价格行为学 - 交易成功的基石:仓位大小管理
引言
在交易的世界里,新手往往痴迷于寻找完美的入场信号,认为只要找准了买卖点,就能走向盈利。然而,真正的专业交易者都明白一个朴素的道理:你能在市场中存活多久,不取决于你赚了多少,而取决于你如何控制亏损。 这背后最核心的技能,就是仓位大小管理 (Position Sizing)。
传奇价格行为交易员 Al Brooks 强调,交易是一场关于概率和风险管理的游戏。即使是胜率最高的交易系统,也无法避免亏损。如果你不能科学地管理你的仓位,一次失控的亏损就足以让你前功尽弃,甚至被淘汰出局。
本文将深入探讨 Al Brooks 价格行为学中关于仓位大小管理的核心思想,为你提供一套清晰、可执行的流程,帮助你将风险牢牢掌控在自己手中,为交易成功奠定坚实的基石。
仓位大小的核心原则:风险优先
在决定买入多少手合约或多少股股票之前,你必须先回答一个问题:“如果这笔交易错了,我最多愿意亏损多少钱?” 这就是仓位管理的核心——永远将风险置于潜在利润之上。
Al Brooks 的系统建立在长期、持续交易的基础上,因此,控制好单笔交易的风险至关重要。
1. 基于账户规模定义风险:你的单笔风险应该是你总交易资金的一个固定百分比。对于大多数交易者来说,这个比例应该在 1% 到 2% 之间。
2. 亏损是交易的一部分:接受亏损是职业交易者的标志。通过严格的仓位控制,你可以确保任何一次亏损都在可承受范围之内,不会对你的账户造成毁灭性打击,也不会影响你执行下一笔交易的心态。
计算你的仓位:一个简单的四步法
一旦你明确了风险优先的原则,计算具体的仓位大小就变得非常简单。遵循以下四个步骤,你可以为每一笔交易都匹配上合理的仓位。
第一步:确定你的单笔交易风险金额 (Max Dollar Risk)
这是你愿意为这笔交易承担的最大亏损,是一个具体的美元数额。
例如:
第二步:根据价格行为确定你的初始止损位 (Initial Stop)
这是交易的技术核心。止损位置必须由图表上的价格行为来决定,而不是为了方便计算或个人意愿随意设置。 一个合理的止损位通常放在:
● 做多时:关键的波段低点 (Swing Low) 或支撑位下方。
● 做空时:关键的波段高点 (Swing High) 或阻力位上方。
第三步:计算每股/每手的风险 (Per-Share/Contract Risk)
这是从你的入场点到止损点的价格距离。
例如,你计划在 $105 买入一只股票,并将止损设置在 $100,那么:
第四步:计算最终的仓位大小 (Position Size)
现在,用你的最大风险金额除以每股的风险,就能得出你应该交易的数量。
继续上面的例子:
这意味着,在这笔交易中,你应该买入 40 股。如果价格触及你的止损点,你的总亏损将恰好是你预设的 200 美元。
Al Brooks 的哲学:“图表说了算”
在整个仓位管理流程中,Al Brooks 反复强调一个观点:永远让图表来决定你的止损位置,而不是你的钱包。
● 如果风险过大,放弃交易:在你根据图表确定了合理的止损位后,可能会发现,即使只交易最小单位(如 1 手合约或 1 股),计算出的潜在亏损依然超过了你设定的 1%-2% 的风险上限。
● 严禁为了交易而调整止损:新手最常犯的致命错误之一,就是为了能买入更多数量,而将止损位从图表指定的合理位置,移动到一个更近、但不合逻辑的位置。
新手常犯的错误
1. 凭感觉交易:根据对某笔交易的“信心”来决定仓位大小。“感觉这次机会很好,就多买点”,这种做法是通往亏损最快的捷径。
2. 固定手数交易:无论止损距离有多远,始终交易相同的手数(例如,每次都做 1 手合约)。这会导致你的实际风险金额忽大忽小,完全失去了风险控制的一致性。
3. 用盈利来计算仓位:“这笔交易我想到达某个目标位,为了赚够 XXX 美元,我需要买入 XX 手”。这是典型的本末倒置,专业的交易者永远先考虑风险,而不是利润。
总结
科学的仓位管理是连接交易策略和稳定盈利之间的桥梁。它本身虽然简单,却是区分业余和专业交易者的分水岭。
Al Brooks 的方法可以总结为以下要点:
1. 防守胜于进攻:仓位管理的首要目的是控制亏损,保护你的交易资本。
2. 风险是唯一标尺:永远根据你预设的单笔最大风险金额(例如账户的 1%-2%)来计算仓位。
3. 尊重图表:让价格行为决定你的止损位。如果一个交易设置的风险对于你的账户来说过大,坦然地放弃它。
4. 保持一致:对每一笔交易都严格执行仓位计算流程,形成纪律。
通过将这套方法融入你的交易体系,你将能更从容地面对市场的不确定性,避免情绪化的决策,在成为一名稳定盈利交易者的道路上迈出最坚实的一步。
via forecho's Blog
引言
在交易的世界里,新手往往痴迷于寻找完美的入场信号,认为只要找准了买卖点,就能走向盈利。然而,真正的专业交易者都明白一个朴素的道理:你能在市场中存活多久,不取决于你赚了多少,而取决于你如何控制亏损。 这背后最核心的技能,就是仓位大小管理 (Position Sizing)。
传奇价格行为交易员 Al Brooks 强调,交易是一场关于概率和风险管理的游戏。即使是胜率最高的交易系统,也无法避免亏损。如果你不能科学地管理你的仓位,一次失控的亏损就足以让你前功尽弃,甚至被淘汰出局。
本文将深入探讨 Al Brooks 价格行为学中关于仓位大小管理的核心思想,为你提供一套清晰、可执行的流程,帮助你将风险牢牢掌控在自己手中,为交易成功奠定坚实的基石。
仓位大小的核心原则:风险优先
在决定买入多少手合约或多少股股票之前,你必须先回答一个问题:“如果这笔交易错了,我最多愿意亏损多少钱?” 这就是仓位管理的核心——永远将风险置于潜在利润之上。
