- 博客(79)
- 收藏
- 关注
RSS订阅
原创 读懂加密市场：系列总览
加密市场确实复杂，但复杂不等于不可理解。这个系列的每一篇都在帮你把复杂的事情拆解成可理解、可操作的框架。理解规则的人，才能在规则中找到自己的优势。让我们开始吧。欢迎关注coft，获取 AI 与加密货币领域的最新动态和深度分析。
2026-04-15 19:51:42
377
原创 从龙虾到爱马仕：一个老虾农的“叛逃“实录
2026 年的 AI Agent 赛道，卷得像 2015 年的共享单车。OpenClaw 打了样之后，各种"龙虾杀手"跟下饺子似的往外冒——Nanobot、NanoClaw、Hermes、还有一堆叫不上名字的。但 Hermes 不一样。它不是又一个"我也能做 OpenClaw 做的事"的 me-too 产品。AI 助手应不应该随着使用变得更好？OpenClaw 的答案是"不需要，用户自己会调教"。Hermes 的答案是"当然应该，这才是 Agent 存在的意义"。我选后者。
2026-04-16 09:13:11
673
原创 读懂加密市场（四）：交易者的内功
前三篇讲的是"外功"——市场规则、认知框架、操作方法。这一篇讲"内功"——心理、资金管理、执行纪律和工作流。交易这条路，技术只占两成，内功占八成。在关键时刻，摧毁你的从来不是一根 K 线——而是你看到那根 K 线之后，大脑里升起的那团火。管住那团火，你就赢了一半。这篇文章包含四个部分：人类大脑经过几百万年进化，非常擅长在丛林中生存——但并不擅长做交易。很多在日常生活中合理的直觉反应，放到交易里往往适得其反。亏 $1,000 的痛苦是赚 $1,000 快乐的 2-2.5 倍。交易中的表现：亏损的仓位不愿止损（
2026-04-15 20:19:41
533
原创 读懂加密市场（三）：合约、DEX 与工具
衍生品数据（Coinglass）+ DEX 数据（DEX Screener）+ 链上追踪（Arkham）+ DeFi 分析（DefiLlama）+ 图表工具（TradingView），覆盖了交易决策的完整链条。安全扫描工具（TokenSniffer 等）和 DEX 聚合器（1inch / Jupiter）已在前文操作流程中介绍，此处不再重复。
2026-04-15 20:15:30
403
原创 读懂加密市场（二）：建立你的认知框架
上一篇我们了解了市场的游戏规则——定价机制、交易成本、做市商行为和 MEV。这些是"硬件层"的知识。但光懂硬件不够，你还需要一套——知道看什么指标、怎么判断时机、如何评估一个代币是否值得参与。学会正确读数据、做决策，是从"凭感觉交易"到"有系统地交易"的关键一步。
2026-04-15 20:09:29
503
原创 读懂加密市场（一）：加密市场的游戏规则
你在 DEX 上点击"Swap"后，交易进入公开的交易内存池（Mempool），等待被打包。交易内容是公开的：任何人都能看到你要买什么、买多少区块构建者可以排列交易顺序：可以在你的交易前后插入其他交易这就给了 MEV 搜索者（运行机器人的技术团队）提取利润的空间。
2026-04-15 20:01:35
490
原创 一张图看懂巴菲特 48 年投资帝国：知识图谱效果全展示
48 封公开信浓缩成一张知识图谱后，最打动人的不是某一个投资技巧，而是一致性。价值投资— 48 年出现 280 次复利效应— 48 年出现 200 次长期主义— 48 年出现 190 次保险浮存金— 48 年出现 180 次内在价值— 48 年出现 170 次巴菲特的成功不是因为他有什么秘诀，而是因为他在正确的原则上坚持了足够长的时间。找到对的方法，然后重复做对的事情，等待复利的奇迹。本文展示的所有截图来自可视化页面。用 AI 构建巴菲特投资知识图谱代码和数据存放在目录下。免责声明。
2026-04-08 18:05:24
566
原创 用 AI 构建巴菲特投资知识图谱：从 48 封公开信到可交互的投资智慧网络
