Leolabs AI 实验室
479 Beiträge
Leolabs AI 实验室
Melden
Nutzer blockieren
AI Crypto 独立构建者。用 Claude Code / Codex 搭自动化交易与数据分析系统，链上研究与策略实盘，过程公开。
Trade eröffnen
Regelmäßiger Trader
8.9 Jahre
4 Following
11 Follower
19 Like gegeben
Beiträge
Portfolio
Übersetzung ansehen
有人在讽刺现在的创业方法论：找个火的产品，前面加个 Open，让 AI 照着抄一遍，然后管它叫开源精神。
好笑，但它指向一件不好笑的事：复制的成本已经接近零了。
以前抄一个产品、一篇深度分析、一套方法论，要几个月。现在一个下午。
所以真正该问的不是「怎么防止被抄」，而是「什么本来就抄不走」。
我的答案是一条分界线：能被一次性生成的东西会贬值，只能靠时间累积的东西会升值。
AI 压缩的是生产，不是积累。
按这条线往下推，值得坚持的其实只有三件事。
第一，做能产生一手信息的事。
自己下场，不只是评论。自己下过单才知道成交价和你以为的不一样，自己踩过坑才知道文档里哪句话是错的。AI 能重组所有已经存在的信息，但它没办法替你去经历那些还没有被写下来的部分。一手信息是唯一不在训练集里的东西。
第二，公开记录你的过程，包括错的那部分。
一次公开的修正，比十篇正确的文章更能说明你在真的做事。抄的人抄得到你的结论，抄不到你是怎么发现自己错的——而且他也不会知道错在哪，因为他没算过，只是复制了结果。
第三，持续。
这条最土，也最难被复制。因为复制品没有下一版。抄一次的成本是一个下午，抄三年的成本是三年，而那正好是你已经在做的事。
说到底，AI 没有改变什么东西有价值，它只是让「看起来有价值」变得很便宜。
真正的分界线一直没变：你的东西是从哪来的。
是生成的，还是长出来的。
有人在讽刺现在的创业方法论：找个火的产品，前面加个 Open，让 AI 照着抄一遍，然后管它叫开源精神。
好笑，但它指向一件不好笑的事：复制的成本已经接近零了。
以前抄一个产品、一篇深度分析、一套方法论，要几个月。现在一个下午。
所以真正该问的不是「怎么防止被抄」，而是「什么本来就抄不走」。
我的答案是一条分界线：能被一次性生成的东西会贬值，只能靠时间累积的东西会升值。
AI 压缩的是生产，不是积累。
按这条线往下推，值得坚持的其实只有三件事。
第一，做能产生一手信息的事。
自己下场，不只是评论。自己下过单才知道成交价和你以为的不一样，自己踩过坑才知道文档里哪句话是错的。AI 能重组所有已经存在的信息，但它没办法替你去经历那些还没有被写下来的部分。一手信息是唯一不在训练集里的东西。
第二，公开记录你的过程，包括错的那部分。
一次公开的修正，比十篇正确的文章更能说明你在真的做事。抄的人抄得到你的结论，抄不到你是怎么发现自己错的——而且他也不会知道错在哪，因为他没算过，只是复制了结果。
第三，持续。
这条最土，也最难被复制。因为复制品没有下一版。抄一次的成本是一个下午，抄三年的成本是三年，而那正好是你已经在做的事。
说到底，AI 没有改变什么东西有价值，它只是让「看起来有价值」变得很便宜。
真正的分界线一直没变：你的东西是从哪来的。
是生成的，还是长出来的。
好笑，但它指向一件不好笑的事：复制的成本已经接近零了。
以前抄一个产品、一篇深度分析、一套方法论，要几个月。现在一个下午。
所以真正该问的不是「怎么防止被抄」，而是「什么本来就抄不走」。
我的答案是一条分界线：能被一次性生成的东西会贬值，只能靠时间累积的东西会升值。
AI 压缩的是生产，不是积累。
按这条线往下推，值得坚持的其实只有三件事。
第一，做能产生一手信息的事。
自己下场，不只是评论。自己下过单才知道成交价和你以为的不一样，自己踩过坑才知道文档里哪句话是错的。AI 能重组所有已经存在的信息，但它没办法替你去经历那些还没有被写下来的部分。一手信息是唯一不在训练集里的东西。
第二，公开记录你的过程，包括错的那部分。
一次公开的修正，比十篇正确的文章更能说明你在真的做事。抄的人抄得到你的结论，抄不到你是怎么发现自己错的——而且他也不会知道错在哪，因为他没算过，只是复制了结果。
第三，持续。
这条最土，也最难被复制。因为复制品没有下一版。抄一次的成本是一个下午，抄三年的成本是三年，而那正好是你已经在做的事。
说到底，AI 没有改变什么东西有价值，它只是让「看起来有价值」变得很便宜。
真正的分界线一直没变：你的东西是从哪来的。
是生成的，还是长出来的。
74
Übersetzung ansehen
你快不快乐，跟你在做什么关系不大。
跟你做这件事的时候人在不在场，关系很大。
这是哈佛 2010 年发在 Science 上的一个研究，用 iPhone 随机弹窗，采样了两千多人在真实生活里的实时状态。
—— 三个数字 ——
人有 46.9% 的清醒时间在走神
「做什么」只能解释 4.6% 的快乐差异
「有没有走神」能解释 10.8%
也就是说，你在想什么对此刻快不快乐的影响，是你在做什么的两倍多。
而且走神在每一种活动里都占到至少 30%。唯一的例外是做爱。
—— 最反直觉的一条 ——
你可能会想：那我走神去想点开心的事，不就行了。
数据说不行。
走神到愉快的话题时，人并不比专注当下更快乐——这个差异在统计上不显著。
而走神到中性或不愉快的话题，明显更不快乐。
所以走神本身就是有成本的，跟你走神到哪儿关系不大。想好事也救不回来。
—— 是因还是果 ——
这是我第一个怀疑的地方：会不会是心情不好导致走神，而不是走神导致心情不好？
研究做了时间滞后分析：走神在前，情绪下降在后。
方向是走神 → 不快乐，不是反过来。
—— 对一个人做事的人意味着什么 ——
我们习惯的解法是换事情做：这个项目让我烦，那就换个更有意思的。
按这个研究，换事情的收益上限只有 4.6%。
真正的杠杆不在做什么，在做的时候人在不在。
同一件枯燥的活，人在场做，可能比一件有趣的活心不在焉地做状态更好。
—— 一句话 ——
不是找一件更让你开心的事去做，是做的时候别走。
论文：A Wandering Mind Is an Unhappy Mind
Killingsworth & Gilbert, Science, 2010
你快不快乐，跟你在做什么关系不大。
跟你做这件事的时候人在不在场，关系很大。
这是哈佛 2010 年发在 Science 上的一个研究，用 iPhone 随机弹窗，采样了两千多人在真实生活里的实时状态。
—— 三个数字 ——
人有 46.9% 的清醒时间在走神
「做什么」只能解释 4.6% 的快乐差异
「有没有走神」能解释 10.8%
也就是说，你在想什么对此刻快不快乐的影响，是你在做什么的两倍多。
而且走神在每一种活动里都占到至少 30%。唯一的例外是做爱。
—— 最反直觉的一条 ——
你可能会想：那我走神去想点开心的事，不就行了。
数据说不行。
走神到愉快的话题时，人并不比专注当下更快乐——这个差异在统计上不显著。
而走神到中性或不愉快的话题，明显更不快乐。
所以走神本身就是有成本的，跟你走神到哪儿关系不大。想好事也救不回来。
—— 是因还是果 ——
这是我第一个怀疑的地方：会不会是心情不好导致走神，而不是走神导致心情不好？
研究做了时间滞后分析：走神在前，情绪下降在后。
方向是走神 → 不快乐，不是反过来。
—— 对一个人做事的人意味着什么 ——
我们习惯的解法是换事情做：这个项目让我烦，那就换个更有意思的。
按这个研究，换事情的收益上限只有 4.6%。
真正的杠杆不在做什么，在做的时候人在不在。
同一件枯燥的活，人在场做，可能比一件有趣的活心不在焉地做状态更好。
—— 一句话 ——
不是找一件更让你开心的事去做，是做的时候别走。
论文：A Wandering Mind Is an Unhappy Mind
Killingsworth & Gilbert, Science, 2010
跟你做这件事的时候人在不在场，关系很大。
这是哈佛 2010 年发在 Science 上的一个研究，用 iPhone 随机弹窗，采样了两千多人在真实生活里的实时状态。
—— 三个数字 ——
人有 46.9% 的清醒时间在走神
「做什么」只能解释 4.6% 的快乐差异
「有没有走神」能解释 10.8%
也就是说，你在想什么对此刻快不快乐的影响，是你在做什么的两倍多。
而且走神在每一种活动里都占到至少 30%。唯一的例外是做爱。
—— 最反直觉的一条 ——
你可能会想：那我走神去想点开心的事，不就行了。
数据说不行。
走神到愉快的话题时，人并不比专注当下更快乐——这个差异在统计上不显著。
而走神到中性或不愉快的话题，明显更不快乐。
所以走神本身就是有成本的，跟你走神到哪儿关系不大。想好事也救不回来。
—— 是因还是果 ——
这是我第一个怀疑的地方：会不会是心情不好导致走神，而不是走神导致心情不好？
研究做了时间滞后分析：走神在前，情绪下降在后。
方向是走神 → 不快乐，不是反过来。
—— 对一个人做事的人意味着什么 ——
我们习惯的解法是换事情做：这个项目让我烦，那就换个更有意思的。
按这个研究，换事情的收益上限只有 4.6%。
真正的杠杆不在做什么，在做的时候人在不在。
同一件枯燥的活，人在场做，可能比一件有趣的活心不在焉地做状态更好。
—— 一句话 ——
不是找一件更让你开心的事去做，是做的时候别走。
论文：A Wandering Mind Is an Unhappy Mind
Killingsworth & Gilbert, Science, 2010
Übersetzung ansehen
我把一个文件复制了一份当备份。
结果两份一起废了。
原因是：那个文件里装的不是数据，是身份。
复制一份数据，你就有了两份数据。
复制一份身份，你不是有了两个身份 —— 是同一个身份，同时出现在两个地方。
任何平台看到这个，第一反应都是「号被盗了」。于是整个凭证作废，副本和原件一起死。
这类东西比大多数人以为的多：
· 账号登录态
· API key、授权文件、证书
· 浏览器 cookie
· 各种「记住我」的凭据
你以为在做备份，其实在造分身。而系统只认一个。
最阴的是它不当场报错 —— 废掉的那一刻一切照常，等你真要用的时候才发现。
所以复制任何东西之前，先问一句：
这里面装的是数据，还是身份？
数据可以复制。身份只能挪，不能分。
我把一个文件复制了一份当备份。
结果两份一起废了。
原因是：那个文件里装的不是数据，是身份。
复制一份数据，你就有了两份数据。
复制一份身份，你不是有了两个身份 —— 是同一个身份，同时出现在两个地方。
任何平台看到这个，第一反应都是「号被盗了」。于是整个凭证作废，副本和原件一起死。
这类东西比大多数人以为的多：
· 账号登录态
· API key、授权文件、证书
· 浏览器 cookie
· 各种「记住我」的凭据
你以为在做备份，其实在造分身。而系统只认一个。
最阴的是它不当场报错 —— 废掉的那一刻一切照常，等你真要用的时候才发现。
所以复制任何东西之前，先问一句：
这里面装的是数据，还是身份？
数据可以复制。身份只能挪，不能分。
结果两份一起废了。
原因是：那个文件里装的不是数据，是身份。
复制一份数据，你就有了两份数据。
复制一份身份，你不是有了两个身份 —— 是同一个身份，同时出现在两个地方。
任何平台看到这个，第一反应都是「号被盗了」。于是整个凭证作废，副本和原件一起死。
这类东西比大多数人以为的多：
· 账号登录态
· API key、授权文件、证书
· 浏览器 cookie
· 各种「记住我」的凭据
你以为在做备份，其实在造分身。而系统只认一个。
最阴的是它不当场报错 —— 废掉的那一刻一切照常，等你真要用的时候才发现。
所以复制任何东西之前，先问一句：
这里面装的是数据，还是身份？
数据可以复制。身份只能挪，不能分。
75
Übersetzung ansehen
这周群里有人花了好几天，想复现一个头部地址的打法。每个测试至少跑两小时。
结论是：复现不了。
不是差一点，是「就算不排队、延迟 0 都做不到」。
他后来做了一件很聪明的事：改用回放模拟，允许自己偷看未来——反正是回测，作弊也无所谓，就想知道差距到底在哪。
结果是要偷看到 3 秒以后，才有可能追上他。
而 3 秒在真实交易里是不可能的。
这个测法值得单独说一下。
一般人复现不了别人的策略，第一反应是「我的速度不够」，然后开始买机器、拉专线、优化链路。但速度是个连续变量，你永远不知道要快到什么程度才够——只能一直花钱。
允许自己偷看未来，等于把「速度」这个变量直接拉到无穷大。如果这样都追不上，那差距就一定不在速度上，是别的东西。
这是一次很干净的证伪：不用买任何东西，就排除掉了一整个方向。
同一场讨论里，另一个人给了个方向完全不同的答案：
「其实我做到现在就是觉得，撤单（不接毒单）是最重要的。」
还有一条更实际的，我觉得是这周群里最有价值的一句：
「maker 的难点是实盘不保证成交，所以实际买入大概率价格更高——下跌肯定直接成交了。」
这句话初看是抱怨，细想是个结构性的东西：
你挂单能不能成交，不是随机的。行情往对你不利的方向走时，你的单一定成交；往有利的方向走时，你大概率被跳过。
所以「成交」这个事件本身就带着方向。你回测时假设的成交价，和你实盘拿到的成交价，差的不是滑点，是这一层筛选。
换句话说——你能成交的时候，往往正是你不该成交的时候。
这也解释了为什么模拟盘和实盘差那么远。模拟里成交是「价格到了就算成交」，实盘里成交是「有人愿意把不利的那一边卖给你」。前者是价格问题，后者是对手方问题。
这周还有个背景：平台同一周动了两个开关。
TWAP 拉满，抹平错误定价——靠误定价回归的策略直接废。
Taker 延迟从 250ms 砍到 50ms，利好吃单方——再砍一次信号驱动的做市。
两个开关方向是反的，但落点是同一批人。群里那句总结最狠：「改 taker 延迟本质上淘汰掉微观结构套利的 maker。」
所以现在的局面是：靠速度追不上（有人已经用偷看未来证明了），靠误定价的路被 TWAP 堵死了，靠做市的又被延迟调整削一刀。
剩下能站住的，只有那些不依赖以上任何一条的东西——比如判断哪些单不该接。
本周完整的社群精华在频道，包含流动性 8 小时缩 3 倍的实测、扫尾拥挤度、以及群里 11 条还没答案的问题（每条可点回原消息核对上下文）：
这周群里有人花了好几天，想复现一个头部地址的打法。每个测试至少跑两小时。
结论是：复现不了。
不是差一点，是「就算不排队、延迟 0 都做不到」。
他后来做了一件很聪明的事：改用回放模拟，允许自己偷看未来——反正是回测，作弊也无所谓，就想知道差距到底在哪。
结果是要偷看到 3 秒以后，才有可能追上他。
而 3 秒在真实交易里是不可能的。
这个测法值得单独说一下。
一般人复现不了别人的策略，第一反应是「我的速度不够」，然后开始买机器、拉专线、优化链路。但速度是个连续变量，你永远不知道要快到什么程度才够——只能一直花钱。
允许自己偷看未来，等于把「速度」这个变量直接拉到无穷大。如果这样都追不上，那差距就一定不在速度上，是别的东西。
这是一次很干净的证伪：不用买任何东西，就排除掉了一整个方向。
同一场讨论里，另一个人给了个方向完全不同的答案：
「其实我做到现在就是觉得，撤单（不接毒单）是最重要的。」
还有一条更实际的，我觉得是这周群里最有价值的一句：
「maker 的难点是实盘不保证成交，所以实际买入大概率价格更高——下跌肯定直接成交了。」
这句话初看是抱怨，细想是个结构性的东西：
你挂单能不能成交，不是随机的。行情往对你不利的方向走时，你的单一定成交；往有利的方向走时，你大概率被跳过。
所以「成交」这个事件本身就带着方向。你回测时假设的成交价，和你实盘拿到的成交价，差的不是滑点，是这一层筛选。
换句话说——你能成交的时候，往往正是你不该成交的时候。
这也解释了为什么模拟盘和实盘差那么远。模拟里成交是「价格到了就算成交」，实盘里成交是「有人愿意把不利的那一边卖给你」。前者是价格问题，后者是对手方问题。
这周还有个背景：平台同一周动了两个开关。
TWAP 拉满，抹平错误定价——靠误定价回归的策略直接废。
Taker 延迟从 250ms 砍到 50ms，利好吃单方——再砍一次信号驱动的做市。
两个开关方向是反的，但落点是同一批人。群里那句总结最狠：「改 taker 延迟本质上淘汰掉微观结构套利的 maker。」
所以现在的局面是：靠速度追不上（有人已经用偷看未来证明了），靠误定价的路被 TWAP 堵死了，靠做市的又被延迟调整削一刀。
剩下能站住的，只有那些不依赖以上任何一条的东西——比如判断哪些单不该接。
本周完整的社群精华在频道，包含流动性 8 小时缩 3 倍的实测、扫尾拥挤度、以及群里 11 条还没答案的问题（每条可点回原消息核对上下文）：
结论是：复现不了。
不是差一点，是「就算不排队、延迟 0 都做不到」。
他后来做了一件很聪明的事：改用回放模拟，允许自己偷看未来——反正是回测，作弊也无所谓，就想知道差距到底在哪。
结果是要偷看到 3 秒以后，才有可能追上他。
而 3 秒在真实交易里是不可能的。
这个测法值得单独说一下。
一般人复现不了别人的策略，第一反应是「我的速度不够」，然后开始买机器、拉专线、优化链路。但速度是个连续变量，你永远不知道要快到什么程度才够——只能一直花钱。
允许自己偷看未来，等于把「速度」这个变量直接拉到无穷大。如果这样都追不上，那差距就一定不在速度上，是别的东西。
这是一次很干净的证伪：不用买任何东西，就排除掉了一整个方向。
同一场讨论里，另一个人给了个方向完全不同的答案：
「其实我做到现在就是觉得，撤单（不接毒单）是最重要的。」
还有一条更实际的，我觉得是这周群里最有价值的一句：
「maker 的难点是实盘不保证成交，所以实际买入大概率价格更高——下跌肯定直接成交了。」
