非常感谢这么细致的讲解。 在定义上来看，我原先的理解有部分的错误，应该是长期持有者账号如果增持，也会被平均进去。 （虽然我觉得glassnode这样对数据的处理是 有些问题的，我觉得比特币应该基于utxo来跟踪btc的数量，而不是基于地址来，这样会更加科学一些） 但是，整体结论并没有问题。因为长期持有者数量的增加，有很大的贡献是短期持有者，持有不动。而并不是买入。 对于这个的观察是源于我当时发现，LTH的持有数量反转，也就是从下降开始变成增长，总是早于btc见底。

借此文章，说一个特别容易犯错的链上数据分析，就是长期持有者。 你认为图表，过几个月，长期持有者一直在增加。 其实是错的！！ 长期持有者的定义：glassnode定义持有5~6个月为长期持有者（大概这个数字，具体记不清了）。 所以，不是增持，那些之前买的btc持有不动，它自然就会变成长期持有者。 那么5~6个月前，就是btc顶部的时候，大量的筹码套牢。 所以套路盘啥都不动，现在的时间就变成长期持有者了。

我怎么感觉gpt5.5 有点傻傻的。 使用gpt5.5后，它犯了好几个初始错误了。 今天早上，会话开始让它计算了盈亏pnl，它意识到链上pnl不能只使用流入usdc-流入的usdc作为pnl。然后过两次对话后，在自己还是使用这个计算方法。 下午的一次，要计算60天的pnl，它明明知道初始的盈利要去掉才是正确60天的，但是在自己算的时候才是没有处理好。 gpt5.5 我感觉没有想象的那么好 糟糕，怀疑的种子已经在心里种下，它在生根发芽了

AI trading 看到过好几个项目了。 看起来非常nice，但是很多项目可能没想明白一个事情 Why AI？ 其实量化交易已经是非常成熟，高手云集的地方了。AI trading 并不是用vibe coding出一个产品。 更不是，将原本用代码就能判断的指标，交给AI来判断，没有任意。AI还会经常有幻觉。 AI trading要想成功，就必须要考虑使用了AI后，有什么是原先代码不能实现的。

在龙虾爆火后，我越来越相信在不久的将来，各类AI Agent会替代它的主人，活跃在网络上进行交流、交易信息、购物等等行为。 而其中最最基础的一个，那就是支付。而AI Agent世界的支付，需要满足 1）足够快，能支持高频的交易转账 2）极低的手续费的支持微小金额转账（甚至是0.0001刀以下） 3）无国界

在龙虾爆火后，我越来越相信在不久的将来，各类AI Agent会替代它的主人，活跃在网络上进行交流、交易信息、购物等等行为。 而其中最最基础的一个，那就是支付。而AI Agent世界的支付，需要满足 1）足够快，能支持高频的交易转账 2）极低的手续费的支持微小金额转账（甚至是0.0001刀以下） 3）无国界 很明显，能满足上面条件的只有区块链。在Agent时代，区块链和AI真的是绝配。 看到肖老板刚发布的HSK 白皮书2.0，很明显也是主打的这个点。为Agent提供一个完善的支付网络，是web3最有前景的方向。 除了前面说的几个优先，我发现肖老板还考虑的更深，Hashkey Chain 还使用零知识证明，可以让Agent有一个合规数字身份证，它不仅有隐私保护的功能。更重要的，能解决一大部分安全的问题。杜绝了高资产的Agent被坏人跟踪惦记。 Hashkey Chain还设计了机构级许可链，利用其合规的优势，它可以作为结算的主链，而机构可以构建执行层，实现每秒百万笔的吞吐。 Anyway，AI并不是抢了区块链的风头，而是更需要区块链了，这个方向越来越有意思了。

AI圈好久没有出新的技术名词了吧 那写AI博主都在忙些什么呢？ 最近发现了好几篇：从0开始学会claude code 😀😀😀

codex就是个理工科男，实锤了。 给出的分析总结，竟然用大概率 整个词。 如果是gemini，它会说你太棒了，按照这样运行，简直是太完美了。 如果是豆包，就会把不可行的的东西，说成就这么干，一定能成功。 而只有codex，用大概率。 而作为同样理工科的我，就悲剧了。 因为大概率就代表这，还有一定的小概率是有问题的。 于是开始让它分析潜在的问题，找bug 又折腾了半天

