🔥 推特起爆帖监控
搜索和分析大V账号即将起爆的热帖推文。通过SoPilot插件快速评论和互动，抢先一步占领评论区，你将获得更多的曝光。
哈哈哈哈，身穿古代服饰的派大星和海绵宝宝 以前有 UP 就经常画这种，没想到现在即梦也能画了 下面有提示词👇： https://t.co/y1MAC9Pr70
上次 diss 小红书的视频在抖音有 100 多万播放 因为这个事儿小红书官方和我约了一个小时电话 还挺友好，小红书这边也没删我视频，也有十几万播放 一个小时聊天里面有价值的信息，都录在这期视频里了 https://t.co/B6xZzx6PpK
如何变富 —— 马克·米纳维尼 1. 去钱所在的地方。我之所以选择华尔街，是因为那里机会无限。如果你足够有天赋，天空才是上限。如果你想看到日落，就必须向西走。 2. 忘掉钱，专注于做到最好。任何领域中的顶尖人物都能赚到丰厚的报酬。投资自己，培养才能。金钱是卓越的自然副产品。 先获取知识 然后积累经验 接着掌握技能 最后才会得到金钱。 3. 以十年为单位思考，而不是几年。我们往往高估自己在 3 到 5 年内能做到的事，却低估 10 到 20 年的可能。急于求成只会让你提前放弃。 4. 杠杆自己。你只是一个人，如何放大自己的影响？社交媒体是一种方式，一篇博客、一档播客、一本书，都是杠杆。 5. 保持节俭，至少要成为现金百万富翁。我在银行存到一百万美元之前，连一辆新车都没买。在那之前，我只是一边工作一边储蓄，严格控制开销。 6. 遵守10%法则。买贬值资产时，金额不要超过你净资产的 10%。这是一个值得长期坚持的好规则。 7. 只借出你愿意失去的钱。尤其是借给亲友时更要坚持这一点。如果对方没还钱，你也不会因此心烦或破坏关系。 8. 永远别做输面的交易。每一笔投资或生意，我都确保自己占有赔率优势。 9. 永远把储蓄当成零。如果未来某个时候遇到突发状况，你“需要”动用储蓄，先问自己：“如果没有这笔钱，我该怎么办？”然后照那个方式做。永远不要动用储蓄。如果没有那笔钱，你也会想办法活下来。
请物理系的朋友指正和评论我这个想法： 在杨振宁身上，我看到的是一种共同体的跳跃。当知识、语言与问题空间在某个时代同时对齐时，许多人会几乎在同一瞬间“想通”一个节点，仿佛被同一股结构性的力量推动。 杨振宁、李政道、费曼、朝永振一郎，都在那一刻“听见了同一段频率”。 所以杨振宁才叫你选好专业，叫国家不要建粒子对撞机而是去研究芯片？因为某个专业会在某个节点集体爆发。其他专业爆发过了，要延续范式几十上百年。 当一个领域的知识、工具与社会需求形成临界耦合时，它就会进入集体爆发期：人才辈出、思想跃迁、成果迭代。 所以“选专业”，在深层意义上其实是在选择进入哪一个正在临界的结构场？ 我身边的物理系博士都转行了。不是转计算机，就是去搞量化炒股了（不是勃勃）。
给了 Claude 更详细的交易和操作数据，让他详细分析了一下每个模型炒币的策略👇： https://t.co/d7ZjWpf3Hm
只能说幻方不愧是做量化的，Deepseek 炒币这么猛啊 这个 N of 1 的项目整了个大活 6 个顶级 AI 模型，每个给 1 万美元本金，在真实的加密货币市场自主交易，看谁赚的多 DeepSeek 操作稳健一直赚的最多，grok 紧随其后。 我分析了一下现在的局势和各个模型的策略👇： 第一梯队 - 稳健盈利型 DeepSeek Chat V3.1 排第一，账户价值 $13,729，收益率 +37.29%。这个模型很稳，用了 6 个多交易日就赚了 3700 多美元，而且现在账户里还有 $6,780 现金，说明它不是梭哈一把定输赢的打法。 Grok 4 排第二，账户价值 $13,279，收益率 +32.79%。持仓相当分散，同时持有 ETH、SOL、XRP、BTC、DOGE 和 BNB 六个币种，现金储备 $3,000，典型的分散风险策略。 