Benson's Trading Desk
الذهاب إلى القناة على Telegram
📈 نظرة تحليلية على قناة تيليجرام Benson's Trading Desk
تُعد قناة Benson's Trading Desk (@bensontradingdesk) في القطاع اللغوي الصينية لاعباً نشطاً. يضم المجتمع حالياً 16 973 مشتركاً، محتلاً المرتبة 6 355 في فئة العملات المشفرة والمرتبة 13 080 في منطقة الصين.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 16 973 مشتركاً.
بحسب آخر البيانات بتاريخ 05 سبتمبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -184، وفي آخر 24 ساعة بمقدار -6، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 0%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً N/A% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 0 مشاهدة. وخلال اليوم الأول يجمع عادةً 0 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 0.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل 交易所, 流動性, tron, claude, coding.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“founder of coinkarma.co”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 06 سبتمبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة العملات المشفرة.
16 973
المشتركون
-624 ساعات
-437 أيام
-18430 أيام
جاري تحميل البيانات...
جذب المشتركين
سبتمبر '26
سبتمبر '26
+1
في 0 قنوات
أغسطس '26
+5
في 0 قنوات
Get PRO
يوليو '26
+8
في 0 قنوات
Get PRO
يونيو '26
+26
في 0 قنوات
Get PRO
مايو '26
+12
في 0 قنوات
Get PRO
أبريل '26
+15
في 0 قنوات
Get PRO
مارس '26
+174
في 0 قنوات
Get PRO
فبراير '26
+112
في 3 قنوات
Get PRO
يناير '26
+564
في 4 قنوات
Get PRO
ديسمبر '25
+618
في 4 قنوات
Get PRO
نوفمبر '25
+470
في 3 قنوات
Get PRO
أكتوبر '25
+244
في 3 قنوات
Get PRO
سبتمبر '25
+71
في 1 قنوات
Get PRO
أغسطس '25
+2
في 0 قنوات
Get PRO
يوليو '25
+3
في 0 قنوات
Get PRO
يونيو '250
في 0 قنوات
Get PRO
مايو '250
في 0 قنوات
Get PRO
أبريل '25
+11
في 1 قنوات
Get PRO
مارس '25
+4
في 0 قنوات
Get PRO
فبراير '25
+5
في 0 قنوات
Get PRO
يناير '25
+13
في 0 قنوات
Get PRO
ديسمبر '24
+699
في 1 قنوات
Get PRO
نوفمبر '24
+3
في 2 قنوات
Get PRO
أكتوبر '24
+19
في 0 قنوات
Get PRO
سبتمبر '24
+3
في 0 قنوات
Get PRO
أغسطس '24
+4
في 0 قنوات
Get PRO
يوليو '24
+5
في 0 قنوات
Get PRO
يونيو '24
+21
في 0 قنوات
Get PRO
مايو '24
+28
في 1 قنوات
Get PRO
أبريل '24
+366
في 0 قنوات
Get PRO
مارس '24
+2
في 0 قنوات
Get PRO
فبراير '24
