与「过滤」相关的搜索结果

8. 为未来设置防护 在杂乱开始前就阻止它： - 创建过滤器自动删除或存档某些发送者 - 示例过滤器：`has:attachment larger:5M category:promotions`→跳过收件箱+30天后删除 - 取消订阅10个你从不读的通讯 定期维护胜过一次性清理。

Codex 5.6 最强安全工具：Codex Security，Vibe Coding 漏洞扫描神器 AI 写代码越来越快，安全 review 却跟不上。 Codex 5.6生成的代码里，最容易藏着命令注入、硬编码 API Key、权限绕过等问题；传统 SAST（Semgrep、CodeQL）又经常误报太多，开发者最后根本不看。 Codex Security 的核心，不是“扫出更多告警”，而是： 1. 跨文件分析代码和攻击路径 2. 尝试验证漏洞是否真的可利用 3. 过滤误报，并给出修复建议 在 Codex 桌面版里，直接对当前项目说： “ 安装 Codex Security，只扫描当前分支相对 origin/main 的改动。 扫描后读取 report.md，区分真实漏洞、可疑问题和误报。 不要直接改代码，先给出攻击路径、风险等级和修复建议。 ” 只扫 PR 改动，比全仓扫描更省 Token、更快，也更容易控制成本。 Codex Security 是 AI 编程安全、代码安全扫描、漏洞检测、SAST 的第二道闸门。 它真正的价值，是判断漏洞能不能被打穿，而不是制造更多安全告警。

最近和几个玩链上资深的朋友深度交流后，对当前周期的生存法则达成高度共识。市场已经从“听故事、炒预期”彻底转向“看现金流、验证落地”。以下分享若干炒币心法（仅供参考）： 1）优先考虑具备真实价值捕获能力的标的。 牛市里市场愿意为故事和预期买单，熊市只认真实现金流和回购销毁记录。本周期真正的“免死金牌”，是协议能持续产生费用，并把这些费用通过回购、销毁或分红等形式直接反馈给代币持有者。比如，最近涨的不错的发射台概念币， $UNI 、 $PUMP、 $PONS 等，以及本周期的回购王 $HYPE； 2）只选PMF已落地且形成完整闭环的项目。 因为下个周期不出意外只有“资产代币化”和“Agentic Economy”关联的两大叙事（Perps、预测、稳定币、Payment），市场会从偏好技术叙事延展路线转变为实用性落地验证路线，比如，没有真实用户、真实交易闭环、真实收入的项目，都会被快速过滤；顺着这个思路的概念币有： $ONDO、 $VVV、 $VIRTUAL 等，会重点看实际AUM交易量，以及费用产生能力等数据指标； 3）选择有强“共识”的资产。 不得不承认，加密行业几轮周期下来唯一能经得起考验的只有俩字：“共识”。请注意，这里的共识是市场自然发酵且有跨周期能力的共识，千万不要以为xxx回复了一个推文，xxx工业化流水线炒作出来的所谓“共识”。真正有潜力的是那种新人完全看不懂，却始终流动性不错、且还活得不错的老资产。比如，老的Cult MEME代币， $DOGE、 $PEPE、 $PEOPLE 等，或者各大细分赛道的龙头资产， $ZEC、 $TAO 等，他们历经多轮牛熊，社区自发生命力强，容易被主力资金盯上反复换手操盘； 4）尽量不要碰纯VC币。 如果我说山寨币已死，你可能还会用金融有周期反复来反驳一下，但如果说VC币已死，基本上没人有异议了。因为高FDV、低流通、持续大额解锁的VC币，注定只能靠TGE前后的空投预期拉热度，项目若无价值捕获能力的话，必然存在后续发展动能不足，解锁即砸盘的尴尬处境。这是本周期“牛不疯，熊的深”的根本原因，大量嗷嗷待哺的VC等着解锁砸盘，试问散户咋敢碰这种代币？ Note：以上仅为个人与朋友交流总结，且提到的代币仅为示例，不构成投资建议。

成熟程度低的人九种表现： 1、信息管理能力弱：嘴没有边界，无法判断什么该说、什么不该说，把分享当成信任。 2、判断人性能力弱：容易被表面热情、几句好话影响，把善意误认为可靠。 3、情绪控制能力弱：遇事先反应，后思考，被情绪推动行动。 4、自我暴露过多：喜怒哀乐全部外显，让别人轻易读取自己的弱点。 5、表达缺少过滤：嘴比脑子快，没有经过思考就输出观点和信息。 6、容易被影响：缺少自己的判断系统，别人说什么就跟着改变。 7、边界感不足：喜欢干涉别人的事情，却忽略自己的精力和利益。 8、过度关注评价：把别人眼中的自己，当成衡量自身价值的标准。 9、信任成本意识低：刚认识一个人，就快速开放自己的隐私和资源。