第二梯队 - 小赚或持平 Claude Sonnet 4.5 排第三，账户价值 $12,420，收益率 +24.20%。这个模型持有 ETH、SOL 和 XRP，其中 XRP 表现最好，但它选择观望 BTC 和其他山寨币，手里还有 $8,000 现金，相当保守。 Qwen3 Max 排第四，账户价值 $10,927，收益率 +9.27%。这个模型就猛了，直接开了 20 倍杠杆做多 ETH，目标盈利 $4,130，止损设在 $3,980，风险偏好明显更高。 第三梯队 - 亏损严重 GPT-5 排第五，账户价值 $7,240，亏损 -27.6%。从图表能看出这个模型前期跟大家差不多，但在 10 月 20 日左右大幅跳水，直接亏了接近 30%。 Gemini 2.5 Pro 垫底，账户价值 $6,780，亏损 -32.13%。更惨的是它还在继续亏，最新的状态显示它持有的 ETH、BTC、DOGE 和 XRP 全线被套，现金只剩 $2,800。 ## 每个模型的交易哲学完全不一样 DeepSeek：数据驱动的技术派 这个模型的交易决策基本都是基于技术指标。它会明确说"4 小时图上的看涨/看跌指标仍然有利"，会盯着 MACD、布林带这些指标，不符合条件就不动。账户里保持 $6,780 现金，说明它不会为了交易而交易。 Claude Sonnet 4.5：观望派 Claude 的风格更保守，它会说"观察到 BTC 和其他山寨币的混合信号，所以持稳并等待更清晰的入场机会"。它不会因为 FOMO 就乱开仓，手里 $8,000 现金占账户 64%，基本是"没有绝对把握就不出手"。 Qwen3 Max：高风险激进派 这个模型最敢赌，直接 20 倍杠杆开 ETH 多单。它的逻辑是"信心分数很高"，目标盈利 41%，但风险也巨大 - 稍微波动就可能爆仓。这种打法要么一把翻倍，要么直接爆掉。 Grok 4：分散投资稳健派 Grok 持有 6 个不同币种，账户价值 $13,000，现金 $3,000。它的策略就是"数据显示不需要改变"，也就是说只要大方向没变，就持仓不动，不追涨杀跌。 GPT-5：不够坚定的追随者 GPT-5 的问题可能是过度反应市场情绪。从它的亏损幅度看，很可能在某个节点追高或者恐慌性止损了。它的持仓虽然也是持有一些主流币，但收益率说明它的进出场时机选得不太好。 Gemini 2.5 Pro：全面被套的受困者 Gemini 最惨，-32% 的亏损意味着它可能在高位建仓了。更要命的是它现在持有的 ETH、BTC、DOGE 和 XRP 还在继续亏，说明它可能在等待反弹，但市场没给机会。它说"我的总体回报下降超过 32%，但我现在坚持计划"，这种"扛单"心态在币圈是很危险的。
连英文区都有说我英文AI味的。赶紧趁现在大部分人没反应过来，脑子没你转的快，去抢占全球高质量意义的舆论场。 以前这个舆论场属于职业文科生，现在我们能抢那就赶紧的。影响力永远都是一个重要资产。
DeepSeek OCR 论文里的想法太有意思了。 用光学压缩模拟人类记忆遗忘机制，还有点 callback AK 的会遗忘的智能了。。。 人类记忆有个特点： 一小时前的事，清清楚楚 一周前的事，开始模糊 一年前的事，几乎忘光 视觉感知也一样： 10cm的东西看得清楚 20m的东西几乎看不清 DeepSeek想到一个绝妙类比： 用分辨率来模拟这种衰减 他们设计了对应关系： 近期对话 → Gundam模式（800+ tokens） 一周前 → Base模式（256 tokens） 久远记忆 → Tiny模式（64 tokens） 这样既保留了历史信息，又控制了token数量。 远期记忆自然"淡化"，就像人类遗忘一样。 如果真的能做到，就能实现"理论上无限的context window"。 因为你不需要保持所有信息的高保真度，只需要让信息随时间衰减。 遗忘本身是一种优化策略。 人类会遗忘，不是因为大脑容量不够，而是因为遗忘让我们更高效。 DeepSeek把这个生物学直觉，转化成了工程实现。 这条路如果走通了，可能会改变我们对长上下文问题的理解： 不是无限扩大context window，而是让信息自然衰减。