这句话初看是抱怨，细想是个结构性的东西：
你挂单能不能成交，不是随机的。行情往对你不利的方向走时，你的单一定成交；往有利的方向走时，你大概率被跳过。
所以「成交」这个事件本身就带着方向。你回测时假设的成交价，和你实盘拿到的成交价，差的不是滑点，是这一层筛选。
换句话说——你能成交的时候，往往正是你不该成交的时候。
这也解释了为什么模拟盘和实盘差那么远。模拟里成交是「价格到了就算成交」，实盘里成交是「有人愿意把不利的那一边卖给你」。前者是价格问题，后者是对手方问题。
这周还有个背景：平台同一周动了两个开关。
TWAP 拉满，抹平错误定价——靠误定价回归的策略直接废。
Taker 延迟从 250ms 砍到 50ms，利好吃单方——再砍一次信号驱动的做市。
两个开关方向是反的，但落点是同一批人。群里那句总结最狠：「改 taker 延迟本质上淘汰掉微观结构套利的 maker。」
所以现在的局面是：靠速度追不上（有人已经用偷看未来证明了），靠误定价的路被 TWAP 堵死了，靠做市的又被延迟调整削一刀。
剩下能站住的，只有那些不依赖以上任何一条的东西——比如判断哪些单不该接。
本周完整的社群精华在频道，包含流动性 8 小时缩 3 倍的实测、扫尾拥挤度、以及群里 11 条还没答案的问题（每条可点回原消息核对上下文）：
74
Übersetzung ansehen
一个人干活，最难的不是没事做，是早上打开电脑不知道从哪下手。
我后来发现症结在于：把两件完全不同的事挤在同一个时间点做了。
一件是**看世界**——外面发生了什么、有没有跟我相关的变化、哪条值得跟。这件事的性质是筛选，输入来自外部，做完应该是一份「值得看的 0-3 条」。
另一件是**管自己**——我手上有什么在跑、卡在哪、今天推哪一个。这件事的性质是排序，输入全是自己的存量。
混在一起做，结果就是一边刷信息一边焦虑该干活，两件都做不好。
拆开之后顺序也是固定的：**先看世界，再管自己**。反过来会出问题——你按昨天的判断排好了今天，然后才发现外面变了，排的东西已经不该做了。
值得抄的是这个分工，不是任何人的具体流程。你的两件事可能各花五分钟，但它们必须是两件事。
一个人干活，最难的不是没事做，是早上打开电脑不知道从哪下手。
我后来发现症结在于：把两件完全不同的事挤在同一个时间点做了。
一件是**看世界**——外面发生了什么、有没有跟我相关的变化、哪条值得跟。这件事的性质是筛选，输入来自外部，做完应该是一份「值得看的 0-3 条」。
另一件是**管自己**——我手上有什么在跑、卡在哪、今天推哪一个。这件事的性质是排序，输入全是自己的存量。
混在一起做，结果就是一边刷信息一边焦虑该干活，两件都做不好。
拆开之后顺序也是固定的：**先看世界，再管自己**。反过来会出问题——你按昨天的判断排好了今天，然后才发现外面变了，排的东西已经不该做了。
值得抄的是这个分工，不是任何人的具体流程。你的两件事可能各花五分钟，但它们必须是两件事。
我后来发现症结在于：把两件完全不同的事挤在同一个时间点做了。
一件是**看世界**——外面发生了什么、有没有跟我相关的变化、哪条值得跟。这件事的性质是筛选，输入来自外部，做完应该是一份「值得看的 0-3 条」。
另一件是**管自己**——我手上有什么在跑、卡在哪、今天推哪一个。这件事的性质是排序，输入全是自己的存量。
混在一起做，结果就是一边刷信息一边焦虑该干活，两件都做不好。
拆开之后顺序也是固定的：**先看世界，再管自己**。反过来会出问题——你按昨天的判断排好了今天，然后才发现外面变了，排的东西已经不该做了。
值得抄的是这个分工，不是任何人的具体流程。你的两件事可能各花五分钟，但它们必须是两件事。
42
Wenn du eine KI Dinge für dich erledigen lässt: Wie gehst du dabei mit Passwörtern um?
Ich habe drei Varianten gesehen, deren Risiken sich stark unterscheiden:
1. Das Passwort direkt in den Chat kopieren – am bequemsten und zugleich am schlechtesten. Es landet im Kontext, in Protokollen und möglicherweise in Trainingsdaten. Und du kannst es nicht zurückholen.
2. Den Agenten deinen Passwortmanager auslesen lassen – klingt professionell, aber er erhält das Passwort im Klartext. Und du weißt nicht, wohin dieser Kontext danach gelangt.
3. Der Agent stellt nur eine Anfrage. Du bestätigst sie in der Benutzeroberfläche deines Passwortmanagers, und der Wert wird direkt in die Seite eingetragen. Der Agent sieht während des gesamten Vorgangs nur „autorisiert / nicht autorisiert“, aber nicht den Wert.
Nur die dritte Variante ist langfristig praktikabel. Das entscheidende Kriterium ist ganz einfach: **Gelangt der Klartext in diesem Ablauf in den Kontext der KI?** Wenn ja, ist es unsicher – egal, wie viele Schichten dazwischenliegen.
Und noch etwas Grundsätzlicheres: Lass den Agenten möglichst keine Aktionen ausführen, für die ein Passwort nötig ist. Es reicht, wenn er dich bis zu diesem Schritt bringt. Die paar Minuten Zeitersparnis sind es nicht wert, dafür dein Konto zu riskieren. ⚠️
Wenn du eine KI Dinge für dich erledigen lässt: Wie gehst du dabei mit Passwörtern um?
Ich habe drei Varianten gesehen, deren Risiken sich stark unterscheiden:
1. Das Passwort direkt in den Chat kopieren – am bequemsten und zugleich am schlechtesten. Es landet im Kontext, in Protokollen und möglicherweise in Trainingsdaten. Und du kannst es nicht zurückholen.
2. Den Agenten deinen Passwortmanager auslesen lassen – klingt professionell, aber er erhält das Passwort im Klartext. Und du weißt nicht, wohin dieser Kontext danach gelangt.
3. Der Agent stellt nur eine Anfrage. Du bestätigst sie in der Benutzeroberfläche deines Passwortmanagers, und der Wert wird direkt in die Seite eingetragen. Der Agent sieht während des gesamten Vorgangs nur „autorisiert / nicht autorisiert“, aber nicht den Wert.
Nur die dritte Variante ist langfristig praktikabel. Das entscheidende Kriterium ist ganz einfach: **Gelangt der Klartext in diesem Ablauf in den Kontext der KI?** Wenn ja, ist es unsicher – egal, wie viele Schichten dazwischenliegen.
Und noch etwas Grundsätzlicheres: Lass den Agenten möglichst keine Aktionen ausführen, für die ein Passwort nötig ist. Es reicht, wenn er dich bis zu diesem Schritt bringt. Die paar Minuten Zeitersparnis sind es nicht wert, dafür dein Konto zu riskieren. ⚠️
Ich habe drei Varianten gesehen, deren Risiken sich stark unterscheiden:
1. Das Passwort direkt in den Chat kopieren – am bequemsten und zugleich am schlechtesten. Es landet im Kontext, in Protokollen und möglicherweise in Trainingsdaten. Und du kannst es nicht zurückholen.
2. Den Agenten deinen Passwortmanager auslesen lassen – klingt professionell, aber er erhält das Passwort im Klartext. Und du weißt nicht, wohin dieser Kontext danach gelangt.
3. Der Agent stellt nur eine Anfrage. Du bestätigst sie in der Benutzeroberfläche deines Passwortmanagers, und der Wert wird direkt in die Seite eingetragen. Der Agent sieht während des gesamten Vorgangs nur „autorisiert / nicht autorisiert“, aber nicht den Wert.
Nur die dritte Variante ist langfristig praktikabel. Das entscheidende Kriterium ist ganz einfach: **Gelangt der Klartext in diesem Ablauf in den Kontext der KI?** Wenn ja, ist es unsicher – egal, wie viele Schichten dazwischenliegen.
Und noch etwas Grundsätzlicheres: Lass den Agenten möglichst keine Aktionen ausführen, für die ein Passwort nötig ist. Es reicht, wenn er dich bis zu diesem Schritt bringt. Die paar Minuten Zeitersparnis sind es nicht wert, dafür dein Konto zu riskieren. ⚠️
56
Hast du den Link oben rechts in deinem GitHub-Repository ausgefüllt?
Ich habe gerade meine eigenen 17 überprüft: Bei 16 war das Feld leer. Das ist der einzige externe Link auf der Repository-Seite – 2.352 Sterne, aber null Besucher auf meiner eigenen Website.
Bei den Topics ist es genauso. Solche Übersichtsseiten sind für viele der wichtigste Einstieg, um Tools zu finden. Ohne passende Tags tauchst du dort nicht auf – als würdest du einen kostenlosen Traffic-Kanal dauerhaft geschlossen halten.
Beides lässt sich in zehn Minuten nachholen:
· Settings → Zahnrad rechts neben About → unter Website deine Website eintragen
· Am selben Ort 5–8 Topics hinzufügen, passend zum tatsächlichen Inhalt des Repositorys – keine Vorlage einfach übernehmen
Übertreib es mit den Tags nicht, aber sei auch nicht nachlässig: Konkrete Begriffe wie mcp / claude-code / prediction-markets bringen viel mehr als allgemeine Begriffe wie ai / tools – bei den Übersichtsseiten für Letztere hast du ohnehin keine Chance, weit oben zu landen.
Solche Lücken lösen keine Fehlermeldung aus. Das Repository sieht völlig normal aus, deshalb kann das Feld lange leer bleiben, ohne dass es jemand bemerkt. Schau jetzt mal bei deinem eigenen nach.
Hast du den Link oben rechts in deinem GitHub-Repository ausgefüllt?
Ich habe gerade meine eigenen 17 überprüft: Bei 16 war das Feld leer. Das ist der einzige externe Link auf der Repository-Seite – 2.352 Sterne, aber null Besucher auf meiner eigenen Website.
Bei den Topics ist es genauso. Solche Übersichtsseiten sind für viele der wichtigste Einstieg, um Tools zu finden. Ohne passende Tags tauchst du dort nicht auf – als würdest du einen kostenlosen Traffic-Kanal dauerhaft geschlossen halten.
Beides lässt sich in zehn Minuten nachholen:
· Settings → Zahnrad rechts neben About → unter Website deine Website eintragen
· Am selben Ort 5–8 Topics hinzufügen, passend zum tatsächlichen Inhalt des Repositorys – keine Vorlage einfach übernehmen
Übertreib es mit den Tags nicht, aber sei auch nicht nachlässig: Konkrete Begriffe wie mcp / claude-code / prediction-markets bringen viel mehr als allgemeine Begriffe wie ai / tools – bei den Übersichtsseiten für Letztere hast du ohnehin keine Chance, weit oben zu landen.