知识图谱（Knowledge Graph）是一种用图结构来表示知识的方式。(实体) —[关系]→ (实体)(Warren Buffett) —[管理]→ (Berkshire Hathaway)(Berkshire Hathaway) —[投资]→ (Coca-Cola)(Coca-Cola) —[具有]→ (经济护城河)(Benjamin Graham) —[影响]→ (Warren Buffett)千百个这样的三元组连起来，就形成了一张巨大的知识网络。
2026-04-08 17:53:40
659
原创 「同事.skill」爆火：当 AI 学会“炼化“你的同事
Agent Skill = 可被 AI 智能体动态发现并按需加载的"能力包"。如果 MCP 是"USB 接口"，那 Skills 就是"U 盘里的安装程序"。MCP 解决的是连通性，Skills 解决的是"AI 到底会不会干这件事"。每个 Skill 的入口是一个SKILL.md文件，由YAML 前置元数据Markdown 正文---When to use: 当需要对 Pull Request 进行结构化代码审查时。When NOT to use: 简单的 typo 修复或纯文档变更。---
2026-04-06 14:31:53
1266
原创 在线支付系列（五）：统一支付网关架构设计
前面的幂等、状态机、回调处理做得再好，也不能保证 100% 正确。对账就是那个每天帮你"查缺补漏"的守门员。
2026-04-04 20:48:00
340
原创 在线支付系列（四）：PayPal——一位海外买家的安全支付之旅
费率最高、退款最贵（不退手续费），但门槛最低、买家信任度最高。适合需要转化"谨慎型"海外用户的场景。
2026-04-04 20:45:47
346
原创 在线支付系列（三）：Stripe & 信用卡——一件跨境商品的卡支付之旅
纽约的 John 深夜刷手机，在一个中国独立站上发现了一双限量球鞋，标价 $149.99。他决定入手。页面弹出支付框，他选择了信用卡支付，输入了 Visa 卡号、有效期、CVC。突然，屏幕中间弹出一个窗口——他的银行要求输入手机验证码。他打开短信，输入 6 位数字，点击确认。这整个过程大约 10 秒。
2026-04-04 20:41:12
404
原创 在线支付系列（二）：支付宝 & 微信支付——一杯咖啡的扫码之旅
周一早上 8:30，你走进公司楼下的咖啡店，扫了吧台上的二维码，选了一杯冰美式，¥28。打开微信，扫一下，输入指纹，手机震动——“支付成功”。整个过程不到 2 秒。你可能觉得这没什么。但如果你是这家咖啡店的老板，刚请了个开发者帮你搭线上点单系统——你的开发者正在跟支付宝和微信支付的签名机制较劲。这篇文章，就从这杯 ¥28 的拿铁出发，带你走通支付宝和微信支付的完整对接流程。我们不会一上来就甩代码，而是先搞懂每一步"为什么要这么做"，然后再写代码。让我们先跟着这笔 ¥28，看看它完整的旅程。你用支付宝扫码支付
2026-04-04 20:38:50
409
原创 Harness Engineering 最佳实践：从概念到落地的完整操作手册
bin/bash# 检查分层依赖方向ERRORS=0# UI 层不能引用 Repo 层thenecho "❌ ERROR: ui/ 层直接引用了 repo/ 层"echo "✅ FIX: 通过 runtime/ 层的接口访问数据"fi# Repo 层不能引用 Service 层（反向依赖）thenecho "❌ ERROR: repo/ 层反向引用了 service/ 层"echo "✅ FIX: 使用接口（interface）解耦，依赖注入"fithen。
2026-04-02 16:01:13
1132
原创 Claude Code 源码泄露全复盘：51.2 万行代码裸奔，Anthropic 在同一个坑里摔了两次
Source Map 是前端开发中的调试利器。当 TypeScript/JavaScript 代码经过编译、压缩、混淆后，Source Map 文件能把它"还原"回原始源码，方便开发者在浏览器或 Node.js 中调试。一个典型的.map"sourcesContent": ["// 这里是完整的原始源码...", ...],关键字段是——它直接包含了所有原始源文件的完整内容。换句话说，只要拿到.map文件，就等于拿到了全部源码。维度要点泄露原因。