Codex编程能力非常牛，但是它最令人头疼的是：给出的回答里有一堆专业术语，看都看不懂。 之前我的做法是把它拷贝给另外一个ai，让它解释一下。 这两天突然想到，其实可以做一个skill，直接让gpt5.4说人话。 它会直接把刚才回答改写成更简单、适合初学者看的中文说明。 特别是碰到分析出的问题的时候，会根据下面的格式 问题：就像门卫只看了通行证上的名字，却没有检查印章是不是真的。 原因：代码里用了 jwt.decode()，这个方法只会把通行证上的内容读出来，不会检查印章真伪。 后果：任何人只要随便伪造一张通行证，就能冒充别的用户登录。 修复建议：把 jwt.decode() 换成 jwt.verify()，这个方法会同时检查印章，是假的就会直接拒绝。 具体skill已经开源 https://t.co/rzEWskUnPa

现在的ai面对复杂的项目，依然会有bug。而且局部改bug经常会越改越麻烦。 其实，我一直采用一招最最简单的方法：就是重复3遍的方法。 很多人会写subagent、skills，或者superpower、oh-my-claude等复杂项目。但是我感觉下来，依然不如重复3遍简来的简单方便。 做法很简单，当ai完成任务后，你就说，让ai根据要求审核一下代码。根据我的经验： 第一遍，ai会找到好几个问题，你无脑让它修改就好。 第二遍，ai会找到好几个问题，你需要大致看一眼，让它修改严重的。 第三遍，需要特别注意的地方到了。 ai每次都会找一些问题，有些问题压根不重要。所以，这个时候你需要请另外一个ai来审核一下。 比如codex编码的，可以让claude code审核。反之亦然。 基本上第三遍让第二个ai对问题评价出，都是小问题。那你就可以停止了。如果还有一些严重的问题，那还可以继续审查。 我用下来的结果，在过去几个月来，到了项目运行阶段没有碰到过要修复代码的情况了。 在这种最质朴的方法实践多次，我也明白了 1）即使是最好的编程ai，比如codex或者搭配opus的claude code，写复杂项目的时候依然会出现bug 2）即使是最好的编程ai，也会没事找事的找到新的bug。

便宜的中转站，往往才是最贵的坑——我踩过之后，总结了3个辨别真假的工具 因为封号的原因，中转站已经成为唯一的选择的。但是，现在市面的中转站鱼龙混杂，良莠不齐。 今天，我分享几个评价中转站的评测 1 helpaio 这是一家专门评价中转站的网站，作者已经评价好了并打分，推荐了一些比较好。并且中转站的基本情况、价格。以及一些真实用户的。我还发现，他们的排名会经常变化。 https://t.co/KTAIfH3Lqg 2 hvoy 这个网站提供评测工具，用户可以自己评估是否是真实的模型，有没有参数。只输入需要评价的中转站url和你自己的api（注意，建一个临时的api，用完删掉）。 同时，它还有中转站的收录和价格，实际感觉价格不太准。 https://t.co/kPjuBgeszE 3  API Relay Audit https://t.co/0Ui1Bhx6Wf 这是一个github的项目，专门用于全面审计第三方 AI API 中转站(反代/转发站)的安全性、可靠性和透明度。通过11 步审计，全方面的评估中转站的各方面的指标。可以用于深入专业的评估。 再推荐3个我常用的中转站吧 1 packyapi 它的体量应该在中转站属于头部吧，赞助了很多相关的开源项目。自己使用下来，感觉比较稳定。基本上在封号的时候，其他中转站挂了，它还能支撑。但是缺点的话，价格也属于比较贵的一批。claude code已经多次涨价。 所以，我会当做一个托底的中转站，别家用不了了，我就用它。 https://t.co/lkEPi1u6sN 2 米醋 这是我用的比较多的中转站。我用前面的的工具都评测过，都是真实的模型。大部分时候比较稳定，日常用它，偶尔不能用的时候转到packyapi。 最大的优势价格只有前面packyapi的一半，也是见过最便宜的中转站了。（有些更加便宜的，但是使用了一下是掺假的。） https://t.co/6cRqn4P47i 3 ikun 这家用过一段时间，质量还行，稳定性也还行。但是后来claude code 涨价了，涨的好贵。但是codex依然便宜。 https://t.co/XJYJtMjh6l 其实中转站时候也不稳定，碰到大封号的时候，就会挂掉。之前还用过2个还不错的，因为封号都不干了。 还挺郁闷的，每过一段时间，政策变了，情况变了，就要重新搞一下ai工具。