Solche Lücken lösen keine Fehlermeldung aus. Das Repository sieht völlig normal aus, deshalb kann das Feld lange leer bleiben, ohne dass es jemand bemerkt. Schau jetzt mal bei deinem eigenen nach.
Ich habe gerade meine eigenen 17 überprüft: Bei 16 war das Feld leer. Das ist der einzige externe Link auf der Repository-Seite – 2.352 Sterne, aber null Besucher auf meiner eigenen Website.
Bei den Topics ist es genauso. Solche Übersichtsseiten sind für viele der wichtigste Einstieg, um Tools zu finden. Ohne passende Tags tauchst du dort nicht auf – als würdest du einen kostenlosen Traffic-Kanal dauerhaft geschlossen halten.
Beides lässt sich in zehn Minuten nachholen:
· Settings → Zahnrad rechts neben About → unter Website deine Website eintragen
· Am selben Ort 5–8 Topics hinzufügen, passend zum tatsächlichen Inhalt des Repositorys – keine Vorlage einfach übernehmen
Übertreib es mit den Tags nicht, aber sei auch nicht nachlässig: Konkrete Begriffe wie mcp / claude-code / prediction-markets bringen viel mehr als allgemeine Begriffe wie ai / tools – bei den Übersichtsseiten für Letztere hast du ohnehin keine Chance, weit oben zu landen.
Solche Lücken lösen keine Fehlermeldung aus. Das Repository sieht völlig normal aus, deshalb kann das Feld lange leer bleiben, ohne dass es jemand bemerkt. Schau jetzt mal bei deinem eigenen nach.
99
Der Moment, in dem die KI von der Leine gelassen wird!
Eigentlich wollte ich Codex nur bitten, einen Entwurf zu verfassen.
Stattdessen hat es den Tweet direkt veröffentlicht. 😂
Zuvor hatte ich es gebeten, unter Berücksichtigung meiner Marke und bestehenden Projekte zum Cloudflare Wallet Handle zu recherchieren. Nachdem ich mich angemeldet und die Berechtigung erteilt hatte, hat es automatisch alles geprüft und beansprucht – erledigt.
Dann sagte ich: „Veröffentliche einen Tweet dazu.“
Ich meinte: Schreib erst mal einen Entwurf, den ich mir ansehen kann.
Es hat verstanden: X öffnen und direkt veröffentlichen.
Und danach hat es auch noch automatisch alles nachgeprüft und den Link sowie den Status in mein Content-System zurückgeschrieben.
Ich starrte auf den Bildschirm:
Hä? … Oh! 😳
Ein bisschen aufregend, aber bei genauerem Nachdenken auch ziemlich unheimlich …
Der Moment, in dem die KI von der Leine gelassen wird!
Eigentlich wollte ich Codex nur bitten, einen Entwurf zu verfassen.
Stattdessen hat es den Tweet direkt veröffentlicht. 😂
Zuvor hatte ich es gebeten, unter Berücksichtigung meiner Marke und bestehenden Projekte zum Cloudflare Wallet Handle zu recherchieren. Nachdem ich mich angemeldet und die Berechtigung erteilt hatte, hat es automatisch alles geprüft und beansprucht – erledigt.
Dann sagte ich: „Veröffentliche einen Tweet dazu.“
Ich meinte: Schreib erst mal einen Entwurf, den ich mir ansehen kann.
Es hat verstanden: X öffnen und direkt veröffentlichen.
Und danach hat es auch noch automatisch alles nachgeprüft und den Link sowie den Status in mein Content-System zurückgeschrieben.
Ich starrte auf den Bildschirm:
Hä? … Oh! 😳
Ein bisschen aufregend, aber bei genauerem Nachdenken auch ziemlich unheimlich …
Eigentlich wollte ich Codex nur bitten, einen Entwurf zu verfassen.
Stattdessen hat es den Tweet direkt veröffentlicht. 😂
Zuvor hatte ich es gebeten, unter Berücksichtigung meiner Marke und bestehenden Projekte zum Cloudflare Wallet Handle zu recherchieren. Nachdem ich mich angemeldet und die Berechtigung erteilt hatte, hat es automatisch alles geprüft und beansprucht – erledigt.
Dann sagte ich: „Veröffentliche einen Tweet dazu.“
Ich meinte: Schreib erst mal einen Entwurf, den ich mir ansehen kann.
Es hat verstanden: X öffnen und direkt veröffentlichen.
Und danach hat es auch noch automatisch alles nachgeprüft und den Link sowie den Status in mein Content-System zurückgeschrieben.
Ich starrte auf den Bildschirm:
Hä? … Oh! 😳
Ein bisschen aufregend, aber bei genauerem Nachdenken auch ziemlich unheimlich …
9
Den Markennamen für Cloudflare Wallet habe ich mir schon mal gesichert:
☁️
Aktuell kann jedes Cloudflare-Konto nur einen Handle beanspruchen. Wer sich den Markennamen sichern möchte, kann sich das hier schon mal ansehen:
Den Markennamen für Cloudflare Wallet habe ich mir schon mal gesichert:
☁️
Aktuell kann jedes Cloudflare-Konto nur einen Handle beanspruchen. Wer sich den Markennamen sichern möchte, kann sich das hier schon mal ansehen:
☁️
Aktuell kann jedes Cloudflare-Konto nur einen Handle beanspruchen. Wer sich den Markennamen sichern möchte, kann sich das hier schon mal ansehen:
63
Probier diesen Prompt mit deiner eigenen KI aus:
【Sprich mit mir darüber, was für ein Mensch ich in zehn Jahren sein möchte.
Bleib nicht bei abstrakten Visionen stehen, sondern hilf mir, meine Ziele in den Bereichen Finanzen, Beruf, Gesundheit und Beziehungen klar zu formulieren.
Mach künftig jede Woche mit mir einen Rückblick: Haben mich die Dinge, die ich diese Woche getan habe, diesem Ziel nähergebracht? Wenn ich vom Kurs abgekommen bin, sag mir, was ich nächste Woche am dringendsten ändern sollte.】
Probier diesen Prompt mit deiner eigenen KI aus:
【Sprich mit mir darüber, was für ein Mensch ich in zehn Jahren sein möchte.
Bleib nicht bei abstrakten Visionen stehen, sondern hilf mir, meine Ziele in den Bereichen Finanzen, Beruf, Gesundheit und Beziehungen klar zu formulieren.
Mach künftig jede Woche mit mir einen Rückblick: Haben mich die Dinge, die ich diese Woche getan habe, diesem Ziel nähergebracht? Wenn ich vom Kurs abgekommen bin, sag mir, was ich nächste Woche am dringendsten ändern sollte.】
【Sprich mit mir darüber, was für ein Mensch ich in zehn Jahren sein möchte.
Bleib nicht bei abstrakten Visionen stehen, sondern hilf mir, meine Ziele in den Bereichen Finanzen, Beruf, Gesundheit und Beziehungen klar zu formulieren.
Mach künftig jede Woche mit mir einen Rückblick: Haben mich die Dinge, die ich diese Woche getan habe, diesem Ziel nähergebracht? Wenn ich vom Kurs abgekommen bin, sag mir, was ich nächste Woche am dringendsten ändern sollte.】
78
Ich scrolle schon seit einer Weile nicht mehr aktiv durch den X-Feed.
Das eigentliche Problem ist nicht, dass es dort nichts zu sehen gäbe. Ganz im Gegenteil: Es gibt zu viele wertvolle Informationen – und ebenso viel Rauschen.
Eigentlich wollte ich nur kurz schauen, was es Neues gibt. Eine halbe Stunde später hatte ich mir aber nur ein paar Trends gemerkt, die mich nicht interessierten, während nichts übrig blieb, das wirklich mit meiner Arbeit oder meinem Geschäft zu tun hatte.
Also habe ich das „X-Scrollen“ anders angepackt und daraus einen kontinuierlich laufenden Informationsverarbeitungs-Loop gemacht.
Er läuft viermal täglich. Die drei Quellen gewichte ich so: 60 % For You, 25 % Following und 15 % gezielte Suche.
Wenn Inhalte gefunden werden, lässt das System sie nicht sofort von einer KI zusammenfassen. Zuerst prüft es, ob die Quellen verfügbar und die Daten aktuell sind. Bei einem Fehler im Ablauf meldet es ausdrücklich einen Fehlschlag, statt alte Daten als „heute gibt es nichts Wichtiges“ auszugeben.
Erst danach folgen Deduplizierung, Relevanzfilterung, Belegprüfung und semantische Prüfung.
Bei einem anonymisierten, echten Durchlauf tauchten Inhalte aus mehreren Quellen insgesamt 142-mal auf. Nach der Deduplizierung blieben 80 unterschiedliche Inhalte übrig; 23 bestanden die maschinelle Vorauswahl, 12 kamen in die semantische Prüfung, und am Ende wurden nur 3 als „wissenswert“ markiert. Einer davon erhielt die „offizielle Beförderung“.
142 Quellentreffer → 80 unterschiedliche Inhalte → 23 in der Vorauswahl → 12 in der semantischen Prüfung → 3 wissenswert → 1 offiziell befördert.
Was dieser Trichter wirklich für mich löst, ist nicht die Frage, „wie streng gefiltert wird“. Er trennt vielmehr zwei Fragen, die früher vermischt waren:
Welche Inhalte sollte ich kennen?
Welche Inhalte sollten den Systemzustand verändern?
Auf der Erkenntnisebene gibt es die Kategorie „wissenswert“: 0–3 Inhalte pro Durchlauf. Das System muss mir sagen, warum etwas wichtig ist, wie weit die Belege geprüft wurden, was lediglich eine Aussage oder Schlussfolgerung des Autors ist und wie sich der Inhalt aus geschäftlicher, produktbezogener, wissenschaftlicher oder arbeitsablaufbezogener Sicht nutzen lässt.
Auf Systemebene gibt es die „offizielle Beförderung“: höchstens 1 Inhalt pro Durchlauf. Nur wenn genügend Belege vorliegen, der Inhalt einen echten Mehrwert gegenüber dem bereits gespeicherten Wissen bietet, ein klarer Abnehmer gefunden wird und eine überprüfbare Bestätigung vorliegt, wird er in das Wissens-, Beobachtungs-, Aktions- oder Inhaltssystem übernommen.
Die beiden übrigen Inhalte verschwinden nicht, aber sie werden auch nicht automatisch zu zwei Aufgaben oder offenen To-dos, nur weil sie „interessant aussehen“.
Informationen können jetzt fünf Wege nehmen: verwerfen, beobachten, lernen, handeln oder Inhalte erstellen.
Erst wenn eine echte Rückmeldung über einen Wissenseintrag, eine Aufgabenweiterleitung oder eine Aufnahme in die Inhaltswarteschlange vorliegt, erkennt das System an, dass der Inhalt tatsächlich den nächsten Schritt erreicht hat. Wenn die KI einfach sagt „Erledigt“, zählt das nicht.
Aktuell landen die Berichte aus den vier Durchläufen fest in der Codex App, die ich jeden Tag öffne.
Später ist mir aufgefallen, dass solche Tools vielleicht nicht zuerst als noch eine App entwickelt werden sollten, die man extra öffnen muss. Denn die Orte, an denen ich diese Informationen tatsächlich nutze, sind ohnehin KI-Clients wie Codex und Cursor.
Deshalb habe ich außerdem eine lokale MCP-Alpha mit insgesamt 6 Tools gebaut:
• 5 Nur-Lese-Tools: Aktualitätsprüfung, neueste Zusammenfassung, Zusammenfassung nach Datum, begrenzte Suche und Abruf von Belegen
• 1 Schreib-Tool: Es darf nur nach ausdrücklicher Bestätigung eine echte Rückmeldung aufzeichnen
Dieses MCP übernimmt weder das Sammeln von X-Inhalten noch erstellt es ein neues Register, eine neue Warteschlange oder einen neuen Timer. Es ist lediglich ein eng umrissener Zugang für KI-Clients.
Codex erkennt diesen lokalen Dienst bereits korrekt. Konfiguration und Pfade für Cursor sind geprüft; die Überprüfung des Ladens im nativen Client läuft noch.
Auch der zugrunde liegende Kern ist nicht an ein bestimmtes Modell gebunden. Ein deterministisches Programm kümmert sich um den Zustand der Quellen, die Deduplizierung, die Sortierung, die Obergrenzen und die Bestätigungen. Codex, Claude, Cursor, lokale Modelle oder sogar rein regelbasierte Programme können die semantische Beurteilung in der Mitte übernehmen, solange sie sich an dasselbe Protokoll halten.
Ich glaube inzwischen, dass solchen KI-Tools zur Informationsverarbeitung nicht vor allem schnellere Zusammenfassungen fehlen, sondern vier Dinge:
1. Zuerst prüfen, ob die Quellen verfügbar sind, und erst dann über Intelligenz sprechen.
2. Auch gar nichts ausgeben dürfen – statt zwanghaft Schlussfolgerungen zu erzeugen, nur um den eigenen Nutzen zu beweisen.
3. „Etwas wissen“ und „den Zustand verändern“ voneinander trennen. Manche Nachrichten muss man einfach nur kennen; sie rechtfertigen keine Aufgabe.
4. Für jeden Schritt eine Bestätigung hinterlassen. Ohne echte Rückschreibung gibt es keinen geschlossenen Kreislauf.
Diese Version ist noch eine lokal ausgerichtete Alpha. Ich habe es nicht eilig, daraus ein SaaS zu machen. Als Nächstes möchte ich erst ein paar Personen, die nicht an der Entwicklung beteiligt waren, drei Fragen testen lassen:
1. Lässt sich schnell die erste Zusammenfassung erstellen?
2. Bleiben die personalisierten Ergebnisse für unterschiedliche Personen dauerhaft nützlich?
3. Reduziert das wirklich die Zeit, die man aktiv mit dem Scrollen durch Feeds verbringt?
Wenn du so einen Informationsverarbeiter auch in deinem KI-Client ausprobieren möchtest, schreib in die Kommentare: „Möchte ich testen“. Anhand der ersten echten Rückmeldungen entscheide ich dann, ob ich daraus ein öffentlich verfügbares Tool oder ein Open-Source-Projekt mache.
Ich scrolle schon seit einer Weile nicht mehr aktiv durch den X-Feed.
Das eigentliche Problem ist nicht, dass es dort nichts zu sehen gäbe. Ganz im Gegenteil: Es gibt zu viele wertvolle Informationen – und ebenso viel Rauschen.
Eigentlich wollte ich nur kurz schauen, was es Neues gibt. Eine halbe Stunde später hatte ich mir aber nur ein paar Trends gemerkt, die mich nicht interessierten, während nichts übrig blieb, das wirklich mit meiner Arbeit oder meinem Geschäft zu tun hatte.
Also habe ich das „X-Scrollen“ anders angepackt und daraus einen kontinuierlich laufenden Informationsverarbeitungs-Loop gemacht.
