Programming Enthusiast ⚙️ Junior Pilot 🛩️ Skydiver 🪂 Co-founder of RepeatFund 🧑💻
Joined July 2020
- Tweets729
- Following710
- Followers380
- Likes420
ConnorRepeat ⌐◨-◨ retweeted
开源一个 fomo 自动查找钱包的油猴脚本，便于大家自行查找维护钱包。如果有什么需求，也可以跟我这个帖子下留言，我看着升级优化。
具体安装使用教程如下。
1、先去 chrome 官方商店下载油猴脚本官方插件
chromewebstore.google.com/de…
2、安装开源油猴脚本，代码是开源的，不放心可以让 ai 审计安全，毕竟我也是让 ai 自己写的。认准作者和当前最新版本号v0.3.11，图一，因为开源，不排除别人后续魔改代码。（注意安全）
greasyfork.org/zh-CN/scripts…
3、进入到某个你想查找的 fomo 交易员的 profile 主页，点击分析当前主页即可，一定等分析完了，在刷新网页，需要等数据落地到你的浏览器缓存中（图二），钱包数据是不上云端的，一切运行都是你本地运行，数据也存在浏览器本地，类似之前推特改备注的那个油猴脚本。
4、分析完成后，回到 profile 主页，名字右侧会有一个 wallet 图标，即可查看对应的地址。（图3）
5、还有一个列表的功能，看自己需求用吧，相当于是一个总数据记录的功能，不多介绍了，自己探索使用即可。
ConnorRepeat ⌐◨-◨ retweeted
尝试逆向了一下 nof1.ai 的 system prompt 和 user prompt，欢迎各路大佬戳戳评论，一起来进行这个有趣的实验
原始数据：
- nof1.ai Alpha Arena 的公开文档
- 交易行为模式
- API 响应格式
- 社区讨论，特别是 @Web3Tinkle @HuxNagno 的讨论和实践，很受启发
（这里推荐看看t大 @Web3Tinkle 的开源项目，完成度100%，可以直接实盘币安 github.com/tinkle-community/…）
核心设计理念：nof1.ai 的 Alpha Arena 最独特之处在于完全依靠提示词工程,使用未经微调的标准大模型进行实盘交易，这是一个纯粹的 zero-shot 系统交易测试
设计目标
- 测试 LLM 的零样本系统化交易能力：无需训练或微调
- 揭示不同模型的隐性偏见和默认交易行为：通过统一提示词对比
- 评估模型在动态、高风险环境下的决策能力：真实市场压力测试
核心约束
- 使用标准大模型(GPT-4, Claude, Gemini, Qwen 等)
- 仅通过提示词控制行为
- 实盘交易,真实资金
- 不允许微调或训练
- 不提供历史对话记忆
- 不接入新闻或社交媒体
User Prompt 设计要点
- 时间戳: 提供交易开始以来的分钟数,建立时间感
- 数据顺序强调: 多次重复 "OLDEST → NEWEST",因为模型容易混淆
- 多时间框架: 3分钟(短期) + 4小时(中期)双重视角
- 技术指标丰富: EMA, MACD, RSI, ATR, Volume, OI, Funding Rate
- 账户透明: 完整展示持仓、未实现盈亏、风险敞口
- 性能反馈: Sharpe Ratio 作为自我校准信号
复现或改进 nof1.ai可以调整的参数:
- 决策频率: 2-3分钟 → 5-10分钟(降低交易频率)
- 杠杆限制: 1-20x → 1-5x(降低风险)
- 资产范围: 6个币 → 扩展到更多或更少
- 技术指标: 增加布林带、成交量分布等
- 风险管理: 强制最大回撤限制、单日亏损熔断
Agentic Trading未来发展方向：
- 引入记忆机制短期记忆: 最近 N 次交易
- 长期学习: 跨 session 的策略优化
- 多模态输入新闻情感分析：如社交媒体情绪、链上数据
- 多智能体协作
- 更复杂的行动空间限价单支持：部分平仓（nof1.ai已经支持）、对冲策略
完整的 system prompt 和 user prompt参见：gist.github.com/wquguru/7d26…
推荐目前几个比较好的/完整的项目：
- 完美复刻前端（后端开发中）：github.com/wquguru/nof0
- 100%进度，可执行币安实盘：github.com/tinkle-community/…
@wquguru 逆向nof1 的prompt 👉
gist.github.com/wquguru/7d26…
ConnorRepeat ⌐◨-◨ retweeted
Atomic Arb bots are making great use of DFlow JIT for onchain searching
Latest strat seems to be:
2 DFlow JIT instructions, each one with 5 candidates (tessera, humidifi x 3, solfiv2) in opposite directions
sent via Jito. if not profitable, doesn't land. no failed tx fees
New signers used each to to avoid getting flagged as toxic flow
ConnorRepeat ⌐◨-◨ retweeted
1/10
@troublor says wait, but I can't. Can't wait.