Al Brooks 的系统建立在长期、持续交易的基础上,因此,控制好单笔交易的风险至关重要。
1. 基于账户规模定义风险:你的单笔风险应该是你总交易资金的一个固定百分比。对于大多数交易者来说,这个比例应该在 1% 到 2% 之间。
例如,如果你的账户有 10,000 美元,采用 2% 的风险比例,那么你单笔交易的最大亏损额就应该是 200 美元。无论交易机会看起来多么诱人,这个上限都不能突破。
2. 亏损是交易的一部分:接受亏损是职业交易者的标志。通过严格的仓位控制,你可以确保任何一次亏损都在可承受范围之内,不会对你的账户造成毁灭性打击,也不会影响你执行下一笔交易的心态。
计算你的仓位:一个简单的四步法
一旦你明确了风险优先的原则,计算具体的仓位大小就变得非常简单。遵循以下四个步骤,你可以为每一笔交易都匹配上合理的仓位。
第一步:确定你的单笔交易风险金额 (Max Dollar Risk)
这是你愿意为这笔交易承担的最大亏损,是一个具体的美元数额。
风险金额 = 账户总资金 × 风险百分比例如:
$10,000 (账户资金) × 2% (风险比例) = $200 (风险金额)第二步:根据价格行为确定你的初始止损位 (Initial Stop)
这是交易的技术核心。止损位置必须由图表上的价格行为来决定,而不是为了方便计算或个人意愿随意设置。 一个合理的止损位通常放在:
● 做多时:关键的波段低点 (Swing Low) 或支撑位下方。
● 做空时:关键的波段高点 (Swing High) 或阻力位上方。
第三步:计算每股/每手的风险 (Per-Share/Contract Risk)
这是从你的入场点到止损点的价格距离。
每股/每手风险 = | 入场价 - 止损价 |例如,你计划在 $105 买入一只股票,并将止损设置在 $100,那么:
每股风险 = $105 - $100 = $5第四步:计算最终的仓位大小 (Position Size)
现在,用你的最大风险金额除以每股的风险,就能得出你应该交易的数量。
仓位大小 = 风险金额 / 每股风险继续上面的例子:
仓位大小 = $200 / $5 = 40 股这意味着,在这笔交易中,你应该买入 40 股。如果价格触及你的止损点,你的总亏损将恰好是你预设的 200 美元。
Al Brooks 的哲学:“图表说了算”
在整个仓位管理流程中,Al Brooks 反复强调一个观点:永远让图表来决定你的止损位置,而不是你的钱包。
● 如果风险过大,放弃交易:在你根据图表确定了合理的止损位后,可能会发现,即使只交易最小单位(如 1 手合约或 1 股),计算出的潜在亏损依然超过了你设定的 1%-2% 的风险上限。
在这种情况下,正确的做法是 放弃这笔交易。Al Brooks 认为,这说明当前市场的波动性对于你的账户规模来说太大了。强行入场只会让你承担超出承受能力的风险。市场从不缺少机会,耐心等待下一个风险更合理的设置即可。
● 严禁为了交易而调整止损:新手最常犯的致命错误之一,就是为了能买入更多数量,而将止损位从图表指定的合理位置,移动到一个更近、但不合逻辑的位置。
这样做完全破坏了交易设置的有效性。一个由价格行为决定的止损位之所以合理,是因为它代表了市场结构的一个关键点,价格一旦触及该点,说明你看涨或看跌的理由可能已经失效。随意移动止损,无异于自欺欺人。
新手常犯的错误
1. 凭感觉交易:根据对某笔交易的“信心”来决定仓位大小。“感觉这次机会很好,就多买点”,这种做法是通往亏损最快的捷径。
2. 固定手数交易:无论止损距离有多远,始终交易相同的手数(例如,每次都做 1 手合约)。这会导致你的实际风险金额忽大忽小,完全失去了风险控制的一致性。
3. 用盈利来计算仓位:“这笔交易我想到达某个目标位,为了赚够 XXX 美元,我需要买入 XX 手”。这是典型的本末倒置,专业的交易者永远先考虑风险,而不是利润。
总结
科学的仓位管理是连接交易策略和稳定盈利之间的桥梁。它本身虽然简单,却是区分业余和专业交易者的分水岭。
Al Brooks 的方法可以总结为以下要点:
1. 防守胜于进攻:仓位管理的首要目的是控制亏损,保护你的交易资本。
2. 风险是唯一标尺:永远根据你预设的单笔最大风险金额(例如账户的 1%-2%)来计算仓位。
3. 尊重图表:让价格行为决定你的止损位。如果一个交易设置的风险对于你的账户来说过大,坦然地放弃它。
4. 保持一致:对每一笔交易都严格执行仓位计算流程,形成纪律。
通过将这套方法融入你的交易体系,你将能更从容地面对市场的不确定性,避免情绪化的决策,在成为一名稳定盈利交易者的道路上迈出最坚实的一步。
via forecho's Blog
学术交锋 | Nick Lane et al. vs. Michael Lynch et al. 论复杂生命的基因组
之前写过 Nike Lane 的《The Vital Question》这本书的读书笔记,里面提到这本书的部分观点并非学界共识,而有激烈争论。当时没说得太细,这次补充一下。也可作为英语阅读和逻辑思维的学习素材。
via 阿掖山·博客
之前写过 Nike Lane 的《The Vital Question》这本书的读书笔记,里面提到这本书的部分观点并非学界共识,而有激烈争论。当时没说得太细,这次补充一下。也可作为英语阅读和逻辑思维的学习素材。
via 阿掖山·博客
知乎答疑:个人博客内容常陷入同质化,如何找到独特风格?
从最初记录技术笔记,到后来记录生活,我想,有些话可以说说
首先,想让个人博客保持稳定的流量增长,其实是件很难的事
如果你是为了打造个人IP才写博客,那多半是在走一条弯路
技术博客这条赛道太窄,同质化严重,就像 1+1=2,当答案只有一个时,你再想打破这个“2”该有多难?
