下去。 #MemeMax #KAITO MemeX

比克大魔王

52,137 views • 8 months ago

我折腾了Openclaw大概有一周了吧，感觉这一周也不能说时时刻刻在玩，但是确实已经让我体验到了他的很多优点和坑。 我觉得这个坑其实也并不是他的缺点，而且初学者在使用的时候没有注意到的特点，本文会好好聊聊。虽然有人说它不是什么高深的科技，但是Openclaw确实解决了我一个很长时间都没有人来解决的痛点， 作为一个web3的博主，我平常有很多零碎的时间，在外的时候，开车的时候，参加活动的时候，加起来其实非常多，一周下来能有十几个小时。 这些时候其实我的脑子都不处于idle的状态，而是经常想写东西。比如我经常就会抽个十分钟走路，边走边把我的一些想法和GPT录入，然后生成文章或者笔记，甚至是代码。 但对于有些问题，比如验证一个交易的想法，产品的想法，用一个我已经开发好的脚本去了解市场行情，缺少一个主机这样强大的工具来帮我落地。 也就是说，哪怕AI给了我方向，给了我代码，最后去跑的，还是我啊！ 我这不是给AI打工了吗？ 于是在知道了Opencalw这个东西的五分钟之后，我就边开车边在手机上下单了一个全新的MacMini，准备开始改变人生 我觉得玩了一周下来，我做到了。我可以躺在床上刷剧和喝啤酒的同时，让全市场行情尽收眼底，有一说一，minimax真的很稳定且偶尔会让人觉得惊艳。 刚丢给他anthropic和五角大楼的八个新闻，他给我做了系统性总结并归档，语言风格也非常自然，确实不是对话框可以体验的，但有在对话框环境里搞定了看黑漆漆IDE才能做到的aget效果，且效果很棒。这就是openclaw框架的特点。 接下来重点聊聊 #Binance 最近更新4个 AI skills 技能 Alpha 市场数据、U 本位合约、杠杆交易、资产管理。在我看来，这次更新的重点不只是“功能变多了”，而是 OpenClaw 终于更像一个能真正配合你做事的交易助手了。 以前我们用这类工具，更多还是停留在“查数据、看行情、问问题”这个层面，信息是有了，但真正做决策、盯条件、执行动作，还是得自己一步步来。现在不太一样了，你只需要说出自己的意图，它就能把筛选、判断、执行这些动作尽量串起来。 这 4 个技能里，我最看重的是资产管理。因为它解决的不是“看什么”，而是“钱怎么动”。比如现货和合约之间的划转、账户余额整理、碎币换 BNB，这些以前都很零碎，但实际又很高频。现在如果能交给 Agent 去处理，整体体验会顺很多。 另外，Alpha 数据、合约、杠杆这几个技能组合起来后，确实会让很多交易思路更容易落地。比如监测异动、看资金费率、设置止盈止损、按条件执行下一步，不用自己频繁切页面、算逻辑，效率提升会很明显。 不过我自己的看法是，这套skills最有价值的地方，不是“自动赚钱”，而是把原本复杂、重复、容易出错的操作流程对话化了。它更像是帮你提高执行效率，而不是替你承担判断和风险。 而且目前币安中文社区正在举办 “用 AI 建设加密，搭建币安主题 AI Agent” 的活动。 总奖池：48.6 BNB（作品奖44 BNB + 推荐奖4.6 BNB）。 作品奖：第1名10 BNB、第2名8 BNB、第3名6 BNB、20名优胜各1 BNB。 对普通用户来说，参与重点可以概括为一句话：不用非得做得特别复杂，能跑通、能演示、逻辑清楚，就有机会拿到奖励。赶快行动起来吧，部署一只属于你自己的龙虾，改变人生的轨迹。 为此专门做了一个接入视频，希望能帮助到大家一起建设起来～ 币安技能中心传送门： 部署龙虾碰到问题可以dm我或者评论区留言，欢迎老师们多多交流~
2:24