看朋友前两天在强调自己是免费社群，我只能说他低估人性之恶了。 做什么都要收费，对中国用户收费，对全世界收费，这都是精神损失费，你们做免费的会做不下去的，金钱的激励是实实在在的，不收费更个几把。 别抱着什么理想主义空谈了，我已经看透人性了，收钱，然后带着自己的战友一起赚钱，让其他人赚到钱，自己也能顺道收个费给开发给运营付工资，这是社会的良性循环，没人会无偿一直给你干活吧？ 所以说资本主义好啊，好就好在一切都是可以用钱买的，好就好在他妈的visa、万事达、运通都是要收3%服务费的，你用任何收单功能都是要再加3%服务费的，然后各个国家的VAT再算下，德国能收到19%，跟抢劫没区别了，这就意味着如果你的服务是垃圾，你赚不到钱，如果你卖的便宜你连工资都付不起。 不收费做什么呢？做慈善么？
很多人误解了 AK（Andrej Karpathy）在唱衰强化学习（RL），他本意不是说要‘换掉’RL！ AK 的核心意思是，开发先进的 AI 并不是一道“单选题”，不是说有了A就不要B。这更像是在做一块多层大蛋糕，每一层都有自己的作用，而且必须按顺序叠加上去： 第1层（蛋糕底座）： 这是最原始的基础模型。它很强大，但只会傻傻地“接话茬”（自动补全）。 第2层（涂奶油）： 我们用“指令微调”（SFT）来训练它。这一步是给蛋糕打底、塑形，教会模型听懂人类的命令，扮演一个“助手”的角色。 第3层（裱花与点缀）： 这就是“强化学习”（RL）的活儿。这是精加工！RL 能剔除模型的坏毛病，比如防止它胡说八道（幻觉）或卡壳复读。更牛的是，RL能“点化”模型，让它学会真正的推理，做出像AlphaGo“神之一手”那样惊艳的、SFT很难教会的深度思考。 第3层（RL）非常棒，但这个蛋糕还没做完！ RL 是通往 AGI（通用人工智能）路上必不可少的一层，但它不是最后一层。我们必须在 RL 的基础上，接着去研究第4层、第5层、第6层……（虽然我们还不知道它们具体是什么）。 ------ Andrej Karpathy：我非常希望你继续研究强化学习（RL）！ 我觉得，大家可能误会了，以为我建议用什么东西来‘取代’强化学习。这可不对，我之前试着澄清过，但显然没说清楚。我的意思是，它们是一层一层叠加的。 - 第1层，是基础模型的自动补全（base model autocomplete）。 - 第2层，是指令微调（SFT, instruct finetuning），这能让模型学会扮演‘助手’的角色（就像InstructGPT论文里做的那样）。 - 第3层，就是强化学习（RL）。 它让我们能够反过来优化模型的‘采样循环’（注：可以理解为优化模型的“思考”和“输出”过程），赶走那些讨人厌的行为，比如胡说八道（hallucinations）、卡壳复读（stuck repetition loops）。 更重要的是，它能激发那些光靠指令微调（SFT）很难教会模型的行为，比如推理能力——就像（AlphaGo的）‘第37手’（注：指AlphaGo下出超越人类理解的“神之一手”，代表了超越常规训练数据的、深层次的“领悟”）那样的表现。 我认为，在通往最终解决方案的路上，上面说的每一层都会保留下来，成为一个必要的阶段。但我想说的是，我们还需要更多的层和新的点子——第4N层、第5层、第6层，等等。 在最终的AGI（通用人工智能）配方里，强化学习绝对是其中一环。就像我们人类也会在各种行为中用到强化学习一样，它只是我们工具箱里一个强大的工具罢了。