但突破差异化并不是完全没有空间,我建议从表达方式下手,而不内容本身
我很喜欢「云风的 BLOG」几十年如一日的写作,这样人可不少。他不是写别人想看的,而是写自己在想的,就如他的博客副标题所说:”思绪来得快去得也快,偶尔会在这里停留“
说到底,个人博客的灵魂在人,而不在技
在这个以文字为主导的地方,文字功底就是风格的根基
见字如见人,一个人如何写字,用怎样的语言去表达自己对世界的看法,从中能看出他的性格与气质
当然,我并不是什么文字高手
对于我这样的文盲来说,写出一篇顺畅的文章都不容易
常常写完,还得靠 ChatGPT 帮我润色,不然标点都能错得离谱
但没关系,我觉得,写作的意义不只是被看见,而是被自己接纳
当你开始写属于自己的语言,我想,你就已经走在形成独立风格的路上了
最后再说一句:
风格不是你刻意去造出来的,而是你坚持写下去,慢慢留下来的痕迹
via 游钓四方
原文:个人博客内容常陷入同质化,如何找到独特风格? - 游钓四方的回答 - 知乎写博客至今,已经快八年了
从最初记录技术笔记,到后来记录生活,我想,有些话可以说说
首先,想让个人博客保持稳定的流量增长,其实是件很难的事
如果你是为了打造个人IP才写博客,那多半是在走一条弯路
技术博客这条赛道太窄,同质化严重,就像 1+1=2,当答案只有一个时,你再想打破这个“2”该有多难?
但突破差异化并不是完全没有空间,我建议从表达方式下手,而不内容本身
我很喜欢「云风的 BLOG」几十年如一日的写作,这样人可不少。他不是写别人想看的,而是写自己在想的,就如他的博客副标题所说:”思绪来得快去得也快,偶尔会在这里停留“
说到底,个人博客的灵魂在人,而不在技
在这个以文字为主导的地方,文字功底就是风格的根基
见字如见人,一个人如何写字,用怎样的语言去表达自己对世界的看法,从中能看出他的性格与气质
当然,我并不是什么文字高手
对于我这样的文盲来说,写出一篇顺畅的文章都不容易
常常写完,还得靠 ChatGPT 帮我润色,不然标点都能错得离谱
但没关系,我觉得,写作的意义不只是被看见,而是被自己接纳
当你开始写属于自己的语言,我想,你就已经走在形成独立风格的路上了
最后再说一句:
风格不是你刻意去造出来的,而是你坚持写下去,慢慢留下来的痕迹
via 游钓四方
rxliuli blog
The monitoring task had failed 100 consecutive times. Your subscription to the RSS feed has been deactivated.
To reactivate it, please use the /activate_subs command.
ERROR: HTTP status code error (403 Forbidden)
The monitoring task had failed 100 consecutive times. Your subscription to the RSS feed has been deactivated.
To reactivate it, please use the /activate_subs command.
ERROR: HTTP status code error (403 Forbidden)
語音變成生產力:7 種 AI 語音轉文字工具應用情境與工作流程攻略
最近看到許多人推薦了一款 AI 語音轉文字工具:「 Wispr Flow 」,我實際測試後也覺得非常好用 ,除了有正確率、通順度極高的繁體中文辨識修正能力外,還能透過快捷鍵在任何軟體中直接輸入內容(類似即時語音輸入法),加上也有更進階的自訂字典功能、保留錄音歷史記錄等。而且首次下載登入後,還有一定的免費試用額度,確實很值得常常需要打字輸出內容的工作者使用。
via 电脑玩物
最近看到許多人推薦了一款 AI 語音轉文字工具:「 Wispr Flow 」,我實際測試後也覺得非常好用 ,除了有正確率、通順度極高的繁體中文辨識修正能力外,還能透過快捷鍵在任何軟體中直接輸入內容(類似即時語音輸入法),加上也有更進階的自訂字典功能、保留錄音歷史記錄等。而且首次下載登入後,還有一定的免費試用額度,確實很值得常常需要打字輸出內容的工作者使用。
via 电脑玩物
Agent 实践杂录
2025 年大家都忙着搞 agent. 下面分类是随便分的.
Tools/Prompts
● System Prompts and Models of AI Tools. 各种 AI 的系统提示词以及 tool schema
● Claude Cookbooks. citation 和 research agent 的提示词示范
● 2025-05. Highlights from the Claude 4 system prompt. 分析提示词
● 2025-03. Markdown vs. XML in LLM Prompts: A Comparative Analysis
● Claude Docs. Essential tips for long context prompts
● 2025-04. How ChatGPT Memory Works. 逆向 memory tool
● 2025-06. 逆向 Gemini 2.5 Pro 搜索功能. Browse 工具是个 sub-agent, 根据提示词从网页中返回相关信息给主 agent.
● Anthropic. 2025-03. The “think” tool: Enabling Claude to stop and think in complex tool use situations
● Anthropic. 2025-09. Writing effective tools for agents — with agents
Context-Engineering
● Lance’s Blog. 2025-06. Context Engineering for Agents
● Drew Breunig. 2025-06. How Long Contexts Fail
● manus. 2025-07. Context Engineering for AI Agents: Lessons from Building Manus
● 周星星-知乎. 2025-09. Context Engineering 上下文工程的前世今生
● 2025-10. Context Engineering for AI Agents with LangChain and Manus - YouTube. PMF 之前别训模型 ● Lance Martin’s slides (LangChain) ● Yichao “Peak” Ji’s slides (Manus)
● Anthropic. 2025-10. Introducing Claude Skills. 不同于之前的 tools/mcp, skills 可以层级化地提供信息, 提供信息的方式更灵活, LLM 按需加载, 而无需一开始就把所有 desc 都加载到 prompt 中. 上面那篇 manus 里也有提到他们做了类似的按需加载的模式.
System
现在趋势是自己不做 index (分块 + 向量化 + 向量数据库), 直接让 LLM grep 或者 web search. 比如 Claude, Cline, manus 都是如此.
● Cline. 2025-05. Why Cline Doesn’t Index Your Codebase (And Why That’s a Good Thing). Cline 有很多关于模型各种数据的博客.
