日月小楚的投资交流空间（公告群）
Photo
日月小楚的投资交流空间（公告群）
Photo
日月小楚
意外的发现，wildcard可以充值gpt 和claude的会员
有溢价!
在推上有很多文章，用土区/business的优惠很多。
但是我依然选择了wildcard
因为之前的经历告诉我，攻略看似简单，真的要弄起来，要折腾半天，最后还不一定弄好。
而你半天的时间，难道比不上这几十块钱吗 https://t.co/tNTNlkArq8
tweet
意外的发现，wildcard可以充值gpt 和claude的会员
有溢价!
在推上有很多文章，用土区/business的优惠很多。
但是我依然选择了wildcard
因为之前的经历告诉我，攻略看似简单，真的要弄起来，要折腾半天，最后还不一定弄好。
而你半天的时间，难道比不上这几十块钱吗 https://t.co/tNTNlkArq8
tweet
日月小楚
我昨天踩了一个很典型的 PnL 坑：现金流看起来亏了 335 万，但它根本不是每日收益。
事情是这样的。
我拿 5 个 盈利最高的Polymarket 地址，按 activity 流水算最近 14 天表现，结果合计是 -3,350,709.97。第一眼看，很吓人，像是这批地址 14 天亏了 335 万。
难道是翻车了吗？
研究了半天才意识到有个关键问题：
买入没有卖出的仓位，只是现金流流出，不等于当天亏损。
如果一个钱包今天花 10 万买入仓位，系统只看流水，就会看到 -10 万。可这个仓位还在，可能明天涨，也可能下周结算。你不能因为钱从余额里出去了，就直接说它今天亏了 10 万。
更明显的是，同一批地址按一个月 activity 公式算，结果是 1,398,554.24；但 PredictFolio 同期只有 100,977.66，差了 1,297,576.58。
问题不在数字，而在口径。
activity 更像现金流审计：钱什么时候进，什么时候出。
PnL 更像收益统计：这段时间资产到底涨了多少，跌了多少。
所以我的判断标准变成了：
看时间段收益，用累计 PnL 快照。
查资金流向，用 activity。
不要把“买入形成仓位”，误看成“当天亏掉本金”。
链上数据最容易骗人的地方，不是它没有数据。
而是它给了你一个看起来很精确、但口径完全不对的数字
tweet
我昨天踩了一个很典型的 PnL 坑：现金流看起来亏了 335 万，但它根本不是每日收益。
事情是这样的。
我拿 5 个 盈利最高的Polymarket 地址，按 activity 流水算最近 14 天表现，结果合计是 -3,350,709.97。第一眼看，很吓人，像是这批地址 14 天亏了 335 万。
难道是翻车了吗？
研究了半天才意识到有个关键问题：
买入没有卖出的仓位，只是现金流流出，不等于当天亏损。
如果一个钱包今天花 10 万买入仓位，系统只看流水，就会看到 -10 万。可这个仓位还在，可能明天涨，也可能下周结算。你不能因为钱从余额里出去了，就直接说它今天亏了 10 万。
更明显的是，同一批地址按一个月 activity 公式算，结果是 1,398,554.24；但 PredictFolio 同期只有 100,977.66，差了 1,297,576.58。
问题不在数字，而在口径。
activity 更像现金流审计：钱什么时候进，什么时候出。
PnL 更像收益统计：这段时间资产到底涨了多少，跌了多少。
所以我的判断标准变成了：
看时间段收益，用累计 PnL 快照。
查资金流向，用 activity。
不要把“买入形成仓位”，误看成“当天亏掉本金”。
链上数据最容易骗人的地方，不是它没有数据。
而是它给了你一个看起来很精确、但口径完全不对的数字
tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
就靠这一张图，就到处喊着中转站抓人了，天要塌了
纯粹为了流量。啥都不管。连里面的内容都不看。
图片里面第一句就说，是他是因为有些廉价的模型，是用非法的技术手段获得的。
里面还说了，他的中转站还会继续开下去，还乘机对原版网站做个升级。
所以意思是，这个人开了中转站，五年起步妥妥的。
然后他还打算继续开下去，现在还对网站升个级。
那他是为了多进去几年，还是梭哈了ETH，要找个拿住的办法。
tweet
就靠这一张图，就到处喊着中转站抓人了，天要塌了
纯粹为了流量。啥都不管。连里面的内容都不看。
图片里面第一句就说，是他是因为有些廉价的模型，是用非法的技术手段获得的。
里面还说了，他的中转站还会继续开下去，还乘机对原版网站做个升级。
所以意思是，这个人开了中转站，五年起步妥妥的。