Er läuft viermal täglich. Die drei Quellen gewichte ich so: 60 % For You, 25 % Following und 15 % gezielte Suche.
Wenn Inhalte gefunden werden, lässt das System sie nicht sofort von einer KI zusammenfassen. Zuerst prüft es, ob die Quellen verfügbar und die Daten aktuell sind. Bei einem Fehler im Ablauf meldet es ausdrücklich einen Fehlschlag, statt alte Daten als „heute gibt es nichts Wichtiges“ auszugeben.
Erst danach folgen Deduplizierung, Relevanzfilterung, Belegprüfung und semantische Prüfung.
Bei einem anonymisierten, echten Durchlauf tauchten Inhalte aus mehreren Quellen insgesamt 142-mal auf. Nach der Deduplizierung blieben 80 unterschiedliche Inhalte übrig; 23 bestanden die maschinelle Vorauswahl, 12 kamen in die semantische Prüfung, und am Ende wurden nur 3 als „wissenswert“ markiert. Einer davon erhielt die „offizielle Beförderung“.
142 Quellentreffer → 80 unterschiedliche Inhalte → 23 in der Vorauswahl → 12 in der semantischen Prüfung → 3 wissenswert → 1 offiziell befördert.
Was dieser Trichter wirklich für mich löst, ist nicht die Frage, „wie streng gefiltert wird“. Er trennt vielmehr zwei Fragen, die früher vermischt waren:
Welche Inhalte sollte ich kennen?
Welche Inhalte sollten den Systemzustand verändern?
Auf der Erkenntnisebene gibt es die Kategorie „wissenswert“: 0–3 Inhalte pro Durchlauf. Das System muss mir sagen, warum etwas wichtig ist, wie weit die Belege geprüft wurden, was lediglich eine Aussage oder Schlussfolgerung des Autors ist und wie sich der Inhalt aus geschäftlicher, produktbezogener, wissenschaftlicher oder arbeitsablaufbezogener Sicht nutzen lässt.
Auf Systemebene gibt es die „offizielle Beförderung“: höchstens 1 Inhalt pro Durchlauf. Nur wenn genügend Belege vorliegen, der Inhalt einen echten Mehrwert gegenüber dem bereits gespeicherten Wissen bietet, ein klarer Abnehmer gefunden wird und eine überprüfbare Bestätigung vorliegt, wird er in das Wissens-, Beobachtungs-, Aktions- oder Inhaltssystem übernommen.
Die beiden übrigen Inhalte verschwinden nicht, aber sie werden auch nicht automatisch zu zwei Aufgaben oder offenen To-dos, nur weil sie „interessant aussehen“.
Informationen können jetzt fünf Wege nehmen: verwerfen, beobachten, lernen, handeln oder Inhalte erstellen.
Erst wenn eine echte Rückmeldung über einen Wissenseintrag, eine Aufgabenweiterleitung oder eine Aufnahme in die Inhaltswarteschlange vorliegt, erkennt das System an, dass der Inhalt tatsächlich den nächsten Schritt erreicht hat. Wenn die KI einfach sagt „Erledigt“, zählt das nicht.
Aktuell landen die Berichte aus den vier Durchläufen fest in der Codex App, die ich jeden Tag öffne.
Später ist mir aufgefallen, dass solche Tools vielleicht nicht zuerst als noch eine App entwickelt werden sollten, die man extra öffnen muss. Denn die Orte, an denen ich diese Informationen tatsächlich nutze, sind ohnehin KI-Clients wie Codex und Cursor.
Deshalb habe ich außerdem eine lokale MCP-Alpha mit insgesamt 6 Tools gebaut:
• 5 Nur-Lese-Tools: Aktualitätsprüfung, neueste Zusammenfassung, Zusammenfassung nach Datum, begrenzte Suche und Abruf von Belegen
• 1 Schreib-Tool: Es darf nur nach ausdrücklicher Bestätigung eine echte Rückmeldung aufzeichnen
Dieses MCP übernimmt weder das Sammeln von X-Inhalten noch erstellt es ein neues Register, eine neue Warteschlange oder einen neuen Timer. Es ist lediglich ein eng umrissener Zugang für KI-Clients.
Codex erkennt diesen lokalen Dienst bereits korrekt. Konfiguration und Pfade für Cursor sind geprüft; die Überprüfung des Ladens im nativen Client läuft noch.
Auch der zugrunde liegende Kern ist nicht an ein bestimmtes Modell gebunden. Ein deterministisches Programm kümmert sich um den Zustand der Quellen, die Deduplizierung, die Sortierung, die Obergrenzen und die Bestätigungen. Codex, Claude, Cursor, lokale Modelle oder sogar rein regelbasierte Programme können die semantische Beurteilung in der Mitte übernehmen, solange sie sich an dasselbe Protokoll halten.
Ich glaube inzwischen, dass solchen KI-Tools zur Informationsverarbeitung nicht vor allem schnellere Zusammenfassungen fehlen, sondern vier Dinge:
1. Zuerst prüfen, ob die Quellen verfügbar sind, und erst dann über Intelligenz sprechen.
2. Auch gar nichts ausgeben dürfen – statt zwanghaft Schlussfolgerungen zu erzeugen, nur um den eigenen Nutzen zu beweisen.
3. „Etwas wissen“ und „den Zustand verändern“ voneinander trennen. Manche Nachrichten muss man einfach nur kennen; sie rechtfertigen keine Aufgabe.
4. Für jeden Schritt eine Bestätigung hinterlassen. Ohne echte Rückschreibung gibt es keinen geschlossenen Kreislauf.
Diese Version ist noch eine lokal ausgerichtete Alpha. Ich habe es nicht eilig, daraus ein SaaS zu machen. Als Nächstes möchte ich erst ein paar Personen, die nicht an der Entwicklung beteiligt waren, drei Fragen testen lassen:
1. Lässt sich schnell die erste Zusammenfassung erstellen?
2. Bleiben die personalisierten Ergebnisse für unterschiedliche Personen dauerhaft nützlich?
3. Reduziert das wirklich die Zeit, die man aktiv mit dem Scrollen durch Feeds verbringt?
Wenn du so einen Informationsverarbeiter auch in deinem KI-Client ausprobieren möchtest, schreib in die Kommentare: „Möchte ich testen“. Anhand der ersten echten Rückmeldungen entscheide ich dann, ob ich daraus ein öffentlich verfügbares Tool oder ein Open-Source-Projekt mache.
Das eigentliche Problem ist nicht, dass es dort nichts zu sehen gäbe. Ganz im Gegenteil: Es gibt zu viele wertvolle Informationen – und ebenso viel Rauschen.
Eigentlich wollte ich nur kurz schauen, was es Neues gibt. Eine halbe Stunde später hatte ich mir aber nur ein paar Trends gemerkt, die mich nicht interessierten, während nichts übrig blieb, das wirklich mit meiner Arbeit oder meinem Geschäft zu tun hatte.
Also habe ich das „X-Scrollen“ anders angepackt und daraus einen kontinuierlich laufenden Informationsverarbeitungs-Loop gemacht.
Er läuft viermal täglich. Die drei Quellen gewichte ich so: 60 % For You, 25 % Following und 15 % gezielte Suche.
Wenn Inhalte gefunden werden, lässt das System sie nicht sofort von einer KI zusammenfassen. Zuerst prüft es, ob die Quellen verfügbar und die Daten aktuell sind. Bei einem Fehler im Ablauf meldet es ausdrücklich einen Fehlschlag, statt alte Daten als „heute gibt es nichts Wichtiges“ auszugeben.
Erst danach folgen Deduplizierung, Relevanzfilterung, Belegprüfung und semantische Prüfung.
Bei einem anonymisierten, echten Durchlauf tauchten Inhalte aus mehreren Quellen insgesamt 142-mal auf. Nach der Deduplizierung blieben 80 unterschiedliche Inhalte übrig; 23 bestanden die maschinelle Vorauswahl, 12 kamen in die semantische Prüfung, und am Ende wurden nur 3 als „wissenswert“ markiert. Einer davon erhielt die „offizielle Beförderung“.
142 Quellentreffer → 80 unterschiedliche Inhalte → 23 in der Vorauswahl → 12 in der semantischen Prüfung → 3 wissenswert → 1 offiziell befördert.
Was dieser Trichter wirklich für mich löst, ist nicht die Frage, „wie streng gefiltert wird“. Er trennt vielmehr zwei Fragen, die früher vermischt waren:
Welche Inhalte sollte ich kennen?
Welche Inhalte sollten den Systemzustand verändern?
Auf der Erkenntnisebene gibt es die Kategorie „wissenswert“: 0–3 Inhalte pro Durchlauf. Das System muss mir sagen, warum etwas wichtig ist, wie weit die Belege geprüft wurden, was lediglich eine Aussage oder Schlussfolgerung des Autors ist und wie sich der Inhalt aus geschäftlicher, produktbezogener, wissenschaftlicher oder arbeitsablaufbezogener Sicht nutzen lässt.
Auf Systemebene gibt es die „offizielle Beförderung“: höchstens 1 Inhalt pro Durchlauf. Nur wenn genügend Belege vorliegen, der Inhalt einen echten Mehrwert gegenüber dem bereits gespeicherten Wissen bietet, ein klarer Abnehmer gefunden wird und eine überprüfbare Bestätigung vorliegt, wird er in das Wissens-, Beobachtungs-, Aktions- oder Inhaltssystem übernommen.
Die beiden übrigen Inhalte verschwinden nicht, aber sie werden auch nicht automatisch zu zwei Aufgaben oder offenen To-dos, nur weil sie „interessant aussehen“.
Informationen können jetzt fünf Wege nehmen: verwerfen, beobachten, lernen, handeln oder Inhalte erstellen.
Erst wenn eine echte Rückmeldung über einen Wissenseintrag, eine Aufgabenweiterleitung oder eine Aufnahme in die Inhaltswarteschlange vorliegt, erkennt das System an, dass der Inhalt tatsächlich den nächsten Schritt erreicht hat. Wenn die KI einfach sagt „Erledigt“, zählt das nicht.
Aktuell landen die Berichte aus den vier Durchläufen fest in der Codex App, die ich jeden Tag öffne.
Später ist mir aufgefallen, dass solche Tools vielleicht nicht zuerst als noch eine App entwickelt werden sollten, die man extra öffnen muss. Denn die Orte, an denen ich diese Informationen tatsächlich nutze, sind ohnehin KI-Clients wie Codex und Cursor.
Deshalb habe ich außerdem eine lokale MCP-Alpha mit insgesamt 6 Tools gebaut:
• 5 Nur-Lese-Tools: Aktualitätsprüfung, neueste Zusammenfassung, Zusammenfassung nach Datum, begrenzte Suche und Abruf von Belegen
• 1 Schreib-Tool: Es darf nur nach ausdrücklicher Bestätigung eine echte Rückmeldung aufzeichnen
Dieses MCP übernimmt weder das Sammeln von X-Inhalten noch erstellt es ein neues Register, eine neue Warteschlange oder einen neuen Timer. Es ist lediglich ein eng umrissener Zugang für KI-Clients.
Codex erkennt diesen lokalen Dienst bereits korrekt. Konfiguration und Pfade für Cursor sind geprüft; die Überprüfung des Ladens im nativen Client läuft noch.
Auch der zugrunde liegende Kern ist nicht an ein bestimmtes Modell gebunden. Ein deterministisches Programm kümmert sich um den Zustand der Quellen, die Deduplizierung, die Sortierung, die Obergrenzen und die Bestätigungen. Codex, Claude, Cursor, lokale Modelle oder sogar rein regelbasierte Programme können die semantische Beurteilung in der Mitte übernehmen, solange sie sich an dasselbe Protokoll halten.
Ich glaube inzwischen, dass solchen KI-Tools zur Informationsverarbeitung nicht vor allem schnellere Zusammenfassungen fehlen, sondern vier Dinge:
1. Zuerst prüfen, ob die Quellen verfügbar sind, und erst dann über Intelligenz sprechen.
2. Auch gar nichts ausgeben dürfen – statt zwanghaft Schlussfolgerungen zu erzeugen, nur um den eigenen Nutzen zu beweisen.
3. „Etwas wissen“ und „den Zustand verändern“ voneinander trennen. Manche Nachrichten muss man einfach nur kennen; sie rechtfertigen keine Aufgabe.
4. Für jeden Schritt eine Bestätigung hinterlassen. Ohne echte Rückschreibung gibt es keinen geschlossenen Kreislauf.
Diese Version ist noch eine lokal ausgerichtete Alpha. Ich habe es nicht eilig, daraus ein SaaS zu machen. Als Nächstes möchte ich erst ein paar Personen, die nicht an der Entwicklung beteiligt waren, drei Fragen testen lassen:
1. Lässt sich schnell die erste Zusammenfassung erstellen?
2. Bleiben die personalisierten Ergebnisse für unterschiedliche Personen dauerhaft nützlich?
3. Reduziert das wirklich die Zeit, die man aktiv mit dem Scrollen durch Feeds verbringt?
Wenn du so einen Informationsverarbeiter auch in deinem KI-Client ausprobieren möchtest, schreib in die Kommentare: „Möchte ich testen“. Anhand der ersten echten Rückmeldungen entscheide ich dann, ob ich daraus ein öffentlich verfügbares Tool oder ein Open-Source-Projekt mache.
28
Es ist völlig in Ordnung, KI zu nutzen – entscheidend ist, dass du für die Inhalte, die du veröffentlichst, Verantwortung übernimmst.
Es geht nicht darum, dass alles mit einem Hauch von KI unerträglich wäre. Wichtig ist vor allem, dass du dir wirklich Mühe damit gegeben hast und den Leserinnen und Lesern tatsächlich einen Mehrwert bieten möchtest.
Es ist völlig in Ordnung, KI zu nutzen – entscheidend ist, dass du für die Inhalte, die du veröffentlichst, Verantwortung übernimmst.
Es geht nicht darum, dass alles mit einem Hauch von KI unerträglich wäre. Wichtig ist vor allem, dass du dir wirklich Mühe damit gegeben hast und den Leserinnen und Lesern tatsächlich einen Mehrwert bieten möchtest.
Es geht nicht darum, dass alles mit einem Hauch von KI unerträglich wäre. Wichtig ist vor allem, dass du dir wirklich Mühe damit gegeben hast und den Leserinnen und Lesern tatsächlich einen Mehrwert bieten möchtest.
40
Nachdem ich gesehen hatte, wie Lehrer Baoyu @dotey die Feynman-Lernmethode als Kreislauf dargestellt hat, ist mir aufgefallen, dass der Content-Workflow, an dem ich in letzter Zeit herumgetüftelt habe, im Grunde dasselbe ist – nur dass dazwischen noch KI und das mündliche Erzählen dazukommen.