+26
في 0 قنوات
Get PRO
يناير '24
+187
في 3 قنوات
Get PRO
ديسمبر '23
+40
في 0 قنوات
Get PRO
نوفمبر '23
+54
في 2 قنوات
Get PRO
أكتوبر '23
+90
في 0 قنوات
Get PRO
سبتمبر '23
+148
في 0 قنوات
Get PRO
أغسطس '23
+3
في 0 قنوات
Get PRO
يوليو '23
+1
في 0 قنوات
Get PRO
يونيو '23
+4
في 0 قنوات
Get PRO
مايو '23
+2
في 0 قنوات
Get PRO
أبريل '23
+1
في 0 قنوات
Get PRO
مارس '230
في 0 قنوات
Get PRO
فبراير '23
+1
في 0 قنوات
Get PRO
يناير '23
+2
في 0 قنوات
Get PRO
ديسمبر '22
+3
في 0 قنوات
Get PRO
نوفمبر '22
+496
في 0 قنوات
Get PRO
أكتوبر '22
+21
في 0 قنوات
Get PRO
سبتمبر '22
+22
في 0 قنوات
Get PRO
أغسطس '22
+198
في 0 قنوات
Get PRO
يوليو '22
+254
في 0 قنوات
Get PRO
يونيو '22
+666
في 0 قنوات
Get PRO
مايو '22
+728
في 0 قنوات
Get PRO
أبريل '22
+383
في 0 قنوات
Get PRO
مارس '22
+680
في 0 قنوات
Get PRO
فبراير '22
+269
في 0 قنوات
Get PRO
يناير '22
+923
في 0 قنوات
Get PRO
ديسمبر '21
+2 017
في 0 قنوات
Get PRO
نوفمبر '21
+2 606
في 0 قنوات
Get PRO
أكتوبر '21
+3 466
في 0 قنوات
Get PRO
سبتمبر '21
+1 893
في 0 قنوات
Get PRO
أغسطس '21
+1 333
في 0 قنوات
Get PRO
يوليو '21
+489
في 0 قنوات
Get PRO
يونيو '21
+628
في 0 قنوات
Get PRO
مايو '21
+1 699
في 0 قنوات
Get PRO
أبريل '21
+6 194
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 06 سبتمبر | 0 | |||
| 05 سبتمبر | 0 | |||
| 04 سبتمبر | 0 | |||
| 03 سبتمبر | 0 | |||
| 02 سبتمبر | 0 | |||
| 01 سبتمبر | +1 |
منشورات القناة
| 2 | https://www.blocktempo.com/coinkarma-benson-sun-ftx-crash-bitcoin-generational-bottom-quantitative-trading/
上週很開心接受了 168X 的採訪。
這次聊了 1011、聊了 FTX、聊了 CoinKarma、也聊了我對 2026 的看法。算是把這幾年的事一次講完。
推薦給還在市場裡的朋友。 | 4 412 |
| 3 | https://x.com/coinkarma_/status/2043188780346274135 | 6 980 |
| 4 | sticker.webp | 1 052 |
| 5 |  +1近期 Bitfinex whale BTC 現貨槓桿部位加/減倉 與 Overall LIQ 共振時，都是相對好的買/賣點
綠框：Bitfinex BTCUSD LONGS 加倉 + Overall LIQ 綠柱
紅框：Bitfinex BTCUSD LONGS 減倉 + Overall LIQ 負值
而且昨天美股跟黃金一起下殺的時候，BTC 沒有跟著破底，以前 BTC 通常是跟跌不跟漲，現在反過來了，代表買盤的性質可能在轉變，有獨立的資金在撐。
這波反彈應該還沒結束，熊市都連跌五個月了，三月收個漂亮的綠K不過分吧。 | 8 123 |
| 6 |  لا يوجد نص... | 7 172 |
| 7 | 大餅難得比美股強很多，三月行情應該不會太差 | 6 668 |
| 8 |  有人問為什麼 Bitfinex 利率這麼高，為什麼巨鯨不去鏈上用更低的利率借錢呢？
大額借方對利率是很敏感的，更何況 Bitfinex 巨鯨借 10-20 億美金，差 1% 一年就是1000萬美元了。
後來我發現， Bitfinex 的榜一大哥很可能就是 Tether 相關實體，因為這位大哥很常在推特吐槽 USDC...