2026-04-01 18:16:02
2048
原创 数字货币交易所系列（四）：DEX 深度解析——从 AMM 到链上订单簿，去中心化交易的技术与未来
前三篇我们完整拆解了 CEX——业务全景、核心技术、安全风控与监管。CEX 的逻辑本质上和传统金融一样：你信任一个中心化机构，把钱交给它，它帮你撮合交易。但区块链存在的意义，不就是为了**去掉这个"中间人"**吗？2020 年 DeFi Summer，Uniswap 的日交易量首次超过 Coinbase。一个没有公司、没有服务器、没有员工的智能合约，在交易量上击败了一家市值百亿美元的上市公司。这不是偶然——这是去中心化交易的"iPhone 时刻"。但 DEX 也不是银弹。滑点大、Gas 贵、被 MEV 机器
2026-04-01 11:42:02
417
原创 数字货币交易所系列（三）：安全、风控与监管——从 Mt.Gox 到 FTX，CEX 的信任是怎么建立（和崩塌）的？
提币是资金流出交易所的唯一通道——如果黑客入侵了系统，提币风控是阻止资产流失的最后机会。提币请求到达│├── 地址检查：是否在黑名单中？（OFAC 制裁地址、已知盗币地址）│├── 金额检查：是否超过用户历史提币金额的 N 倍？│├── 频率检查：24 小时内提币次数是否异常？│├── 设备检查：是否从新设备/新 IP 发起？│├── 行为检查：是否在登录后立即提币？（盗号典型模式）│└── 综合评分 → 高风险 → 人工审核 / 24 小时延迟放行。
2026-04-01 11:37:13
267
原创 数字货币交易所系列（二）：CEX 核心技术架构——撮合引擎、钱包系统与充提链路的深度拆解
CEX 的技术架构，本质上是在解决一个矛盾三角性能/ \/ \安全 ──── 一致性性能：撮合引擎要快到微秒级，行情推送不能有延迟安全：管着几十亿美元的资产，密钥管理不能有丝毫差错一致性：每一分钱都不能算错，清结算必须精确到小数点后 8 位在这三者之间取得平衡，就是 CEX 技术团队每天在做的事情。但技术架构只是防线的一半。另一半是——风控系统如何检测异常？安全事件发生时如何应对？监管框架如何约束交易所行为？这些问题，我们下一篇来拆解。下一篇。
2026-03-31 14:35:42
873
原创 数字货币交易所系列（一）：一文看懂 CEX 的全部业务——你用的交易所，到底在做什么生意？
CEX（Centralized Exchange，中心化交易所）是一个由公司运营的数字货币交易平台。用户把资产存入交易所，交易所负责撮合买卖、保管资产、提供金融服务。本质上，CEX 扮演的角色是数字货币世界的券商 + 银行 + 交易所传统金融 CEX 对标纽交所 / 纳斯达克（撮合交易） → 撮合引擎券商（开户、下单、清算） → 账户体系 + 交易接口银行（存款、转账、理财） → 钱包 + 充提 + Earn资管公司（基金、结构化产品） → Launchpad + 结构化理财。
2026-03-30 19:36:26
379
原创 AI 算力基础设施深度系列（六·完结）：生产运维、安全与成本优化——将算力平台推向生产
生产运维、安全与成本优化知识地图：1. GPU 故障管理:├── XID 错误码体系（48/79/95 立即隔离）└── 自动隔离 + 训练自动恢复2. 多租户隔离:├── L1 软隔离: Namespace + RBAC + Quota├── L2 中隔离: + NetworkPolicy + PodSecurity└── Kueue: 配额 + 借用 + 优先级抢占3. 可观测性:├── 关键指标: GPU Util/ECC/温度/NVLink/功耗。
2026-03-28 23:47:33
148
原创 AI 算力基础设施深度系列（五）：高性能网络与存储——AI 训练的血管与粮仓