Früher war mein Ablauf ganz einfach: Ich hatte eine Idee, ließ sie von der KI strukturieren, änderte ein paar Sätze und veröffentlichte sie. Das war ziemlich effizient. Doch später fiel ein deutliches Problem auf: Der Inhalt war zwar vollständig, klang aber nicht so, als hätte ihn ein echter Mensch geschrieben.
Vor allem wenn die KI mündlich Erzähltes direkt aufbereitete, waren Titel, Aufzählungen und Schlussfolgerungen zwar da, aber die Reihenfolge des Gesagten, die Pausen und die spontanen Einschätzungen – also der menschlichste Teil, der Tonfall und die Emotionen – gingen leicht verloren.
Deshalb habe ich den Ablauf zu einem geschlossenen Kreislauf umgebaut:
1. Echte Gedanken oder Fragen – sie müssen aus eigener Erfahrung kommen oder einem tatsächlichen Bedürfnis entspringen: Wofür gebe ich gerade Geld aus? Wo verschwende ich Zeit und tappe in eine Falle? Oder wobei komme ich nicht weiter?
2. Praktisch erproben – die Sache erst selbst ausprobieren, den Prozess festhalten und ihn dann von der KI aufbereiten lassen.
3. Mündlich überarbeiten – alles in den eigenen Worten erzählen und die menschliche Sprache wieder einbringen.
4. Auf mehreren Plattformen veröffentlichen
5. Feedback – Kommentare und Fragen fließen in die nächste Runde ein und schließen so den Kreislauf.
So sieht der Feynman-Kreislauf bei der Content-Erstellung aus: nicht „erst lernen und dann etwas dazu veröffentlichen“, sondern das Veröffentlichen zwingt einen dazu, die Sache wirklich zu verstehen. Neu hinzugekommen ist nur, dass die KI fürs Aufbereiten zuständig ist und das mündliche Erzählen dafür sorgt, dass der Mensch im Prozess präsent bleibt.
Der Praxisbericht, den ich vor ein paar Tagen darüber geschrieben habe, wie Codex ChatGPT Pro steuert, war genau so ein Kreislauf in Aktion – und kein nachträglich eingefügter Motivationsspruch.
Ich hatte vorher vergessen, Screenshots zu machen. Um den Inhalt fundiert zu schreiben, musste ich den Ablauf noch einmal durchspielen und die fehlenden Bilder ergänzen. Bei dieser erneuten Überprüfung wurde mir auch klarer, was ich eigentlich davon halte.
Schreiben bedeutet nicht nur, Ergebnisse festzuhalten. Es zwingt einen auch dazu, Dinge auszuprobieren, zu überprüfen und Belege nachzuliefern – und herauszufinden, ob man die Sache wirklich verstanden hat.
In diesem Ablauf gilt:
Die KI ist dafür zuständig, Informationen zu ordnen, Wiederholungen zu kürzen und Inhalte an die jeweilige Plattform anzupassen.
Der Mensch ist für echte Erfahrungen, das abschließende Urteil und die persönliche Note zuständig.
Nachdem die KI einen Entwurf erstellt hat, lese ich ihn vollständig durch. Wenn dir der Inhalt nach KI klingt, lies ihn einfach laut vor – dann merkst du sofort, was holprig klingt und was du so niemals sagen würdest.
Ein kleiner Tipp: Gib die Transkription deiner mündlichen Erzählung noch einmal an die KI und lass sie nur den Text glätten und Fehler korrigieren. Sie soll keine neuen Gedanken hinzufügen und auch nicht auf Biegen und Brechen eine tiefere Bedeutung hineinlesen.
Dadurch wird das Schreiben nicht komplizierter.
Es geht darum, mit KI effizienter zu arbeiten, ohne dabei genau das auszulöschen, was einen selbst besonders macht.
Nachdem ich gesehen hatte, wie Lehrer Baoyu @dotey die Feynman-Lernmethode als Kreislauf dargestellt hat, ist mir aufgefallen, dass der Content-Workflow, an dem ich in letzter Zeit herumgetüftelt habe, im Grunde dasselbe ist – nur dass dazwischen noch KI und das mündliche Erzählen dazukommen.
Früher war mein Ablauf ganz einfach: Ich hatte eine Idee, ließ sie von der KI strukturieren, änderte ein paar Sätze und veröffentlichte sie. Das war ziemlich effizient. Doch später fiel ein deutliches Problem auf: Der Inhalt war zwar vollständig, klang aber nicht so, als hätte ihn ein echter Mensch geschrieben.
Vor allem wenn die KI mündlich Erzähltes direkt aufbereitete, waren Titel, Aufzählungen und Schlussfolgerungen zwar da, aber die Reihenfolge des Gesagten, die Pausen und die spontanen Einschätzungen – also der menschlichste Teil, der Tonfall und die Emotionen – gingen leicht verloren.
Deshalb habe ich den Ablauf zu einem geschlossenen Kreislauf umgebaut:
1. Echte Gedanken oder Fragen – sie müssen aus eigener Erfahrung kommen oder einem tatsächlichen Bedürfnis entspringen: Wofür gebe ich gerade Geld aus? Wo verschwende ich Zeit und tappe in eine Falle? Oder wobei komme ich nicht weiter?
2. Praktisch erproben – die Sache erst selbst ausprobieren, den Prozess festhalten und ihn dann von der KI aufbereiten lassen.
3. Mündlich überarbeiten – alles in den eigenen Worten erzählen und die menschliche Sprache wieder einbringen.
4. Auf mehreren Plattformen veröffentlichen
5. Feedback – Kommentare und Fragen fließen in die nächste Runde ein und schließen so den Kreislauf.
So sieht der Feynman-Kreislauf bei der Content-Erstellung aus: nicht „erst lernen und dann etwas dazu veröffentlichen“, sondern das Veröffentlichen zwingt einen dazu, die Sache wirklich zu verstehen. Neu hinzugekommen ist nur, dass die KI fürs Aufbereiten zuständig ist und das mündliche Erzählen dafür sorgt, dass der Mensch im Prozess präsent bleibt.
Der Praxisbericht, den ich vor ein paar Tagen darüber geschrieben habe, wie Codex ChatGPT Pro steuert, war genau so ein Kreislauf in Aktion – und kein nachträglich eingefügter Motivationsspruch.
Ich hatte vorher vergessen, Screenshots zu machen. Um den Inhalt fundiert zu schreiben, musste ich den Ablauf noch einmal durchspielen und die fehlenden Bilder ergänzen. Bei dieser erneuten Überprüfung wurde mir auch klarer, was ich eigentlich davon halte.
Schreiben bedeutet nicht nur, Ergebnisse festzuhalten. Es zwingt einen auch dazu, Dinge auszuprobieren, zu überprüfen und Belege nachzuliefern – und herauszufinden, ob man die Sache wirklich verstanden hat.
In diesem Ablauf gilt:
Die KI ist dafür zuständig, Informationen zu ordnen, Wiederholungen zu kürzen und Inhalte an die jeweilige Plattform anzupassen.
Der Mensch ist für echte Erfahrungen, das abschließende Urteil und die persönliche Note zuständig.
Nachdem die KI einen Entwurf erstellt hat, lese ich ihn vollständig durch. Wenn dir der Inhalt nach KI klingt, lies ihn einfach laut vor – dann merkst du sofort, was holprig klingt und was du so niemals sagen würdest.
Ein kleiner Tipp: Gib die Transkription deiner mündlichen Erzählung noch einmal an die KI und lass sie nur den Text glätten und Fehler korrigieren. Sie soll keine neuen Gedanken hinzufügen und auch nicht auf Biegen und Brechen eine tiefere Bedeutung hineinlesen.
Dadurch wird das Schreiben nicht komplizierter.
Es geht darum, mit KI effizienter zu arbeiten, ohne dabei genau das auszulöschen, was einen selbst besonders macht.
Früher war mein Ablauf ganz einfach: Ich hatte eine Idee, ließ sie von der KI strukturieren, änderte ein paar Sätze und veröffentlichte sie. Das war ziemlich effizient. Doch später fiel ein deutliches Problem auf: Der Inhalt war zwar vollständig, klang aber nicht so, als hätte ihn ein echter Mensch geschrieben.
Vor allem wenn die KI mündlich Erzähltes direkt aufbereitete, waren Titel, Aufzählungen und Schlussfolgerungen zwar da, aber die Reihenfolge des Gesagten, die Pausen und die spontanen Einschätzungen – also der menschlichste Teil, der Tonfall und die Emotionen – gingen leicht verloren.
Deshalb habe ich den Ablauf zu einem geschlossenen Kreislauf umgebaut:
1. Echte Gedanken oder Fragen – sie müssen aus eigener Erfahrung kommen oder einem tatsächlichen Bedürfnis entspringen: Wofür gebe ich gerade Geld aus? Wo verschwende ich Zeit und tappe in eine Falle? Oder wobei komme ich nicht weiter?
2. Praktisch erproben – die Sache erst selbst ausprobieren, den Prozess festhalten und ihn dann von der KI aufbereiten lassen.
3. Mündlich überarbeiten – alles in den eigenen Worten erzählen und die menschliche Sprache wieder einbringen.
4. Auf mehreren Plattformen veröffentlichen
5. Feedback – Kommentare und Fragen fließen in die nächste Runde ein und schließen so den Kreislauf.
So sieht der Feynman-Kreislauf bei der Content-Erstellung aus: nicht „erst lernen und dann etwas dazu veröffentlichen“, sondern das Veröffentlichen zwingt einen dazu, die Sache wirklich zu verstehen. Neu hinzugekommen ist nur, dass die KI fürs Aufbereiten zuständig ist und das mündliche Erzählen dafür sorgt, dass der Mensch im Prozess präsent bleibt.
Der Praxisbericht, den ich vor ein paar Tagen darüber geschrieben habe, wie Codex ChatGPT Pro steuert, war genau so ein Kreislauf in Aktion – und kein nachträglich eingefügter Motivationsspruch.
Ich hatte vorher vergessen, Screenshots zu machen. Um den Inhalt fundiert zu schreiben, musste ich den Ablauf noch einmal durchspielen und die fehlenden Bilder ergänzen. Bei dieser erneuten Überprüfung wurde mir auch klarer, was ich eigentlich davon halte.
Schreiben bedeutet nicht nur, Ergebnisse festzuhalten. Es zwingt einen auch dazu, Dinge auszuprobieren, zu überprüfen und Belege nachzuliefern – und herauszufinden, ob man die Sache wirklich verstanden hat.
In diesem Ablauf gilt:
Die KI ist dafür zuständig, Informationen zu ordnen, Wiederholungen zu kürzen und Inhalte an die jeweilige Plattform anzupassen.
Der Mensch ist für echte Erfahrungen, das abschließende Urteil und die persönliche Note zuständig.
Nachdem die KI einen Entwurf erstellt hat, lese ich ihn vollständig durch. Wenn dir der Inhalt nach KI klingt, lies ihn einfach laut vor – dann merkst du sofort, was holprig klingt und was du so niemals sagen würdest.
Ein kleiner Tipp: Gib die Transkription deiner mündlichen Erzählung noch einmal an die KI und lass sie nur den Text glätten und Fehler korrigieren. Sie soll keine neuen Gedanken hinzufügen und auch nicht auf Biegen und Brechen eine tiefere Bedeutung hineinlesen.
Dadurch wird das Schreiben nicht komplizierter.
Es geht darum, mit KI effizienter zu arbeiten, ohne dabei genau das auszulöschen, was einen selbst besonders macht.
62
Übersetzung ansehen
Ondo Perps 累计成交破 $6B，进 RWA perps Top 5；24h 还有 $3.3 亿。
同一条线：代币化股票能直接当保证金，不用先兑成稳定币再开仓。
我把抵扣率 / 账户上限实测拆过一遍：
Ondo Perps 累计成交破 $6B，进 RWA perps Top 5；24h 还有 $3.3 亿。
同一条线：代币化股票能直接当保证金，不用先兑成稳定币再开仓。
我把抵扣率 / 账户上限实测拆过一遍：
同一条线：代币化股票能直接当保证金，不用先兑成稳定币再开仓。
我把抵扣率 / 账户上限实测拆过一遍：
99
Falls du keine Lust hast, den Text zu lesen: Ich habe die erste Hälfte noch einmal erklärt –
worum es bei dieser 98-%-Warteschlange geht
und warum „ganz vorne zu stehen“ ausgerechnet der gefährlichste Platz auf der Liste ist.
Die vollständigen Daten zu allen vier Stufen und die drei Regeln stehen im Originalbeitrag.
Falls du keine Lust hast, den Text zu lesen: Ich habe die erste Hälfte noch einmal erklärt –
worum es bei dieser 98-%-Warteschlange geht
und warum „ganz vorne zu stehen“ ausgerechnet der gefährlichste Platz auf der Liste ist.
Die vollständigen Daten zu allen vier Stufen und die drei Regeln stehen im Originalbeitrag.
worum es bei dieser 98-%-Warteschlange geht
und warum „ganz vorne zu stehen“ ausgerechnet der gefährlichste Platz auf der Liste ist.
Die vollständigen Daten zu allen vier Stufen und die drei Regeln stehen im Originalbeitrag.
