ScottBTC

最近在做链上相关的策略，为了速度，开了 QuickNode RPC, 以为订阅了就行，今天一看账单，哭晕了🥲

当ai在干活的时候你在干什么？ai 时代最优办公环境

没想到 PayPal 也能这样涨，看看 6 月份定的老登股抄底定投计划，基本上都有 20% 的收益了，AI 波动太大，开始拥抱老登

好不容易等到12:50 token 恢复，跑了十几分钟就烧没了？？？ 这两天跑fable也没烧过这么快呀，今晚cc是不是在偷跑token？

来接盘美股了，搭了个产业链研究 Agent 平台，从产业链中找传导逻辑，找产业链的卡脖子的板块。去年是 vibe coding 元年，今年是 agent harness 元年，干中学 agent harness 搭建🧐

最近开发的一些项目:
1. 用 RUST 重写了交易所的铺单引擎，更少的资源更快的速度根据锚定所报价与订单薄不平衡特征进行铺单，7*24 价格连续不跳空，一台8c16g服务器能同时进行 100 左右的币对铺单，减少交易所的套利空间；
2. 重构了做市商财务系统，完整的对账逻辑，每日盈亏归因，详细的交易对冲数据可审计；
3. 为了进行预测市场做市商铺单策略开发，顺手搭了一个预测市场交易所，从 Kalshi 和 POLYMARKET 中拉取相同的市场自动上架，日常根据 POLYMARKET 报价进行铺单，使用 Kalshi 的报价进行兜底，避免铺单报价的时候，单一市场行情获取失败导致报价失败被用户套利
4. 中性因子策略回测与实盘平台，定期从研报论文中更新因子，跟踪因子表现，人工调整策略因子权重，目前进入小资金实盘环节。
这些项目里面，第一和第三个项目，调试了最久，AI 对高频高并发低延时系统设计有明显的缺陷，主要表现在不会精细的内存管理、无锁队列、内存池预分配等方式来实现纳秒级的交互，喜欢频繁的数据库/文件读写操作，最终产出严重拖垮系统吞吐量的“I/O 屎山”，硬盘空间爆炸。短时间内，系统架构后端工程师还是难以取代。
前端设计上面，我习惯使用 HTML 画一个交互界面出来，调好之后再用 React + Typerscript 重写，同时接上后端接口。UI、前端与产品经理未来极大概率将

跑了90多个因子，最终留下了两个因子，一个做筛选，一个做过滤，再加一些经验上的优化，这个数据比较满意。大部分人没有丰富的交易经验，不建议烧token去做择时策略，搞看起来高大上的机器学习预测价格。建议让 AI 像一个研究员一样，去研报论文中挖因子，做因子中性策略。