● minusx. 2025-08. What makes Claude Code so damn good (and how to recreate that magic in your agent)!?. 大道至简
● Multi-Agent ● Anthropic. 2025-06. How we built our multi-agent research system ● Cognition. 2025-06. Don’t Build Multi-Agents
Deep Research
● Google. 2025-06. Gemini Fullstack LangGraph Quickstart. 最基本的 agentic search pattern
● LangChain. 2025-07. Open Deep Research. 结构和很清晰基础, 在搜索阶段分 topic 给 sub-agent 干活, 最后用一个 LLM 写报告. 比 Gemini Quickstart 多了最开始的澄清和计划步骤, 类似 Gemini 和 ChatGPT 中实际的 deep research. 也是基于 LangGraph 写的, 代码见 这里.
● Jina. 2025-02. DeepSearch/DeepResearch 实施实用指南. Jina 擅长做 embedding, 技术博客里有很多和 RAG 相关的文章, 风格相比别家也比较 tech.
● 周星星-知乎. 2025-04. 端到端的训练, 怎么复现 Deep ReSearch
Training: Agentic RL
● 2025-07. How Kimi K2 Became One of the Best Tool-Using Models
● 2025-09. 通义 DeepResearch:开源 AI 智能体的新纪元
via Measure Zero (author: Shiina)
2025 年大家都忙着搞 agent. 下面分类是随便分的.
Tools/Prompts
● System Prompts and Models of AI Tools. 各种 AI 的系统提示词以及 tool schema
● Claude Cookbooks. citation 和 research agent 的提示词示范
● 2025-05. Highlights from the Claude 4 system prompt. 分析提示词
● 2025-03. Markdown vs. XML in LLM Prompts: A Comparative Analysis
● Claude Docs. Essential tips for long context prompts
● 2025-04. How ChatGPT Memory Works. 逆向 memory tool
● 2025-06. 逆向 Gemini 2.5 Pro 搜索功能. Browse 工具是个 sub-agent, 根据提示词从网页中返回相关信息给主 agent.
● Anthropic. 2025-03. The “think” tool: Enabling Claude to stop and think in complex tool use situations
● Anthropic. 2025-09. Writing effective tools for agents — with agents
Context-Engineering
● Lance’s Blog. 2025-06. Context Engineering for Agents
● Drew Breunig. 2025-06. How Long Contexts Fail
● manus. 2025-07. Context Engineering for AI Agents: Lessons from Building Manus
● 周星星-知乎. 2025-09. Context Engineering 上下文工程的前世今生
● 2025-10. Context Engineering for AI Agents with LangChain and Manus - YouTube. PMF 之前别训模型 ● Lance Martin’s slides (LangChain) ● Yichao “Peak” Ji’s slides (Manus)
● Anthropic. 2025-10. Introducing Claude Skills. 不同于之前的 tools/mcp, skills 可以层级化地提供信息, 提供信息的方式更灵活, LLM 按需加载, 而无需一开始就把所有 desc 都加载到 prompt 中. 上面那篇 manus 里也有提到他们做了类似的按需加载的模式.
System
现在趋势是自己不做 index (分块 + 向量化 + 向量数据库), 直接让 LLM grep 或者 web search. 比如 Claude, Cline, manus 都是如此.
● Cline. 2025-05. Why Cline Doesn’t Index Your Codebase (And Why That’s a Good Thing). Cline 有很多关于模型各种数据的博客.
● minusx. 2025-08. What makes Claude Code so damn good (and how to recreate that magic in your agent)!?. 大道至简
● Multi-Agent ● Anthropic. 2025-06. How we built our multi-agent research system ● Cognition. 2025-06. Don’t Build Multi-Agents
Deep Research
● Google. 2025-06. Gemini Fullstack LangGraph Quickstart. 最基本的 agentic search pattern
● LangChain. 2025-07. Open Deep Research. 结构和很清晰基础, 在搜索阶段分 topic 给 sub-agent 干活, 最后用一个 LLM 写报告. 比 Gemini Quickstart 多了最开始的澄清和计划步骤, 类似 Gemini 和 ChatGPT 中实际的 deep research. 也是基于 LangGraph 写的, 代码见 这里.
● Jina. 2025-02. DeepSearch/DeepResearch 实施实用指南. Jina 擅长做 embedding, 技术博客里有很多和 RAG 相关的文章, 风格相比别家也比较 tech.
● 周星星-知乎. 2025-04. 端到端的训练, 怎么复现 Deep ReSearch
Training: Agentic RL
● 2025-07. How Kimi K2 Became One of the Best Tool-Using Models
● 2025-09. 通义 DeepResearch:开源 AI 智能体的新纪元
via Measure Zero (author: Shiina)
一派胡言
The monitoring task had failed 100 consecutive times. Your subscription to the RSS feed has been deactivated.
To reactivate it, please use the /activate_subs command.
ERROR: HTTP status code error (202 Accepted)
The monitoring task had failed 100 consecutive times. Your subscription to the RSS feed has been deactivated.
To reactivate it, please use the /activate_subs command.