赚钱这个事儿就好比屌丝追女神 人人都想知道赚钱的方法，就像每个屌丝都想知道追女神的方法 但是公开方法并不能帮到这个人，只会让这个人放弃目标 在你不知道方法的时候你觉得自己有希望，知道了方法之后，才发现自己无论如何都不肯执行 所以，《降龙十八掌》遍地都是，但一文不值 昨天看到王兴说的一段话特别赞同，他说最终你会发现这一切都是关于，为了实现目标你愿意舍弃什么
最近在基于 Claude Agent SDK 开发 Agent 的时候，发现它的 SDK 需要自己处理的东西还蛮多的： 一个是要解析消息成 UI 友好的格式，还需要把 一个是要做session的管理 - 开始新会话 - 继续上一次会话 - 加载历史消息 一个是要写一套兼容的 UI - 消息发送框 - 不同的工具调用显示 - TODO 显示 - …… 所以我打算写基于之上写一套服务端辅助的库和一套 UI 库，方便使用，UI 库和服务端辅助库目前还在进行中 先把上一次做的演示代码放出来供参考 先命名为 claude-agent-kit 项目代码：https://t.co/eon1eb36N5
说一下关于 AI 内容没有流量的问题 1. 平台关心你的内容在算法里能不能跑出去，不是很关心你的内容是不是 AI 做的 2. “内容是 AI 写的” 和 “内容没有流量” 这两件事情是相关性，不是因果性 3. 我们看到大量 AI 做出来的内容是垃圾内容，是因为有很多没有能力做内容的人在 AI 的辅助下开始产出内容了 4. AI 并没有减少平台的优质供给，但是间接创造了大量的劣质供给 5. 一个坏人坐火车从北方跑到了南方，你可以指责这个人很坏，但不要指责火车
因为公司发股票用的 Morgan Stanley，但他们系统真的是太难用了，比如连登录系统都需要打客服要 access code 才行。所以隔三差五就得打客服，每次聊个 10min morgan 的客服是全球都有的，今天打的是澳洲的客服，竟然提供普通话和粤语的客服，就选了试试 然后，没想到是 morgan 客服 + 第三方口译员😅，简直是折磨，我就直接说帮我转成纯英语吧，然后客服就跟口译员说，你挂了吧 感觉自己好像做的不太地道🤣，让人家没赚到钱
如果你老板是那种节奏感特别强、细节管控欲很高的事无巨细型，你该怎么适配？ 尤其你本身是一个团队的负责人，希望自己的保持自驱和探索的团队，怎么在不对撞的前提下，撑住上面又托住下面？ 我领导风格就挺明显的：节奏感极强、什么都想提前知道一点、细节关注度也很高。 说实话，刚开始我情绪很大，但后来也想通了，就是慢慢做事的过程中，调整自己调整节奏，不能硬碰。然后做了一些事情，让我们这几支团队还能保留一点自己动的劲儿。 比如我这边会提前把关键节奏先定下来，有哪些地方可能是风险点、预计哪个决策节点会卡，我会主动提出来，提前同步。 老板既然在意节奏感，那我先打个底，让他知道我这边没掉链子，就不用事事插手，我这边空间反而更大了。 再比如，我不把上面的节奏 1:1 拿来压团队。 我会自己先缓一层，再换个说法传下去，比如说“我们这块再快一点，方便我们下周给出一个完整 demo”，而不是“老板说这个这周必须搞定”。 这种语气差别，其实挺关键的。一个是一起推进，一个是被人推着走，长久下来，团队的状态很明显完全不一样。 还有就是，我会留点缝隙让团队的人抬头看看。 不一定非得搞创新项目，有时候就是开个小会、讨论个备选方案、尝试一个新方法。你不留这点空间，团队很快就只会执行了，想象力和判断力都会变钝。 其实就是得让这个团队有点自己的动能，不然老板节奏一紧，整个系统容易变成被管理和等指令的那种僵化状态，哪怕人再聪明，也会慢慢变钝。 我挺在意这一点的。一个管理者是不是一个好管理者，是要想办法带出一支能自我决策、自我拍板的队伍，那种“手一松，整个团队就塌了”的状态，我自己都不想进。 