家人们，买了多少呢？ 最近几个月，就谈过两次大的行情。 10月8日，大跌前，告诉大家危险的气息了。 一个月前，告诉大家该买点了。底部随便买点，都是赚的。会选币的，还能搞个10倍多的。

今天发现一个，polymarket上无风险的赚钱机会 在北京时间早上16日9点的时候，看到4月15日以色列x真主党停火的market，No的概率是96.2%。 这跟其他尾盘不一样的是，它是无风险的。其他高概率的尾盘会有反转的。而不同点在于，地区的时间差。 因为polymarket 是根据美国时区结算的。所以在北京时间早上9点的时候，是以色列地区凌晨3点左右，不可能再发生和谈的进展。而过4个小时结算。 所以，它的本质是结算时间带来的，按照美国人的结算时间，但是临近几个小时，在中东已经是凌晨，不可能有和谈的新进展。（但是不适合战争开打）

抱歉，是我没找到合适的位置

已经是币安的御用的预测市场供应商了 它的成交量为何如此之地？热门的交易量基本在1000U以下 低到我以为是假的网站 这是撸毛当都不玩了吗 @binancezh @BinanceWallet

将有用的内容保持到自己电脑，并形成知识库。这个逻辑走的第一步，我就遇到一个难题 微信、小红书、youtube等各平台不同平台内容，它都一一需要适配。 我突然灵机一动，想到了notebooklm，它是非常好的学习工具。但是换个角度，思路打开，它不就能处理各种类型内容吗？ 于是我在github上面找到了notebooklm-py，已经1万多的star。它能解决内容处理的大部分格式了，并能够输出整理总结，连token的费用都省力了 1 天生就是 AI Agent 的技能 notebooklm-py 和普通 API 封装最大的区别——它从设计之初就是给 AI 编程代理用的。一条 `npx skills add` 命令装进 Claude Code 或 Codex，你的代理就能自主创建笔记本、导入资料、提问、生成内容——播客、视频、幻灯片、报告—— URL、PDF、YouTube、Google Drive、纯文本、音频、图片。浏览器里能喂的，这个库都能喂。 全程不用你打开浏览器。我上周把它配成 Claude Code 技能。现在我的代理自己跑完整条链路：导入我指定的 URL，生成音频概览，导出 JSON 格式的测验题，全部丢进文件夹。零手动步骤。整个循环自己转。 让强大产品变得可编程的开源工具，值得更多人知道。notebooklm-py 对 NotebookLM 做的就是这件事。 👉 https://t.co/E2Yl1pi0qC

不管是多Agent体系，还是harness，包括现在的claude code 和 codex的工作方式 本质上，是因为现在大模型的能力不足而已 而随着AI能力的提升，这一切都不是问题。 所以在AI时代，如果你懒的学，过段时间。你会惊奇的发现，你压根就不用学了！