所以我猜是這個 Tether 相關實體有足量保證金槓桿做多，但寧願在自家交易所借錢，而不是去其他地方借。這可能是出於安全考量，不敢放太多保證金在別的平台。
其中一個證據是 Bitfinex 市佔率只有幣安的5%不到，但比特幣儲備量達到幣安的 60%，除了 Tether 把自家比特幣存這裡，我想不到其他理由了，這年頭哪個大戶敢放這麼多錢在 Bitfinex 啊。
換個角度想，這對放貸方來說其實是好事，代表 Bitfinex 上有長期穩定的大額借貸需求，而且借方的信用跟資金實力都不是一般散戶能比的。
這也說明了，Bitfinex 作為一家市佔率不怎麼高的交易所，長期有這麼大的借貸需求的背後原因。
以上只是我的個人猜測，不一定是真實狀況。 | 6 617 |
| 9 | 熊市想要穩定生息，Bitfinex 放貸是最好的選擇。
現在 Bifinex USD 的平均放貸利率是 17%左右（日利率0.047%），幣安活存只有 3%多（圖中的綠線跟黃線），其他主流交易所也差不多，差距很明顯。
如果現在放 10 萬美金在 Bitfinex 做放貸，每天大概可以領 35 美金左右的利息。一個月差不多 1000 美金，一年下來就是 12000 美金。
對比一下，現在美債殖利率大概是 4% 到 5%。同樣 10 萬美金，買美債一年大概只能拿 4000 - 5000 美金。差了快三倍。
這麼高的利率，會不會有風險呢？
第一，Bitfinex 的 Margin Lending 機制跟其他交易所不一樣。借出去的錢只能在交易所內交易，沒辦法直接提領。這代表你的錢不會被借走然後人間蒸發。光這一點，就比很多其他平台的融資借貸產品更安全。
第二，Bitfinex 背後是 Tether。 Tether 很有錢大家都知道，即便出事，也具備一定的償付能力，畢竟兩個公司股東結構跟高層都是同一批人。
第三，Bitfinex 放貸市場經歷過 312、519、1011 這些大爆倉行情。中間也有多頭槓桿倉位穿倉過，但交易所都自己把缺口補上了。這家交易所已經經營超過 10 年了，沒有聽過任何借出的資金出現虧空。
為什麼現在利率這麼高？
這跟 Bitfinex 的用戶結構有關。
大部分交易所在行情冷的時候，借貸需求會下降，APY 自然就低。但 Bitfinex 不一樣。借貸市場的需求都是由巨鯨推動的，這些巨鯨的操作邏輯跟散戶相反，總是擅長在市場低迷、大家恐懼的時候槓桿加倉。
所以上一輪週期的熊市，Bitfinex 的放貸年化有很長一段時間都維持在 20% 以上，而其他交易所的USDT利息都不到5%。
所以如果你是那種「不想參與市場波動、但也不想讓錢躺著」的人，Bitfinex 放貸是一個很值得考慮的選項。
再來 Bitfinex 是一個法幣交易所，支援美金、歐元等主流貨幣的出入金。如果你有海外券商帳戶，資金進出其實蠻方便的。
對幣圈人來說，你肯定有時候會需要一個可以讓資金 parking 的地方。Bitfinex 剛好能滿足這個需求：平常放著生利息，需要用錢的時候可以出金。
我七年前寫的第一篇爆火文章，其就是 Bitfinex 的放貸教學。當時 Bitfinex 的放貸規模大概是 3、4 億美元，現在已經超過 10 億美元了。
從那時候到現在，Bitfinex 放貸一直都是一個很穩健的收利息方式。只是市場成熟了，年化利率不像以前動輒 20% 到 30%，但現在 15% 左右的年化，其實也已經是美債的三倍，比現在做期現套利收益還要高出一大截。
說一下操作上需要注意的地方。
首先是錢包設定。Bitfinex 裡面有很多種錢包，當你把資金打進交易所之後，預設會存放在「Exchange（交易）」錢包。記得要把資金轉到「Funding（融資）」錢包，這樣才能進行放貸。
再來是幣種選擇。放貸市場分為 USDT 和 USD 兩種。平均來說，USD 的利率比 USDT 高大約 2%，而且 USD 每天的撮合成交量也比較大，資金被借出去的機率更高。所以如果你追求長期更好的收益率，建議在裡面把 USDT 換成 USD。
然後是利率設定。Bitfinex 的放貸是用「掛單」形式運作的，不像幣安或 OKX 那種一鍵活存，你需要自己設定利率和天數。
如果你沒有特別想法，可以用 FRR（Flash Return Rate，快閃利率）這個功能。簡單說就是平台計算出來的平均利率。你可以設定用 FRR 去自動放貸 7 天或 30 天，一旦有資金被償還進入閒置狀態，系統會幫你處理。
有時候也會出現那種一口氣要借 120 天的單，利率可能會低一點，但如果你想省心，直接借 120 天也行，反正怎樣都比美債高。
它的 UI 說實話不是很友善，這點我承認。但看在它能長期提供比市場平均更高的報酬，這個缺點我覺得可以忽略。