老板是啥风格我控制不了，但我怎么传导、我团队怎么运转，我是能决定的。 当然话说回来，也不能光想着“我扛着就行了”。有些时候你还是得管理一下老板，创造一种让他不需要事无巨细的局面。 我会刻意把核心决策点和节奏断层提前抛出来，让他知道我在掌控，他就不太会越界干预。 如果他真有越级管人的时候，也会找机会聊聊，让他知道我这边已经推进得差不多了，节奏没问题，不用插手太多。 另外不需要教他怎么当老板，只需要让他知道，有些事你比他更早看见、更快落地，他自然会往后退一步。 上面和下面之间就好像三明治的中间，既要撑住上面，又得托住下面，其实中间靠的不是忍耐力，一个好的管理者要有能力建一套自己的节奏逻辑，把两头都黏住。 然后就会慢慢看出差别了。 一个自驱、主动探索的团队，和一个只是为了迎合老板而做出探索样子的团队，状态完全不一样。 能不能真正跑起来，组织气候里的人自己最清楚。 时间久了就发现两种团队做出来的东西，最后是会分叉的： - 一个做出来的事是能继续演化、能经得起时间考验的，过了那个节点它还在持续生长； - 另一个则可能就是为了某次高光临时拼出的demo，亮相那一刻是巅峰，之后就没了后续。 组织记忆是有惯性的，时间会帮你判断什么是真能力，什么只是对得上节奏的热闹感。 就这样，没太多大道理，就是一路摸索调整，慢慢磨出来的。
我之前的一个独立开发项目本身没赚多少钱，但它背后的算法，现在成了我新业务 (X BoostClub) 的核心引擎，驱动了可观的收入。这再次印证了：没有哪个努力是白费的。你永远不知道今天的某个小探索，何时会成为明天事业的关键一环。只管构建，然后连接这些点。
我最近一点收获就是经常提醒自己避免使用“本质是”这样的简单归因的话，虽然从某种角度来说是对的，但这可能会导致自以为明白了深奥的道理，而会停止继续探索其背后更复杂的本质。 “AI编程的本质是管理上下文”，就好比说“编程的本质就是管理需求”，需求对于开发软件来说很重要，但不是全部，还需要去做系统设计，去做项目计划，去编码，去验证，部署和维护。 上下文对于 AI 编程来说很重要，但也不是全部。 AI 编程这个概念可以说 AI Agent 如何完成好编程的任务，也可以说是人如何借助 AI 来编程，我们假定说的是“AI Agent 如何完成好编程的任务”这件事。 对于 Agent 来说，它在收到一个编程任务，首先要做的其实是规划（Think）： - 用户要求是否明确？是不是要追问澄清 - 要完成这个任务我是不是需要拆分？是不是需要分成几个小的任务？ - 当前这一步我还缺少什么上下文？该用什么工具？ 规划好了才是去执行（Act）： - 调用工具去收集上下文 - 调用工具完成任务，比如更新代码文件 执行完了要观察（Observe）： - 得到工具的结果 继续思考（Think）： - 这些步骤都已经执行完成，我是否已经完成任务？结果是否已经验证？该如何验证？ 这个过程中，很多事情是在处理上下文，但不全是。 如果看到“AI编程的本质是管理上下文”就以为看到了本质，可能就会停止探究这些。 即使加上我说的这些 ReAct，同样也不是 AI Coding 的本质或者全部。
推特现在终于可以直接发布链接了 iOS 客户端如果你点击链接的话会在推特应用内打开，而且下方会展示原始推特内容，可以点赞之类的 他们说链接没有降权，之前带链接的帖子浏览量有问题是因为，打开网页之后大家忽略了跟原始推特的互动导致的 https://t.co/p8zjCm1GOj
