Leo｜LeoLabs.me (@runes_leo)
@runes_leo
0 正在关注 0 粉丝
最近听完了张小珺和曾鸣这期两个多小时的对谈，推荐。
里面有很多很猛的判断：模型最终会越来越像基础设施；Agent 会产生新的入口；旧平台很难自然长成新平台；甚至今天习以为常的“公司”这种组织形式，都可能逐渐衰退。
但我听完最有感触的，其实不是 OpenAI、Anthropic 最后会不会成为赢家。
而是 AI 真正改变的，可能根本不是“一个人能不能把原来的工作做快 10 倍”，而是我们为什么还要按照原来的方式工作。
过去的公司是：
人 → 岗位 → 部门 → 层级 → 流程
但 AI 原生的组织越来越可能变成：
目标 → 任务 → 能力 → Agent / 人 → 执行 → 反馈
谁来完成任务，反而没有以前那么重要了。
这一点我最近体感特别强。
自己这段时间一直在折腾各种 AI Agent 和自动化工作流。最开始想的也是“怎么让 AI 帮我干活”，但越往后做，越发现真正有意思的不是给现有流程加 AI，而是很多原来的流程、岗位甚至组织方式，本身就没有继续存在的必要。
AI Native 可能不是「原来的公司 + AI」。
就像移动互联网原生产品，不是把 PC 网站缩到手机屏幕上一样。
我们现在可能还处在一个非常非常早的阶段。
这期值得完整听一遍。
显示更多
做量化，过去的门槛是会写代码。
现在 AI 基本把这关抹平了。你不懂编程，也能让它帮你把一个策略从想法跑出结果。
但很多人会搞反一件事：
代码门槛塌了，不代表这件事变简单了。
AI 能帮你写实现，替不了你做研究、验证和风控。这部分没人教你，恰恰是大多数账户跑着跑着就出问题的地方。
我把自己从研究到风控的整套工作流录成了一门课，叫 PMQuant。从怎么搭工作台，到怎么在上线前把风险控住，零基础也能跟着跑。
下面这条就是第一节（序章），免费。先讲清楚边界——哪些能做、哪些是坑。完整课还在打磨，想第一批上车的，评论区留了入口。
显示更多
过去 75 小时，群里反复绕回同一个问题：
模拟盘赚钱，不等于实盘能活。
Polymarket 现在最容易骗新人的地方，
不是“策略不会写”。
是 dry-run 和 live 根本不是一个市场。
几个反复出现的数字：
正常想象：300-500ms
实际体感：1-5s 抖动
FAK：2-3s
cancel：3s
信号到成交：有人测到 4s
这意味着很多回测里看起来赚钱的策略，实盘进去其实是在给更快的人提供流动性。
很多 dry-run 只模拟：
看到价格 → 判断买不买。
但 live 多了几层：
盘口深度
排队顺序
滑点
发送延迟
cancel race
ghost fill
赚钱盘口成交不了
亏钱盘口反而成交
所以我现在越来越觉得，PM 策略复盘不能先问：
“这个模型胜率多少？”
要先问：
你的真实延迟是多少？
你的 price source 对不对？
cancel 失败怎么算？
ghost fill 怎么处理？
dry-run 里有没有模拟排队、滑点、盘口深度？
这些没对齐之前，PnL、Sharpe、胜率都只是幻觉。
完整爬楼版我放到频道了，里面有 msg_id、具体延迟样本，还有一条 ETH 5m priceToBeat 错价事故。
📡
💬
🎯
显示更多
Karpathy 那套后来被收成四条写进 CLAUDE.md：想清楚再写、能简单就别复杂、只动该动的、成功标准要能验——专治单次写码时的胡来。
现在更费钱的是 agent 编排：hook 级联、多步断档、还有那种「看起来成了」的假成功。
这篇用 30 个仓库、跑满六周，把「四条之后该补哪八条」写具体了。我会逐条对号入座：能交给路由和工程解决的，就不往文档里堆字；还必须靠模型自律兜底的，就钉进根目录 CLAUDE.md，当硬约束。
显示更多