We are builting an Ethereum debugger with
1) true source-level stepping,
2) near-100% local/state variable inspection, and
3) on-the-fly Solidity expression eval at any step.
Screenshots below; details in the thread.
ConnorRepeat ⌐◨-◨ retweeted
推荐一个朋友负责的新产品，pinspec.ai
最近高强度使用 Claude Code 写界面时候很容易暴躁，非专业的语言描述会让 AI 越改越偏。
而朋友的 Pinspec AI 和 Claude Code 打配合就很好，Pinspec 不仅能生成界面，还可以将 UI 组件用专业的词汇标注呈现出来，间接让我学习专业的组件描述。
ConnorRepeat ⌐◨-◨ retweeted
又看到了抗 MEV 的 AMM，抗 MEV/LVR 的 AMM 是我和 @jeffishjeff 最早讨论的选题，基本上抗 MEV 的 AMM 只能都是通过类似批量拍卖的逻辑实现
我们当时思考的一个方法是每一个区块内 AMM 第一笔交易解锁区块，后续所有交易都按照同一个价格成交。第一笔交易理论上是套利交易，平衡 AMM 和外界价格。
ConnorRepeat ⌐◨-◨ retweeted
Cross-Chain Arbitrage on Uniswap V4
(opportunities available)
I’ve always been curious: how much do prices actually differ between the “same” @Uniswap V4 pool deployed across different chains?
Think ETH/USDC on Ethereum vs on @unichain, @arbitrum, or @base . They’re technically the same trading pair, but entirely separate pools, with different liquidity, fees, and most importantly, prices.
So I built a dashboard to monitor exactly that. It tracks real-time price discrepancies across Uniswap V4 pools on different chains.
Why?
I was curious. I wanted to understand:
- How often do mispricings occur?
- How big are those discrepancies?
- And perhaps most interestingly: how fast are they arbitraged away?
On the same chain, arbitrage between DEXs is well understood. You can create a smart contract that executes a set of swaps atomically, either guaranteeing profit or reverting the transaction. But cross-chain? That’s a different game. Different chains mean different execution environments, timing issues, and gas fee structures. It’s harder to coordinate. It’s also harder to monitor...
What I’ve Built (So Far)
Right now, the dashboard monitors the ETH/USDC pair across four chains in real time. You can visually see:
- Realtime ETH price on each chain
- Size of most recent trades indicated by bubble size
- Max current spread available.
I've only finished it this afternoon and after watching it for 15min I've already spotted a few times where the mispricings are significant.
I want to add more pairs and chains soon (super easy actually) - just don't want to clutter it before getting more feedback and ideas.
I’ve dropped the link to the dashboard in the comments below. If you’ve built a cross-chain arb bot, I’d love to hear how you approached it!