ERROR: HTTP status code error (202 Accepted)
最近一年的工作回顾
以太坊 PoS 网络的质押生态建设
不是以太坊主网,是自己发行的网络,因为用了以太坊 PoS 的共识模式,所以涉及到 32 ETH 质押的流程。这件事情也简单也不简单,简单之处在于,不就是以太坊节点的使用么?不简单的地方在于,以太坊一共有 5 种执行层客户端和 5 种共识层客户端,虽然都支持标准的 EIP 协议,但是节点关于 key 的导入、管理、发起请求的方式各不相同,节点的启动参数方面也有一些隐藏的坑。
写文档教程、在社区里引导用户、一对一 “辅导” 用户如何自己搭建 Solo Staker 节点,从前端页面发起质押交易,到后端节点拿着质押凭证启动 Validator 等,主要就这些事情。期间还尝试了用 Flashbots 搭建 MEV 节点、给以太坊客户端提交小的功能性 PR、测试不同客户端 EVM 执行效率的 Benchmark 等。
Hyperlane 跨链
Hyperlane 是一个去中心化的跨链协议,用 Relayer 和 Validator 两种链下角色,来保证跨链消息的有效和正确。当时做的事情是把 USDC 跨链到自己的网络上,印象最深的一个坑是那个时候 Hyperlane 还处于 heavy development 阶段,Relayer 节点直接把黑名单的变量名赋值给白名单来用,就上下两段逻辑,变量名复制错那种,用起来非常迷惑。然后还给他们提了 PR。
最后虽然自己搞明白了 Hyperlane 的原理,有能力搭建起一整套跨链环境,但仍然是以官方合作的形式,由他们的团队来维护一些链下节点,相当于给我们链开白名单、增加对我们链的支持。期间他们还有个对接的人离职了,说明团队成员的变动也大。
ZetaChain 的二次开发
ZetaChain 是一条 Cosmos 的链,提供了一种去中心化的资产跨链的方案。我们的项目主要做 Restaking,涉及到多链之间质押状态的同步,所以基于 ZetaChain 的机制做二次开发。
这件事情的难点在于当然得首先搞懂 ZetaChain 的代码逻辑,才能做二次开发。再一个是需要搞懂 Restaking 的业务逻辑,大意好理解,具体的细节不少。然后是 Cosmos 节点的开发和运维,链的部署、升级、回滚等。还有需要参考 CometBFT、Cosmos SDK 的源码结构以及代码流程,开发用于 Restaking 的 AVS 框架什么的。也就这些。
钱包后端开发
主要指非托管式钱包的服务端程序,给客户端提供数据来源,构建交易请求、返回余额、交易记录等,包括比特币和以太坊两个网络。还体验了一下用 Swift 写一个 iOS APP 的 Demo 界面,来演示给比特币交易签名的过程。
via smallyu的博客
这些事情只涵盖已经结束的工作,不包括正在进行的工作:
前几年写过的关于工作内容方面的回顾:
● 2024 年:《最近半年的工作》
● 2023 年:《半年的工作回顾》
● 2022 年:《一年的工作回顾》
以太坊 PoS 网络的质押生态建设
不是以太坊主网,是自己发行的网络,因为用了以太坊 PoS 的共识模式,所以涉及到 32 ETH 质押的流程。这件事情也简单也不简单,简单之处在于,不就是以太坊节点的使用么?不简单的地方在于,以太坊一共有 5 种执行层客户端和 5 种共识层客户端,虽然都支持标准的 EIP 协议,但是节点关于 key 的导入、管理、发起请求的方式各不相同,节点的启动参数方面也有一些隐藏的坑。
写文档教程、在社区里引导用户、一对一 “辅导” 用户如何自己搭建 Solo Staker 节点,从前端页面发起质押交易,到后端节点拿着质押凭证启动 Validator 等,主要就这些事情。期间还尝试了用 Flashbots 搭建 MEV 节点、给以太坊客户端提交小的功能性 PR、测试不同客户端 EVM 执行效率的 Benchmark 等。
Hyperlane 跨链
Hyperlane 是一个去中心化的跨链协议,用 Relayer 和 Validator 两种链下角色,来保证跨链消息的有效和正确。当时做的事情是把 USDC 跨链到自己的网络上,印象最深的一个坑是那个时候 Hyperlane 还处于 heavy development 阶段,Relayer 节点直接把黑名单的变量名赋值给白名单来用,就上下两段逻辑,变量名复制错那种,用起来非常迷惑。然后还给他们提了 PR。
最后虽然自己搞明白了 Hyperlane 的原理,有能力搭建起一整套跨链环境,但仍然是以官方合作的形式,由他们的团队来维护一些链下节点,相当于给我们链开白名单、增加对我们链的支持。期间他们还有个对接的人离职了,说明团队成员的变动也大。
ZetaChain 的二次开发
ZetaChain 是一条 Cosmos 的链,提供了一种去中心化的资产跨链的方案。我们的项目主要做 Restaking,涉及到多链之间质押状态的同步,所以基于 ZetaChain 的机制做二次开发。
这件事情的难点在于当然得首先搞懂 ZetaChain 的代码逻辑,才能做二次开发。再一个是需要搞懂 Restaking 的业务逻辑,大意好理解,具体的细节不少。然后是 Cosmos 节点的开发和运维,链的部署、升级、回滚等。还有需要参考 CometBFT、Cosmos SDK 的源码结构以及代码流程,开发用于 Restaking 的 AVS 框架什么的。也就这些。
钱包后端开发
主要指非托管式钱包的服务端程序,给客户端提供数据来源,构建交易请求、返回余额、交易记录等,包括比特币和以太坊两个网络。还体验了一下用 Swift 写一个 iOS APP 的 Demo 界面,来演示给比特币交易签名的过程。
via smallyu的博客
在claude code中体验下GLM最新模型
在很久之前最开始体验国产模型的时候就体验了ChatGLM,那个时候属于国内基本没几家有出大语言模型,但是说实话体验效果的确比较一般
但是目前GLM也是国内比较头部的大语言模型了,特别是最新出的GLM4.6,看大佬的评测好像比Deepseek
via Nicksxs's Blog
在很久之前最开始体验国产模型的时候就体验了ChatGLM,那个时候属于国内基本没几家有出大语言模型,但是说实话体验效果的确比较一般
但是目前GLM也是国内比较头部的大语言模型了,特别是最新出的GLM4.6,看大佬的评测好像比Deepseek
via Nicksxs's Blog
再也不愁 favicon 了,直接 inline SVG
每次在一个网页里, F12 或 Cmd+Opt+I 最痛苦的是什么?
预览一下这个SVG:
🤣
直接用 emoji 作为 favicon。我贴这个版本应该是全网最精简最易读的,挑战有没有大神能进一步缩短这个 favicon 写法。
via est の 输入 输出和出入
每次在一个网页里, F12 或 Cmd+Opt+I 最痛苦的是什么?
