与「fun」相关的搜索结果

Saylor @saylor 和 Tom Lee @fundstrat 真是币圈的卧龙凤雏。 Bitmine @BitMNR 持仓 607 万枚 $ETH，均价 $3,300 ，按现价 $1,900 算浮亏接近 $90亿； Strategy @Strategy 持仓 85 万枚 $BTC，均价 $75,456，上个月最多浮盈 $70多亿，现在 6.7 万又掉回水下，浮亏 $70亿 左右。 说实话，我相信买 $BTC 的微策略迟早能盈利，小胖子 Tom 的 BMNR 就难说了； 毕竟一个涨 12% 就回本，一个得涨 75% 以上。🫣

S16 决赛要来了，BLG vs GEN，北京时间 11 月 15 日 03:00，纽约巴克莱中心，BO5。刷到很多老师要去线下或者影院看比赛 👀 都支持 BLG 嘛？ 三支 LCK 队伍已经倒下，GEN 是最后一关。如果夺冠，BLG 将成为首支单届世界赛连斩四支 LCK 战队的队伍。 今晚最期待的三个看点： 1. 左右手之争 Knight 和 Chovy 都还缺一座世界冠军。2024 MSI，Knight 两次 BO5 输给 Chovy。 2. 上半区博弈 Xun 带节奏，Bin 滚雪球，这是 BLG 最熟悉的赢法。Canyon 则会通过控龙和资源交换来化解攻势。Xun 这届状态很好，相信他还能继续创造机会。 3. 冠军 AD 对决 Viper 对 Ruler，2021 冠军对 2017 冠军。上半区打不开，ON 的开团配合 Viper 的后期输出，就是 BLG 的另一张底牌。 盘口方面，Predict fun 上 GEN 63¢、BLG 38¢，市场更看好 GEN，但没到一边倒的程度。 GEN 一路顺风顺水，BLG 就比较曲折了。真打到第五局，谁能赢还不一定。 BLG 冲鸭！🏆 #S16# #BLG# #Worlds2026#

看着好像没那么简单。 Grok BOT接上 “PUMP FUN” 官方仓库，一晚上都在自动交易。本金121美元，早上8点的时候变成2794美元。 Fable 5.2挨个分析币，下单操作交给Grok来做。 我之前还以为，想要做到这种效果，得有开发团队还要有人熬夜盯着才行： → 连上一次 ，自己设好花钱上限，机器人没办法把钱提走 → Fable 5.2在投钱之前，给每个新币跑Pulse、回测还有打分 → Grok的Curve代理专门交易还在债券曲线上的币 → 等币转到PumpSwap之后，Swap和AMM接着跟进交易 → Shield盯着进场，避免被别人抢跑 → 下单之前先查滑点，核对报价和手续费 Fable挑机会，Grok负责下单。8个代理一起跑，每分钟9036次操作，就一台手机搞定。 一共139笔单子。86笔是还在曲线的时候做的，53笔是币毕业之后做的。胜率79%，每一笔都设好了止盈止损。 赚最多的是$Hope，赚了638.70美元。亏最多的是$Peanut，亏掉182.96美元。 一开始放进去121美元，最后拿到2794美元。一晚上直接翻了23.1倍。 把截图存好吧，以后再回头看会很有意思。

Zambia has started connecting 751 health facilities across all 10 provinces with Starlink, and the first 90 kits went to Western Province. There's something poetic about where they started. Every year at the end of the rainy season the upper Zambezi floods the Barotse plain, and for centuries the Lozi king has left his compound at Lealui by royal barge and moved to higher ground at Limulunga. The ceremony is called Kuomboka. In Lozi it means "to get out of water." Now picture running fiber or building towers across land that turns into a lake for part of every year. A Starlink dish only needs a clear view of the sky, so the water below stops being the problem. In March 2020, months before Starlink had its first beta users, Elon Musk said it would serve the 3 or 4 percent hardest-to-reach customers, people with no connectivity or really bad connectivity. Six years later, with funding from the Global Fund through Zambia's Ministry of Health, clinics on one of Africa's great floodplains are being brought into the country's electronic health systems from orbit.