ConnorRepeat ⌐◨-◨ retweeted
写得很好，solana的VM和字节码
ubermensch.blog/under-the-ho…
ConnorRepeat ⌐◨-◨ retweeted
这个表格内汇总了我已知的大部分有趣的关于以太坊的网站，非常适合无聊的时候查阅。如果有没有有趣的网站在这个表格内没有出现，可以直接丢在评论区，我再放进去
Trump 和 Musk 吵架，GCC的 builder 们正在为大家整理基础设施 🧱
我们花了 6 个月把 ETH 相关的网站全翻了一遍，整理成了这个 ETH 网站合集👇
📎 ：airtable.com/appbj91LAlq8bqY…
收录协议、工具、密码学、数据库，以及小众但有用的东西，
也许你会吐槽分类混乱、东西不全——那就正好：欢迎你来补！
📌 想听大家的建议，比如：
哪些你觉得有用的网站没加进来？
哪些分类不够合理，该合该拆该删？
一起把它打造成社区共建的索引库吧🫡
ConnorRepeat ⌐◨-◨ retweeted
长文预警：
加密市场又到了地狱级别赚钱难度的阶段，细分赛道缺乏新叙事，Defi 增长乏力、NFT 流动性骤降、BTCFi 被证伪、Restaking 中道崩殂。但RWA 赛道却在这个悲观之极的市场环境中猥琐发育，RWA 赛道的TVL 已突破100亿美元（据Defillama 数据），去年底仅50亿出头的TVL 在不到半年时间翻了一番，恐怖如斯。
这条推来简单聊聊RWA 赛道的现状、赛道的潜在天花板和我认为的潜力项目（ @milky_way_zone / @avax 生态/ @noble_xyz ）的机会。
RWA 赛道现状
整个RWA 赛道的TVL, Defillama 上的数据是100亿美元出头，rwa.xyz 官网公布的数据是197.1亿美元。（统计口径的原因，rwa.xyz 统计的RWA 协议更多更细）。
rwa.xyz 基于底层资产把RWA 资产细分为7大类别：美国国债、商品、私募信贷、股票、机构另类基金、非美国政府债务、公司债券。
美债RWA 龙头是BlackRock BUIDL 基金，资产规模高达19.4亿美元，Franklin Templeton 和Hashnote 名列2/3，资产规模分别为7亿/6亿美元；
商品RWA 龙头是Paxos Gold, 资产规模达6.77亿美元；股票RWA 的龙头是 @Algorand 链的 @exodus, 资产规模达到4亿美元…… 更多详细的数据可见rwa.xyz 官网。
RWA 赛道天花板
RWA 赛道理论上任意现实世界资产通过区块链技术进行代币化，核心价值在于将TradFi 和Defi 相结合，赋予现实世界资产链上流动性和可组合性。
现实世界资产总规模将决定RWA 赛道潜在天花板有多高，麦肯锡早在2021年就在报告中提及全球资产总额已经达到1540万亿美元。包括21.co, Roland Berger 和BCG 在内的多家知名咨询机构预测2030年RWA 市场的总规模将达到10万亿美元以上。
潜力项目
RWA 赛道虽然龙头初显，细分赛道TVL 增速迅猛，但仍然有很多潜力项目未被市场广泛关注，目前我个人比较看好的RWA 协议包括 @milky_way_zone, @plumenetwork 和 @noble_xyz.
1⃣ Milkyway
@milky_way_zone 的核心定位是专注于模块化生态系统(@celestia/ @initia 等) 的流动性质押和再质押协议，同时也将成为 @initia 生态的再质押AVS 应用链。
@milky_way_zone 跟Initia 走得非常近，@initia 给 @milky_way_zone 协议的前2000名 $milkTIA 持有者空投，可以两者有强利益相关性。
Alpha:
@milky_way_zone 联创 @jaybxyz 在其推文中多次暗示MilkyWay 将涉足RWA 领域，细扒就能发现MilkyWay 其实已经具备进军RWA 赛道的条件。
1）细分赛道定位差异化，定位RWA 赛道的底层基础设施；
基于再质押构建RWA 资产的安全层，保证上层RWA 资产的安全性，跟目前RWA 细分赛道项目合作关系要远大于竞争（具体的技术实现机制尚未公布，应该和 @eigencloud AVS 机制类似）；
2）自下而上构建，先构建RWA 安全层，为此后部署RWA 资产提供了信任层；
一个好的底层基础设施，上层资产的代币化才更容易获得广泛的认可。
3）支持RWA 资产的多链互操作，更强的资产可组合性；
支持EVM, Cosmos, Initia 三大生态，上层的RWA 资产能够受益于原生的跨链互操作。
2⃣ Avalanche 生态
@avax 可以说是这轮牛熊周期中存在感最低的老牌天王级公链之一，雪崩链上并没有出现现象级的机会。老牌公链在这轮周期中的代名词， @solana 是meme, @SonicLabs (原Fantom) 是Defi ponzi, 那么 @avax 就是RWA.