发现一个好东西，它一句话就能把文章发到 8 个社交平台——而且网页改版了也不会挂。 我的文章一直只发推特，倒不是对x情有独钟，而是我很懒。同一篇内容，你要打开小红书粘贴一遍、打开知乎改一遍格式、打开微信公众号再排一遍版、打开 X 发一条摘要。五个浏览器标签页来回切，三十分钟就这么没了。我之前就是这么干的，每次发完内容都有种"我刚才干了什么"的虚无感。明明可以用来写下一篇文章的时间，全花在了复制粘贴上。 social-push 彻底解决了这个问题。它不是传统的脚本自动化,而是用 agent-browser——一个真正能"看懂"网页的 AI。 一句话发布 8 大平台 这是让我真正上头的功能。你在 AI 编程助手里输入一句 `/social-push 把这篇文章发到小红书`，AI 就会自动打开浏览器、进入编辑器、填标题、粘正文、加话题标签，最后存为草稿。目前支持 8 个平台：小红书图文、小红书长文、X/Twitter、知乎、微博、微信公众号、掘金、https://t.co/TAkVW56Ca2。我上周把一篇技术文章发了五个平台，前后不到四分钟。以前同样的操作要半个小时。 其他几个值得一提的点： 自进化——平台改版后，AI 自动检测页面变化、修复自己的 workflow 文件。你完全不用碰代码，它自己给自己打补丁。 Markdown 即配置——添加新平台只需要写一个 Markdown 文件描述操作步骤。没有脚本，没有选择器，没有代码。我参照现有模板，15 分钟就加了一个新平台。 安全设计——所有操作只到"暂存草稿"，绝不会自动点"发布"按钮。发不发，你说了算。 如果你现在还在五个标签页之间来回粘贴同一篇文章，你正在浪费掉本该用来创作的时间。social-push 把这件苦差事变成了一句话的事。 https://t.co/fHpx26FoXG 发内容到中文社交平台的朋友，建议收藏。关注我，持续分享 AI 自动化好工具。

越来越意识到一个问题， 很多日常使用的软件更新速度越来越快了 但是，更新小问题也越来越频繁了 好像时不时听到某个软件爆出一个大问题 还有头疼的是，很多软件是不是的把功能界面改了，然后有时候找个常用的小功能需要找半天。 我觉得，强烈建议出了长时间稳定版本。

不要再使用polymarket的官方数据了！ 做的实在是太差了！我已经不知道踩了多少坑！ 正常逻辑，官网或者官方api获得数据是最可靠的 唯独我们的polymarket，非常之不靠谱 比如说这个地址reachingthesky，官网现实就是个菜逼。总共亏了90刀！实际上polygen链上的数据显示是超级大聪明！交易了8个市场，利润高达370万刀！！ 如果你觉得拔链上不方便，可以考虑下面几个网站，我验证下数据比较准确的吧。 https://t.co/lHKyEKm2fN 这是一个专门针对去中心化预测平台 Polymarket 的数据分析平台。其核心功能是追踪链上地址的真实盈亏（PNL）、监控“聪明钱”动向，并解析复杂的链上交互操作。它的最大优点在于能够有效过滤套利机器人的干扰，提供比官方更精准的收益率维度，非常适合需要深度跟单和趋势研判的交易者。 Predictfolio https://t.co/s8Yywl4AGp 核心功能是帮助用户一站式汇总和管理在各个预测事件中的仓位、历史记录及预期收益。 Hashdive https://t.co/SgJf4sNsKQ。它的核心功能侧重于追踪特定哈希值的交易流向、智能合约交互细节以及资金的底层异动。

@wang_xiaolou 你感觉hermes体验要比龙虾好吗

全网都在推Hermes Agent，我怎么感觉都是广告了 看了好几篇文章，感觉亮点就一点，就是有会自动进化的记忆功能。 没感觉出作者说的完全碾压，也感受不出应该要马上放弃openclaw 不知道是不是我理解错了

预测市场的细分领域已经到达了惊人的专业程度 比如说最近他们在说的天气板块的内容 我完全听不懂

AI时代，一个人可以做的东西非常多 但是，要真正要赚钱还是需要专注 每个人轻松做到90分的时代，你只有做到99分才能赢 想法多，但是一定要专注 自勉并与大家共勉

是不是可以换个角度，这些发出来赚钱的都不会赚钱，避开这些坑。

不久的将来，会出现一个新的岗位需要大量人才 叫做 人类同意专家 专门负责给AI点同意，allow 需要24小时轮岗

AI带来效率提升巨大，但是明显感觉到越来越累了。 细细想想，可能有这么几个原因 1 AI把简单的事情都做了，所以现在每天，剩下的比较难的事情。 2 因为一个任务AI会比较长时间，所以中间往往会弄另外一个项目。所以会并行做2~3个项目，还都是比较难的那些。 3 AI自身也不完善，复杂一点的任务无法一次性完成。虽然现在代码的bug几乎不会看到了。但是业务逻辑层面的问题依然很常见，而且经常会越改越麻烦。经常改到后面令人抓狂。