/favicon.ico:1 GET favicon.ico 404 (Not Found)简直逼死强迫症~前段时间折腾SVG,觉得用 xml 写一组 favicon.svg 或许不错。今天撸AI它丫的直接给我个最粗暴简单的:
<link rel="icon" id="icon" href="data:image/svg+xml,<svg xmlns='http://www.w3.org/2000/svg' viewBox='0 0 8 8'><text y='8' font-size='8'>🤣</text></svg>">
预览一下这个SVG:
🤣
直接用 emoji 作为 favicon。我贴这个版本应该是全网最精简最易读的,挑战有没有大神能进一步缩短这个 favicon 写法。
via est の 输入 输出和出入
搓了个在线词典(半成品)
看到网上很多人都在用AI干大活儿了,我也开始搓了,vibe coding对我这种人菜瘾大的人很友好,自己懒得写就交给AI写。
13年前就有一个想法,做一个在线词典。那个时候还打算白嫖 RedHat 免费的OpenShift。
为什么要做在线词典呢?当时是眼红 Google Dictionary 觉得它什么都好。但就是需要翻墙,而且有一定几率查不出来,所以想做个镜像把它常用词都拉下来存起来。
当然这个想法无可争议的烂尾了。
一直到2023年,ChatGPT出来之后,发现大语言模型这玩意外语天才啊,用来写词典再好不过了。
说起来,英语的 Dictionary 实际出现时间很晚,比《永乐大典》都晚了它妈的至少200多年,因为英语作为一个拼音语言书写统一(正字法)都是很近代的时候才被行政力量推行的。英语在大部分时间里都是被日耳曼蛮子和高卢蛮子看不起的一个小岛口音。
英语词典的发明,是作为乡绅和学者随手一查拿来装逼的,并不是给初学者、外语学习者、特别是中文背景的ESL学生设计的
词典被当成「语法翻译法」的核心工具,其根本原因是印欧语系的语法、词源都能找到共通的联系。而这一套工具本来是贵族用来训练自己的继承子女去学习古希腊语和拉丁语用的。
当讲汉话写中文背景的家长、老师给娃讲英语的时候,就会遇到各种困难或者犯各种啼笑皆非的笑话。
所以想起来通过 ChatGPT 和类似技术做一套「英语」。当时我列举的愿景有:
● 这个词语用得多不多,是不是很偏门、冷门还是常用词、热词、必背词、高频词
● 最典型的场景下,具体放在句子的哪个地方
● 什么时候出现的这个词语,最早什么意思,又因为什么渊源演变成了现在的别的意思
● 是不是用这个词汇是骂人的、得罪某个群体的,是否需要忌讳
● 完整列举出所有 conjugation 和 declension 并且阐述和说明,突出的就是一个屈折语的诘屈聱牙。
● 不拘泥于单个「词」,固定搭配组合也直接当成单词收录用于记忆。
特别是第五点,过去的词典因为印刷和编辑成本很少这样做,现在电子产品完全有能力生成和遍历所有排列组合。
突破「词典」的固有形态,做一个「英语」的说明书
开始搓这个词典,我也看了下其他在线词典的问题:
● Oxford English Dictionary 收费。滚
● merriam-webster 用高级词汇解释简单词汇。需要thesaurus和dictionary合并到一个界面
● cambridge 可以,就是排版字体略乱
● collins 最适合
● onelook 需要点两下
● websters1913 最美。适合凭感觉学习。抛开一切语法和构词造句,纯粹体会词义之妙以及如何运用
● wordreference 最简单明了。比如 inspire [sb] == awaken [sb]'s creative ideas 比一个 [T] (transitive) 符号更容易理解得多
搓的时候也陆陆续续解决了一些始料未及的问题:
1. LLM中转站选哪家?openrouter 其实贵和卡
2. 很多LLM中转站连 CORS 问题都懒得处理。每次请求其实都要 preflight 一下。你明明加一个 Access-Control-Allow-Origin 就解决大问题
本来想一个静态页面 .html 放在 Github Pages 万事,结果搓了一套mini后端。
最后成果放在 https://def.est.im/ 。还有很多待完善。当前版本我满意的就是在单独的释义下面放了 同义词 反义词,比混在一起方便清晰得多。
以前纸质的词典把大段意思混杂在一起排版,各种缩写代码人看了都头大,Web时代就应该有更清晰的排版。(虽然我现在的排版也很欠缺)
via est の 输入 输出和出入
看到网上很多人都在用AI干大活儿了,我也开始搓了,vibe coding对我这种人菜瘾大的人很友好,自己懒得写就交给AI写。
13年前就有一个想法,做一个在线词典。那个时候还打算白嫖 RedHat 免费的OpenShift。
为什么要做在线词典呢?当时是眼红 Google Dictionary 觉得它什么都好。但就是需要翻墙,而且有一定几率查不出来,所以想做个镜像把它常用词都拉下来存起来。
当然这个想法无可争议的烂尾了。
一直到2023年,ChatGPT出来之后,发现大语言模型这玩意外语天才啊,用来写词典再好不过了。
说起来,英语的 Dictionary 实际出现时间很晚,比《永乐大典》都晚了它妈的至少200多年,因为英语作为一个拼音语言书写统一(正字法)都是很近代的时候才被行政力量推行的。英语在大部分时间里都是被日耳曼蛮子和高卢蛮子看不起的一个小岛口音。
英语词典的发明,是作为乡绅和学者随手一查拿来装逼的,并不是给初学者、外语学习者、特别是中文背景的ESL学生设计的
词典被当成「语法翻译法」的核心工具,其根本原因是印欧语系的语法、词源都能找到共通的联系。而这一套工具本来是贵族用来训练自己的继承子女去学习古希腊语和拉丁语用的。
当讲汉话写中文背景的家长、老师给娃讲英语的时候,就会遇到各种困难或者犯各种啼笑皆非的笑话。
所以想起来通过 ChatGPT 和类似技术做一套「英语」。当时我列举的愿景有:
● 这个词语用得多不多,是不是很偏门、冷门还是常用词、热词、必背词、高频词
● 最典型的场景下,具体放在句子的哪个地方
● 什么时候出现的这个词语,最早什么意思,又因为什么渊源演变成了现在的别的意思
● 是不是用这个词汇是骂人的、得罪某个群体的,是否需要忌讳
● 完整列举出所有 conjugation 和 declension 并且阐述和说明,突出的就是一个屈折语的诘屈聱牙。
● 不拘泥于单个「词」,固定搭配组合也直接当成单词收录用于记忆。
特别是第五点,过去的词典因为印刷和编辑成本很少这样做,现在电子产品完全有能力生成和遍历所有排列组合。
突破「词典」的固有形态,做一个「英语」的说明书
开始搓这个词典,我也看了下其他在线词典的问题:
● Oxford English Dictionary 收费。滚
● merriam-webster 用高级词汇解释简单词汇。需要thesaurus和dictionary合并到一个界面
● cambridge 可以,就是排版字体略乱
● collins 最适合
● onelook 需要点两下
● websters1913 最美。适合凭感觉学习。抛开一切语法和构词造句,纯粹体会词义之妙以及如何运用
● wordreference 最简单明了。比如 inspire [sb] == awaken [sb]'s creative ideas 比一个 [T] (transitive) 符号更容易理解得多
搓的时候也陆陆续续解决了一些始料未及的问题:
1. LLM中转站选哪家?openrouter 其实贵和卡
2. 很多LLM中转站连 CORS 问题都懒得处理。每次请求其实都要 preflight 一下。你明明加一个 Access-Control-Allow-Origin 就解决大问题
本来想一个静态页面 .html 放在 Github Pages 万事,结果搓了一套mini后端。
最后成果放在 https://def.est.im/ 。还有很多待完善。当前版本我满意的就是在单独的释义下面放了 同义词 反义词,比混在一起方便清晰得多。
以前纸质的词典把大段意思混杂在一起排版,各种缩写代码人看了都头大,Web时代就应该有更清晰的排版。(虽然我现在的排版也很欠缺)
via est の 输入 输出和出入
再也不愁 favicon 了,直接 inline SVG
每次在一个网页里, F12 或 Cmd+Opt+I 最痛苦的是什么?