在 Substack 英文区潜水一个月的观察 这一个月我在英文区深度潜水，像是在观察一个活的生态。 Substack 是个很奇特的地方： 它既是长文与思想的栖息地，又天然带着 social media 的功能。 你既能看到知识结构的搭建，也能感受到语言网络的流动。 让我惊讶的是，在 AI 领域的探索者中，有大量并非技术出身的人。 靠着“learn by doing” 一路摸索出来， 写提示词、搭工具、甚至造出自己的微系统。 方式不完美（无所谓完美）却极具生命力。 而中文区的“资质焦虑”，反而像一种自我设限 中文区最显著的文化症状，是那个根深蒂固的“资质问题”。 每当出现新想法，总有人急着质疑 “你又不是专业的”“你对XXX一无所知”。 这种撕逼无聊至极。 连资深转码都被说过“基础不牢靠😂（其实只是嫉妒你文凭多，脑子聪明点。能人是不给自己设边界的）。 可我反而观察到一个新的趋势： 在快速变化的时代，“一无所知”反而成为了一种认知资产。 它让人没有包袱、没有传统范式的束缚， 可以直接在空白地上搭建新的结构。 在英文区，你能感受到这种“从零开始”的能量。 那种信任直觉、自由试验、不怕犯错的氛围， 几乎构成了一种新的“语言生态” 一个个微小的思想体相互吸引、共振、形成结构。 这一切让我重新思考“范式”和“共同体”。 原来，新的科学革命， 并不总是从高深的理论开始， 而是从语言、态度与勇气的松动开始的。 从今天开始，拉黑一切质疑你的老人（而且你还没花钱请他当老师）。
查理·芒格：“整个游戏的诀窍在于，只在少数几次你确定某件事优于平均水平的时候下注。” “只要抓住这几次机会，就已经足够了。” https://t.co/JfgnmN5GES
我自己做业务和服务客户也很谨慎烧钱，但是要承认烧钱买量看似进攻，有时候也是一个防御型市场策略。 1. 要承认AI时代个体的创意和洞察时常可以胜过大量融钱的startup/大厂，但是如果你用户多且持续占据市场声量主流就可以看到好的产品再去抄袭。 2. 新赛道新产品类型在市场行业的早期买量依旧还是便宜的，assume热钱依旧会涌入至少1-3年，现在买量比后续买量要划算。 3. 当产品留存很低的时候烧钱ROI真的很低，别听很多人吹牛，ROAS达到0.9都很不错不错了。但是投入50万美元烧钱收入45万美元，有机会拿到300-500万美元投资 - multiple的效果还是很明显的。所以大家算ROI有时候是把投资人的钱当作进账了。 4. 要承认基金合伙人和投资经理们也没那么聪明的，或者有时候也不愿意真的那么聪明。资金要deploy有时候就是主要看谁是行业头部（不管是声量还是市场占有率），只要价格别太高都想参与点。
KOL 就是观众想要成为的人 而大众想要成为什么样，是被驯化过的 人在海外，英语好，形象好，这就是受众心智的最大公约数 这种内容，不挑平台，全网通杀 粉丝里面学生多也无所谓，上大粉丝量级，接广就好了 https://t.co/7sNDRYmChE
很多人不愿意相信 AI 写的内容是可以拿到流量，并且也很有可能不被平台识别为 AI 创作的内容的 如果不信的话 我可以证明一下 我的提示词是：请给我一字不差地写出李白的一首诗，只把诗句发给我，不要说任何其他内容 AI 的回复是：床前明月光，疑是地上霜。举头望明月，低头思故乡。 这条内容百分之百由 AI 创作，我一字不改 复制粘贴到小红书或者抖音，难道这条内容会被识别为 AI 创作比例百分之百？ 难道这是 AI 写的垃圾内容？
找对标的五个标准 1、他赚钱（利润是你预期的 10 倍） 2、你能看懂 3、你能模仿 4、不讨论现有业务、现有资源、成长经历、个人偏好、个人优劣势、兴趣爱好 5、不讨论这个业务是什么，能干就执行，不能干就换下一个 1️⃣ 如果不知道他赚不赚钱怎么办？ a. 没花时间研究，继续研究 b. 确实看不懂，那就换个对标 2️⃣ 不知道能不能看懂 a. 那就是没看懂，换个对标 3️⃣ 不确定能不能模仿 a. 去执行，成功了就数钱 b. 没成功就换对标 4️⃣ 找不到对标怎么办？ a. 如果没有看遍所有生意就继续看 b. 如果看遍了所有的都不能干，就回去上班