79
Übersetzung ansehen
Polymarket 要把 5min / 15min / 4h 的 Crypto Up/Down 改成 TWAP 结算，这两天群里吵了一轮：到底是全程 TWAP，还是只有最后 30 秒？两个人各执一词，谁也没说服谁。
我去翻了官方公告，答案是按市场时长分配的：
5 分钟市场 → 30 秒 TWAP
15 分钟市场 → 60 秒 TWAP
4 小时市场 → 60 秒 TWAP
官方原话是 with the averaging window scaled to the length of the market，窗口跟着市场时长走。
还有一个更要紧的：这事 8 月 7 日 00:00 UTC 才生效，现在根本还没改。主网 feed 和 RTDS 8 月 4 日上线。
所以群里那场争论，两边都只说对了自己那半——确实是 30 秒，但那只对 5 分钟市场成立。
顺带一条群里没人提、我觉得比结算口径更实际的：同一份公告里，官方说整个 8 月会在所有受影响的市场投放 100 万美元流动性奖励，用来撑过这次过渡。也就是说 8 月这一个月，LP 侧的收益结构和平时不一样。
这个时间点很关键：这几天大家感受到的尾盘翻转，仍然是旧的单点快照结算下的翻转，不能拿它去推断 TWAP 之后会怎样。
说回为什么要改。群里有人专门统计过：最末 30 秒的翻转比例是 13%——30 秒前占优的那一边，最后输掉的概率。他把优势定义得很具体，比如 PTB 领先 +100（UP 占优），结算时变成 -30 DN 算一次翻转。
在这种环境里他的结论是「不管方向多么对、胜率多高，最终都会被翻转干掉」，所以「除了对冲之外真的没得做」。
那修好了不就完了？群里有人不这么看，这是我认为最值得记下来的一段：
「其实不改 TWAP 也挺好的，虽然有操纵，但是风浪越大鱼越贵，我们的报价里本来就已经 price in 了这一份风险。」
「没操纵都没人博反转了。」
他担心的不是自己的策略失效，是整个市场没人来玩：「这玩意最大的危害不是影响某一种策略——任何策略其实都是需要散户来提供对手盘的。」
另一个人接得更直白：「没有赌狗和散户，一群机器人在自由搏击，谁能赚到钱呢，alpha 没了。」
他担心的全程 TWAP 这次不会发生（是 30s / 60s 窗口，图表照常波动）。但这个权衡本身是真的，值得单独记住：
价格波动本身是吸引参与者的产品。一个把波动抹平的设计，清理掉的不只是操纵者，还有愿意下注的人——而做市和套利策略赚的正是这些人的钱。
说说我自己怎么处理这次切换。
公告出来当天我先查真钱敞口，结果是零。真正被切断的是几条还在跑数据、没上真钱的验证线——它们的样本会横跨 8 月 7 日。其中一条尤其巧：它复刻的正是「最后 30 秒进场」那类打法，而 5 分钟市场的新窗口恰好就是 30 秒，整个前提被精确覆盖掉了。
所以我要做的第一件事不是改策略，是打一条时间分界。
8-07 前后的样本不能混算。跨这个点的样本池会得出无意义的均值，而且不会报错——统计程序照常跑，只是结论悄悄失去意义。这是这次切换里最容易被忽略的风险：规则变更不让你的程序崩溃，它只让你的结论失效。
第二件是别只看一个方向。直觉上 TWAP 更平滑等于更好预测，但它同时带来两个相反的效果：可预测性可能上升（均价比单点 tick 稳），可捕获幅度下降（也正因为平滑，价差变小了）。净效果是正是负，取决于谁降得快，光推理得不出来，只能重测。
第三件是给已有研究加时间边界。有一类结论的核心证据是「最后 N 秒是操纵窗口」，那个指纹的前提就是单点快照结算。8-07 之后它可能依然成立甚至更成立，但论据基础变了。结论会被继承，前提不会——一份没标时间边界的结论，半年后还会被人当依据引用。
完整版我整理到站上了，还包括跟单为什么会自我毁灭、以及那个 13% 统计里没厘清的另一个口径。
📄
📡
🎯
Polymarket 要把 5min / 15min / 4h 的 Crypto Up/Down 改成 TWAP 结算，这两天群里吵了一轮：到底是全程 TWAP，还是只有最后 30 秒？两个人各执一词，谁也没说服谁。
我去翻了官方公告，答案是按市场时长分配的：
5 分钟市场 → 30 秒 TWAP
15 分钟市场 → 60 秒 TWAP
4 小时市场 → 60 秒 TWAP
官方原话是 with the averaging window scaled to the length of the market，窗口跟着市场时长走。
还有一个更要紧的：这事 8 月 7 日 00:00 UTC 才生效，现在根本还没改。主网 feed 和 RTDS 8 月 4 日上线。
所以群里那场争论，两边都只说对了自己那半——确实是 30 秒，但那只对 5 分钟市场成立。
顺带一条群里没人提、我觉得比结算口径更实际的：同一份公告里，官方说整个 8 月会在所有受影响的市场投放 100 万美元流动性奖励，用来撑过这次过渡。也就是说 8 月这一个月，LP 侧的收益结构和平时不一样。
这个时间点很关键：这几天大家感受到的尾盘翻转，仍然是旧的单点快照结算下的翻转，不能拿它去推断 TWAP 之后会怎样。
说回为什么要改。群里有人专门统计过：最末 30 秒的翻转比例是 13%——30 秒前占优的那一边，最后输掉的概率。他把优势定义得很具体，比如 PTB 领先 +100（UP 占优），结算时变成 -30 DN 算一次翻转。
在这种环境里他的结论是「不管方向多么对、胜率多高，最终都会被翻转干掉」，所以「除了对冲之外真的没得做」。
那修好了不就完了？群里有人不这么看，这是我认为最值得记下来的一段：
「其实不改 TWAP 也挺好的，虽然有操纵，但是风浪越大鱼越贵，我们的报价里本来就已经 price in 了这一份风险。」
「没操纵都没人博反转了。」
他担心的不是自己的策略失效，是整个市场没人来玩：「这玩意最大的危害不是影响某一种策略——任何策略其实都是需要散户来提供对手盘的。」
另一个人接得更直白：「没有赌狗和散户，一群机器人在自由搏击，谁能赚到钱呢，alpha 没了。」
他担心的全程 TWAP 这次不会发生（是 30s / 60s 窗口，图表照常波动）。但这个权衡本身是真的，值得单独记住：
价格波动本身是吸引参与者的产品。一个把波动抹平的设计，清理掉的不只是操纵者，还有愿意下注的人——而做市和套利策略赚的正是这些人的钱。
说说我自己怎么处理这次切换。
公告出来当天我先查真钱敞口，结果是零。真正被切断的是几条还在跑数据、没上真钱的验证线——它们的样本会横跨 8 月 7 日。其中一条尤其巧：它复刻的正是「最后 30 秒进场」那类打法，而 5 分钟市场的新窗口恰好就是 30 秒，整个前提被精确覆盖掉了。
所以我要做的第一件事不是改策略，是打一条时间分界。
8-07 前后的样本不能混算。跨这个点的样本池会得出无意义的均值，而且不会报错——统计程序照常跑，只是结论悄悄失去意义。这是这次切换里最容易被忽略的风险：规则变更不让你的程序崩溃，它只让你的结论失效。
第二件是别只看一个方向。直觉上 TWAP 更平滑等于更好预测，但它同时带来两个相反的效果：可预测性可能上升（均价比单点 tick 稳），可捕获幅度下降（也正因为平滑，价差变小了）。净效果是正是负，取决于谁降得快，光推理得不出来，只能重测。
第三件是给已有研究加时间边界。有一类结论的核心证据是「最后 N 秒是操纵窗口」，那个指纹的前提就是单点快照结算。8-07 之后它可能依然成立甚至更成立，但论据基础变了。结论会被继承，前提不会——一份没标时间边界的结论，半年后还会被人当依据引用。
完整版我整理到站上了，还包括跟单为什么会自我毁灭、以及那个 13% 统计里没厘清的另一个口径。
📄
📡
🎯
我去翻了官方公告，答案是按市场时长分配的：
5 分钟市场 → 30 秒 TWAP
15 分钟市场 → 60 秒 TWAP
4 小时市场 → 60 秒 TWAP
官方原话是 with the averaging window scaled to the length of the market，窗口跟着市场时长走。
还有一个更要紧的：这事 8 月 7 日 00:00 UTC 才生效，现在根本还没改。主网 feed 和 RTDS 8 月 4 日上线。
所以群里那场争论，两边都只说对了自己那半——确实是 30 秒，但那只对 5 分钟市场成立。
顺带一条群里没人提、我觉得比结算口径更实际的：同一份公告里，官方说整个 8 月会在所有受影响的市场投放 100 万美元流动性奖励，用来撑过这次过渡。也就是说 8 月这一个月，LP 侧的收益结构和平时不一样。
这个时间点很关键：这几天大家感受到的尾盘翻转，仍然是旧的单点快照结算下的翻转，不能拿它去推断 TWAP 之后会怎样。
说回为什么要改。群里有人专门统计过：最末 30 秒的翻转比例是 13%——30 秒前占优的那一边，最后输掉的概率。他把优势定义得很具体，比如 PTB 领先 +100（UP 占优），结算时变成 -30 DN 算一次翻转。
在这种环境里他的结论是「不管方向多么对、胜率多高，最终都会被翻转干掉」，所以「除了对冲之外真的没得做」。
那修好了不就完了？群里有人不这么看，这是我认为最值得记下来的一段：
「其实不改 TWAP 也挺好的，虽然有操纵，但是风浪越大鱼越贵，我们的报价里本来就已经 price in 了这一份风险。」
「没操纵都没人博反转了。」
他担心的不是自己的策略失效，是整个市场没人来玩：「这玩意最大的危害不是影响某一种策略——任何策略其实都是需要散户来提供对手盘的。」
另一个人接得更直白：「没有赌狗和散户，一群机器人在自由搏击，谁能赚到钱呢，alpha 没了。」
他担心的全程 TWAP 这次不会发生（是 30s / 60s 窗口，图表照常波动）。但这个权衡本身是真的，值得单独记住：
价格波动本身是吸引参与者的产品。一个把波动抹平的设计，清理掉的不只是操纵者，还有愿意下注的人——而做市和套利策略赚的正是这些人的钱。
说说我自己怎么处理这次切换。
公告出来当天我先查真钱敞口，结果是零。真正被切断的是几条还在跑数据、没上真钱的验证线——它们的样本会横跨 8 月 7 日。其中一条尤其巧：它复刻的正是「最后 30 秒进场」那类打法，而 5 分钟市场的新窗口恰好就是 30 秒，整个前提被精确覆盖掉了。
所以我要做的第一件事不是改策略，是打一条时间分界。
8-07 前后的样本不能混算。跨这个点的样本池会得出无意义的均值，而且不会报错——统计程序照常跑，只是结论悄悄失去意义。这是这次切换里最容易被忽略的风险：规则变更不让你的程序崩溃，它只让你的结论失效。
第二件是别只看一个方向。直觉上 TWAP 更平滑等于更好预测，但它同时带来两个相反的效果：可预测性可能上升（均价比单点 tick 稳），可捕获幅度下降（也正因为平滑，价差变小了）。净效果是正是负，取决于谁降得快，光推理得不出来，只能重测。
第三件是给已有研究加时间边界。有一类结论的核心证据是「最后 N 秒是操纵窗口」，那个指纹的前提就是单点快照结算。8-07 之后它可能依然成立甚至更成立，但论据基础变了。结论会被继承，前提不会——一份没标时间边界的结论，半年后还会被人当依据引用。
完整版我整理到站上了，还包括跟单为什么会自我毁灭、以及那个 13% 统计里没厘清的另一个口径。
📄
📡
🎯
49
Online heißt es überall, dass man für Xiaohongshu Pugongying 5.000 Follower braucht. Heute habe ich es mit 1.210 Followern freigeschaltet.
Ich halte den kompletten Weg vom Start des Accounts bis zu den ersten bezahlten Kooperationen fest – das erspart dir einiges an Aufwand.
1｜Die Hürde liegt nicht bei 5.000
Im Backend steht wörtlich: „Du hast den Meilenstein von 1.000 Followern erreicht und kannst folgende Vorteile nutzen: Kooperationen als Einkaufsexperte / Kooperationen als Creator.“
Ab 1.000 Followern wird es freigeschaltet. 5.000 ist die nächste Stufe, auf der sich das Honorar verdoppelt – irgendwie wurde daraus die Zugangsvoraussetzung.
2｜Der Zugang ist wirklich schwer zu finden
Auf der Creator-Service-Plattform (Web-Backend) gibt es diesen Zugang nicht. Dort habe ich zuerst ewig gesucht.
Es gibt zwei Wege:
· APP: Seitenleiste → „Professioneller Account“ → Weiterentwicklung des Geschäfts → „Kooperationen als Creator“
· Web:
3｜Wie ich auf 1.000 Follower kam: Lass die Daten das Hauptthema bestimmen, nicht dich selbst
Am Anfang habe ich Inhalte zu beiden Themen veröffentlicht. Als ich später die Daten im Backend überprüfte, zeigte sich: Inhalte zu Prognosemärkten brachten insgesamt 850 neue Follower, KI-Inhalte 9.
94-mal so viele. Ein einzelner viraler Beitrag kam auf 46,910 Impressionen und 837 neue Follower – mehr als alle anderen zusammen.
Mein Hauptthema auf X ist KI, auf Xiaohongshu ist es genau umgekehrt. Die Zielgruppen überschneiden sich nicht.
Die Annahme „Lege ein Kernthema fest und verbreite es auf allen Plattformen“ wurde durch meine eigenen Backend-Daten widerlegt.
4｜Freischaltung ≠ Aufträge
Mein Dashboard sieht derzeit so aus: 0 ausstehende Annahmen / 0 laufende Kooperationen / 0 ausstehende Bestätigungen, Einnahmen in diesem Monat: ¥0.
Das ist eine Eintrittskarte, keine Einnahmequelle. Angebote und Verhandlungen sind der nächste Schritt – darüber schreibe ich, wenn ich so weit bin.
5｜Orientierung für Honorare
Die auf der Plattform-Startseite empfohlenen Honorare vergleichbarer Creator: ab ¥1.000 bei 31.000 Followern, ab ¥400 bei 14.000 Followern, ab ¥500 bei 11.000 Followern.
Offizielle Spannen: Bei 1.000–5.000 Followern 100–300 für Bild- und Textbeiträge / 200–600 für Videos; ab 5.000 verdoppeln sich die Beträge.
In spezialisierten Themenbereichen gibt es einen Aufschlag um das 2- bis 3-Fache. Die Plattform behält sowohl von Marken als auch von Creatorn jeweils 10 % ein.
Der nächste Knackpunkt ist das Aufladen von Bilibili: Die 1.000 Follower und die Echtnamen-Verifizierung habe ich noch nicht geschafft. Wenn es soweit ist, schreibe ich wieder darüber.
Online heißt es überall, dass man für Xiaohongshu Pugongying 5.000 Follower braucht. Heute habe ich es mit 1.210 Followern freigeschaltet.
Ich halte den kompletten Weg vom Start des Accounts bis zu den ersten bezahlten Kooperationen fest – das erspart dir einiges an Aufwand.
1｜Die Hürde liegt nicht bei 5.000
Im Backend steht wörtlich: „Du hast den Meilenstein von 1.000 Followern erreicht und kannst folgende Vorteile nutzen: Kooperationen als Einkaufsexperte / Kooperationen als Creator.“
Ab 1.000 Followern wird es freigeschaltet. 5.000 ist die nächste Stufe, auf der sich das Honorar verdoppelt – irgendwie wurde daraus die Zugangsvoraussetzung.
2｜Der Zugang ist wirklich schwer zu finden
Auf der Creator-Service-Plattform (Web-Backend) gibt es diesen Zugang nicht. Dort habe ich zuerst ewig gesucht.
Es gibt zwei Wege:
· APP: Seitenleiste → „Professioneller Account“ → Weiterentwicklung des Geschäfts → „Kooperationen als Creator“
· Web:
3｜Wie ich auf 1.000 Follower kam: Lass die Daten das Hauptthema bestimmen, nicht dich selbst
Am Anfang habe ich Inhalte zu beiden Themen veröffentlicht. Als ich später die Daten im Backend überprüfte, zeigte sich: Inhalte zu Prognosemärkten brachten insgesamt 850 neue Follower, KI-Inhalte 9.