我折腾了Openclaw大概有一周了吧，感觉这一周也不能说时时刻刻在玩，但是确实已经让我体验到了他的很多优点和坑。 我觉得这个坑其实也并不是他的缺点，而且初学者在使用的时候没有注意到的特点，本文会好好聊聊。虽然有人说它不是什么高深的科技，但是Openclaw确实解决了我一个很长时间都没有人来解决的痛点， 作为一个web3的博主，我平常有很多零碎的时间，在外的时候，开车的时候，参加活动的时候，加起来其实非常多，一周下来能有十几个小时。 这些时候其实我的脑子都不处于idle的状态，而是经常想写东西。比如我经常就会抽个十分钟走路，边走边把我的一些想法和GPT录入，然后生成文章或者笔记，甚至是代码。 但对于有些问题，比如验证一个交易的想法，产品的想法，用一个我已经开发好的脚本去了解市场行情，缺少一个主机这样强大的工具来帮我落地。 也就是说，哪怕AI给了我方向，给了我代码，最后去跑的，还是我啊！ 我这不是给AI打工了吗？ 于是在知道了Opencalw这个东西的五分钟之后，我就边开车边在手机上下单了一个全新的MacMini，准备开始改变人生 我觉得玩了一周下来，我做到了。我可以躺在床上刷剧和喝啤酒的同时，让全市场行情尽收眼底，有一说一，minimax真的很稳定且偶尔会让人觉得惊艳。 刚丢给他anthropic和五角大楼的八个新闻，他给我做了系统性总结并归档，语言风格也非常自然，确实不是对话框可以体验的，但有在对话框环境里搞定了看黑漆漆IDE才能做到的aget效果，且效果很棒。这就是openclaw框架的特点。 接下来重点聊聊 #Binance 最近更新4个 AI skills 技能 Alpha 市场数据、U 本位合约、杠杆交易、资产管理。在我看来，这次更新的重点不只是“功能变多了”，而是 OpenClaw 终于更像一个能真正配合你做事的交易助手了。 以前我们用这类工具，更多还是停留在“查数据、看行情、问问题”这个层面，信息是有了，但真正做决策、盯条件、执行动作，还是得自己一步步来。现在不太一样了，你只需要说出自己的意图，它就能把筛选、判断、执行这些动作尽量串起来。 这 4 个技能里，我最看重的是资产管理。因为它解决的不是“看什么”，而是“钱怎么动”。比如现货和合约之间的划转、账户余额整理、碎币换 BNB，这些以前都很零碎，但实际又很高频。现在如果能交给 Agent 去处理，整体体验会顺很多。 另外，Alpha 数据、合约、杠杆这几个技能组合起来后，确实会让很多交易思路更容易落地。比如监测异动、看资金费率、设置止盈止损、按条件执行下一步，不用自己频繁切页面、算逻辑，效率提升会很明显。 不过我自己的看法是，这套skills最有价值的地方，不是“自动赚钱”，而是把原本复杂、重复、容易出错的操作流程对话化了。它更像是帮你提高执行效率，而不是替你承担判断和风险。 而且目前币安中文社区正在举办 “用 AI 建设加密，搭建币安主题 AI Agent” 的活动。 总奖池：48.6 BNB（作品奖44 BNB + 推荐奖4.6 BNB）。 作品奖：第1名10 BNB、第2名8 BNB、第3名6 BNB、20名优胜各1 BNB。 对普通用户来说，参与重点可以概括为一句话：不用非得做得特别复杂，能跑通、能演示、逻辑清楚，就有机会拿到奖励。赶快行动起来吧，部署一只属于你自己的龙虾，改变人生的轨迹。 为此专门做了一个接入视频，希望能帮助到大家一起建设起来～ 币安技能中心传送门： 部署龙虾碰到问题可以dm我或者评论区留言，欢迎老师们多多交流~