然后他还打算继续开下去，现在还对网站升个级。
那他是为了多进去几年，还是梭哈了ETH，要找个拿住的办法。
tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
复盘的时候，发现追踪的polymarket聪明钱地址，最近2周，突然不聪明了。
原来V2版本 后，出现了新的钱包地址了。
Polymarket 在 `2026-04-28 11:00 UTC` 左右正式迁移到 CLOB V2。V2 后确实有新东西：新 Exchange 合约、新 pUSD、新签名类型，还有 deposit wallet。
但这不等于所有老用户都被强制换钱包。
老的 proxy wallet / safe wallet，一般还能继续用。真正复杂的是新 API 流程里的 deposit wallet。
如果某个用户开始用 deposit wallet，下单时你看到的字段可能会变：
`maker` 可能是 deposit wallet。
`signer` 可能是 deposit wallet。
`funder` 也可能是 deposit wallet。
而你原来跟踪的地址，可能只是旧的 proxy wallet，或者 Data API 里的 `proxyWallet`。
这就麻烦了。
我看了一下项目里的 M2/M3 采集脚本，它们从官方接口里拿的主要是 `proxyWallet`。但这些接口没有直接返回：
`depositWallet`
`walletType`
`signatureType`
`maker`
`signer`
`funder`
所以只靠这两个接口，很难判断一个地址是不是已经切到了 deposit wallet 流程。
这对聪明钱跟踪很重要。
你以为你在跟踪“这个人”。
但代码里实际跟踪的，可能只是某个展示地址。
V2 后真正发生交易的地址，可能在订单字段或链上资金流里。
所以我现在会把地址分成几层看：
展示地址是谁。
订单 maker/signer/funder 是谁。
有没有 deposit wallet。
资金有没有从旧地址流到新地址。
这个新地址有没有继续在 V2 CLOB 交易。
一句话：
V2 后不要只问“聪明钱是不是换地址了”。
要先问：“我现在跟踪的这个字段，到底代表哪一种钱包？”
tweet
复盘的时候，发现追踪的polymarket聪明钱地址，最近2周，突然不聪明了。
原来V2版本 后，出现了新的钱包地址了。
Polymarket 在 `2026-04-28 11:00 UTC` 左右正式迁移到 CLOB V2。V2 后确实有新东西：新 Exchange 合约、新 pUSD、新签名类型，还有 deposit wallet。
但这不等于所有老用户都被强制换钱包。
老的 proxy wallet / safe wallet，一般还能继续用。真正复杂的是新 API 流程里的 deposit wallet。
如果某个用户开始用 deposit wallet，下单时你看到的字段可能会变：
`maker` 可能是 deposit wallet。
`signer` 可能是 deposit wallet。
`funder` 也可能是 deposit wallet。
而你原来跟踪的地址，可能只是旧的 proxy wallet，或者 Data API 里的 `proxyWallet`。
这就麻烦了。
我看了一下项目里的 M2/M3 采集脚本，它们从官方接口里拿的主要是 `proxyWallet`。但这些接口没有直接返回：
`depositWallet`
`walletType`
`signatureType`
`maker`
`signer`
`funder`
所以只靠这两个接口，很难判断一个地址是不是已经切到了 deposit wallet 流程。
这对聪明钱跟踪很重要。
你以为你在跟踪“这个人”。
但代码里实际跟踪的，可能只是某个展示地址。
V2 后真正发生交易的地址，可能在订单字段或链上资金流里。
所以我现在会把地址分成几层看：
展示地址是谁。
订单 maker/signer/funder 是谁。
有没有 deposit wallet。
资金有没有从旧地址流到新地址。
这个新地址有没有继续在 V2 CLOB 交易。
一句话：
V2 后不要只问“聪明钱是不是换地址了”。
要先问：“我现在跟踪的这个字段，到底代表哪一种钱包？”
tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
跟AI的对话会成为个人宝贵的资产。