让 Claude Code 说人话的 instruction 1. 使用标准术语。已有通用说法的概念不要另造表述。 2. 不要使用比喻。如果一个说法需要读者推断其指代对象，改为直接说明。 3. 表头和分类名使用中性名词，如“问题”“现象”“影响”“结果”。 4. 不使用“是 X，不是 Y”的对比句式。 5. 表格条目不要求每条都包含数字或结论。部分条目可以只说明发生了什么。 6. 未查明原因的问题写“原因未查明”。 7. 不使用口语词。 8. 不使用拟人表述。 规则 1：使用标准术语 超长度 / 超不超长度 → 截断 / 是否触及长度上限 Ray 的端口会跟自己撞 → 多个任务的 Ray 抢占同一端口 臂 → 方案 只看长度那条线 → 长度启发式基线 刷奖励 → 奖励被优化但评测指标未改善 存档 → checkpoint 规则 2：不发明比喻作为术语 血统 → 基座来源 8 个不同血统 → 8 个不同基座的模型 那是尺寸差异，不是血统差异 → 原有区间由 Qwen 的 14B、32B、72B 构成，差异来自参数量而非基座 已经吃掉一半空间 → 已覆盖一半区间 变成了一个认题目的检索器 → 退化为问题识别，与学习价值无关 挑出来的题目看上去健康得多 → 选中问题的截断比例更低 误差范围还盖着基准线 → 置信区间与基线重叠 规则 3：表头和分类名使用中性名词 坑 / 代价和教训 → 问题 / 影响 把握 → 确认程度 怎么做的 → 实验设置 重挑一次还剩多少重合 → 重采样后的重合率 有几种不同取值 → 取值数量 还在跑的 → 进行中 一个必须关掉的开关 → 需要关闭的过滤器 章节状态标签需要保持一致。 如果前面使用： 已完成 已确认 未达到基线 结论待定 后面出现了： 做通了 意外发现 需要修 没有买到想要的 统一使用前面部分的中性状态标签。 规则 4：不使用“是 X，不是 Y”的对比句式 梯度对齐：是噪声，不是信号 → 梯度对齐：三项检查结果均在噪声范围内 我们买到了血统上的多样性，但没有买到能力上的多样性 → 新增模型覆盖了更多基座，但正确率均低于原有区间下界 考法和用法对不上 → 评测口径为成对比较，与实际使用方式不一致 稳定是靠粗糙换来的 → 取值数量少的指标重合率高 越稳定的指标越挑不出东西，越挑得出东西的指标越不稳定 → 重合率与取值数量呈反向关系 规则 5：允许条目不包含数字或结论 例如： 对照组为随机选取的 32 个问题。 这条内容已经完整，不需要继续补充其他方案与对照组的关系。 规则 6：未查明原因时直接写“原因未查明” 前文已经写明“原因未查明”时，后文不要继续补充未经验证的解释。 这可能也解释了前文那个现象 → 该现象与截断的关系尚未验证 第十章“后来查明了机制”之后的内容已经得到确认，可以保留。 规则 7：不使用口语词 赢得很干脆 → 差值为 0.030 测得更准 / 测得更糙 → 估计精度更高 / 更低 可选的余地很小 → 候选范围小 基本上等于抓阄 → 接近随机选取 本来就分不出高下 → 真实差距低于可分辨范围 白跑 / 白占 → 无效运行 / 空占 不是白捡的 → 需要 79 GPU·小时 一个致命问题 → 主要问题 有事后找补的嫌疑 → 该切分方式在观察结果之后确定 原因不复杂 → 删除 既然预测这条路走不通，那就退一步 → 删除，直接进入实验设置 规则 8：不使用拟人表述 天生需要几百到上千次采样 → 该信号所需的采样量为几百到上千次 一旦超就制造出参差 → 截断发生时会增大奖励方差 24 步训练只挪动 0.05 → 24 步训练后正确率变化为 0.05 超得越彻底反而越稳定 → 截断率越高，奖励方差越低 回答内容本身的好坏参差 → 答案质量的差异