建议收藏，用到时照着做。做完你能让 DeepSeek 自己决定“要不要调用你写的函数”，并把结果用人话讲回来。 AI 能查天气、查订单，是它自己去查的吗？DeepSeek 官方一句话拆台：模型本身不执行任何函数 这是 DeepSeek 官方 API 文档里 Tool Calls（工具调用）一页。先说结论： 官方原话是，函数要由你自己提供，模型本身不执行具体函数。它只负责说“我想调这个函数、参数是这些”，真正去跑的是你的代码。 先说清词。 工具调用（Tool Calls），是让模型能用外部工具的功能，比如查天气、查数据库。 函数（function），是你自己写好的一段代码，模型只会“点名”它。 tool_call_id（工具调用编号），是模型每次点名时附带的一个号码，你回传结果时要带上它，模型才知道你在回答哪一次。 strict 模式（严格模式，Beta 测试版），是让模型点名时严格按你定义的格式填参数。 一个真实例子：官方示例问“杭州天气怎么样”，模型返回的是 get_weather 这个函数和参数 location 等于杭州，你的代码去查到“24℃”，再交给模型，模型才说“杭州现在 24 度”。 先把话说全： 官方示例用的是非思考模式，请求里加 extra_body 把 thinking 的 type 设成 disabled。 官方写明：从 DeepSeek-V3.2 开始，思考模式下也能用工具调用，细节看官方 Thinking Mode 一页。 官方写明：Chat Completion 接口不支持在对话中间插入不是模型生成的工具调用，要插的话请改用 Anthropic API 或 Responses API。 strict 模式目前是 Beta，要用测试版地址。 一、先看懂整个流程 官方给的执行流程是四步：用户问杭州天气；模型返回要调用 get_weather，参数是杭州；你的代码真的去调用 get_weather，把结果交给模型；模型用自然语言回答“杭州现在 24 度”。 二、照官方示例做一遍 第一步：去 DeepSeek 开放平台拿一个 API key，电脑装好 Python 和 openai 库。 第二步：创建客户端，base_url 写 DeepSeek 官方接口地址（官方文档第一屏就有），api_key 填你的。 第三步：写 tools 清单。每个工具包含 type 等于 function，再写 name（函数名）、description（描述，告诉模型什么时候用）、parameters（参数）。官方示例的函数叫 get_weather，描述是“获取某地天气，用户须先提供地点”，参数 location 是字符串，并且在 required 里。 第四步：发第一次请求，model 官方示例写 deepseek-flash，把 messages 和 tools 一起传，并加上 thinking 关闭的设置。 第五步：从返回里取 tool_calls 的第一项，先把模型这条消息原样追加进 messages。 第六步：你的代码去执行函数，再追加一条 role 是 tool 的消息，带上刚才的 tool_call_id，content 写结果，官方示例写的是 24℃。 第七步：再发一次请求，这次模型就会用自然语言回答。 三、想要更稳：strict 严格模式 第八步：base_url 改成官方文档里写明的 beta 版接口地址（就是原地址后面加 /beta）。 第九步：每个 function 都加上 strict 等于 true。 第十步：服务器会检查你的 JSON Schema（结构说明），格式不合规或用了不支持的类型，会直接返回错误信息。 官方支持的类型是：object、string、number、integer、boolean、array、enum、anyOf，另外 $ref 和 $def 可以复用和做递归。 四、strict 的硬规矩 对象里所有属性都必须写进 required，并且 additionalProperties 必须设成 false。 字符串可以用 pattern（正则）和 format，官方列出的格式有 email、hostname、ipv4、ipv6、uuid，但不支持 minLength 和 maxLength。 数字支持 const、default、minimum、maximum、exclusiveMinimum、exclusiveMaximum、multipleOf。 数组不支持 minItems 和 maxItems。 五、看到什么算成功 第一次返回的是函数点名，不是答案；第二次返回的才是自然语言答案，内容里有你的函数结果。 六、卡住怎么办 strict 报错：先检查是不是漏写 required 或忘了 additionalProperties 设 false，再检查有没有用到 minLength、maxItems 这类官方不支持的写法。 结论：工具调用不是模型替你干活，而是模型“点名”、你的代码“动手”。想让点名更准，就用 strict。把这条复制链接发给他，下次他说 AI 查不到东西，先让他确认函数是不是自己写了。 你卡在第几步？评论区告诉我。同系列前几篇在我主页。 收藏版：5 步速查 一、tools 里写清函数名、描述、参数 二、第一次请求拿到 tool_calls 三、自己执行函数，回传 role 为 tool 的消息并带 tool_call_id 四、第二次请求拿到自然语言答案 五、想更稳就用 beta 地址加 strict 等于 true 常见坑 3 条 一、以为模型会自己执行函数，其实要你的代码去跑。 二、回传结果忘了带 tool_call_id。 三、strict 里漏了 required 或 additionalProperties 设成 false。 复制即用提示词：我想让模型调用一个叫 你的函数名 的函数，它需要这些参数：写参数。请帮我写出符合 DeepSeek Tool Calls 格式的 tools 清单，每个参数都写 description，并改成 strict 模式需要的写法。 S1哥观点：这篇最狠的地方，是官方把话挑明了：模型不执行函数，只负责点名。很多人以为 AI 在后台自己动手，其实动手的永远是你的代码。 真正的信号是：工具调用的难点不在模型，在你把函数描述写得多清楚。就像派活给新人，说明写得含糊，他再聪明也会点错人。 你现在想让 DeepSeek 调用的是什么，查数据还是发消息？评论区告诉我。 今天送：DeepSeek 工具调用速查卡，评论区第一条直接拿。 参考：DeepSeek 官方 API 文档 Tool Calls（S1哥 整理）