94-mal so viele. Ein einzelner viraler Beitrag kam auf 46,910 Impressionen und 837 neue Follower – mehr als alle anderen zusammen.
Mein Hauptthema auf X ist KI, auf Xiaohongshu ist es genau umgekehrt. Die Zielgruppen überschneiden sich nicht.
Die Annahme „Lege ein Kernthema fest und verbreite es auf allen Plattformen“ wurde durch meine eigenen Backend-Daten widerlegt.
4｜Freischaltung ≠ Aufträge
Mein Dashboard sieht derzeit so aus: 0 ausstehende Annahmen / 0 laufende Kooperationen / 0 ausstehende Bestätigungen, Einnahmen in diesem Monat: ¥0.
Das ist eine Eintrittskarte, keine Einnahmequelle. Angebote und Verhandlungen sind der nächste Schritt – darüber schreibe ich, wenn ich so weit bin.
5｜Orientierung für Honorare
Die auf der Plattform-Startseite empfohlenen Honorare vergleichbarer Creator: ab ¥1.000 bei 31.000 Followern, ab ¥400 bei 14.000 Followern, ab ¥500 bei 11.000 Followern.
Offizielle Spannen: Bei 1.000–5.000 Followern 100–300 für Bild- und Textbeiträge / 200–600 für Videos; ab 5.000 verdoppeln sich die Beträge.
In spezialisierten Themenbereichen gibt es einen Aufschlag um das 2- bis 3-Fache. Die Plattform behält sowohl von Marken als auch von Creatorn jeweils 10 % ein.
Der nächste Knackpunkt ist das Aufladen von Bilibili: Die 1.000 Follower und die Echtnamen-Verifizierung habe ich noch nicht geschafft. Wenn es soweit ist, schreibe ich wieder darüber.
Ich halte den kompletten Weg vom Start des Accounts bis zu den ersten bezahlten Kooperationen fest – das erspart dir einiges an Aufwand.
1｜Die Hürde liegt nicht bei 5.000
Im Backend steht wörtlich: „Du hast den Meilenstein von 1.000 Followern erreicht und kannst folgende Vorteile nutzen: Kooperationen als Einkaufsexperte / Kooperationen als Creator.“
Ab 1.000 Followern wird es freigeschaltet. 5.000 ist die nächste Stufe, auf der sich das Honorar verdoppelt – irgendwie wurde daraus die Zugangsvoraussetzung.
2｜Der Zugang ist wirklich schwer zu finden
Auf der Creator-Service-Plattform (Web-Backend) gibt es diesen Zugang nicht. Dort habe ich zuerst ewig gesucht.
Es gibt zwei Wege:
· APP: Seitenleiste → „Professioneller Account“ → Weiterentwicklung des Geschäfts → „Kooperationen als Creator“
· Web:
3｜Wie ich auf 1.000 Follower kam: Lass die Daten das Hauptthema bestimmen, nicht dich selbst
Am Anfang habe ich Inhalte zu beiden Themen veröffentlicht. Als ich später die Daten im Backend überprüfte, zeigte sich: Inhalte zu Prognosemärkten brachten insgesamt 850 neue Follower, KI-Inhalte 9.
94-mal so viele. Ein einzelner viraler Beitrag kam auf 46,910 Impressionen und 837 neue Follower – mehr als alle anderen zusammen.
Mein Hauptthema auf X ist KI, auf Xiaohongshu ist es genau umgekehrt. Die Zielgruppen überschneiden sich nicht.
Die Annahme „Lege ein Kernthema fest und verbreite es auf allen Plattformen“ wurde durch meine eigenen Backend-Daten widerlegt.
4｜Freischaltung ≠ Aufträge
Mein Dashboard sieht derzeit so aus: 0 ausstehende Annahmen / 0 laufende Kooperationen / 0 ausstehende Bestätigungen, Einnahmen in diesem Monat: ¥0.
Das ist eine Eintrittskarte, keine Einnahmequelle. Angebote und Verhandlungen sind der nächste Schritt – darüber schreibe ich, wenn ich so weit bin.
5｜Orientierung für Honorare
Die auf der Plattform-Startseite empfohlenen Honorare vergleichbarer Creator: ab ¥1.000 bei 31.000 Followern, ab ¥400 bei 14.000 Followern, ab ¥500 bei 11.000 Followern.
Offizielle Spannen: Bei 1.000–5.000 Followern 100–300 für Bild- und Textbeiträge / 200–600 für Videos; ab 5.000 verdoppeln sich die Beträge.
In spezialisierten Themenbereichen gibt es einen Aufschlag um das 2- bis 3-Fache. Die Plattform behält sowohl von Marken als auch von Creatorn jeweils 10 % ein.
Der nächste Knackpunkt ist das Aufladen von Bilibili: Die 1.000 Follower und die Echtnamen-Verifizierung habe ich noch nicht geschafft. Wenn es soweit ist, schreibe ich wieder darüber.
60
Wenn sich Leute solche Plattformen für Aktien-Perpetuals (Perps) ansehen, geht es ihnen meist um eine Frage: Kann man damit US-Aktien mit Hebel handeln?
Nachdem ich mir den Mechanismus von @OndoPerps genauer angesehen habe, ist mir jedoch aufgefallen, dass nicht der Hebel der entscheidende Unterschied ist, sondern die Seite der Sicherheiten.
Noch interessanter: Zunächst profitieren davon nicht die Kleinanleger, sondern die Market Maker – was die Kleinanleger davon haben, ist ein Effekt zweiter Ordnung.
I. Das Problem: Market Maker müssen doppelt Sicherheiten hinterlegen
Alle derzeitigen RWA-Perpetual-Plattformen haben ein strukturelles Problem: Market Maker müssen doppelt Sicherheiten hinterlegen.
Auf der Perpetual-Seite müssen sie Stablecoins als Margin hinterlegen. Gleichzeitig müssen sie bei einem traditionellen Broker Bargeld und Aktienbestände vorhalten, um ihre Positionen abzusichern.
Für dasselbe wirtschaftliche Exposure wird das Kapital der Market Maker also gleich zweimal gebunden. Das führt zu dünnen Orderbüchern, breiten Spreads und Slippage, die nicht dem tatsächlichen Markt entspricht. Das liegt nicht daran, dass eine bestimmte Plattform etwas schlecht macht, sondern ist die strukturelle Obergrenze des gesamten Modells.
II. Die Lösung: Tokenisierte Wertpapiere direkt als Sicherheiten
Ondo Perps löst das Problem, indem tokenisierte Wertpapiere direkt als Sicherheiten dienen können.
Möchte ein Market Maker beispielsweise einen NVDA-Perpetual quotieren, kann er NVDA-Token direkt im selben System zur Absicherung halten, ohne dafür zusätzlich ein Brokerkonto eröffnen zu müssen.
Wenn die Kapitalbasis auf diese Weise vereinheitlicht wird, können sich die Spreads verengen und die Tiefe des Orderbuchs kann die tatsächliche Liquidität besser widerspiegeln.
Um zu beurteilen, ob sich ein Blick auf eine solche Plattform lohnt, sollte man also nicht nur darauf achten, wie hoch der Hebel ist, sondern auch darauf, ob sich die Qualität des Orderbuchs tatsächlich verbessert hat. Für dich bedeutet das konkret: Ob du einen Vorteil hast, hängt davon ab, ob die Market Maker bereit sind, hier engere Kurse zu stellen.
III. Zentrale Parameter und Beschränkungen
Laut der offiziellen Ondo-Dokumentation gibt es derzeit zwei zulässige Sicherheiten: SPYon und QQQon – tokenisierte Versionen des S&P 500 beziehungsweise des Nasdaq 100. Beide sind Ondo-Stocks-Token auf Ethereum. Da es sich nicht um einzelne Aktien handelt, kann man derzeit noch keine einzelnen Aktien, die man besitzt, als Margin verwenden.
Abschlag (Haircut):
· USDC: 0 %
· SPYon und QQQon: jeweils 10 %
Was 10 % bedeutet: Wenn du SPYon im Wert von 1.000 US-Dollar einzahlst, rechnet das System nur 900 US-Dollar als Margin an, sperrt aber den gesamten Betrag von 1.000 US-Dollar. Die Differenz von 100 US-Dollar dient dazu, mögliche Slippage oder Kursschwankungen abzufedern, falls die Sicherheiten in USDC umgewandelt werden müssen.
Sicherheitenobergrenze (leicht zu übersehen):
· SPYon: 146 Token pro Konto
· QQQon: 166 Token pro Konto
Auch wenn du mehr als diese Menge einzahlst, kannst du weiterhin Ein- und Auszahlungen vornehmen – die Margin erhöht sich dadurch jedoch nicht weiter. Grob auf Basis der aktuellen Kurse liegt der Betrag, den ein einzelnes Konto über Aktien als Sicherheiten anrechnen lassen kann, im Bereich von mehreren Hunderttausend US-Dollar.
Wichtig, damit es keine Missverständnisse gibt: Für USDC gibt es keine Obergrenze, und der Abschlag beträgt 0 %. Die Obergrenze beschränkt also nicht, wie viel Geld du einsetzen kannst, sondern nur den Weg, bei dem „Aktien-Token als Margin angerechnet werden“. Wer größere Beträge einsetzen möchte, kann dafür den Weg über USDC nutzen.
Warum gibt es diese Obergrenze? Meiner Einschätzung nach muss die Plattform bei einer Liquidation die Sicherheiten in USDC umwandeln. Die Liquidität am Sekundärmarkt für solche Token ist begrenzt – aktuell beläuft sich der Gesamtwert der tokenisierten Aktien, die auf der gesamten Plattform als Sicherheiten hinterlegt sind, auf 27,34 Millionen US-Dollar. Das Volumen ist also noch überschaubar. Die Obergrenze ist im Grunde eine Selbstbeschränkung der Plattform hinsichtlich ihrer eigenen Liquidationsfähigkeit. Laut offizieller Dokumentation wird sie zudem je nach Marktlage angepasst.
IV. Aktuelle Kennzahlen der Plattform (DefiLlama, geprüft am 1. August)
· Handelsvolumen in 24 Stunden: 233 Millionen US-Dollar
· Handelsvolumen in 7 Tagen: 1,57 Milliarden US-Dollar
· Handelsvolumen in 30 Tagen: 4,38 Milliarden US-Dollar
· Kumuliertes Handelsvolumen: 6 Milliarden US-Dollar
· Offene Positionen (OI): 74,67 Millionen US-Dollar
Bemerkenswert: Von den kumulierten 6 Milliarden US-Dollar Handelsvolumen entfallen allein 4,38 Milliarden auf die letzten 30 Tage – also rund 73 %. Der Großteil des Handels fand im letzten Monat statt; das Wachstum beschleunigt sich tatsächlich.
V. Gebühren und Anreize
Die Handelsgebühr beträgt 0,035 %. Über einen Empfehlungslink lässt sie sich halbieren; im Orderfenster wird direkt „50 % sparen“ angezeigt.
Außerdem gibt es jede Woche einen USDC-Anreizpool und Points. Für Points gibt es derzeit keine Preisangabe, deshalb rechne ich sie nicht in die Rendite ein. Maßgeblich sind die konkreten Regeln in der offiziellen App und den offiziellen Informationen; sie können sich ändern.
VI. Zugangsvoraussetzungen
Erstens: Region. Die Plattform bietet ihre Dienste nicht in den USA und anderen eingeschränkten Gerichtsbarkeiten an. Prüfe vor der Nutzung, ob sie an deinem Wohnort verfügbar ist.
Zweitens: doppeltes Exposure. Der Wert deiner Sicherheiten kann schwanken, und auch deine Position kann schwanken. Das ist nicht dasselbe, wie einfach Stablecoins als Margin zu verwenden. Es lohnt sich, die Liquidationslogik und die Abschläge vorher genau zu verstehen.
Ich selbst habe auch einen sehr kleinen Betrag eingezahlt, um die Plattform auszuprobieren und ihren Mechanismus kennenzulernen.
Wer sich selbst ein Bild machen möchte, kann diesen Link nutzen:
Der obige Inhalt ist meine persönliche Einschätzung auf Grundlage meiner Recherche zu dieser Plattform und stellt keine Anlageberatung dar.
Wenn sich Leute solche Plattformen für Aktien-Perpetuals (Perps) ansehen, geht es ihnen meist um eine Frage: Kann man damit US-Aktien mit Hebel handeln?
Nachdem ich mir den Mechanismus von @OndoPerps genauer angesehen habe, ist mir jedoch aufgefallen, dass nicht der Hebel der entscheidende Unterschied ist, sondern die Seite der Sicherheiten.
Noch interessanter: Zunächst profitieren davon nicht die Kleinanleger, sondern die Market Maker – was die Kleinanleger davon haben, ist ein Effekt zweiter Ordnung.
I. Das Problem: Market Maker müssen doppelt Sicherheiten hinterlegen
Alle derzeitigen RWA-Perpetual-Plattformen haben ein strukturelles Problem: Market Maker müssen doppelt Sicherheiten hinterlegen.
Auf der Perpetual-Seite müssen sie Stablecoins als Margin hinterlegen. Gleichzeitig müssen sie bei einem traditionellen Broker Bargeld und Aktienbestände vorhalten, um ihre Positionen abzusichern.
Für dasselbe wirtschaftliche Exposure wird das Kapital der Market Maker also gleich zweimal gebunden. Das führt zu dünnen Orderbüchern, breiten Spreads und Slippage, die nicht dem tatsächlichen Markt entspricht. Das liegt nicht daran, dass eine bestimmte Plattform etwas schlecht macht, sondern ist die strukturelle Obergrenze des gesamten Modells.
II. Die Lösung: Tokenisierte Wertpapiere direkt als Sicherheiten
Ondo Perps löst das Problem, indem tokenisierte Wertpapiere direkt als Sicherheiten dienen können.
Möchte ein Market Maker beispielsweise einen NVDA-Perpetual quotieren, kann er NVDA-Token direkt im selben System zur Absicherung halten, ohne dafür zusätzlich ein Brokerkonto eröffnen zu müssen.
Wenn die Kapitalbasis auf diese Weise vereinheitlicht wird, können sich die Spreads verengen und die Tiefe des Orderbuchs kann die tatsächliche Liquidität besser widerspiegeln.
Um zu beurteilen, ob sich ein Blick auf eine solche Plattform lohnt, sollte man also nicht nur darauf achten, wie hoch der Hebel ist, sondern auch darauf, ob sich die Qualität des Orderbuchs tatsächlich verbessert hat. Für dich bedeutet das konkret: Ob du einen Vorteil hast, hängt davon ab, ob die Market Maker bereit sind, hier engere Kurse zu stellen.
