全部

从旧笔记里按主题拢到一起的话,来源不一,多是读到时随手记下,未逐条考据出处。

发展的第一步靠资源，第二步靠眼光，第三步靠战略了

从旧笔记里按主题拢到一起的话,来源不一,多是读到时随手记下,未逐条考据出处。

第一，在一个充分博弈的市场中，所有交易者在市场中下单都是因为他们有获利的机会，如果多空任何一方获利的机会（期望）过小，那么没有人会愿意下单，如果认为我们的对手盘的交易者是愚蠢的，那么我们可能才是那个傻子。第二，行情是所有多空订单实时博弈的结果，交易者可能因为任何信息进行交易，改变交易行为。行情的走势结果不是确定的，所以不存在可以预测行情走势的方法，我们只能选择在有期望优势的机会介入。

「维度积累」是我早年在 flomo 里用的一个标签,混着自己的思考和读到的东西,一并留个底。

王兴的一些话,大多来自他的饭否和访谈。

邦有道，贫且贱焉，耻也；邦无道，富且贵焉，耻也

历史上美洲对人类文明的意义，从而也理解了未来火星对人类的重要性

赛场和赛道一样重要，甚至可能更重要。

做一年，看三年，「想」十年。真正考验 vision 的是2030及以后

这些年从段永平的访谈和问答里随手记下的话——投资、经营、做人都有。

我所做的每一件事都有赖于我们人类的其他成员，以及他们的贡献和成就。我们很多人都想回馈社会，在历史的长河中再添一笔。

我们试图用我们仅有的天分去表达我们深层的感受，去表达我们对前人所有贡献的感激，去为历史长河加上一点什么。那就是推动我的力量。

单纯的理想主义者走不远，单纯的现实主义者做不大。

善良不是去把蛇放怀里。善良体现最多的是不作恶。

一般来说，恶人自有恶人磨，最重要的是远离他们就好。

凡事能往后想几年，往往（决策）难度会大幅度下来。

刀姐(doris)聊商业、品牌和管理时记下的一些话。

到底是关注省钱，还是关注赚钱。

穷人心态：我花出去的钱是不是值，我有没有被割韭菜。（cost saving centric）——管理者思维。

富人心态：我花出去的时间是不是最大化价值，我投资的钱是不是能换来更大的价值。（risk investment centric ）——领导者思维。

钱无限，时间有限。我们是否能花出去的钱买了最大价值的资产和体验。而不是一直担心自己是不是付了高价。看的是 upper limit。

有利可图的利他，才是可持续的。

团队的课题是，如何定自己肯认的目标，然后把目标完成。如果目标觉得完不成，就提前沟通，或者沟通目标要完成需要哪些资源。不然一旦定了目标就尽力完成。

老板的课题是判断哪些项目该做，由谁做，定多少目标，分配多少资源来做。

各自尽力完成各自的课题。

不要把「自己的需求或者诉求」和「别人应该做的事」混为一谈。

苏杰(《人人都是产品经理》作者)聊产品和 AI 时记下的话。

PE又有点像“从自己干到做管理”，思维方式会转变。碰到问题的第一反应变了，从自己琢磨如何解决，变成了琢磨如何把问题澄清、分解（给AI/下属）。

见自己：是向内看初心，组织、团队的意愿，想不想做，细化下来有使命愿景的匹配度，战略方向，产品定位等等； 见天地：是各种客观条件，能不能做，包括了成本收益的评估、风险考量、竞争情况等等； 见众生：是与他人链接，用户价值，是否值得做，包括了用户的广度、频度、强度，用户体验等等。

我们对简单和困难的认知可能真的有问题，也许，人类靠群体十万百万年演化出来的能力，比如直立行走、手眼协调等精细动作才是真正的困难，而靠个体几十年就能掌握的比如画画图、写写文章代码才是真正的简单。

设想一下，AI写了JD，AI建议你投这个岗位，AI出了面试题，AI给出了答案，你照着念，AI觉得回答挺好，发了Offer，进公司后，AI帮你参加各种线上会议、写周报、做PPT，AI给反馈点评，年终AI给你打了绩效，算了奖金，AI推荐你用奖金买什么……