百里 🦅

16,721 views • 5 months ago

天涯身体-如何改变身弱提升事业 成功的人往往精力旺盛，很多人穷，很大一部分原因是因为身弱！如何改变身弱的毛病？ 一直关注的 @edgeX_exchange 用户内容奖励终于到账了！ 原本以为还要再熬一阵子，结果刚收到的消息是：部分 UGC 奖励直接提前发放了。不是小范围试水都不是，是正式批量提前到账。 能这么大气的项目真的少见。大多数团队要么磨磨蹭蹭拖时间，要么死抠流程走到底，但 edgeX 这次直接把节点前移，等于明白无误地告诉所有人：他们是真把内容创作者当伙伴，而不是当流量工具人。UGC 这条赛道大概率会变成产品长期的核心引擎，而不是短期的营销活动。 现在第一批奖励已经开始陆陆续续打到账户了，如果你之前写过攻略、发过心得、参与过社区共创，现在就是去对账的时候。我已经把我身边的朋友一个个拉去查了，还真有人已经提前到手了。 我觉得敢这么早兑现承诺的团队，后面的节奏基本不会拉胯。越把内容和社区当命根子的项目，越值得长期跟随。你要是已经领到了，回来报个到；要是还没看到，也别急，这只是第一波，后续还有更多在路上。 总之一句话：该对的赶紧对，该领的赶紧领，现在冲就是最优解。 网址：
1:30

天涯身体-如何改变身弱提升事业 成功的人往往精力旺盛，很多人穷，很大一部分原因是因为身弱！如何改变身弱的毛病？ 一直关注的 @edgeX_exchange 用户内容奖励终于到账了！ 原本以为还要再熬一阵子，结果刚收到的消息是：部分 UGC 奖励直接提前发放了。不是小范围试水都不是，是正式批量提前到账。 能这么大气的项目真的少见。大多数团队要么磨磨蹭蹭拖时间，要么死抠流程走到底，但 edgeX 这次直接把节点前移，等于明白无误地告诉所有人：他们是真把内容创作者当伙伴，而不是当流量工具人。UGC 这条赛道大概率会变成产品长期的核心引擎，而不是短期的营销活动。 现在第一批奖励已经开始陆陆续续打到账户了，如果你之前写过攻略、发过心得、参与过社区共创，现在就是去对账的时候。我已经把我身边的朋友一个个拉去查了，还真有人已经提前到手了。 我觉得敢这么早兑现承诺的团队，后面的节奏基本不会拉胯。越把内容和社区当命根子的项目，越值得长期跟随。你要是已经领到了，回来报个到；要是还没看到，也别急，这只是第一波，后续还有更多在路上。 总之一句话：该对的赶紧对，该领的赶紧领，现在冲就是最优解。 网址：

pandaWL | .edge🦭

13,296 views • 9 months ago

连续六个月，非法入境美国的人数是零。 你没听错，零。 川普总统宣布，美墨边境的非法越境人数，已经降到了有记录以来的最低水平。 这是怎么做到的？ 这背后不是魔法，而是意志和具体的政策。 高墙建起来了。 “留在墨西哥”政策被严格执行。 对非法移民的“拉力因素”，比如各种福利和庇护漏洞，正在被逐一堵上。 当一个国家真正开始严肃对待自己的边境，结果就是这么直接。 更有意思的是，川普特别指出，这些数据并非来自他的支持者，而是来自那些过去一直批评他的人。 当你的反对者都无法否认事实时，这个事实的分量有多重？ 问题来了。 如此巨大的成就，为什么主流媒体却鲜有报道？ 他们是不愿意承认川普的政策有效，还是不希望民众看到一个可以被有效管控的边境？ 一个安全的边境，到底动了谁的奶酪？
0:45

连续六个月，非法入境美国的人数是零。 你没听错，零。 川普总统宣布，美墨边境的非法越境人数，已经降到了有记录以来的最低水平。 这是怎么做到的？ 这背后不是魔法，而是意志和具体的政策。 高墙建起来了。 “留在墨西哥”政策被严格执行。 对非法移民的“拉力因素”，比如各种福利和庇护漏洞，正在被逐一堵上。 当一个国家真正开始严肃对待自己的边境，结果就是这么直接。 更有意思的是，川普特别指出，这些数据并非来自他的支持者，而是来自那些过去一直批评他的人。 当你的反对者都无法否认事实时，这个事实的分量有多重？ 问题来了。 如此巨大的成就，为什么主流媒体却鲜有报道？ 他们是不愿意承认川普的政策有效，还是不希望民众看到一个可以被有效管控的边境？ 一个安全的边境，到底动了谁的奶酪？