III. Zentrale Parameter und Beschränkungen
Laut der offiziellen Ondo-Dokumentation gibt es derzeit zwei zulässige Sicherheiten: SPYon und QQQon – tokenisierte Versionen des S&P 500 beziehungsweise des Nasdaq 100. Beide sind Ondo-Stocks-Token auf Ethereum. Da es sich nicht um einzelne Aktien handelt, kann man derzeit noch keine einzelnen Aktien, die man besitzt, als Margin verwenden.
Abschlag (Haircut):
· USDC: 0 %
· SPYon und QQQon: jeweils 10 %
Was 10 % bedeutet: Wenn du SPYon im Wert von 1.000 US-Dollar einzahlst, rechnet das System nur 900 US-Dollar als Margin an, sperrt aber den gesamten Betrag von 1.000 US-Dollar. Die Differenz von 100 US-Dollar dient dazu, mögliche Slippage oder Kursschwankungen abzufedern, falls die Sicherheiten in USDC umgewandelt werden müssen.
Sicherheitenobergrenze (leicht zu übersehen):
· SPYon: 146 Token pro Konto
· QQQon: 166 Token pro Konto
Auch wenn du mehr als diese Menge einzahlst, kannst du weiterhin Ein- und Auszahlungen vornehmen – die Margin erhöht sich dadurch jedoch nicht weiter. Grob auf Basis der aktuellen Kurse liegt der Betrag, den ein einzelnes Konto über Aktien als Sicherheiten anrechnen lassen kann, im Bereich von mehreren Hunderttausend US-Dollar.
Wichtig, damit es keine Missverständnisse gibt: Für USDC gibt es keine Obergrenze, und der Abschlag beträgt 0 %. Die Obergrenze beschränkt also nicht, wie viel Geld du einsetzen kannst, sondern nur den Weg, bei dem „Aktien-Token als Margin angerechnet werden“. Wer größere Beträge einsetzen möchte, kann dafür den Weg über USDC nutzen.
Warum gibt es diese Obergrenze? Meiner Einschätzung nach muss die Plattform bei einer Liquidation die Sicherheiten in USDC umwandeln. Die Liquidität am Sekundärmarkt für solche Token ist begrenzt – aktuell beläuft sich der Gesamtwert der tokenisierten Aktien, die auf der gesamten Plattform als Sicherheiten hinterlegt sind, auf 27,34 Millionen US-Dollar. Das Volumen ist also noch überschaubar. Die Obergrenze ist im Grunde eine Selbstbeschränkung der Plattform hinsichtlich ihrer eigenen Liquidationsfähigkeit. Laut offizieller Dokumentation wird sie zudem je nach Marktlage angepasst.
IV. Aktuelle Kennzahlen der Plattform (DefiLlama, geprüft am 1. August)
· Handelsvolumen in 24 Stunden: 233 Millionen US-Dollar
· Handelsvolumen in 7 Tagen: 1,57 Milliarden US-Dollar
· Handelsvolumen in 30 Tagen: 4,38 Milliarden US-Dollar
· Kumuliertes Handelsvolumen: 6 Milliarden US-Dollar
· Offene Positionen (OI): 74,67 Millionen US-Dollar
Bemerkenswert: Von den kumulierten 6 Milliarden US-Dollar Handelsvolumen entfallen allein 4,38 Milliarden auf die letzten 30 Tage – also rund 73 %. Der Großteil des Handels fand im letzten Monat statt; das Wachstum beschleunigt sich tatsächlich.
V. Gebühren und Anreize
Die Handelsgebühr beträgt 0,035 %. Über einen Empfehlungslink lässt sie sich halbieren; im Orderfenster wird direkt „50 % sparen“ angezeigt.
Außerdem gibt es jede Woche einen USDC-Anreizpool und Points. Für Points gibt es derzeit keine Preisangabe, deshalb rechne ich sie nicht in die Rendite ein. Maßgeblich sind die konkreten Regeln in der offiziellen App und den offiziellen Informationen; sie können sich ändern.
VI. Zugangsvoraussetzungen
Erstens: Region. Die Plattform bietet ihre Dienste nicht in den USA und anderen eingeschränkten Gerichtsbarkeiten an. Prüfe vor der Nutzung, ob sie an deinem Wohnort verfügbar ist.
Zweitens: doppeltes Exposure. Der Wert deiner Sicherheiten kann schwanken, und auch deine Position kann schwanken. Das ist nicht dasselbe, wie einfach Stablecoins als Margin zu verwenden. Es lohnt sich, die Liquidationslogik und die Abschläge vorher genau zu verstehen.
Ich selbst habe auch einen sehr kleinen Betrag eingezahlt, um die Plattform auszuprobieren und ihren Mechanismus kennenzulernen.
Wer sich selbst ein Bild machen möchte, kann diesen Link nutzen:
Der obige Inhalt ist meine persönliche Einschätzung auf Grundlage meiner Recherche zu dieser Plattform und stellt keine Anlageberatung dar.
Nachdem ich mir den Mechanismus von @OndoPerps genauer angesehen habe, ist mir jedoch aufgefallen, dass nicht der Hebel der entscheidende Unterschied ist, sondern die Seite der Sicherheiten.
Noch interessanter: Zunächst profitieren davon nicht die Kleinanleger, sondern die Market Maker – was die Kleinanleger davon haben, ist ein Effekt zweiter Ordnung.
I. Das Problem: Market Maker müssen doppelt Sicherheiten hinterlegen
Alle derzeitigen RWA-Perpetual-Plattformen haben ein strukturelles Problem: Market Maker müssen doppelt Sicherheiten hinterlegen.
Auf der Perpetual-Seite müssen sie Stablecoins als Margin hinterlegen. Gleichzeitig müssen sie bei einem traditionellen Broker Bargeld und Aktienbestände vorhalten, um ihre Positionen abzusichern.
Für dasselbe wirtschaftliche Exposure wird das Kapital der Market Maker also gleich zweimal gebunden. Das führt zu dünnen Orderbüchern, breiten Spreads und Slippage, die nicht dem tatsächlichen Markt entspricht. Das liegt nicht daran, dass eine bestimmte Plattform etwas schlecht macht, sondern ist die strukturelle Obergrenze des gesamten Modells.
II. Die Lösung: Tokenisierte Wertpapiere direkt als Sicherheiten
Ondo Perps löst das Problem, indem tokenisierte Wertpapiere direkt als Sicherheiten dienen können.
Möchte ein Market Maker beispielsweise einen NVDA-Perpetual quotieren, kann er NVDA-Token direkt im selben System zur Absicherung halten, ohne dafür zusätzlich ein Brokerkonto eröffnen zu müssen.
Wenn die Kapitalbasis auf diese Weise vereinheitlicht wird, können sich die Spreads verengen und die Tiefe des Orderbuchs kann die tatsächliche Liquidität besser widerspiegeln.
Um zu beurteilen, ob sich ein Blick auf eine solche Plattform lohnt, sollte man also nicht nur darauf achten, wie hoch der Hebel ist, sondern auch darauf, ob sich die Qualität des Orderbuchs tatsächlich verbessert hat. Für dich bedeutet das konkret: Ob du einen Vorteil hast, hängt davon ab, ob die Market Maker bereit sind, hier engere Kurse zu stellen.
III. Zentrale Parameter und Beschränkungen
Laut der offiziellen Ondo-Dokumentation gibt es derzeit zwei zulässige Sicherheiten: SPYon und QQQon – tokenisierte Versionen des S&P 500 beziehungsweise des Nasdaq 100. Beide sind Ondo-Stocks-Token auf Ethereum. Da es sich nicht um einzelne Aktien handelt, kann man derzeit noch keine einzelnen Aktien, die man besitzt, als Margin verwenden.
Abschlag (Haircut):
· USDC: 0 %
· SPYon und QQQon: jeweils 10 %
Was 10 % bedeutet: Wenn du SPYon im Wert von 1.000 US-Dollar einzahlst, rechnet das System nur 900 US-Dollar als Margin an, sperrt aber den gesamten Betrag von 1.000 US-Dollar. Die Differenz von 100 US-Dollar dient dazu, mögliche Slippage oder Kursschwankungen abzufedern, falls die Sicherheiten in USDC umgewandelt werden müssen.
Sicherheitenobergrenze (leicht zu übersehen):
· SPYon: 146 Token pro Konto
· QQQon: 166 Token pro Konto
Auch wenn du mehr als diese Menge einzahlst, kannst du weiterhin Ein- und Auszahlungen vornehmen – die Margin erhöht sich dadurch jedoch nicht weiter. Grob auf Basis der aktuellen Kurse liegt der Betrag, den ein einzelnes Konto über Aktien als Sicherheiten anrechnen lassen kann, im Bereich von mehreren Hunderttausend US-Dollar.
Wichtig, damit es keine Missverständnisse gibt: Für USDC gibt es keine Obergrenze, und der Abschlag beträgt 0 %. Die Obergrenze beschränkt also nicht, wie viel Geld du einsetzen kannst, sondern nur den Weg, bei dem „Aktien-Token als Margin angerechnet werden“. Wer größere Beträge einsetzen möchte, kann dafür den Weg über USDC nutzen.
Warum gibt es diese Obergrenze? Meiner Einschätzung nach muss die Plattform bei einer Liquidation die Sicherheiten in USDC umwandeln. Die Liquidität am Sekundärmarkt für solche Token ist begrenzt – aktuell beläuft sich der Gesamtwert der tokenisierten Aktien, die auf der gesamten Plattform als Sicherheiten hinterlegt sind, auf 27,34 Millionen US-Dollar. Das Volumen ist also noch überschaubar. Die Obergrenze ist im Grunde eine Selbstbeschränkung der Plattform hinsichtlich ihrer eigenen Liquidationsfähigkeit. Laut offizieller Dokumentation wird sie zudem je nach Marktlage angepasst.
IV. Aktuelle Kennzahlen der Plattform (DefiLlama, geprüft am 1. August)
· Handelsvolumen in 24 Stunden: 233 Millionen US-Dollar
· Handelsvolumen in 7 Tagen: 1,57 Milliarden US-Dollar
· Handelsvolumen in 30 Tagen: 4,38 Milliarden US-Dollar
· Kumuliertes Handelsvolumen: 6 Milliarden US-Dollar
· Offene Positionen (OI): 74,67 Millionen US-Dollar
Bemerkenswert: Von den kumulierten 6 Milliarden US-Dollar Handelsvolumen entfallen allein 4,38 Milliarden auf die letzten 30 Tage – also rund 73 %. Der Großteil des Handels fand im letzten Monat statt; das Wachstum beschleunigt sich tatsächlich.
V. Gebühren und Anreize
Die Handelsgebühr beträgt 0,035 %. Über einen Empfehlungslink lässt sie sich halbieren; im Orderfenster wird direkt „50 % sparen“ angezeigt.
Außerdem gibt es jede Woche einen USDC-Anreizpool und Points. Für Points gibt es derzeit keine Preisangabe, deshalb rechne ich sie nicht in die Rendite ein. Maßgeblich sind die konkreten Regeln in der offiziellen App und den offiziellen Informationen; sie können sich ändern.
VI. Zugangsvoraussetzungen
Erstens: Region. Die Plattform bietet ihre Dienste nicht in den USA und anderen eingeschränkten Gerichtsbarkeiten an. Prüfe vor der Nutzung, ob sie an deinem Wohnort verfügbar ist.
Zweitens: doppeltes Exposure. Der Wert deiner Sicherheiten kann schwanken, und auch deine Position kann schwanken. Das ist nicht dasselbe, wie einfach Stablecoins als Margin zu verwenden. Es lohnt sich, die Liquidationslogik und die Abschläge vorher genau zu verstehen.
Ich selbst habe auch einen sehr kleinen Betrag eingezahlt, um die Plattform auszuprobieren und ihren Mechanismus kennenzulernen.
Wer sich selbst ein Bild machen möchte, kann diesen Link nutzen:
Der obige Inhalt ist meine persönliche Einschätzung auf Grundlage meiner Recherche zu dieser Plattform und stellt keine Anlageberatung dar.
103
Übersetzung ansehen
这周的 Leo Insider，我写天气策略。定位很清楚：研究流程、验证表、风控 checklist。
我想拆的是一个更底层的问题：天气市场的钱到底可能从哪来？
我把它拆成四层：
1. 市场覆盖差；
2. 信息更新差；
3. 结算理解差；
4. 玩家流差。
这篇完整 memo 会放：
- 我怎么搭候选池；
- 为什么天气策略难点不只是预测天气；
- 玩家流怎么作为外部确认层；
- 为什么有 alpha 线索，仍然要卡在放大前；
- 一张“小众策略 alpha 验证表”。
这期适合拿来做一件事：以后看到任何小众策略，先别急着问能不能赚。先拆钱从哪来，证据在哪，风险卡在哪。
这周的 Leo Insider，我写天气策略。定位很清楚：研究流程、验证表、风控 checklist。
我想拆的是一个更底层的问题：天气市场的钱到底可能从哪来？
我把它拆成四层：
1. 市场覆盖差；
2. 信息更新差；
3. 结算理解差；
4. 玩家流差。
这篇完整 memo 会放：
- 我怎么搭候选池；
- 为什么天气策略难点不只是预测天气；
- 玩家流怎么作为外部确认层；
- 为什么有 alpha 线索，仍然要卡在放大前；
- 一张“小众策略 alpha 验证表”。
这期适合拿来做一件事：以后看到任何小众策略，先别急着问能不能赚。先拆钱从哪来，证据在哪，风险卡在哪。
我想拆的是一个更底层的问题：天气市场的钱到底可能从哪来？
我把它拆成四层：
1. 市场覆盖差；
2. 信息更新差；
3. 结算理解差；
4. 玩家流差。
这篇完整 memo 会放：
- 我怎么搭候选池；
- 为什么天气策略难点不只是预测天气；
- 玩家流怎么作为外部确认层；
- 为什么有 alpha 线索，仍然要卡在放大前；
- 一张“小众策略 alpha 验证表”。
这期适合拿来做一件事：以后看到任何小众策略，先别急着问能不能赚。先拆钱从哪来，证据在哪，风险卡在哪。
57
Anmelden und weiter Inhalte entdecken
Krypto-Nutzer weltweit auf Binance Square kennenlernen
⚡️ Bleib in Sachen Krypto stets am Puls.
💬 Die weltgrößte Kryptobörse vertraut darauf.
👍 Erhalte verlässliche Einblicke von verifizierten Creators.
E-Mail-Adresse/Telefonnummer
Trendthemen
BinancePick
2.1M Aufrufe
121,903 Kommentare
Mach bei #Gewinnsaison mit: Prognostiziere Unternehmensergebnisse auf Binance Pick und teile deine Meinung auf Binance Square!
Binance Square Official
·375 Likes
·328.2k Aufrufe
EarningsSeason
4.7M Aufrufe
22,518 Kommentare
USQ3GDPAndSeptemberPCEDueNextWeek
32,783 Aufrufe
603 Kommentare