没有 GPUDirect 的 GPU 间通信：GPU 服务器 A GPU 服务器 B│ │ GPU 显存 │ │ │ │ GPU 显存 │ ││ │ CPU 主内存 │ │ │ │ CPU 主内存 │ ││ ↓ │ 网络 │ │ │瓶颈：步骤①④ 经 PCIe 总线，额外延迟 5-15μs本文深入了 AI 算力平台的两大基础设施短板——网络和存储。高性能网络与存储知识地图：1. 为什么需要 RDMA:└── AllReduce 通信占 30-50%，TCP 延迟 + CPU 开销不可接受。
2026-03-28 23:46:57
365
原创 AI 算力基础设施深度系列（四）：AI 算力平台架构设计——从调度到编排的全栈实战
2024 年底，OpenAI 公开了一个让基础设施工程师集体沉默的数字：在 Kubernetes 上编排 25,000 块 GPU，平均每 2.5 小时发生一次硬件故障，依然维持了 97% 的利用率。这不是实验室数据，而是 GPT 系列模型训练的生产指标。同一时期，Google GKE 宣布单集群支持 65,000 个节点，并在一次测试中协调了 50,000 块 TPU 芯片进行超大规模训练。阿里云 ACK 从 2018 年发布首个开源 GPU 容器共享调度方案以来，已在内部和外部支撑了大量 AI 负载。这
2026-03-28 23:40:58
340
原创 AI 算力基础设施深度系列（三）：GPU 与异构算力——让 Kubernetes 驾驭每一块加速卡
方案显存隔离算力隔离硬件要求配置灵活性性能开销适用场景MIG✅ 硬隔离✅ 硬隔离❌ 静态~0%高端卡多租户MPS❌ 无⚠️ 部分所有 NVIDIA✅ 动态低受信环境并发❌ 无❌ 无所有 NVIDIA✅ 动态中开发测试核心问题：在 T4、A10 等广泛使用的中端 GPU 上，NVIDIA 没有提供**同时满足"显存隔离 + 动态配置"**的方案。1. GPU 硬件基础:└── 互联拓扑直接影响性能 (NVLink 900GB/s vs PCIe 128GB/s)
2026-03-28 23:35:41
348
原创 AI 算力基础设施深度系列（二）：Kubernetes 深水区——底层原理与扩展机制全剖析
训练任务的 N 个 Pod 必须同时调度，否则全部不调度拓扑感知：GPU 间的 NVLink/PCIe 互联拓扑直接影响性能公平共享：多团队共享 GPU 池，需要配额管理和优先级抢占协同调度：通信密集的 Pod 应调度到同一拓扑域1. API Server 请求链: 认证→鉴权→Mutating Admission→验证→Validating Admission→etcd→Watch。
2026-03-27 19:51:09
426
1
原创 AI 算力基础设施深度系列（一）：从容器到 Kubernetes——算力底座的诞生
1. 容器 = Namespace(视图隔离) + Cgroup(资源限制) + Union FS(镜像分层)└── 不是虚拟机！共享内核，接近零开销2. K8S 三大设计哲学:└── 声明式 API + 控制循环 + 可扩展架构3. K8S 架构:└── 控制面 (API Server / etcd / Scheduler / Controller Manager)
2026-03-27 19:42:16
458
原创 量化交易系列（十一）：技术指标在币圈到底有没有用？——附入场出场实战框架
很多交易者（包括曾经的我）都有一种"指标收集癖"——不断寻找"更好的指标"，幻想存在某个神奇的指标能给出完美的买卖信号。这种幻想的本质，是试图把一个复杂的决策系统简化为一个简单的规则。但市场之所以能让人赚钱，恰恰是因为它不能被简化。如果 RSI < 30 买入就能稳定盈利，那所有人都会这么做，然后这个规则就立刻失效了。这是我在系列第七篇详细论证过的——公开策略的自我毁灭机制。Jim Simons 说过一句话：注意——他说的是 “the system”，不是 “the indicator”。
2026-03-23 20:09:04
398
原创 微信正式接入 OpenClaw：12 亿用户的 AI Agent 入口，来了