最後總結一下：
1. 現在 Bitfinex 放貸年化約 17%，比同行高三倍以上
2. 放貸池量體超過10億美元，支持大額放貸
2. 資金只在所內交易無法提領，機制上比其他平台更安全
3. 經歷過多次大行情，從未發生過借款人資金虧空
4. 支援法幣出入金，資金進出方便
5. 有 FRR 自動放貸功能，設定好就可以自動運作
如果你現在手上有閒置的美金，不知道該放哪裡，Bitfinex 放貸是一個穩健又有效率的選擇。
推薦連結：https://bitfinex.com/sign-up?refcode=AACaNW07v | 5 074 |
| 10 | 很多人問 OpenClaw 到底可以拿來幹嘛。
有些人拿來賺錢，寫程式、做自動化、接案。
我自己的話主要是拿來改善經營公司的工作流程。
我在 Discord 上拆了不同頻道，每個頻道塞不同的 system prompt 跟 skill，對應不同的專案。寫文章的歸寫文章，寫 code 的歸寫 code，研究市場的歸研究市場。
比較複雜的專案會在 system prompt 注入專案資料夾的路徑跟專用meory庫，減少 tool use 浪費 token。
然後我把公司的 Slack、Linear、GitHub repo、還有會員群組的 Telegram group 全部串進去。
AI 會定期掃會員群組的聊天記錄，有人回報 bug 或提功能請求，它自動判斷嚴重程度，直接在 Linear 上開 ticket 派給對應的人。
還有用 Whisper 把每週的會議錄音轉成逐字稿，丟進去產生會議摘要跟 action items。
但要讓這些跑起來，有一個前提：你必須先把基礎資訊灌進去。
最有意思的是，當 AI 掌握的 context 夠多之後，它開始能做你沒設計過的事。
它知道上週會議決定了什麼、知道哪些 ticket 被 assign 給誰、知道哪些東西已經 delay 了。所以當某個任務超過預期時間，它會主動建議我讓 PM 去追進度。
不是我設了一個 rule 叫它這樣做。是它自己根據上下文判斷該做這件事。
這就是 context 的力量。你餵給它的資訊越完整，它能幫你做的事就越多，而且很多是你事先想不到的。
除了公司經營，我最近還開了一個新的頻道分類，跟工作完全無關，就是育兒。
我兒子剛出生，我想認真研究怎麼帶小孩。但育兒資訊太雜了，中文圈的內容品質參差不齊，很多是互相抄的。
所以我讓 OpenClaw 去爬了一些國外高產出的育兒部落格，把那些比較有系統的內容源頭整理出來。然後用 NotebookLM 的 Skill 把這些知識全部丟進去，請它輸出結構化的摘要檔案。
我拿這些摘要建了一個 Knowledge Base。
現在我有任何育兒問題，直接在 Discord 的頻道上問就好，而且能確保儘可能不出現幻覺，因為都是基於我篩選過的高品質來源。
以上這些用法，沒有一個是我裝之前就規劃好的。
裝 OpenClaw 的時候，我不知道我會拿它來管 ticket。不知道我會拿它來追 PM 的進度。更不知道我會拿它來研究怎麼帶小孩。
每一個場景都是裝了之後，碰到一個痛點，然後想到「欸，好像可以用它來解」。
這個「欸，好像可以試試看」的瞬間，只有你手上有工具的人才會有。
沒裝的人，連這個念頭都不會產生。
大部分人對 AI 工具的態度是這樣的：先想清楚要幹嘛，再決定要不要裝。
但這個邏輯有一個致命的問題：你不碰，你根本不知道它能幹嘛。
如果不實際去玩，你腦中對這個工具的認知，停留在別人的描述、別人的截圖、別人的推文。那些都是二手資訊。
二手資訊最大的問題是，它只能告訴你別人覺得有用的部分。
但真正改變你工作方式的，往往是你自己在亂玩的過程中意外發現的東西。那些東西沒有人會寫成教學，因為它太個人化了，只有你自己碰到才會知道。
當初我在研究龍蝦怎麼用在公司經營的時候，我發現根本沒啥資訊，因為大家都在摸索。
龍蝦是去年十一月誕生的專案，真正爆紅是今年一月中，也就是說真的進入大眾視野也就一個多月，所有的用戶都是 pioneer，大家都在摸著石頭過河，也就是說，目前湧現出來的使用案例，其實大部分的人一開始都沒想到可以這樣做。
現在90%的人對 AI 的看法還停留在「GPT 3.5 時代」的聊天機器人， 但科技圈早就天翻地覆了。
今天大家在討論 Context Engineering，你沒碰過 AI agent，你聽不懂。明天大家在聊 multi-agent workflow，你沒跑過，你更聽不懂。
去年有一段時間大家還在抄各種 prompt 模板，後來是一堆人在研究 MCP，現在所有人又都在討論 Skills。每隔幾個月風向就換一輪，如果沒有重度使用，你根本不知道這些東西在幹嘛，更不知道為什麼大家要從上一個跳到下一個。
