与「过滤」相关的搜索结果

5m 真正赚钱的地方，不是每一轮都猜涨跌，而是只在赔率还划算的时候出手。我的量化策略会同时看方向强度、入场价格、剩余时间、盘口深度和追价空间。价格太低像彩票、价格太高没回报、spread 太宽、错过入场窗口，都会直接跳过。核心不是多交易，而是过滤掉大部分不该做的 5m，只做胜率和赔率都还能接受的那一小部分。收益来自纪律，不来自冲动。

Mars的POC机制直接改变了筹码的分配逻辑，它避开了POW的算力垄断和POS的资金霸权，用贡献度代替单纯的资本堆砌。 这种设计切断了大户无风险生息的路径，将流动性深度锁定，从根本上控制了盘面抛压。 参与Mars需要清晰的博弈思维，核心在于188天周期与双方程式的联动。 188天的币本位回本设计是一个天然的资金过滤器，它直接洗掉短期投机客，沉淀长期资金，这种极致的锁仓导致市场实际流通盘极小，市场共识度就会比较高。 双方程式的动态产出与消耗让入场成本实时变动，配合NFT的邀约机制，整个生态的资金黏性极强，盘面一旦反转极易出现逼空行情。 项目最终能否成功需要靠时间去验证，但是最起码值得研究一下，话说回来之前抽奖我都中奖了几百U挖矿福利，我还没有来得及看呢，一会去看看啥情况！

我的跨境电商自动化运营日记（二） 最近两个月，我一直在尝试做一个开品分析 Agent。很多时候一个产品做不起来，不是广告没打好，而是产品从一开始就选错了。 而且，我发现大部分卖家的选品流程其实非常低效：打开 Amazon、看 Best Seller、 Helium10、 Jungle Scout、 TikTok，然后凭经验判断能不能做。虽然看起来专业，但本质上仍然是人工分析。 于是我开始想，能不能把整个开品流程拆解成一条数据流水线？让 AI 自动完成。 最近基于 Hermes 做出了第一版系统。 整体流程如下： Amazon Listing → Review Mining → Pain Point Analysis → Demand Validation → 1688 Supplier Scan → Profit Simulation → Go / No-Go 整个流程最重要的一步是评论挖掘。因为销量告诉你什么产品卖得好，而评论告诉你为什么卖得好以及为什么卖得不够好。这是机会所在。 第一层：评论挖掘 我抓取 Amazon 前50个 Listing，累计约 3 万条 Review，然后通过 Hermes 调用分析链路： 先进行 Embedding，再进行聚类，最后提取高频抱怨。 这里有个有意思的发现，很多卖家喜欢分析五星好评，实际上最有价值的是三星评论。 因为一星评论往往是情绪发泄，五星评论往往过于笼统，三星评论反而最容易暴露产品真实缺陷。 比如说我看到有个 Portable Blender 类目。Agent 最终发现：电池续航不足、清洗困难、无法处理冰块。这三个问题占全部负面反馈的 42%。 这时候其实就不用再去分析了，而是要去验证市场上是否已经有人解决这些问题。 第二层：需求验证 很多选品工具喜欢展示搜索量，但搜索量经常会骗人。 真正有价值的是：需求增长是否来自真实购买意图。 所以我让 Hermes 同时分析：Amazon Search Trend、TikTok 视频增长、Reddit 讨论量 如果只有 TikTok 数据上涨。 系统会判定：可能是短期流量驱动。 如果 Amazon 搜索量同步上涨，则说明真实需求正在增长。 这一步帮我过滤掉大量伪需求产品。 第三层：供应链匹配 这是很多 AI 选品项目做得最差的一步。 发现需求很容易，找到能赚钱的供应链很难。 我的做法是：直接抓取 1688 和 Alibaba。 分析工厂数量、MOQ、成本区间、发货周期，然后让 Hermes 自动生成 BOM 风险评估。 比如说：如果一个产品只有两三家工厂能生产。即使需求很好，系统也会降低评分，因为供应链风险太高。 第四层：利润模拟 这一步不是预测销量，而是预测失败。 我给 Hermes 建立了一个利润模型。 默认模拟三种场景： 1.广告成本上涨20% 2.客单价下降10% 3.物流成本上涨15% 如果产品在三种情况下仍然盈利，才会进入推荐列表。 这目前是整个系统最重要的规则，不知道能不能跑通，后面再随机应变 基本思路，先保住本金，再往外延伸利润 因为我发现往往毁了一个卖家的是低估了风险.... 暂时先写这么多

把 Obsidian 笔记库变成个人记账工具，用纯文本 Beancount 记账。 基于 Beancount 的个人财务管理插件，在 Obsidian 里就能管资产、负债、收入、支出，提供净资产趋势图、账户分布饼图、收入支出对比、费用目标和储蓄进度追踪等可视化仪表盘。 添加账户和交易都很方便，支持自动补全、通配符搜索、标签过滤和日期筛选。

花了点时间在Cloudflare上完成了Sub-store 部署 把我的自建节点和机场备用节点全部融合在了一起， 还搭配上了： 分流规则自动订阅。 直接用一条订阅链接实现了： 多家供应商节点合并、节点过滤、分流规则配置、配置自动更新 丝滑的一批～

我希望能有一种智能耳机，能够实时分析周围的对话，过滤环境杂音，分离多方人声，区分 “对方发言” 和 “自己发言”，根据对话的内容进行语义分析，识别对方诉求，结合预设人设，自动生成应对话术和建议，技术类似于2018年的电影《升级》。

我希望能有一种智能耳机，能够实时分析周围的对话，过滤环境杂音，分离多方人声，区分 “对方发言” 和 “自己发言”，根据对话的内容进行语义分析，识别对方诉求，结合预设人设，自动生成应对话术和建议，技术类似于2018年的电影《升级》。

一觉醒来，短视频直接被同一个梗刷屏。 “余承东说10分钟愣是一句话没录上”🤔 事情起因很简单，微信输入法更新了语音转写功能，会自动把「嗯」「啊」这种口头禅给过滤掉。按理说是个挺正常的优化，但直到我看到下面视频直接笑疯🤣 这尼玛 余承东 要是不下架微信天理难容啊 目前热度还在涨😂😂😂

【乐视流出档案披露中国网络审查细节】 一批被称为“乐视审查指令”的中国网络内容管控内部档案近日公开。这批材料由中国数字时代整理后收入中国数字空间“真理馆”，时间从2017年3月2日至2020年3月10日，公开收录718条。 档案记录了网络监管部门向乐视网下达删除、过滤、封控要求，以及平台审查人员执行处置、定时上报数据的过程。 这批档案以“乐视指令”逐日编号存档。指令将“删除”和“过滤”分开计算，前者指已上线后被撤下，后者指发布前被拦截。 中国数字时代摘录的代表性指令显示，相关议题涵盖最高领导人、民族与宗教、外交与国际、香港反送中运动、公共事件、公共卫生及维稳维权等。部分指令还显示，平台处置内容时需按类别汇总并留存样本。 #乐视# #审查# #指令# #删除# #过滤# #最高领导人# #言论自由# #维稳#

'如果今天是我生命的最后一天，我真的想做今天要做的事吗？' 乔布斯在斯坦福演讲里说，他每天早上对着镜子问自己这个问题。 这不是什么鸡汤名言。这是改写潜意识的装置。 你的脑子有个过滤系统，你反复问的问题，脑子24小时都在找答案。问'怎么可能呢'，脑子就给你收集失败的理由。问'最后一天还想不想做'，脑子就把真正想做的事浮现出来。