Avalanche 的公链生态破局之路目前来看也只能是RWA. RWA 能Make Avalanche Great Again 的前提是：天时地利人和，缺一不可。
地利：如ACP-77 提案下，公链开发者能够基于Avalanche 的技术栈以极低地成本便捷发子链，传统金融机构可以创建符合监管要求的专属RWA 应用链；
人和：Avalanche 官方提供生态支持；目前包括Citi、J.P.Morgan、贝莱德、Alipay、StraitX、三井住友银行等在内的传统金融机构都基于Avalanche 构建L1 网络，这都是可供共享的B 端资源；
目前已具备地利人和，以待天时，等热门赛道的风吹到Avalanche.
3⃣ Noble
@noble_xyz 是Cosmos 生态专注于稳定币发行的应用链，合作伙伴包括 $USDC 的发行商 @circle, @OndoFinance, @Hashnote_Labs 和 @monerium.
目前 @noble_xyz 累计发行稳定币5.5 亿美元，支持资产通过IBC 在49条不同的L1 链中流通。本质上看，@noble_xyz 充当了RWA 稳定币资产的底层基础设施，为RWA 稳定币资产提供资产生息的机会。
参与角度：
@noble_xyz 已发行底层资产是t-bill 美国短期国债的RWA 稳定币 - $USDN. $USDN 持有者可以将资产存入Noble Point Vault 中获得Noble 积分或者存入Bosted Yield Vault 中获得高达14.4% 的收益。
传送门：
points.noble.xyz/
RWA 赛道是我接下来重点关注的赛道之一，等风来，继续bullish RWA.
以上。
参考资料：
app.rwa.xyz/
defillama.com/protocols/rwa
mckinsey.com/capabilities/mc…
ConnorRepeat ⌐◨-◨ retweeted
因为解析 Uniswap V4 数学库的原因，我读了著名的《Solidity 中的对数计算》这篇博客，仔细阅读了关于 log2 的数学推导，发现整体推导缺少了太多关键步骤，花了两个晚上终于推导出了一个更加容易理解且详细版本，最近会继续写到我的《Uniswap V4 数学库分析》博客中。
paco0x.org/logarithm-in-soli…
ConnorRepeat ⌐◨-◨ retweeted
Deepseek 也能玩出 Claude Artifact 的感觉！让它用 React + HTML 渲染生成 Matrix 风格的 Code Rain 动画，每次都成功，代码能力确实稳 。。视频后半部分有 R1 思考链的全过程输出，看这一步步琢磨确实挺可爱😇
Inspired by @localhost_5173 ChatWise 挺有趣✨
ConnorRepeat ⌐◨-◨ retweeted
1/5
#Eliza @ai16zdao
Eliza(github.com/elizaOS) 原理介绍（一）
这个系列会分成三部分来写:
一：Provider 和 Action 的运行原理
二：Evaluator 的运行原理
三：Eliza Memory 的设计思想
当前是第一篇文章主要介绍：
Provider 和 Action 的运行原理
1. Eliza的架构如下，主要分为3个部分：
- 最上层抽象成了 Provider 和 Evaluator 以及 Action ，分别对应人类获取信息的能力(眼睛获取视觉信息，耳朵获取听觉信息等等)，以及人类根据信息的执行能力(比如通过市场信息判断BTC未来还有)，还有Evaluator只类似人类的思考能力，通过思考从海量的信息中提取知识从而形成个人的认知。
- 最下层是不同的 AI Model:目前Eliza框架支持了市面上大多数的AI Model，比如openai, claude, gemini, gork, xai等等，这个类似人类的大脑是所有做出决策的关键处理模块。
- memory则是让通过Eliza框架启动的Ai Agent拥有跳出Content Limitation 限制的能力，因为AI 既可以在Provider阶段把从环境中获取的信息和Action执行后结果的信息压缩之后存储进入Memory之中；并且也可以通过Evaluator提取跟人类对话或者其他任意交互过程中一些关键信息(这个会在下一个Thread里详细介绍)
2. 在接下来的部分我们将详细介绍「Provider」 和 「Action」的运行原理
--「Provider」--
对于Provider我们需要思考三个问题：
1. Why need Provider(Eliza框架为什么要设计Provider这个组件)?
2. AI 如何理解Provider 提供的信息？
3. How to invoke Provider(Eliza框架内AI如何通过Provider获取信息)?
- Why need Provider?