预览一下这个SVG:
🤣
直接用 emoji 作为 favicon。我贴这个版本应该是全网最精简最易读的,挑战有没有大神能进一步缩短这个 favicon 写法。
via est の 输入 输出和出入
每次在一个网页里, F12 或 Cmd+Opt+I 最痛苦的是什么?
/favicon.ico:1 GET favicon.ico 404 (Not Found)简直逼死强迫症~前段时间折腾SVG,觉得用 xml 写一组 favicon.svg 或许不错。今天撸AI它丫的直接给我个最粗暴简单的:
<link rel="icon" id="icon" href="data:image/svg+xml,<svg xmlns='http://www.w3.org/2000/svg' viewBox='0 0 8 8'><text y='8' font-size='8'>🤣</text></svg>">
预览一下这个SVG:
🤣
直接用 emoji 作为 favicon。我贴这个版本应该是全网最精简最易读的,挑战有没有大神能进一步缩短这个 favicon 写法。
via est の 输入 输出和出入
搓了个在线词典(半成品)
看到网上很多人都在用AI干大活儿了,我也开始搓了,vibe coding对我这种人菜瘾大的人很友好,自己懒得写就交给AI写。
13年前就有一个想法,做一个在线词典。那个时候还打算白嫖 RedHat 免费的OpenShift。
为什么要做在线词典呢?当时是眼红 Google Dictionary 觉得它什么都好。但就是需要翻墙,而且有一定几率查不出来,所以想做个镜像把它常用词都拉下来存起来。
当然这个想法无可争议的烂尾了。
一直到2023年,ChatGPT出来之后,发现大语言模型这玩意外语天才啊,用来写词典再好不过了。
说起来,英语的 Dictionary 实际出现时间很晚,比《永乐大典》都晚了它妈的至少200多年,因为英语作为一个拼音语言书写统一(正字法)都是很近代的时候才被行政力量推行的。英语在大部分时间里都是被日耳曼蛮子和高卢蛮子看不起的一个小岛口音。
英语词典的发明,是作为乡绅和学者随手一查拿来装逼的,并不是给初学者、外语学习者、特别是中文背景的ESL学生设计的
词典被当成「语法翻译法」的核心工具,其根本原因是印欧语系的语法、词源都能找到共通的联系。而这一套工具本来是贵族用来训练自己的继承子女去学习古希腊语和拉丁语用的。
当讲汉话写中文背景的家长、老师给娃讲英语的时候,就会遇到各种困难或者犯各种啼笑皆非的笑话。
所以想起来通过 ChatGPT 和类似技术做一套「英语」。当时我列举的愿景有:
● 这个词语用得多不多,是不是很偏门、冷门还是常用词、热词、必背词、高频词
● 最典型的场景下,具体放在句子的哪个地方
● 什么时候出现的这个词语,最早什么意思,又因为什么渊源演变成了现在的别的意思
● 是不是用这个词汇是骂人的、得罪某个群体的,是否需要忌讳
● 完整列举出所有 conjugation 和 declension 并且阐述和说明,突出的就是一个屈折语的诘屈聱牙。
● 不拘泥于单个「词」,固定搭配组合也直接当成单词收录用于记忆。
特别是第五点,过去的词典因为印刷和编辑成本很少这样做,现在电子产品完全有能力生成和遍历所有排列组合。
突破「词典」的固有形态,做一个「英语」的说明书
开始搓这个词典,我也看了下其他在线词典的问题:
● Oxford English Dictionary 收费。滚
● merriam-webster 用高级词汇解释简单词汇。需要thesaurus和dictionary合并到一个界面
● cambridge 可以,就是排版字体略乱
● collins 最适合
● onelook 需要点两下
● websters1913 最美。适合凭感觉学习。抛开一切语法和构词造句,纯粹体会词义之妙以及如何运用
● wordreference 最简单明了。比如 inspire [sb] == awaken [sb]'s creative ideas 比一个 [T] (transitive) 符号更容易理解得多
搓的时候也陆陆续续解决了一些始料未及的问题:
1. LLM中转站选哪家?openrouter 其实贵和卡
2. 很多LLM中转站连 CORS 问题都懒得处理。每次请求其实都要 preflight 一下。你明明加一个 Access-Control-Allow-Origin 就解决大问题
本来想一个静态页面 .html 放在 Github Pages 万事,结果搓了一套mini后端。
最后成果放在 https://def.est.im/ 。还有很多待完善。当前版本我满意的就是在单独的释义下面放了 同义词 反义词,比混在一起方便清晰得多。
以前纸质的词典把大段意思混杂在一起排版,各种缩写代码人看了都头大,Web时代就应该有更清晰的排版。(虽然我现在的排版也很欠缺)
via est の 输入 输出和出入
看到网上很多人都在用AI干大活儿了,我也开始搓了,vibe coding对我这种人菜瘾大的人很友好,自己懒得写就交给AI写。
13年前就有一个想法,做一个在线词典。那个时候还打算白嫖 RedHat 免费的OpenShift。
为什么要做在线词典呢?当时是眼红 Google Dictionary 觉得它什么都好。但就是需要翻墙,而且有一定几率查不出来,所以想做个镜像把它常用词都拉下来存起来。
当然这个想法无可争议的烂尾了。
一直到2023年,ChatGPT出来之后,发现大语言模型这玩意外语天才啊,用来写词典再好不过了。
说起来,英语的 Dictionary 实际出现时间很晚,比《永乐大典》都晚了它妈的至少200多年,因为英语作为一个拼音语言书写统一(正字法)都是很近代的时候才被行政力量推行的。英语在大部分时间里都是被日耳曼蛮子和高卢蛮子看不起的一个小岛口音。
英语词典的发明,是作为乡绅和学者随手一查拿来装逼的,并不是给初学者、外语学习者、特别是中文背景的ESL学生设计的
词典被当成「语法翻译法」的核心工具,其根本原因是印欧语系的语法、词源都能找到共通的联系。而这一套工具本来是贵族用来训练自己的继承子女去学习古希腊语和拉丁语用的。
当讲汉话写中文背景的家长、老师给娃讲英语的时候,就会遇到各种困难或者犯各种啼笑皆非的笑话。
所以想起来通过 ChatGPT 和类似技术做一套「英语」。当时我列举的愿景有:
● 这个词语用得多不多,是不是很偏门、冷门还是常用词、热词、必背词、高频词
● 最典型的场景下,具体放在句子的哪个地方
● 什么时候出现的这个词语,最早什么意思,又因为什么渊源演变成了现在的别的意思
● 是不是用这个词汇是骂人的、得罪某个群体的,是否需要忌讳
● 完整列举出所有 conjugation 和 declension 并且阐述和说明,突出的就是一个屈折语的诘屈聱牙。