微信接入 OpenClaw，是 2026 年 AI 行业最重要的事件之一。它的意义不在于技术突破——ClawBot 在技术层面并不复杂，就是一个消息通道。它的意义在于完成了 AI Agent 普及的最后一块拼图：入口。安装 → 配置 → 学习命令 → 使用打开微信 → 发消息 → 搞定从极客到国民，从终端到聊天框，AI Agent 的"iPhone 时刻"或许就在此刻。但我也想泼一盆冷水。微信 + OpenClaw 的组合虽然在入口上无可匹敌，但 AI Agent 的核心挑战从来不是入口——而是。
2026-03-22 14:11:47
2554
原创 量化交易系列（十）：AI Agent + 量化实战——从论文到真金白银
AI Agent 能做的：✅ 7×24 小时不间断监控多源数据✅ 比人类更快地处理非结构化信息✅ 严格执行规则，不受情绪影响✅ 在多维度信号间做出一致的权衡✅ 持续学习和适应市场变化AI Agent 不能做的：❌ 预测价格走势（没有人/AI 能稳定做到）❌ 在极端行情中做出"超人"判断（训练数据中没见过的黑天鹅）❌ 替代你的投资理念和风险偏好❌ 保证赚钱❌ 消除市场风险。
2026-03-21 00:27:59
646
原创 Harness Engineering：当人类不再写代码，软件工程反而更“工程“了
结构化日志（不允许命名约定（文件名、变量名、函数名）文件大小限制（单文件不能超过一定行数）Import 规则（不允许跨层依赖）最妙的一点：每条 Linter 规则的错误信息中，直接包含修复指令。这样 Agent 看到报错后，不需要额外的上下文就知道怎么改。错误信息本身就是 Prompt。Harness Engineering 不是"AI 取代程序员"的故事，也不是"未来的程序员只需要写 Prompt"的童话。当代码的生产可以被自动化时，软件工程的"工程"到底是什么？
2026-03-19 18:42:00
1263
原创 量化交易系列（九）：那些年化50%+的复杂策略，到底在玩什么？
传统的全球宏观策略是 George Soros 式的——基于对全球经济和政策的主观判断做交易。量化版本则是用系统化的方法做同样的事情。核心思路：宏观经济指标 → 预测资产类别收益 → 全球配置写这篇文章的目的不是让你去实现这些复杂策略——说实话，绝大多数读者（包括我自己）都不具备在这些领域竞争的资源和能力。但知道天花板在哪里，能帮你做出更好的决策：不要幻想用简单策略打败机构。你的对手在用微秒级延迟的做市系统、卫星图像数据、和 200 个博士的智慧。
2026-03-19 18:38:06
517
原创 ERC-8183：给 Agent 经济补上最后一块拼图
你帮我干活，干完我给你钱，质量不行退款”——这事在现实世界靠合同和平台规则，链上呢？直接转账没保障，搞个完整的去中心化市场又太重了。。。围绕 Job 设计了一套托管机制和状态流转规则，刚好够 Agent 之间把一笔生意跑通。本文拆解这个协议的设计思路和技术架构。EIP 原文：https://eips.ethereum.org/EIPS/eip-8183讨论帖：https://ethereum-magicians.org/t/erc-8183-agentic-commerce/27902。
2026-03-19 09:37:52
267
原创 从金牛奖到 DeepSeek：一场演讲如何预言了中国 AI 的未来
量化私募整个行业的进步，大致符合摩尔定律——每 18 个月投资能力翻一倍。但市场有效性也同步提高，所以收益不变。你越来越聪明了，但你的对手也越来越聪明，所以你赚到的钱并没有变多。2019-2020 年：量化私募的黄金时代，超额收益（alpha）丰厚，百亿私募如雨后春笋2021 年：幻方管理规模破千亿，但年底遭遇史上最大回撤，被迫关闭募集通道2022-2023 年：alpha 持续衰减，大量中小量化私募出局，马太效应加剧2024-2025 年：行业从"人人都能赚钱"变成"只有头部才能存活"
2026-03-18 19:23:56
546
原创 腾讯 CodeBuddy + WorkBuddy：从写代码到管周报，一个 AI 生态通吃全场景