Provider主要用来解决在一些信息我们通过prompt让AI获取不准确也不够全面的问题，因为我们现在使用的模型都是通用大模型，所以对特定领域的信息获取有时候会存在不够全面的问题。
比如下面的代码就是Eliza中TokenProvider的实现，它最终会通过我们提供的Api 去拿到一个Token在链上多个纬度的关键信息，比如这个代币前十个Holder是谁每个人占据了多少份额的代币，这个代币24h的价格变化等等信息并且最终会用文本的方式返回给AI Model，这样一来AI Model就可以根据这些信息来作做出一些是否购买meme token的关键决策了。
但是如果我们直接通过Prompt告诉AI帮我获取对应的这些信息，你会发现AI会提供给我们对应的代码(并且有些时候AI提供的代码不一定能跑出来还需要把对应代码运行产生的错误提交给AI最终才能让代码顺畅运行)，但是我们还是需要将其部署到区块链环境（同时我们也需要提供可靠的API-KEY).
比如下面的例子:
所以为了保证获取数据的顺畅性，在Eliza的框架里会这部分获取数据的代码封装到Provider的定义下，这样以来我们就能很方便的获取任意账户内在solona上的资产信息了，因此这是Why need Provider的核心原因.
2. AI 如何理解Provider 提供的信息？
Eliza框架通过Provider拿到的信息最终会用文本(自然语言)的形式来返回给AI Model，因为AI Model 对请求信息的格式要求就是自然语言。
ConnorRepeat ⌐◨-◨ retweeted
AI Agent 的现状与未来
上周倒腾了一下 AI Agent，前天参加了 ai16z 在北京的活动，想看看 AI Agent 现在实际上能干啥，思考一下它未来能干啥。
AI Agent 的现状让我想起那个梗图，自动售货机里面藏了个人。大家已经想象中的 AI Agent 已经开始拥有自主意识了，但实际上的 AI Agent 里面其实藏了个开发者。（这里大家脑补画面，我尝试让 AI 生成这个图片，发现 AI 不能理解“藏”）
AI Agent 框架的基本工作方式
AI Agent 框架当前扮演一个粘合剂的作用，把 client（Twitter，Discord，Telegram 等） 和各种插件（各链等）粘合起来，然后框架提供一个基础库（记忆存储，会话隔离，上下文生成）等，后面对接各种 AI 平台接口。
AI Agent 框架如何和应用以及业务场景结合
从去年 AI 火爆以来，各种平台和工具涌现，最关键就是要解决一个问题，AI 如何和应用结合。有 AI 平台尝试提供插件的方式，有的打造工作流模型，也有传统应用在应用内嵌入 AI 的方式。但这里面的关键是： 1. 应用的交互入口在哪里？2. AI 如何和现有业务逻辑结合。
各 AI 平台给用户提供的应用的交互入口都是一个类似聊天窗口的对话框，显然大家都认为和 AI 应用的交互方式应该是一种“拟人”的方式。而这点上 AI Agent 聪明之处在于它直接接入了所有的开放 IM 以及社交系统，显然比新搞一个更容易接受。
AI 如何和现有业务逻辑结合。AI Agent 提供的方案是让开发者把 AI 的决策融入到业务场景中。编程语言需要确定性，if 的条件只能是 true 或者 false，无法处理模糊的业务逻辑。而通过 AI 可以将复杂的逻辑转换成精确的条件，然后就可以无缝融入到业务场景中去了。
比如群内回复消息这个功能，传统的 IM Bot 需要通过一些明确的消息指令才能触发，而通过 AI 可以实现一个方法 shouldReplyMessage，给他上下文，它返回 true or false。
AI 在业务逻辑场景中的作用主要是：
1. “意图”发现：通过提示词中的说明，让 AI 根据上下文发现用户文本消息中的“意图”，把意图映射到具体的代码。
2. 协助决策：通过 AI 将模糊的复杂条件转换成确定的 true/false 或者枚举类型，然后结合到业务逻辑中去。