I think the best case is to make the "monitor" as un-agentic as possible. We don't mind being "monitored" by various random tiny insects we don't even notice, even guard dogs are fine, but we really do mind if it's a globally connected networked system. And the intermediate case, human security guards with no recording equipment, we mind only a medium amount. The best idea I've come up with so far is to make these monitoring devices out of open-source verifiable hardware that has etched on it an open-weight LLM that classifies for a limited number of activities (basically, just violence; sorry, no scanning for jaywalking or not wearing a mask or drugs or unauthorized manufacturing or illegal immigrants, really just violence) and only records and forwards if that's what it sees. The device has no storage, no ability to load new algorithms, this is all it does. Also, a hash of every recording is published onchain (and a device can't record the next one until it sees confirmation of the previous one) so we can all count how much recording is done. Finally, everyone has a legal right to take any such device they see and grab it and dissassemble and verify the hardware themselves. Explicitly fund university clubs, hacker groups, etc to regularly do this.

not all crypto rewards are created equal. when a platform advertises yield, i think the first thing to check is what holders actually receive and where that value comes from. @RebateLaunch has an interesting approach to this. instead of paying holder rewards in newly issued $rebate, eligible holders receive payouts in the pair asset. on robinhood chain, that's usdg. the platform reports: → $28.5k distributed to holders. → 120,403 individual payouts. → rewards sent several times throughout the day. → no staking or manual claiming required. but the reward distribution is only one part of the model. rebate pad also uses a declining launch tax to address early sniping. → 99% during the initial stage. → 66% in the next stage. → 33% in the following stage. these penalties go into a locked treasury that supports the buyer bonus mechanism. separately, the 0.7% platform fee is used to buy $rebate from the market and burn it. the reported cumulative burn has reached 35.3m tokens, representing 3.53% of the original 1 billion supply. what makes this model worth examining is how several mechanisms connect: ✦ early launch activity contributes to the treasury. ✦ the treasury supports buyer bonuses. ✦ trading fees fund holder payouts and the $rebate buyback-and-burn mechanism. my perspective is that paying rewards in the pair asset is an interesting distinction because holders aren't simply receiving more of the same token. however, attractive payout numbers alone don't prove sustainable yield. trading volume, fee generation, treasury health and long-term user activity still matter. i'd rather evaluate the source of rewards than focus only on the advertised percentage. also, round 3 of the creator campaign closes november 17 at 22:00 utc. the real question is whether rebate pad can maintain this economic cycle as adoption grows. $rebate