每一個你選擇「等等再說」的時刻，都在拉大這個差距。
而且這個差距有一個很可怕的特性：你感受不到它在發生。
因為你不知道你不知道什麼。
你以為你只是還沒裝一個工具。但實際上，你錯過的是一整層的認知更新。那些用過的人，他們對問題的思考方式已經不一樣了。他們看到一個任務，腦子裡會自動浮現「這個可以讓 AI 做」的路徑。
這不是知識的差距，是思維模式的差距。
知識可以補，思維模式補不了。思維模式只能靠體驗去長出來。
所以為什麼一定要拿來幹嘛才裝呢？
第一代玩網路的人不是因為知道網路可以做電子商務、打遊戲了才玩的，純粹就是覺得很酷才玩的。
在這個技術迭代超快、沒有標準答案的年代，「先行動再說」這五個字，可能是最被低估的行動準則。 | 4 923 |
| 11 |  相信數據 | 5 306 |
| 12 |  68K 的 LIQ 已經超過 4 了，之前 63-65K LIQ 大概也處於這個水平。
感覺摸到 74K 之後，讓整個震盪箱體往上位移了一個台階。
月線已經連五紅了，統計上來說三月收漲機率是比較高的，三月開盤是 67K 左右，離現價也沒有太遠，下好離手吧。 | 7 309 |
| 13 | 最近 Citrini 有一篇文章在 X 上非常紅， 寫了一個 2028 年的假設情境：AI 太成功，失業率飆到 10%，S&P 跌 38%。
這篇文章能吐槽的點很多，其中一段是它把「大家能用 AI 自己寫 APP」跟「軟體公司不再被需要」直接畫上等號。
現在能用 AI 處理複雜任務、自己寫自動化、自己開發工具的人，是一個極小的圈子。從「技術上做得到」到「真的大規模擴散出去」，中間有一段非常長的路。就算哪天真的擴散了，有些軟體你也殺不掉。
GitHub 賣的不是軟體而是生態系。幾千萬開發者在上面協作、分享、維護開源專案。你用 AI 寫一個自己的版本控制系統出來，然後呢？自己一個人用嗎？
Vercel 也是一樣。它綁的是整個前端部署生態系，你自己 replicate 不了的。
類似的還有 Godaddy 跟 Stripe，例子太多了根本舉不完。真正 SaaS 的護城河是生態跟資料，而不是代碼，你沒有這些東西，寫 code 再厲害也複製不出來。
真正會先死的是那些沒有網路效應的純工具型 App。譬如簡單的記帳 App、基本的自動化工具，這些確實會被 AI 輕易取代。但這跟「軟體業完蛋了」是完全不同的命題。
還有制度問題。很多公家單位還在用二十年前的系統，醫療體系有更好的 SaaS 可以用，但醫院不換就是不換。
這反應的是人性，一套用的好好的東西，在一個僵化的組織裡很少有人會想去動它，因為動了沒好處，壞了自己卻要背鍋。AI 再強，也推不動一個不想動的體制。
所以我的看法是軟體股現在是被情緒錯殺的。Citrini 那篇文章放大了恐懼，演算法偵測到 sentiment 惡化就跟著賣。
我自己是親身用 AI 大幅增加生產力的那群人。我知道它非常強大。但正因為我每天都在用，我也非常清楚，把可能要十年二十年後才會發生的事情，講成兩年內就會實現，那是在嚇唬人。
3D 列印剛出來的時候，也有人說工廠要完蛋了。十幾年過去了，大規模製造還是活得好好的。
你一定要相信，這個世界上就是有懶人，他們從頭到尾只能當消費者，沒有辦法親自做出自己想用的東西，而且這種人在世界上佔了絕大多數。
AI 能幫你快速做出東西，跟整個軟體產業被取代，那是兩回事。 | 9 998 |
| 14 | 真有趣，BTC 明明就不是軟體股，可是走勢跟軟體股一個樣... | 6 243 |
| 15 | 太長不看版：
1. 現在 LLM 是工程端「大力出奇蹟」的結果，底層模型存在缺乏邏輯與原生記憶的根本缺陷
2. 人與人之間原本難以跨越的能力與經驗差距，正在被 AI 迅速抹平。
3. 在「強大工具」變得廉價且易得的時代，如何調用與驅動 AI 的能力，已經比自身苦練多年的基礎能力更具決定性。
4. 核心競爭力是 Context Engineering，當 AI 成為通用的數位義肢，勝負就在於誰能更精準地進行「上下文工程」。管理記憶、篩選資訊、同步不同 session 的認知斷裂，將成為未來如何用好 AI 的關鍵。 | 6 559 |
| 16 | 2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。
他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。
從學術的角度看，他說得完全正確。
直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。