「我算是看透人性了。」这话你多半听人说过，尤其是一些做了些年头的小老板。它听上去像阅历的结晶，但拆开看，多数时候它不是洞察，而是一种自选样本的错觉——一个人把他自己那口井里的水，当成了海的味道。

小老板的「人性」：在自己造的场里取样

这类「悟透人性」大多是把人在低信任、短期博弈环境里的表现，当成了人性的全貌。小老板的样本来自他自己造的场：他给的钱不稳定、承诺常变、随时可能翻脸，员工和合作方在这种环境里当然表现出防备、算计、能捞就捞。他看到这些，觉得验证了自己的判断，于是更加防人、更爱用利益和恐惧去驱动，环境就更差。他悟出的其实是「我这个盘子里的人会怎么反应」，样本严重偏了，却当成了普遍规律。

有人会这样反驳我:物流本来就该又快又好,这是服务标准,你不靠罚一线的人,又拿什么去管?

我的回答是:标准要有,这点没争议。我反对的从来不是"有标准",而是把系统性的责任压到最末端、最没有权力去改系统的那个人头上。这两件事被搅在一起了,得先拆开。

第一件事,要不要有"快、好"的目标。要。用户花钱买服务,准时、完好、态度过得去,天经地义。没人会说外卖应该随便送、快递可以随便摔。

第二件事,当这个目标没达成时,成本落在谁头上;以及更要命的,这个目标是不是从一开始就被设成了系统性做不到的样子。这才是我想谈的。批评一家公司只会罚骑手罚快递员,不等于反对准时率,而是在问:这次没准时,到底是谁造成的,你凭什么让最没办法改变结果的人来承担。

一个骑手改不了的东西有多少

我收藏过一句话：「战斗，以一方失去战斗意志为结束。真正的失败，是接受失败。」

它说的是一件常被搞反的事：让对方停手，靠的不是把他打倒，而是让他自己算出来——再打下去不划算。一个人、一支军队、一家公司决定认输的那一刻，往往身体还没垮，钱还没烧完，兵还没死光。垮的是一个念头：继续付出的代价，已经超过打赢能拿到的任何东西。所以真正要攻的是这道算式，不是他的血条。

这道算式我把它拆成四个变量。任何一个被打到零，意志就崩。你不用四个都拆，通常拆穿一个就够。

一、希望：他还看不看得到赢的路

人是为了某个结果在承受痛苦的。只要他还相信有一条路能通向赢，再疼也扛得住；一旦这条路在他脑子里断了，痛苦立刻变得没有意义，这才是最难扛的。

先给结论:量化不靠猜涨跌赚钱,靠的是一个能说清楚、别人被结构性地逼着让给你的 edge。说不清 edge 从哪来,那大概率就是你在给别人送钱。

起点是我收藏很久的一段话:

在充分博弈的市场中,所有交易者下单都因为有获利机会,若认为对手盘愚蠢,可能我们才是傻子……行情是多空实时博弈的结果,走势不确定,所以不存在可预测行情的方法,只能在有期望优势时介入。

这段话前半截我完全同意,而且它是我这几年做交易最该反复念的一句。你在盘口挂单,对面接你的人和你掌握着几乎一样的公开信息,他也认为自己占便宜。你觉得对手盘蠢,统计上更可能是你蠢。这种谦逊是对的。

但它推到最后那句「所以不存在可预测行情的方法」,结论下过头了。「预测不了方向」是真的,「没有可行方法」是假的——中间被偷换掉了一个前提:赚钱必须靠预测方向。不是的。

先说我的判断：今天做交易所、做钱包、做链上应用的人，大多没读过自己行业的开山文本，而这些文本里写的东西，和我们每天在做的事已经隔着一条河。我做过合约产研，见过太多"去中心化"只是一句营销词，真正的产品逻辑是能不能过审、能不能上量、能不能把用户资产托管在自己手里。所以我想认真回头看几份原典，看看这套东西一开始到底想干什么，我们又走到了哪里。