有意思 polymarket是个大型试验场 可能解法跟现有的思路不一样。 我在尝试，利用行为经济学来做策略

想起了18年的时候，跟好友讨论RWA（当时还在空想阶段，名字还叫STO，通证经济等）。 当时我们的分歧在于是不是需要一个信用背书。他认为区块链是去中心化，所以不需要。而我认为，RWA比较特殊，将现实的资产上链是需要一个强有力的机构来做信用背书。 时间到了26年，RWA已经不再只是概念名词。这次刷推特，看到国泰君安在HashKey 上线了的代币化货币基金 GUSDT 和 GHKDT，无疑证明了我当时的观点。 一方面，作为券商老大的国泰君安能够发行代币化基金，本身就代表了RWA的认可。更重要的是，对于现实资产，用户是比较谨慎的。需要有个强有力的机构出面，让大家放心使用。更有利用RWA的大规模推广。 @HashKeyGroup

很明显，这是一个非常错误的方向。 很多人现在想拿AI赚钱。 只需要考虑一个最最底层的逻辑：在交易这个市场，只有少部分人是赚钱的。 如果AI让某个领域，原先少部分专业玩家，变成大多人都能拥有的能力。那么这个地方就不太可能赚钱了。 不管是量化能力，还是投研、套利都是如此。就像聪明钱成为大部分人都可以看到的信息。 那么聪明钱就无法带你赚钱了。最后留下的是几个有赚钱神话的个例，以及赚的朋满钵满的交易平台。

3个妙招，轻松节约80%的Token消耗 你有没有觉得，Token 消耗快得离谱？明明没聊几句，额度就快见底了。 这不是你的错。因为大模型公司就想让你多花token，所以现在方案都是最消耗token的。 但只要理解AI运行的原理，三个小改动就能把消耗砍掉一大半。 1：别让 AI 去"看"网页 这是最大的浪费源头。 很多人会每天获取50+网页总结热点。做法是让 AI 控制浏览器抓信息，觉得省事。但代价是什么？AI 浏览网页的时候，会把整个页面所有内容都读一遍——出了内容，甚至还有html代码，全算 Token。一个普通新闻页面可能上万 Token，你真正要的就几百个字。 特别是每天做信息收集、总结热点的人，这种浪费是翻倍放大的。 正确做法特别简单：能调 API 就调 API，普通网页写个爬虫脚本。脚本只抓你要的字段，干干净净，Token 基本为零。 2：给 Subagent 传文件路径，别替它"传话" 用 Agent 工作流的人最容易踩这个坑。 在现有方案中，都是主 Agent 会将所有信息阅读一遍，然后分配给Subagent。问题是——这些信息会全部过一遍主 Agent 的上下文，哪怕跟当前子任务完全没关系的，也一样算 Token。 解决办法很直觉：把数据写进文件，只告诉 Subagent 文件路径，让它自己去读需要的部分。主 Agent 上下文始终保持精简，Token 直接打骨折。 3：AI 是用来思考的，不是用来当 Excel 的 → **大数据先用代码过滤**——别一股脑全丢给 AI。先用 Python 脚本做统计、筛选，把最关键的部分提炼出来，再让 AI 做判断和决策。 这三招为什么有效？ 这是因为原理上，AI不是人，它没有记忆。每一次请求，你需要把把历史对话、工具定义、Skill、MCP 配置……全部打包发一遍。聊得越久，包越大，Token 蹭蹭涨。大模型公司当然不会主动教你怎么省——你用得多它才赚得多嘛。 如何操作？ 改变也非常轻松，就是在 Skill 的时候多用 Script**——能用代码完成的步骤就封装成脚本，只把真正需要"动脑子"的环节留给 AI。操作上很简单，你在 Skill 里把这些步骤写成代码执行就行，其他流程完全一样。 这套方法还有个很多人没意识到的额外好处：**省 Token 的同时，AI 的准确率反而会提高**。 道理很简单——上下文越短，噪音越少，AI 越容易聚焦在关键信息上做出对的判断。上下文太长反而容易"分心"，产生幻觉。 省钱和提质，其实是同一件事。 觉得有用的话转发给你身边也在用 AI 的朋友，感谢来个三连