但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。
楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。
但工程界用兩件事回應了他：
第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。
第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。
這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。
楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。
楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。
但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？
飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。
但繞過去的，跟真的解決，是兩回事。
只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。
所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。
如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。
他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。
模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。
用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。
你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。
我自己每天都在處理這個問題。
舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 http://MEMORY.md 還沒更新，它們就不知道彼此剛做了什麼。
所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。
這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。
從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。
我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。
KAI 告訴我，差異的核心在於：中間過程要不要進主 context。
用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。
而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。
同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。
所以同一個模型，不同的人用，產出可以差十倍。
人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。
取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。
你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。
這些東西有一個名字，叫 Context Engineering。
它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。 | 6 078 |
| 17 | 講一些實情。
CZ 跟何一早就很煩嗯哼了。幣安市場部的人也是。因為舔到極致就是招黑，嗯哼一個人帶起了中文社群「幣安愛舔狗」的印象，這是妥妥的負面行銷。你有沒有發現，到後期 CZ 已經很少在跟嗯哼互動了？那可不是巧合。
嗯哼從來就不是什麼「幣安太子」。這只是社群開玩笑的封號，結果他自己拿這個頭銜一直往臉上貼金，貼到最後連幣安自己的人都受不了。
做到 CZ 跟何一那個位置的人，一路從草根發家，多少人想要他們的資源、名氣、財富，他們看不出來嗎？大家只是互相利用罷了。幣安確實需要一個 BSC 死多頭的形象，但他們沒有想到嗯哼玩得這麼溜，到後面強行把自己跟幣安綁定，然後又做出了一堆有的沒的、非常惹人厭煩的事情，所以他們到後面早就想要切割了。
這次只是新仇舊恨一次清算。那支影片觸碰了何一的底線，就這麼簡單。嗯哼可能覺得那支影片有嘲諷到 Star，所以何一會開心吧。但他一直沒有發現何一跟CZ的心態早就已經悄悄有變化了。
你說他會做人？對，他確實在一些地方上很會做人，很會讓人感到舒服，但是真正的「揣摩上意」他還差的遠，他完全沒有意識到自己到底在做什麼，給幣安帶來了多少麻煩。
「山東學」，他根本就沒有真的學會。 | 5 210 |
| 18 | 想了一下為什麼 AI 突然就遍地開花了。
1984 年 Mac 出來之前，你想跟電腦說話，得學它的語言。打錯一個字元，它不理你。
Mac 帶來 GUI。你終於可以用滑鼠點了。但 GUI 有個天花板：你只能點別人畫好的按鈕。設計者沒想到的功能，你做不到。
現在 LLM 做到的事是第三次跳躍：你直接用人話說你要什麼，機器自己想辦法。
CLI → GUI → NLI。每次跳躍，門檻降一個數量級。
而且人類本來就花了幾萬年在進化語言能力。現在這個能力直接變成了一種程式設計能力。System Prompt 是自然語言，Agent Skill 是自然語言，工作流設定檔是 Markdown。你不用重新學任何東西。
更關鍵的是，AI 的 output 也是自然語言。它可以讀自己產出的東西，然後修正、迭代、再產出。過去的軟體工具，輸出就是終點。Excel 算完一個數字不會自己回頭檢查。但 LLM 可以，因為它的輸出格式就是它的輸入格式。
人類用自然語言指揮機器，機器用自然語言自我迭代。這個閉環一旦成立，擴散速度就擋不住了。 | 5 779 |
| 19 | OpenClaw 可以拿來做什麼？
分享一個我最近剛搭好的產文流程：我讓跑在 Mac mini 上的 AI（我叫他 KAI）每天早上幫我選題、找資料、寫草稿、自我迭代。
第一步：教它我的語氣
我讓 KAI 直接看我的 X 和 Telegram，把過去兩年來的文章全部讀一遍。
然後用 Claude Opus 4.6 分析我的寫作風格，整理出一份 200 行的風格指南。從句型節奏、開頭結尾偏好、到我最討厭的句型，全部歸納出來。
這份指南後來變成整套系統的地基。AI 每次幫我寫東西之前，都會先讀它。
第二步：讓它知道我在關注什麼
KAI 每天早上會自動用瀏覽器登入我的 X 帳號抓書籤，同步我在 TG 和 X 上發過的文章。
書籤代表我感興趣的內容，過去的文章代表我已經表達過的立場。
兩邊一對，它就能判斷哪些值得寫、哪些寫過了。
第三步：Digest 系統
除了我自己的東西，KAI 還幫我建了一套 Digest 系統。
每天自動搜 X 上我指定的幾個 AI 大神的貼文，掃 Reddit 相關版面，再抓 GitHub Trending Repo。篩完之後整理成摘要，發到我的 Discord。
我不用自己滑 timeline，也能知道今天有什麼值得關注的。
第四步：自動產文
每天早上 9 點，系統會從書籤和 Digest 裡挑題目，用我的語氣寫出初稿，發到 Discord。
------
所以這其實是一套找關注內容加產文的系統。
實際跑起來是什麼感覺呢？
先講關注內容，找 Trending Repo 這個功能特別好用。像它今天推薦了 Chrome DevTools MCP，我馬上在 Discord 頻道開一個分支 thread，請它幫我想怎麼整進現有專案的測試流程。
然後今天稍早那篇「AI Agent 是否需要 Crypto 付款」的文章，其實也是 KAI 先幫我寫草稿的產物。
一開始 KAI 寫的草稿，口氣跟風格就已經很接近我本人了。但還是調整了很多次。
譬如 JavaScript 跟 Email 的案例就是我心血來潮加上去的，讓整篇文章更完整表達為什麼「漸進式的創新，很難顛覆替換成本很高的現有解法」。
但每次改完，我都會給它最終的定稿版本，它會自己去反思差異在哪邊，不斷迭代學習進化，再整進寫作風格的文檔。
現在每天早上起來，都固定會有一篇初稿躺在我 Discord 的 draft 頻道裡。省去了選題材的時間，只需要專心把關文章的邏輯跟觀點就好。
除此之外，我還開了一個專門的 Discord 頻道叫做 x-growth，我先讓 KAI 去研究 X 的推薦演算法，把分析結果寫進頻道的 system prompt。
每週它在這個頻道，會自動讀我的 X Analytics 數據，對照演算法的最新變化，給我一份寫作建議。