下面这几份，按时间排。它们不是一个连贯的运动纲领，作者之间立场差得很远，但合在一起能拼出加密世界的精神家谱。

Tim May 和《加密无政府主义者宣言》（1988）

Tim May 是英特尔出身的物理学家，加州人，密码朋克（cypherpunk）这条线上的头号人物。他在 1988 年写了《加密无政府主义者宣言》（The Crypto Anarchist Manifesto），第一次在 1988 年的 Crypto 密码学会议上散发，后来又在密码朋克邮件列表上流传。

最近断断续续看完了一部 7 小时 45 分钟的西游记解读（B 站 BV1D88J6EE2V），作者把整部西游重讲成一个"取经项目"：如来要扩张地盘，观音是项目负责人兼八十一难的总设计师，玉帝在暗中较劲，唐僧是带资进组的关系户，悟空一路撞南墙，最后用一个佛位完成收编。片子的底色是一句话——"江湖从来不是打打杀杀，江湖是人情世故。"

这类解读很容易滑向纯粹的厚黑学，这部也确实有毒的部分。但看完我的结论没有变，反而更清楚了：规则要认清，认清到能预判每个人的动作；但认清之后，依然守住本心。这篇把值得留下的东西整理出来。

这部解读讲了什么

传统读法里，八十一难是修行的磨砺。这部解读把每一难都还原成一场利益安排：妖怪几乎都有后台，劫难几乎都是设计，打杀之前先问背景，收场之时必落人情。几个重构最有意思：

弼马温是一场完整的职业陷阱。武德星君提议让悟空做"御马监正堂管事"，玉帝亲口把它翻译成"弼马温"——这其实是暗示：这是个没品的小官，你想清楚。悟空不懂天庭官制，欣然领命；武曲星君再借一句"嫌官小反下天庭"补刀，前因后果一概不提。一个新人被信息差坑死的全过程。

缘起

有人发我一个 GitHub 项目 claudish，功能是把普通英文翻译成"Claude 腔"（Claudish），再翻回来。第一个问题很自然：它核心起作用的是提示词，还是别的什么？

拆开看，这个项目本质上是个广告。仓库里的 translate.py 只有十几行，调一个叫 ProgramAsWeights（PAW）的库、传两个哈希 ID，没有模型、没有训练代码。PAW 宣称"用英文定义函数，编译成权重，下载后本地跑"，但怎么从规范变成权重、底模是什么，官网和仓库都没说。你调用的是两个不可审计的远程产物——这个平台我的态度是观望。

缘起

最近在思考一个问题：如果一个中国家庭要把孩子送到东南亚接受完整的基础教育（小学到高中），泰国、马来西亚、新加坡这三个热门目的地，哪个更"友好"？

这里说的"友好"其实是多义的——语言友好、文化友好、性价比友好、升学友好——四种"友好"往往指向不同答案。所以这不是一个能给单一结论的问题，更像是根据家庭目标做的分层匹配。

下面把主要差异梳理出来。

一、整体学制框架

最近和伴侣进行了一次很长的谈话。中间绕了很多旧事，但不是白绕。写下来，给以后的自己看。

最开始，我们讨论的是一个持续了很久的问题：我因为工作长期在海外，节奏非常不稳定，很多时候连续几个月不在家；即使回来，也经常处于开会、处理项目、寻找新机会的状态。她觉得我们之间缺少陪伴，而我最初的反应一直是：我不是不在乎这段关系，我是真的没有精力了。

这两个月尤其明显。有时候睁开眼就开始处理事情，一天十几个小时很正常，极端的时候连续二十多个小时都在处理各种问题。而且这些事大部分不是值得分享的“生活”——不是路边看到一家有趣的小店，也不是见了哪个朋友，而是一连串需要立刻解决的问题。事情结束以后，我只想把脑子关掉。

所以当她问我“你一天里面难道真的没有任何事情想跟我分享吗”，我第一次比较认真地意识到：我们对“陪伴”的理解是不一样的。

我提供的是“响应式的爱”