所以我做了一件产品呢，就是把AI的对话汇集成自己数据。CC和codex虽然都有自动总结功能。但是它只限自己对话。
而我的脚本可以claude code ，codex ，cursor，antigravity，opencode都汇总起来。
它可以用来
1）总结，
2）汇集skill优化，
3）查找历史记录
4）根据题材写成文章等等
它的流程是：先把所有 AI 工作记录编译出来（有些需要破译），再生成一份更轻的 manifest，然后只看 manifest 粗筛，最后再回到原始记录里精读候选素材。
这里的关键不是“让 AI 总结一下昨天干了什么”。
那样太粗。
真正有用的是先把阅读成本降下来。原始 JSON 很大，里面有完整回答、工具调用、路径、日志、过程。如果一上来全塞给 AI，它会被细节淹没，也容易把普通操作当成选题。
manifest 只保留几个东西：
用户当时问了什么。
AI 回复摘要的开头和结尾。
用了哪些工具。
这轮内容大概多长。
是不是明显低价值指令。
这样第一遍只做一件事：找“值得写”的事件。
比如这次筛出来的，不是“运行了某个脚本”这种流水账，而是几类真正能写的东西：交易系统对账口径错了、`market_missing` 其实不是找不到市场、推文配图不是先换模型。
这些都有一个共同点：有具体事件，有内容，有最后的处理办法。
这才是素材。
下一步再回 raw JSON 精读候选轮次，抽关键数字、用户追问、定位过程、最后结论。最后生成选题报告，让人来选。
人选完以后，还会把选择写回报告最前面。
这一步很小，但很重要。因为它让“AI 推荐过什么”和“我最后选了什么”连在一起。下次你再回看，不是面对一堆聊天记录，而是一条完整链路：
记录 -> 粗筛 -> 精读 -> 选题 -> 人工选择 -> 正文。
我越来越觉得，AI 工作记录本身就是一种内容矿。
但矿不会自己变成文章。
你需要先把它做成一张能被筛选、能被复盘、能继续加工的素材表。否则它只是昨天很忙的证据，不是今天能用的资产。
tweet
跟AI的对话会成为个人宝贵的资产。
所以我做了一件产品呢，就是把AI的对话汇集成自己数据。CC和codex虽然都有自动总结功能。但是它只限自己对话。
而我的脚本可以claude code ，codex ，cursor，antigravity，opencode都汇总起来。
它可以用来
1）总结，
2）汇集skill优化，
3）查找历史记录
4）根据题材写成文章等等
它的流程是：先把所有 AI 工作记录编译出来（有些需要破译），再生成一份更轻的 manifest，然后只看 manifest 粗筛，最后再回到原始记录里精读候选素材。
这里的关键不是“让 AI 总结一下昨天干了什么”。
那样太粗。
真正有用的是先把阅读成本降下来。原始 JSON 很大，里面有完整回答、工具调用、路径、日志、过程。如果一上来全塞给 AI，它会被细节淹没，也容易把普通操作当成选题。
manifest 只保留几个东西：
用户当时问了什么。
AI 回复摘要的开头和结尾。
用了哪些工具。
这轮内容大概多长。
是不是明显低价值指令。
这样第一遍只做一件事：找“值得写”的事件。
比如这次筛出来的，不是“运行了某个脚本”这种流水账，而是几类真正能写的东西：交易系统对账口径错了、`market_missing` 其实不是找不到市场、推文配图不是先换模型。
这些都有一个共同点：有具体事件，有内容，有最后的处理办法。
这才是素材。
下一步再回 raw JSON 精读候选轮次，抽关键数字、用户追问、定位过程、最后结论。最后生成选题报告，让人来选。
人选完以后，还会把选择写回报告最前面。
这一步很小，但很重要。因为它让“AI 推荐过什么”和“我最后选了什么”连在一起。下次你再回看，不是面对一堆聊天记录，而是一条完整链路：
记录 -> 粗筛 -> 精读 -> 选题 -> 人工选择 -> 正文。
我越来越觉得，AI 工作记录本身就是一种内容矿。
但矿不会自己变成文章。
你需要先把它做成一张能被筛选、能被复盘、能继续加工的素材表。否则它只是昨天很忙的证据，不是今天能用的资产。
tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
网友反馈，wildcard也不是特别靠谱
大家还是不要去找他们充值了。
我打算之后找其他方法订阅了 https://t.co/hQRqviGZcP
tweet
网友反馈，wildcard也不是特别靠谱
大家还是不要去找他们充值了。
我打算之后找其他方法订阅了 https://t.co/hQRqviGZcP
意外的发现，wildcard可以充值gpt 和claude的会员
有溢价!