AI模型评分都是被专项攻坚创造出来的，于是我对比了Fable5，Grok4.5， Kimi K3针对同一个交易系统审计结果进行了对比。 先说结论： Fable5：最适合作为系统级主审核模型 Kimi：最适合作为代码缺陷与一致性专项审核模型 Grok：最适合作为代码梳理和方案发散模型，不适合单独决定策略修改 最佳组合：Fable5全面审核+Grok 4.5代码梳理+K3代码审核 具体细节： 1. Fable5：系统级判断能力最强 Fable5 最大的优势不是代码读得比另外两个模型更多，而是它能把： 代码规则； sizing snapshot； intent ledger； 实际 block 统计； 当前资产 headroom； SELL/REDEEM 回流路径； 放进同一个因果框架。 它使用了几个非常关键的实盘指标： ADD 近 7 天约占新增资金 43%； 84% 资金已经部署； ETH、SOL、XRP headroom 为 0； 近 40 个周期中主要阻塞是：blocked_capital_efficiency=47 blocked_asset_cap=28 deployment cap=0 runway=0 这让它能够区分： “某个机制理论上可能限制资金” 和 “当前实盘真正正在限制资金的机制”。 最终它得出： ADD 对资金流向重要，但当前周转主因在回收端、资产 cap 和效率过滤，不在 ADD 准入本身。 这是三个模型中最接近生产系统审核要求的判断。 弱点 Fable5 仍有一些过度推断： 把 ADD 描述为让资金“锁得更久”，实际上 ADD 的剩余 TTE 通常比 ENTRY 短； 把超 cap 资产总持仓约 $382 说成可以“直接解锁 $382”，没有区分总持仓、超额部分和可成交部分； 把模型中的 redeem_lag_days=2 一度当作实际回款延迟； “$5 仓位几乎不受每美元每日利润门约束”的推理不正确，因为该指标已经按资金归一化； 2-lot 最低 ENTRY 建议可能系统性损失覆盖率。 因此，Fable5 的系统方向判断最好，但具体数字和金融指标仍需二次校验。 最适合的角色 PRIMARY_SYSTEM_REVIEWER LIVE_OPERATIONAL_DIAGNOSIS CHANGE_PRIORITY_DECISION CROSS_MODULE_ROOT_CAUSE_ANALYSIS 2. Kimi：代码缺陷侦测能力最强 Kimi 对代码结构的还原比较准确： 固定 ADD 次数和 interval 已退役； ADD 采用 target-gap 模型； ENTRY 60%，ADD 补到 100%； allocator 是最终数量权威； style 仅作诊断； 现金、集中度、shock、深度共同限制订单。 更重要的是，Kimi 找出了其他两个模型没有明确指出的具体问题： shared_deployable_pool() 读取 account_snap["capital"]["deployable_cash"] 但该字段可能没有实际写入 → 回退到 free_cash → 策略层与 allocator 层资金口径可能不一致 它还发现了： 合同写 debounce 60 秒，代码/配置为 30 秒； 注释周期 16 分钟，实际 loop 600 秒。 这些是典型的静态审核、字段追踪和合同一致性检查优势。 弱点 Kimi 在资本效率和交易语义上的推理弱于它的代码检查能力。 典型错误是： ADD 价格更高，所以边际 edge/day 必然更差。 这忽略了剩余持有时间也缩短。更高 ask 并不必然意味着更低 edge/day。 它还认为： 60/40 会让剩余资金长期闲置； 提高 entry share 会改善周转； CONFIRMATION_NO 应收紧； 增加单市场软 cap 会改善组合周转。 这些结论缺少真实候选竞争、实际 block attribution 和反事实分配数据支持。 最适合的角色 STATIC_CODE_AUDITOR SCHEMA_AND_FIELD_FLOW_CHECKER CONTRACT_IMPLEMENTATION_DIFF LOCALIZED_BUG_DISCOVERY Kimi 很适合回答： “代码是否存在字段没有写入、默认值回退、文档与实现不一致、某个 gate 实际是否生效？” 但不适合单独回答： “应该如何改变交易策略和资本分配？” 3. Grok：代码梳理最完整，但最容易过度设计 Grok 对整个 ADD 路径的整理最详尽： 各层准入条件； risk latch； REDUCE reentry cooldown； 价格带； fingerprint； emergency cap； market target； ENTRY/ADD gap； allocator 的现金、集中度、shock 和深度约束； ADD 与 ENTRY 的评分和 continuity； SELL/REDEEM 对现金回收的影响。 它对当前代码执行模型的概括非常清楚： 能不能加由 headroom 决定；加多少由 target gap 离散为 lot；ADD style 只是解释标签。 因此，在“快速理解一个陌生复杂系统”方面，Grok 表现很好。 弱点 Grok 最大的问题是： 从“发现一个可能的机制副作用”快速跳到“建议修改策略”。 它提出了大量未经实盘证明的改动： TIME_TOPUP 冷却； ADD 1.5 倍 edge/day 门槛； ask≥0.97 限制为 1 lot； 降低 peak target； 提高 entry share； 单次仅补部分 gap； 弱化 continuity； 降低 TTE confirmation 权重。 这些建议表面上都很合理，但存在三个问题： 没有先证明这些机制实际造成了损失； 没有量化被 ADD 挤出的 ENTRY 是否更优； 可能重新引入此前已经修复的低 ADD recall 和 leader fidelity 偏差。 Grok很擅长生成完整优化空间，但容易把： POSSIBLE SIDE EFFECT 升级成： CONFIRMED ROOT CAUSE 再进一步升级成： SHOULD CHANGE PRODUCTION LOGIC 这是生产交易系统审核中最危险的倾向。 最适合的角色 SYSTEM_MAPPING CODE_AND_CONFIG_EXPLANATION HYPOTHESIS_GENERATION DESIGN_OPTION_ENUMERATION 不适合作为唯一的： PRODUCTION_CHANGE_APPROVER ROOT_CAUSE_FINAL_AUTHORITY STRATEGY_SEMANTICS_GATEKEEPER 三个模型的典型思维模式 Grok 发现机制 → 推演可能副作用 → 生成多种优化 → 倾向建议修改 优点：覆盖广、思路多。 风险：过度设计、假设升级过快。 Kimi 追踪代码和字段 → 找实现不一致 → 找局部缺陷 → 尝试从缺陷推导策略改进 优点：代码问题定位强。 风险：局部正确不等于系统结论正确。 Fable5 理解代码 → 读取运行数据 → 找实际 binding constraint → 区分主因和次因 → 按实盘收益排序 优点：最接近生产运营思维。 风险：仍会在个别指标含义和金额口径上过度断言。