● 不拘泥于单个「词」,固定搭配组合也直接当成单词收录用于记忆。
特别是第五点,过去的词典因为印刷和编辑成本很少这样做,现在电子产品完全有能力生成和遍历所有排列组合。
突破「词典」的固有形态,做一个「英语」的说明书
开始搓这个词典,我也看了下其他在线词典的问题:
● Oxford English Dictionary 收费。滚
● merriam-webster 用高级词汇解释简单词汇。需要thesaurus和dictionary合并到一个界面
● cambridge 可以,就是排版字体略乱
● collins 最适合
● onelook 需要点两下
● websters1913 最美。适合凭感觉学习。抛开一切语法和构词造句,纯粹体会词义之妙以及如何运用
● wordreference 最简单明了。比如 inspire [sb] == awaken [sb]'s creative ideas 比一个 [T] (transitive) 符号更容易理解得多
搓的时候也陆陆续续解决了一些始料未及的问题:
1. LLM中转站选哪家?openrouter 其实贵和卡
2. 很多LLM中转站连 CORS 问题都懒得处理。每次请求其实都要 preflight 一下。你明明加一个 Access-Control-Allow-Origin 就解决大问题
本来想一个静态页面 .html 放在 Github Pages 万事,结果搓了一套mini后端。
最后成果放在 https://def.est.im/ 。还有很多待完善。当前版本我满意的就是在单独的释义下面放了 同义词 反义词,比混在一起方便清晰得多。
以前纸质的词典把大段意思混杂在一起排版,各种缩写代码人看了都头大,Web时代就应该有更清晰的排版。(虽然我现在的排版也很欠缺)
via est の 输入 输出和出入
.pdf | 马列主义及其知名批判著作导读
https://program-think.blogspot.com/2018/09/Book-Review-The-Errors-of-Marxism-Leninism.html
via 阿掖山·博客
https://program-think.blogspot.com/2018/09/Book-Review-The-Errors-of-Marxism-Leninism.html
via 阿掖山·博客
TRMNL recipies
A bundle of recipes I wrote for TRMNL, an e-ink dashboard display.
Wikipedia Article of the Day
A TRMNL plugin that fetches and displays the Wikipedia article of the day in multiple languages.
Learn MoreInstall
Random Unicode
A random Unicode codepoint on each refresh. Data powered by codepoints.net.
Learn MoreInstall
Random MDN Article
A random MDN Web article on each refresh.
Learn MoreInstall
World clock
A digital world clock shows up to 7 time zones. Inspired by World Time Buddy and Windows 11 World Clock.
Learn MoreInstall
Lyricova Quote
Show a random quote from Lyricova on each refresh.
Learn MoreInstall
Random Zi
A random CJKV ideograph with pronunciations, definitions, and regional glyphs on each refresh. Data powered by zi.tools 字統网.
Learn MoreInstall
Random Google Fonts
A random typeface from Google Fonts on each refresh.
Learn MoreInstall
TRMNL recipies appeared first on 1A23 Studio.
via 1A23 Studio (author: Eana Hufwe)
A bundle of recipes I wrote for TRMNL, an e-ink dashboard display.
Wikipedia Article of the Day
A TRMNL plugin that fetches and displays the Wikipedia article of the day in multiple languages.
Learn MoreInstall
Random Unicode
A random Unicode codepoint on each refresh. Data powered by codepoints.net.
Learn MoreInstall
Random MDN Article
A random MDN Web article on each refresh.
Learn MoreInstall
World clock
A digital world clock shows up to 7 time zones. Inspired by World Time Buddy and Windows 11 World Clock.
Learn MoreInstall
Lyricova Quote
Show a random quote from Lyricova on each refresh.
Learn MoreInstall
Random Zi
A random CJKV ideograph with pronunciations, definitions, and regional glyphs on each refresh. Data powered by zi.tools 字統网.
Learn MoreInstall
Random Google Fonts
A random typeface from Google Fonts on each refresh.
Learn MoreInstall
TRMNL recipies appeared first on 1A23 Studio.
via 1A23 Studio (author: Eana Hufwe)