墓碑科技

31,433 views • 9 months ago

这是一个真实的故事，关于一个房产经纪团队怎么用内容营销卖出了一套130万美元的房子。重点不是这130万，而是他们用的方法特别实在。 具体是怎么做的？ 首先，他们特别清楚自己的地盘。不是到处写写写，而是就选了3个他们最熟的区域。这就像你在一个小区住了十年，对那儿的一草一木都了如指掌 - 哪个单元采光好，哪个位置停车方便，连物业的老张什么性格都门儿清。 他们写内容的方法也很实在： 1. 就写两种文章： - 给想买房的人写"在这儿住是啥感觉" - 给想卖房的人写"这片子现在行情咋样" 2. 文章写得特别接地气： - 不是写得特别长，一般也就一两千字 - 就跟跟邻居聊天似的，用"你"来说话 - 说的都是实打实的事，不罗嗦 3. 他们特别会找话题： - 上网看看大家在问什么问题 - 逛逛社区论坛，看看住户在聊什么 - 把这些实际问题都写进去 4. 内容不光是写，还要配图： - 自己开无人机拍照片 - 画个地图，标注下重要的地方 - 再配个视频，让大家更直观 5. 最实在的是，他们是慢慢来的： - 开始就写个千把字，放几张图 - 发现这文章有人看了，就往里加内容 - 别人问什么，就补充什么 - 最后每个区域写个二三十篇文章 6. 最后就是要主动一点： - 文章里放个联系方式 - 加个表格让人填联系方式 - 有人问就赶紧回复 - 多问问别人觉得哪写得好，哪写得不够好 说白了，他们就是把自己知道的，别人关心的，都老老实实写下来。时间长了，这些文章就变成了他们的"销售小助手"，天天24小时都在帮他们找客户。 最后提醒一句：这事儿要有耐心，不是写几篇文章就能见效的。但只要你持续写，写实在的内容，总能慢慢攒出口碑来。
10:59

这是一个真实的故事，关于一个房产经纪团队怎么用内容营销卖出了一套130万美元的房子。重点不是这130万，而是他们用的方法特别实在。 具体是怎么做的？ 首先，他们特别清楚自己的地盘。不是到处写写写，而是就选了3个他们最熟的区域。这就像你在一个小区住了十年，对那儿的一草一木都了如指掌 - 哪个单元采光好，哪个位置停车方便，连物业的老张什么性格都门儿清。 他们写内容的方法也很实在： 1. 就写两种文章： - 给想买房的人写"在这儿住是啥感觉" - 给想卖房的人写"这片子现在行情咋样" 2. 文章写得特别接地气： - 不是写得特别长，一般也就一两千字 - 就跟跟邻居聊天似的，用"你"来说话 - 说的都是实打实的事，不罗嗦 3. 他们特别会找话题： - 上网看看大家在问什么问题 - 逛逛社区论坛，看看住户在聊什么 - 把这些实际问题都写进去 4. 内容不光是写，还要配图： - 自己开无人机拍照片 - 画个地图，标注下重要的地方 - 再配个视频，让大家更直观 5. 最实在的是，他们是慢慢来的： - 开始就写个千把字，放几张图 - 发现这文章有人看了，就往里加内容 - 别人问什么，就补充什么 - 最后每个区域写个二三十篇文章 6. 最后就是要主动一点： - 文章里放个联系方式 - 加个表格让人填联系方式 - 有人问就赶紧回复 - 多问问别人觉得哪写得好，哪写得不够好 说白了，他们就是把自己知道的，别人关心的，都老老实实写下来。时间长了，这些文章就变成了他们的"销售小助手"，天天24小时都在帮他们找客户。 最后提醒一句：这事儿要有耐心，不是写几篇文章就能见效的。但只要你持续写，写实在的内容，总能慢慢攒出口碑来。

Yangyi

56,646 views • 1 year ago