哪種開頭格式比較容易被推？長文還是短文互動率高？什麼時段發文觸及最好？這些我不用自己盯，KAI 每週會整理一次丟給我，然後也順便迭代產 draft 的那個流程。
等於我的內容策略也在跟著數據每週迭代一次，不是光靠直覺在寫。
對一個每天都要發文刷存在感、又要自己做產品的老闆來說，這大概是目前最適合我的節奏了。 | 4 909 |
| 20 | 最近很多人在講 AI Agent 會是 Crypto 最大的剛需。
邏輯是：Agent 需要自主付錢買 API、買資料，它需要即時結算、跨境無摩擦的支付管道。Crypto 剛好符合。
聽起來很合理。但認真想，這個論點有幾個洞。
先講結算。Stripe 的 API，Agent 打一個 call 就能付款，信用卡授權是秒級的，跨境也沒問題。Agent 在乎的是「我付了，對方給我東西」，至於背後走 Visa 還是以太坊，它不在乎。數位美元已經夠數位了。
再講身份。有人說 Agent 沒身份證，開不了帳戶，所以需要 Crypto 的無許可性。但最簡單的解法是：綁一張人類的信用卡，設個額度上限，Agent 拿 API key 去刷就好。就像給員工一張副卡設限額。不需要什麼新的金融基礎設施。
另一個常見的說法是，Agent 的行為紀錄需要上鏈，因為區塊鏈不可竄改，適合做審計。但一個 centralized database 加數位簽章就能做到同樣的事。AWS CloudTrail 就是在幹這個。除非你連自己的平台都不信任，否則不需要上鏈。
也有人說，兩個陌生 Agent 要合作，需要智能合約來保證履約，避免對方耍賴。但現實中 Agent 之間的交易大部分會走 API marketplace，有平台當中間人仲裁。就像你在 AWS Marketplace 買 SaaS，平台的 reputation system 就夠了。
還有一派認為 Agent 的能力應該上鏈，變成可組合的開放服務，不被任何平台壟斷。但 API 本身就是可組合的。OpenAPI spec 加 API gateway 已經做到了。大部分開發者不在乎去中心化，他們在乎的是穩定、快、便宜。
每一個看起來像 Crypto 剛需的場景，仔細一想，Web2 都有現成的解法。而且更成熟、更穩定。
我在 Crypto 產業，我也很希望 Crypto 跟 AI 的結合能成為下一個增長的機會點。但我覺得我們得誠實面對。
區塊鏈從 2017 年開始，每一波都有人在討論它可以跟什麼結合。ICO 時代，所有產業都想蹭區塊鏈。DeFi Summer，傳統金融想來蹭。NFT 熱潮，藝術圈想來蹭。
但你有沒有發現，現在立場對調了？以前是別人想來蹭區塊鏈。現在變成區塊鏈要去蹭 AI。
這個產業必須認真去想一個問題：到底哪些場景是「非區塊鏈不可」的？老實說，這種場景真的偏少。哪怕是行業內的人，真正在乎「去中心化」這個特性的從業人員恐怕也沒幾個。我們必須正視，目前區塊鏈最大的應用就是 Stablecoin 和 Bitcoin，剩下的場景規模都很小。
有些區塊鏈的解法確實比傳統方案更好。但如果沒有比原本的方案好 10 倍以上，在一個替換成本很大的框架裡面，大家就沒有替換的動力。
Email 就是最好的例子。整個 Email 系統用的協議老到不行，站在技術角度早就該被替換了。到今天還是一大堆 spam，因為當初設計的時候根本沒考慮過驗證寄件人身份這件事。所有人都知道它爛，但全世界幾十億人都在用，你換得掉嗎？
JavaScript 也一樣。這個語言有一大堆設計上的問題，但因為所有瀏覽器都原生支援它，你要重新做一個語言去取代它，成本高到不現實。所以最後大家怎麼辦？用 TypeScript 打補丁。本質上就是在一個有缺陷的東西上面糊一層，因為重來的代價太大了。
區塊鏈面對的是同樣的困境。去中心化帶來的優勢，很多時候是 incremental 的優化，不是 fundamental 的改變。稍微好一點，但沒有好到讓人願意把整套基礎設施翻掉重來。
反觀 AI 為什麼被採用得這麼快？因為它是生產力曲線的根本性位移。不是效率提升 20%，是一個人能幹五個人的活。這種量級的改變，不需要你推，大家搶著用。
區塊鏈行業已經發展很久了。我覺得不需要再自己騙自己了。
我之前寫過，很多人覺得 Crypto 賭場化讓人失望，但我反而覺得這沒什麼不好。黃賭毒是人類最底層的需求，幾千年來從未改變。弱監管、高波動、非對稱報酬，這就是 Crypto 最擅長的事情。
賭場不會關門，賭客永遠會來。
與其硬去蹭 AI、蹭 RWA、蹭任何看起來很正當的敘事，不如把自己擅長的事情做好。
不要拿著錘子，看什麼都像釘子。有時候，那釘子可能根本不存在。 | 4 812 |