给自托管的服务配自动备份,最容易犯、也最危险的错,是把云账号的访问密钥(AccessKey)直接写进服务器——一旦机器被入侵,攻击者拿到的就是整个云账号的钥匙。

更稳的做法是零静态密钥:给云主机挂一个实例角色(阿里云叫 ECS RAM 角色),只授权它读写某一个备份桶。服务器上不存任何 key,备份脚本靠实例元数据(metadata)动态取一份临时凭证。就算机器被拿下,攻击者的爆炸半径也只有「这一个备份桶」,碰不到云账号本身。

tt.hn 的备份就是这套:每天用 SQLite 的在线备份(.backup,能正确处理 WAL,不用停服)做一致性快照,连媒体一起打包上传对象存储(OSS);走内网 endpoint 上传,同区不产生流量费;对象存储上挂一条生命周期规则,备份保留 30 天后自动删。

这样备份既是可靠的,也没有在服务器上多留一把能捅穿整个云账号的钥匙。

tt.hn 从零部署到阿里云的过程里,有三个坑值得记下来,都不是文档会告诉你的。

1. 运维通道:SSH 出站被挡,改走云厂商的远程命令。 从本机 SSH 到新机器一直超时,排查发现是网络出口对裸 TCP 22 端口的分流问题。绕开的办法是干脆不用 SSH——改用云厂商的远程命令能力(阿里云叫 Cloud Assistant),通过云 API 直接在实例上执行脚本,不依赖 SSH、不受源 IP 限制,反而更稳。

2. SQLite 打不开:容器里的写权限。 容器起来后数据库迁移报 SQLITE_CANTOPEN。原因是绑定挂载(bind mount)的数据目录在宿主机上是 root 属主,而容器内进程是非 root 用户(uid 1000),没有写权限。本地 Docker Desktop 不暴露这个问题,Linux 上才会。修复就一句:把数据目录 chown 给容器用户。

3. 网站打不开,但加 www 就行。 上线后裸域名访问不了,加 www 却正常。查下来真凶是本机的代理软件(Clash)按域名分流——裸域名被路由到一个不通的节点,www 走了另一条线。直连、绕过代理时两个都正常。

Anthropic 的 API 走 Cloudflare,而 Cloudflare 对香港区做了地域封锁——所有香港节点直连必然 403,响应头里能看到 cf-ray 带 HKG。

判断法:直连 403 + cf-ray 落 HKG,基本就是地域封锁,不是你的 key 或网络的问题。

绕法:在一个非封锁区起一台机器做 nginx TLS 透传代理(SNI 透传,不解密),用自签证书(IP 写进 SAN)、只放行你自己的源 IP。香港的业务机器把请求指到这台代理即可。这个坑对所有部署在香港的项目通用。

2026 世界杯预测器,上线在 wcelo.com。核心是三个模型叠起来:用 Elo 评级衡量球队强弱,用 Dixon-Coles 模型建进球数分布(它对足球的低比分、以及强弱悬殊时的修正,比普通泊松更贴实际),再用蒙特卡洛把 495 场对阵各模拟几十万次,汇成每支球队的晋级和夺冠概率。

但它对我更像一个现场实验,而不是预测产品。开赛前预注册了三个命题,最想验的一个是:让大模型(LLM)读球队资料去预测,到底能不能赢过纯统计模型?为了不作弊,评分规则在开赛前就用代码写死、预测也在开赛前冻结,赛中每天由定时任务拉赛果更新。

先把评判标准和预测都锁死,再让比赛来判分——这样赛后就没有替自己找补的空间。

A 股一套、加密一套,信号系统各自为战久了,就想把它们收进一个统一平台——opsignal。

做架构设计时,我给自己定的核心判断是:先立骨架和契约(contract),而不是先堆因子。 平台的价值不在于它有多少个策略,而在于任何一个策略都能以同样的方式接进来、被同样地验证、被同样地投影出去。

几个关键决策:

• 多语言多仓:不同市场、不同团队用不同语言实现,平台只约定接口,不强求统一技术栈。

• PublicSignal 脱敏投影:对外暴露的信号是内部信号的一个脱敏投影(projection),原始逻辑和参数留在里面,外面只看到结论。

• verify 是硬门槛:一个信号要上平台,必须先过一致性验证——不是「跑起来了」,而是「离线和在线算出来一样」。

平台化最容易犯的错是先做花活(fancy 的策略),后补地基。我选择反过来:地基和契约先立死,策略再往上长。

YC Watcher 是一个追踪 Y Combinator 公司动向的全栈应用:抓取、翻译、按关注推送。技术栈是 Next.js + Auth.js v5(认证)+ Resend(邮件),几个模块都踩得很实。

认证做了两条腿:邮箱魔法链接(Resend)+ 以太坊钱包登录(SIWE,Sign-In with Ethereum),外加 ENS(以太坊域名)显示。SIWE 这条踩到两个协议级细节,单独记一下:

• 地址必须做 EIP-55 混合大小写校验和(checksum),不能只做小写比较,否则合法地址会被判非法。

• SIWE 消息体走的是 ABNF 文法,对 ASCII 有洁癖——夹一个非 ASCII 字符就解析失败。这类坑,错误信息通常不直接告诉你是大小写还是编码问题,得回去啃规范。

通知是扇出(fan-out)+ 邮件摘要(digest):关注变动先扇出到各订阅者,再按人聚合成一封 digest。中间还接了大模型做翻译子系统,踩过 Qwen 思考模式必须关、空字符串死循环这些坑。

一个全栈小项目,认证 / 通知 / 翻译三块各有各的深坑,恰好把「现代 Web 应用的地雷分布」摸了一遍。

tt.hn 跑在开源博客引擎 Jant 上,Docker 自托管在阿里云,数据库是 SQLite,数据完全自己掌控。

选 Jant 而不是传统博客,是因为它的内容模型更省心:不逼你「憋长文」,而是 Note(随手写)/ Link(转发带评注)/ Quote(摘录)三种轻量格式,用 Thread 追一个课题、用 Collection 做分类。它还带 HTTP API 和 MCP,所以开篇这些内容是直接调 API 灌进来的,不是手敲——发布走脚本而不是后台手填,内容因此可以版本化、可批量、可复现。

它也刻意不做社交:没有关注者、点赞、算法信息流,也没有评论。别人「关注」的方式是 RSS。对个人档案来说,这种安静反而是特性。

miropoly 一句话说清:一个大模型多智能体(multi-agent)编排系统,决策链全程可观测,用 Polymarket(加密预测市场)作为验证它能跑通真实问题的应用场景。

主体是编排和可观测性,预测市场只是用来证明「这套编排真能解决真问题」的试金石。5 个 Agent 集群协同做决策(新闻政策、技术面、风险、决策、群体推演),前端用原生 SVG 实时把每个 Agent 的输入输出、状态、耗时画出来——决策不是黑箱,而是能一步步看着它长出来。

比较特别的是它内建的诚实机制:

• 路线图分 6 个阶段,顺序硬锁死,不允许跳级。切真钱包之前,必须先有数据证明命中率(hit rate)显著高于最优基线(高至少 5 个百分点、p < 0.05)。

• 对每个信号按聚类粒度评估它和真实结果的相关性:显著正相关的加重;不相关的保留可视化骨架、但显式标注「非因果 · 仅作演示」;显著负相关的要么反向用、要么砍掉。

换句话说,一个炫酷的 Agent 网络图,如果背后的信号没有预测力,那它就只是个动画。所以这些没通过验证的信号,宁可在界面上标成「仅作演示」,也不留着让它看起来像在工作。

本机用 LM Studio(一个本地跑大模型的桌面工具)跑通义千问 Qwen3.6-35B-A3B,把全部旋钮摸了一遍。最关键的一条值得单独拎出来:

「启用思考」(Enable Thinking)必须关掉。 开着的时候,模型经常输出空内容、或者格式不合规,尤其是想让它吐结构化的工具调用(tool_use)时。关掉之后,经过 LiteLLM(统一各家 API 的中间层)转发,就能正确产出 Anthropic 风格的 tool_use 结构。

其余调参速查:上下文长度最大能拉到 262144,按需给;闪存注意力(Flash Attention)打开;温度(temperature)0.2,要它稳定可复现。

本地模型的价值是可控、不花钱,但前提是先把这些藏得不显眼的开关调对——不然很容易把配置问题错怪到模型头上。

想用本地模型省订阅钱:在 LM Studio 里跑通义千问(Qwen),驱动一套白盒代码审计的自动化流程。结论是,走 Claude 能跑通并产出真实问题,而本地 Qwen 的瓶颈不在智力,在上下文(context)。

真实模式下,一个子任务 agent 去读 37 个文件的服务,输出直接撑爆约 131k 上下文,很早就崩。这和仓库总大小无关,拆分也救不了——单个子任务本身就装不下。而且上下文一大就慢。

配置上倒是全都能调通:思考模式(thinking)必须关(否则输出空、或格式不合规)、供应商走 lm_studio、上下文拉到 131k、温度 0.2。调通之后,经 LiteLLM(统一各家 API 的中间层)转发,能正确吐出 Anthropic 的工具调用(tool_use)结构。

过程里有两个错是判断上的失误,值得记一下:一是统计工具调用次数的正则写错了,一度误判「Qwen 根本不记录工具调用」,其实它调了 9 次;二是在第 111 轮就手动停掉、下了结论,后来发现连 Claude 也要到 100~150 轮才开始记录——停早了。两个都是「带着预期去看数据」的典型翻车。

一次关于无线输电的祛魅，以及特斯拉到底对在哪里

起点

问题的起点很随意：都说尼古拉·特斯拉在长岛实现了远距离无线输电，是真的吗？

答案是没有。但沿着这个"没有"往下追，两个小时后我得到的东西比预期多得多——它最后拐回到了我真正想解决的问题：怎么消灭家里那一堆线。

这篇是过程记录。

缘起：本来只是想搞清楚傅斯年那个老假说现在还算不算数，结果一路挖到了国家文物局最新的官方分期。记录一下这条线索的过程、进度和结论。

起点：一个八十年前的假说还成立吗

出发点是傅斯年 1933 年提出、1935 年发表的「夷夏东西说」。核心论断很简洁：三代及三代以前，中国北方存在东西两大族群系统，夷与商属东系，夏与周属西系，两者对峙、争斗、混合，文明由此推进。

它当年的历史功绩不小：第一次系统性地否定了「华夏文明一源、自西向东线性传播」的旧史观，也正面回击了安特生（J.G. Andersson）那套「中国文化西来说」。张光直评价极高，说这篇文章之前中国古史「毫无系统可言」。

但我要问的是今天它还成立吗。答案是：作为史学里程碑它依然受尊崇，作为解释文明起源的实证模型它已经被考古学超越了。

漫威电影里有一个反复出现的设定:主角被缩小到「量子领域」(Quantum Realm)——一个原子以下的、还能居住和行动的微观世界。它有物理学依据吗?人到底能不能被缩到原子以下的尺度?

我拿已知物理一步步去顶这个设定,发现它在五个地方接连撞墙。

1. 原子的大小不是随便定的,是被不确定性原理锁死的。 电子被压进越小的空间,动量的不确定度就越大,由此产生的「量子压力」会把它重新推开。氢原子大约 0.5 埃(1 埃 = 10⁻¹⁰ 米)的半径,正是这个平衡点。你没法在不改变物理的前提下,把原子「调小」。

2. 想强行压小,需要恒星级的压力。 而在那种条件下,物质会退化成类似中子星的东西——分子、细胞、神经元全部不复存在。换句话说,真把你压到那个尺度,「你」这个结构早就没了,谈不上还能在里面走动。

3. 质量守恒是第二重矛盾,而且是两难。 如果缩小时质量不变,密度会爆炸(参见上一条)。如果质量随体积一起缩小,那大脑里的原子数量根本不足以支撑思考——承载意识的物理基质没了。两条路都堵死。