在推上有很多文章，用土区/business的优惠很多。
但是我依然选择了wildcard
因为之前的经历告诉我，攻略看似简单，真的要弄起来，要折腾半天，最后还不一定弄好。
而你半天的时间，难道比不上这几十块钱吗 https://t.co/tNTNlkArq8 tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
为文章配好看的图片，昨天找了一圈，最后选中4个github开源的skills，做出来感觉还不错。
4个skill可以对应不同的场景。
说明一下，他们不是单独的skill项目，在baoyu和huashu的skill里面。
还有一个经验就是，codex直接画图效果要比调用gpt-image2画图，效果差一些。推荐用gpt-image2
1. baoyu-image-cards
- Skill 名称：`baoyu-image-cards`
- 适合场景：社交媒体图片卡片、知识卡片、轮播图、推文配图。
- 使用建议：适合把一篇推文拆成 1-3 张重点卡片，突出标题、判断点和结论。
2. baoyu-cover-image
- Skill 名称：`baoyu-cover-image`
- 适合场景：文章封面图、推文主视觉、标题大字图。
- 使用建议：适合每篇推文只配一张封面图时使用，重点放大标题和核心概念。
3. huashu-wechat-image
- Skill 名称：`huashu-wechat-image`
- 适合场景：公众号配图、文章插图、16:9 中文信息图、正文解释图。
- 使用建议：适合做中文准确、结构清楚的信息图，比如对比图、流程图、字段关系图。
4. huashu-xhs-image
- Skill 名称：`huashu-xhs-image`
- 适合场景：小红书风格配图、竖版社媒卡片、手机信息流大字图。
- 使用建议：适合做竖版图，标题要大，重点要少，适合移动端阅读。
tweet
为文章配好看的图片，昨天找了一圈，最后选中4个github开源的skills，做出来感觉还不错。
4个skill可以对应不同的场景。
说明一下，他们不是单独的skill项目，在baoyu和huashu的skill里面。
还有一个经验就是，codex直接画图效果要比调用gpt-image2画图，效果差一些。推荐用gpt-image2
1. baoyu-image-cards
- Skill 名称：`baoyu-image-cards`
- 适合场景：社交媒体图片卡片、知识卡片、轮播图、推文配图。
- 使用建议：适合把一篇推文拆成 1-3 张重点卡片，突出标题、判断点和结论。
2. baoyu-cover-image
- Skill 名称：`baoyu-cover-image`
- 适合场景：文章封面图、推文主视觉、标题大字图。
- 使用建议：适合每篇推文只配一张封面图时使用，重点放大标题和核心概念。
3. huashu-wechat-image
- Skill 名称：`huashu-wechat-image`
- 适合场景：公众号配图、文章插图、16:9 中文信息图、正文解释图。
- 使用建议：适合做中文准确、结构清楚的信息图，比如对比图、流程图、字段关系图。
4. huashu-xhs-image
- Skill 名称：`huashu-xhs-image`
- 适合场景：小红书风格配图、竖版社媒卡片、手机信息流大字图。
- 使用建议：适合做竖版图，标题要大，重点要少，适合移动端阅读。
tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
用了这么就了，还是非常不习惯 codex 用这种不确定的含义的表达方式。
对于一个项目中某个重要部件，如果是 主要，大体上来回答，我还是无法安心。
希望下个版本能改进 @OpenAI https://t.co/D2a3yttRcT
tweet
用了这么就了，还是非常不习惯 codex 用这种不确定的含义的表达方式。
对于一个项目中某个重要部件，如果是 主要，大体上来回答，我还是无法安心。
希望下个版本能改进 @OpenAI https://t.co/D2a3yttRcT
tweet
日月小楚
我昨天差点把实盘的亏损原因归到“买贵了”。
这个判断很顺：聪明钱先买，我们晚 30-60 秒跟，盘口一动，价格自然变差。可把账拆开后，结论反而变了。
我按每笔实际买入份额算成本差：我买入份额 ×（我买入价 - 聪明钱买入价）。
能匹配到聪明钱 BUY 的有 158 笔，其中 150 笔是精确时间匹配。结果是：买贵的部分确实多花 44.6719 U，但买便宜的部分节省 79.8196 U，净成本差是 -35.1477 U。也就是说，只看买入价，我们整体反而少花了 35.15 U。
这不代表入场速度不重要。短周期市场里，30 秒当然会伤收益。
但它提醒我：别因为几笔刺眼的“买贵”，就把整个亏损归因到买贵。收益差要拆开看：买入成本、漏买、漏卖、仓位规则，各算各的，最后再看净影响。
以前我会直接去优化入场延迟，或者放宽价格保护。现在我会先问一句：这项损耗在总账里到底占多少？如果不先算清楚，优化方向很可能是错的。
这次的结论是：买贵不是主犯。先别信直觉，先把账拆开。
tweet
我昨天差点把实盘的亏损原因归到“买贵了”。
这个判断很顺：聪明钱先买，我们晚 30-60 秒跟，盘口一动，价格自然变差。可把账拆开后，结论反而变了。
我按每笔实际买入份额算成本差：我买入份额 ×（我买入价 - 聪明钱买入价）。
能匹配到聪明钱 BUY 的有 158 笔，其中 150 笔是精确时间匹配。结果是：买贵的部分确实多花 44.6719 U，但买便宜的部分节省 79.8196 U，净成本差是 -35.1477 U。也就是说，只看买入价，我们整体反而少花了 35.15 U。
这不代表入场速度不重要。短周期市场里，30 秒当然会伤收益。
但它提醒我：别因为几笔刺眼的“买贵”，就把整个亏损归因到买贵。收益差要拆开看：买入成本、漏买、漏卖、仓位规则，各算各的，最后再看净影响。
以前我会直接去优化入场延迟，或者放宽价格保护。现在我会先问一句：这项损耗在总账里到底占多少？如果不先算清楚，优化方向很可能是错的。
这次的结论是：买贵不是主犯。先别信直觉，先把账拆开。
tweet