看到这里，很多人可能对 AI Agent 要失望了，很多人以为的 AI Agent 就是教一下 AI 它就啥都会了。实际上因为大模型的上下文限制的难题，没办法（至少当前）打造一个万能的 AI，让它可以干任何事情。但好消息是程序员不用担心失业了，AI 后面还是需要藏着大量的程序员，还需要有人来堆 if else，但关键的区别是程序可以处理的业务边界在扩展。
两种 AI Agent
在活动上，问了 @shawmakesmagic 一个问题，市场对 AI Agent 有两种期望，1. AI Agent 自己扮演一个角色，有自己的 ID，品牌，给用户提供服务。2. 用户有个人 AI Agent，相当于个人助手，可以协助用户处理一些业务。这两种 AI Agent 哪种会更受欢迎？他觉得两个方向都会不错，也有可能结合起来。
现在市面上大家主要探索的还是第一个方向。这个方向类似于服务 AI Agent 化，未来可能没有 App 界面了，App 都 AI Agent 化了，拟人化了。而第二个方向则是应用客户端的 Agent 化，未来的应用客户端会是助手 Agent 的一个插件，应用本地数据变成了 Agent 记忆库的一部分，同时这个插件也负责和云端的服务 Agent 沟通。而这是一种新的应用架构模式，会改变整个基础设施。
AI Agent 对基础设施的要求
1. 基础设施要实现无准入门槛（Permissionless），不然 AI Agent 会被各种防攻击策略限制，服务应该用经济成本的方式（Gas）防攻击。这点上开放程度比较差的平台会面临比较大的冲击，当年 Web2 初期的开放平台热会重新被点燃。
2. AI Agent 需要能操作资金来付费，用以解决上面的问题。
也就是说，未来的服务，无论是否是基于区块链的，都需要支持 Crypto 的私钥模式的身份验证以及基于 Crypto 的支付。
AI Agent 和链的结合
除了上面提到的两点，AI Agent 如何和链结合是大家正在探索的一个方向。在活动上，和 @Mikkke_acc 聊它正在搞的 focEliza。前面提到的两种 AI Agent，至少第一种是需要链提供的运行或者验证环境。因为一旦一个 AI Agent 对外提供服务，就会有信任问题，它所扮演的角色实际和智能合约一样。
关于“智能合约”这个名字当年有个争议，它只是一段代码，哪里“智能”了，AI 可以让智能合约名副其实。难题是智能合约环境中如何调用 AI 接口。如果说让大模型运行在一个可验证的环境中这条路还比较远，用类似 Oracle 的方案是更切实可行的路径。
而围绕着 AI Agent 会衍生出非常多的需求，AI Agent 的公共知识如何获取？AI Agent 如何对事实进行判定？AI Agent 如何识别不同平台上的同一个用户？智能合约中的“记忆”如何存储？如果我有多个设备，各装了一个 AI Agent，它们如何共享记忆？
你就会发现原来 Web3 中搞过的“数据上链”，关系上链，DID，P2P 网络等等，都有新的意义和场景。
结语
复用我 21 年一次关于 AI 和区块链分享的结语，对 AI 更友好的互联网，也是对人类更友好的互联网。那时候还只是个脑洞，但现在未来已来。
nitter.cf/jolestar/status/162860…
ConnorRepeat ⌐◨-◨ retweeted
1/ ve(3,3) 成为本轮周期dex新宠
代表产品 @VelodromeFi @aeroxyz
(1) 其团队提出了dex的三难困境，本质在于，如果想满足一方的利益就必须从另一方那里拿走。比如，UNI打开费用开关，就需要要求将费用从LP转移到UNI质押者，可能意味着LP会离开。
(2) MetaDEX解决了代币、交易者、LP三者之间的利益平衡问题，特别是解决了代币发行的可持续性问题，token持有者（锁仓者）有动力把更多的投票给交易量高的池子，相应的交易量高LP获得更高的代币激励，实现动态平衡。
Aerodrome 在最近推出 AERO Fed，允许 veAERO 选民调整AERO的代币排放率。
Aerodrome 立足于 Base，Velodrome 立足于 Superchain 两者是目前ve33的代表，是更适应这个周期版本的dex模式。