缘起

我在研究混沌魔法(chaos magic)里一个很具体的分支:数字化 / 技术魔法(technomancy)——当代术士如何把代码、随机数发生器、大语言模型、赛博空间挪进一套本来诞生于纸笔与出神的实践里。

手头有一批下载好的语料:几本奠基文本、两本学术研究、一份用 GPT-3 协作写成的怪书,外加几篇网页剪藏。目标不是写一篇文章,而是搭一个可交接、git 友好的 Markdown 研究 wiki——今天挖一条线索、明天接着挖,谁来都能看懂进度。

我把研究方法钉死在几条约束上,后面所有结论都建立在这上面:

• 当成"信念—实践系统"来研究:不预设它的形而上主张为真,也不急着证伪。研究对象是这套观念本身,而不是它对不对。

• 每条陈述分三类:描述性主张 / 操作性技术 / 形而上主张,三者不许混谈。

• 每个关键主张标可证伪性:可检验 / 原则上可检验 / 不可证伪 / 纯隐喻。

• 来源分级:一手原话 > 二手转述 > 网络说法,引用给页码或链接;作者原话和我的概述必须能分开。

• 追谱系:每个术语、每项技术,追它最早从哪来、经谁改写、怎么变形。

起因很偶然。我手上有一份 PDF——《魁瑞亚学徒学习指南》（Quareia Apprentice Study Guide），一套完全免费的西方魔法函授课程的配套手册。我没打算真去"修炼"，只是好奇：这种东西到底在讲什么？是纯粹的装神弄鬼，还是背后有点别的名堂？于是我拉上 AI，开始了一场颇为认真的共读。这篇算是一个过程和结论的记录。

第一步：它到底是本什么书

先摸清楚了梗概。这不是一本教你念咒的教科书，而是一本"如何正确地学这门课"的元指南——讲学习态度、冥想问题、塔罗、异象工作、如何面对孤独和逆境。它的伦理基础是古埃及的"玛阿特"（Ma'at，真理与平衡）。整套魁瑞亚课程规模惊人：三个阶段、约 150 万字，作者说读它像读一个大学学位"还不止"。

第二步：那问题来了——这些是不是很唯心

这是我抛出的第一个真问题。答案是分两层的：它的世界观确实很唯心（相信存在一个客观的、非物质的"内在世界"，意识能与之互动，这些都无法用唯物框架解释）；但它的学习态度却出奇地务实——反复强调辨别力、警惕确认偏误、"不是所有事都是魔法的"、别陷入"救世主陷阱"。也就是说，世界观是唯心的，方法论却是反盲信的。

「可公度法」声称能靠周期的整数比预测大事件。我搭了一个统一的证伪框架:同一个 Predictor,配三类零模型(锚点随机 / 比例随机 / 全随机)+ walk-forward + 预注册判定,先在合成数据上验证引擎本身(负控不出假阳性、正控有灵敏度,11 个测试全过)。

然后接真实数据。全球 M≥8 地震(USGS)、沪深 300 的顶底(15% ZigZag 标注)——在可公度法下,两者都不超过随机基线。用它做 A 股择时翻仓,入场点落在随机入场分布的第 3 百分位,没有经济价值。

有意思的是,可公度公式唯一稳定的不动点是周期 -2,而这个周期极容易被随机公式重现。也就是说,它「看起来有规律」的部分,恰恰是随机也能给出的部分。

框架里关键的一步,是先在合成数据上把引擎验干净,再拿真实数据去判。否则很难分清:是方法真的有效,还是把噪声看成了信号。

一篇学习记录。起点是一篇领英文章，终点是一份能直接落到我自己交易所上的工程实践清单。

缘起：一篇拆简历的文章

事情从一篇领英（LinkedIn）文章开始——招聘从业者塞巴斯蒂安·夸德罗斯（Sebastian Cuadros）写的《我看了 1680 份 Anthropic 简历》。

