runesleo

我一直以为 Codex 最近慢得离谱，是 Skill 装太多了。
结果一查日志，完全不是。
其中一步跑了 138.6 分钟，经历 206 次模型/工具往返，光等子 Agent 就花了 54.9 分钟——但这一步一次 Skill 都没加载。
真正拖慢 Agent 的，往往不是模型，也不是 Skill，而是过度编排：
- Ultra 主控下面再堆 full-history 子 Agent
- 多轮「审查 → 修复 → 复审」
- 高频轮询
- 每个小改动都跑全仓测试
我刚把默认工作流改了：
保留 Ultra 主控，但只留一个实现者；非平凡任务最多一次终审；开发期只跑 focused tests；全仓测试放到里程碑末；长任务用事件等待，不再反复轮询。
先用日志找到时间究竟花在哪一层，再砍编排。
别一慢就先删 Skill，也别把「更多 Agent、更多审查」误当成更准确。

超级方便的Ai agent 客户端置顶对话自动替换！现在Ai app 的对话芯片太好用了
对话聊太久聊满了，不用硬撑也不用手动切换
直接让AI 自动开同角色新窗口续聊，
或把新窗口替换成侧栏置顶入口。
一套自动化，三个用法：
1. 在这个对话里指挥它，接替另一个对话当置顶
2. 新开一个窗口继续干分叉/临时任务
3. 派发子任务，但用新窗口去续跑
以 Cursor 为例：
弹窗确认 → 侧栏一点进新入口。
剪贴板已预填 /remote-control，
粘贴一次就能挂手机 Remote Control。
AI 来了，人越来越懒了，能自动化的绝不手动一丁点儿🤏

一个主战场约 96% 胜率的 Polymarket 玩家：我把 BipBop 的 1632 笔仓位拆开了
排行榜上这个账号：BipBop
1632 笔已结算仓位，主战场胜率约 96%，连续多个月月月为正。
大多数人第一反应是：抄他。
我们真去抄了「看起来像他」的那一层——把「买 0.85–0.95 高概率盘、拿到结算」做成机械策略，回测 5378 个市场（高概率盘对照组）：胜率 88.9%，净收益 −2.5%。
胜率是幻觉。高胜率可以是亏钱策略。他赚的，不是你以为的那笔钱。
——
我拆了什么
拉全史公开成交 2414 笔，把 1632 个已结算仓位对上官方结算，再按事件类型 × 入场价格带切矩阵。
已结算合计：成本约 $30.0 万，利润约 +$5.8 万，ROI 约 +19%。
不给可跟单路径。只讲聚合结果，和一套以后也能用来看别人的读法。
——
主结论：利润不在 0.85+
主战场是 mention / say 类事件。
（图 1：胜率幻觉对照）
（图 2：主战场四价格带）
读法只有三句：
1. 别被最高胜率骗。0.85+ 最好看，但不是钱袋。
2. 别被最高 ROI 骗。<0.4 很猛，样本太少，当不了主引擎。
3. 先找绝对利润落点，再解释它为什么成立。
主战场里，0.6–0.85 绝对利润约 +$28.6K；0.85+ 只有约 +$10.9K。笔数更少的中段，反而搬走了大

Codex 挂了，恭喜大家马上迎来一波新的额度重置！

当你不在家里老人身边，而他们又有很具体的需求时，现在有了 AI，真的可以很方便地做出高度定制的小工具。
比如我家里有老人需要做一段时间的肌肉康复训练。我把已经确认过的动作和强度做成了一个专门给他使用的网页：打开就能看到今天练什么，一屏一项直接跟着做。后续计划有调整时，我也能直接帮他们更新页面。
以前这种需求太小、太私人，很难专门做一个软件。现在借助 AI，可以很快把需求变成真正能使用的东西。
AI 在这里不是替代康复师，而是把已经确认过的计划，变成老人和家人真正能够执行的工具。
接下来先实际用一段时间，再看能不能抽象成一个可复用、甚至开源的家庭训练跟练工具。
AI 时代，未来的一切都会是高度定制化的。

现在人人都在让 AI 写代码，但我今天干了件更刺激的事——让它写了一段会自动花真钱、完全无人值守下单的代码。
先把决策卡写好，把边界、最坏情况、kill 条件全想清楚才敢动手。本来想让 Codex 自己搭执行器，结果派发通道全天不稳，改成我自己主线程一点点自建。
上线前跑了 7 轮对抗式 code review，硬抠出 26 个 P0 级致命 bug。从那种会连环下错单的进程并发破帽，一轮轮收窄到时钟偏差，最后只剩 14 天才触发的边角老化洞。
部署到 VPS 之后，一个傍晚的真实 canary 又抓到一个白天测全绿、晚上才露面的 bug。
今晚 21:30，首单终于真实放出去了。
说实话，这只是个微额学习实验。单日敞口大概 10u 上下，设了 30u 硬 kill 线。拿小钱换真实数据和踩坑经验，不是来搞规模化盈利的。
现在还没有任何结果，只能说：代码上线了，今晚等着验证。
AI 写这种会花钱的系统，审查这道坎到底能扛到哪？

五天前我把 Claude、Codex、Cursor、Grok 四条 lane 全锁到最强模型加最高推理档。想法是既然付了钱，就该把最好的用满。
五天后发现根本扛不住。额度掉得太快，最强模型拿去干重复的检查和格式工作，纯属浪费。
现在改了，按判断密度来分。出错会亏钱或污染数据的审查、交叉验证、资金策略这些任务，继续保留最强席位。日常实现和开发走中档模型。机械活和摘要，能写脚本的就先写脚本。
模型分配只看判断密度，不看订阅价格。
你们是怎么挑不同任务给不同模型的？