Hermes Studio v0.6.32 新版本发布 本版本涵盖 0.6.31 之后合并的全部 14 个 PR，聚焦会话分类与压缩、群聊、Workflow 路由、Skill Bundle、Ekko 记忆、Hermes 0.19 和桌面窗口界面 群聊 @mention 现在可在 CJK 文本、Emoji 和标点后正常触发；房主也可在房间设置中查看、生成和轮换邀请码 Workflow 在 handoff 和重新连接过程中会保留每次 Hermes Bridge 运行的来源；Scoped Codex 和 Claude Code 节点也可为有效 API Key 目标使用 launcher 支持的协议 会话新增全局分类、更准确的 Markdown 感知搜索排序，以及在编辑、分支和并发运行中保持正确并限制历史范围的游标压缩；完整压缩方案也已形成文档 现在可直接在聊天中创建、浏览、运行和删除 Profile 级 Skill Bundle，并清楚查看其中包含的 Skill Ekko 记忆改用 Profile 隔离的单一规范模型，支持 revision 校验的精确修改、更完整的来源审计和更严格的相关性过滤 Hermes 0.19 的助手中间消息会以独立气泡实时显示并保存；普通单聊也可异步投递持久化的后台委派结果 新的桌面 Runtime 构建、后备路径和 Windows CLI shim 现在默认使用 Hermes Agent 0.19.0 桌面窗口控件已融入页面框架：macOS 红绿灯位于侧边栏，Windows 控件位于主内容上方，Linux 继续使用原生窗口装饰 开发文档现在同时支持直接使用当前 checkout，并可按需采用隔离的 Git worktree

5) 亏损剖析（真正的alpha） 用词：当交易系统审计师 这是我的回测CSV：[粘贴] 找出我亏损交易的共同模式——时间、市场环境、波动率、入场方式 建议一个过滤器，警告我是否会过度拟合

刚看完「奥德赛」，先说结论：极力推荐大家观看！三小时一晃而过，非常震撼！ 之前担心的史诗内容太繁杂人物过多看不懂的情况过滤了，影片就两条主线，国王回家与王后不嫁！即使没看过原著看过「特洛伊」的也非常易上手。 必须要选IMAX，精髓在大屏。另外要格外赞一下影片配乐，我给打满分！演员方面众星云集就不赘述了，里面阿迦门农始终没露脸，寒气逼人…… 综合打9.5分！诺兰👍👍👍