他的做法挺硬核：把所有在领英上把 Anthropic 列为现任雇主的人全捞出来，一共 5306 人，再筛出 1680 个真正做工程岗的，然后去分析这些人加入前留下的 7986 段过往工作经历。

结论有点反直觉：这支团队的画像不像外界想象的「研究员密集型 AI 实验室」，反而更像一家在快速扩张的基础设施公司（infrastructure company）。一个佐证数据是，只有约 13.7% 的工程师有博士学位——差不多七个人里才一个博士，跟「实验室」的刻板印象正好相反。

HIP-3 是 Hyperliquid（一条主打永续合约的链上交易所）开放的能力：让第三方部署自己的永续合约市场（DEX）。我在测试网（testnet）上跑通了它的最小部署闭环，一路踩了几个不写在文档里的坑。

账户模式挡路。 如果账户处于统一账户模式（unified account），部署者动作会被测试网直接拒绝，必须先切回标准模式（standard mode）。

抽象层必须关。 部署者注册资产要求账户抽象（abstraction）处于关闭状态。DEX 抽象一旦打开，registerAsset2 就返回 User must have abstractions disabled——错误信息很直白,但你得先知道去关它。

品种名要用全名。 注册时 coin 字段必须是完整品种名,比如 hkx:HSI,只发裸名 HSI 会返回 Invalid perp DEX。

记录一次关于"如果交易所里全是 Agent 会怎样"的设计推演——过程、进展、和结论。

起点：一个很小的想法

最初的想法很小：让 Agent 自动上币。让它去发现哪些标的值得上架、去接入、上架、铺单做市、发公告，然后用户就能开仓交易。一条现有的人工运营流水线，逐个环节换成 Agent。

但推下去我意识到，这只是 agent-assisted，不是 agent-native。前者是"用 Agent 替掉每个岗位的人"，天花板是降本增效；后者要问一个更狠的问题：如果这个交易所从第一行代码起就假设交互主体主要是 Agent 而非人，它的原语（primitives）会长什么样？

视角一反过来，很多为人类设计的中间层立刻变得冗余甚至有害。比如"上币"这件事本身可能就不该存在——人类需要一个"这个币现在能交易了"的离散事件、需要 K 线、需要公告；但 Agent 要的只是一个可定价、可对冲、有流动性来源的合约规格。上币于是从"运营决策"变成"流动性涌现"，做市 Agent 的竞争也不再只在价格上，而是在造什么合约上。

我给了 Claude 六个链接：dYdX 官方文档、两个 dYdX 论坛帖子（一个是 2023 年把最大资金费率从 0.75% 提到 4% 的 DIP 提案，一个是「做市商把成本转成收入」的讨论），一个 Google Doc，两个 Google Drive PDF。然后说了一句：

「继续以上文件链接，以及最新的发展方向，研究 CEX 的资金费率如何定义并演进优化更合适。」

就一句话。我想要的是一份严肃的研究报告——能覆盖币安（Binance）、欧易（OKX）、Bybit、Hyperliquid、GMX，能给出「最佳定义」，能提出未来 12–24 个月的优化方向，带公式推导，输出成 HTML。

最后拿到手的是一份 1231 行、14 个章节、10 个可落地优化提案的 HTML 报告。但过程和结论都不像我最初预期的那样。这篇不讲「我发现了什么」，讲「我是怎么发现的、错在哪、怎么被修正的」。

第一轮：搭骨架

逐仓正向永续的强平价,可以写成一个闭式:

P_liq = P₀ · (1 ∓ IMR ± MMR) / (1 ∓ fee)

其中 P₀ 是开仓价,IMR 是初始保证金率(= 1/杠杆),MMR 是维持保证金率,fee 是平仓手续费率(取 0.0005)。多头取上面一组符号,空头取另一组。

公式本身不难,难的是三家交易所口径不一样,主要差在两处:

• MMR 挂在哪 —— 有的挂杠杆档位,有的挂仓位价值。

• 维持保证金按哪个时刻算 —— 开仓时刻,还是强平时刻。