AI 工具正在从"单点突破"走向"全面覆盖"。2025 年，大家还在讨论"哪个 AI 补全插件最好用"。2026 年，问题已经变成了"哪个 AI 生态能覆盖我从想法到上线的完整链路"。腾讯的 CodeBuddy + WorkBuddy 组合，是目前我看到的对这个问题回答最完整的方案之一。它不是在某个单点上做到极致，而是在全链路上做到了"都能用，都好用"。对开发者来说，CodeBuddy IDE 的三模式切换 + NES 前瞻式补全 + 云服务一键集成，是一套完整的 AI 辅助开发工作流。
2026-03-15 23:47:37
1633
原创 量化交易系列（八）：OKX 搞了个 AI Trade Agent，是普通人的机会还是手续费收割机？
创新表面叙事实际效果真正赢家Robinhood 零佣金“让投资平民化”过度交易，PFOF 收割Citadel 做市商125 倍杠杆“给你更大的盈利空间”爆仓加速交易所网格机器人“自动帮你低买高卖”单边行情中被屠杀交易所“AI 帮你做量化”7×24 小时交手续费OKX每一次"降低门槛"的创新，最终的受益者都是平台，而不是用户。这不是阴谋论——这是商业模式的必然结果。平台的利润来自用户的交易行为，任何增加交易行为的产品，本质上都在增加平台的利润。
2026-03-15 23:33:59
472
原创 量化交易系列（七）：为什么所有公开的量化策略，都赚不了钱？
2019 年，一位名叫 Marcos López de Prado 的量化金融教授在康奈尔大学做了一场演讲。台下笑了。但他没在开玩笑。他随后展示了一组数据：过去 20 年金融学术界发表的数百个"显著有效"的交易因子，在论文发表后的样本外表现——。也就是说，论文里年化 10% 的策略，发表后大概只剩 5%，再扣掉交易成本，基本归零。这个现象不是个例，而是规律。这就是本文要回答的核心问题——散户的量化策略到底是什么？为什么我从不公开自己的策略？
2026-03-15 23:23:02
493
原创 量化交易系列（六）：做量化为啥这么难？散户量化会被收割么？
每隔一段时间，我的后台就会收到类似的留言：“我学了 Python，学了因子模型，回测跑得飞起，怎么一实盘就亏？“量化不是用数学和科学打败市场吗？为什么我感觉自己在被市场打？“是不是散户做量化，本质上就是给机构送钱？这些问题问到了量化交易最核心的痛处。前五篇文章，我们聊了底层逻辑、经典策略、风险管理、多因子模型和认知陷阱。如果说那五篇是在教你"怎么打仗"，这一篇要回答一个更根本的问题——但这个"难"不是无解的，"被收割"也不是必然的。关键在于你是否真正理解了自己面对的是什么。
2026-03-14 13:56:14
398
原创 从 MCP 到 CLI：AI Agent 的“接口之争“，终端才是终局
看起来"落后"的方案，往往比看起来"先进"的方案活得更久。REST 比 SOAP 活得久，不是因为它更强大，而是因为它更简单。Docker CLI 比 Mesos 活得久，不是因为它功能更全，而是因为开发者能直接上手。MCP 是一个精心设计的协议，它解决了一个真实的问题。它不需要你学习新东西。它只是让你已经会的东西变得更强。当 AI 足够智能，最好的"工具协议"就是自然语言 + 操作系统。不需要 JSON-RPC，不需要 Schema，不需要 Server。你说一句话，Agent 在终端里帮你搞定。
2026-03-14 13:48:49
675
原创 GraphRAG：当 RAG 遇上知识图谱，信息检索从此不一样了
GraphRAG 不是要"取代"传统 RAG，而是在传统 RAG 的基础上加了一层"知识结构"。当你的问题需要"连点成线"的时候，它比纯向量检索强太多了。从"搜文本"到"搜知识"。微软 GraphRAG 点燃了这个方向，LightRAG 让它更轻量，MiroFish 把它用到了群体智能预测，Kotaemon 让普通用户也能开箱即用。这个生态还在快速生长。GraphRAG 官方文档：https://microsoft.github.io/graphrag/
2026-03-13 18:31:20
469
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人