社区

前言：这不是科普，是一次必要使用模式的纠偏 关于 AI 的讨论，大多停留在三件事上： 工具、Prompt、效率。 但真正决定你能否长期、稳定、可复利地使用 AI 的，并不是这些表层技巧，而是你脑中是否建立了正确的世界模型（Mental Model）。 很多人在使用 AI 时，会不可避免地产生一种错觉： AI 好像懂我 AI 好像在推理 AI 好像比我更理解这个世界 这篇文章要做的事情，就是拆解这种错觉的来源，并解释： 为什么它强大、真实、但同时极度危险。 一｜什么是“涌现”：不是觉醒，而是结构跨过阈值后的显影 “涌现（Emergence）”经常被描述得过于神秘，甚至被误读为某种“智能觉醒”。 这是不准确的。 更严谨的定义是： 涌现 = 当系统的规模、复杂度与交互密度跨过某个阈值后，原本未被显式写入的行为模式开始被观察到。 这里没有意识诞生，也没有“灵魂出现”。 发生变化的只有一件事： 结构变复杂了，模式开始显影了。 在大语言模型中： 参数规模 × 数据压缩 上下文长度 × 约束条件 让原本只存在于统计相关中的结构，开始表现出连续性、稳定性和“像推理一样”的行为。 涌现不是创造了新东西， 而是让隐藏在结构中的东西变得可见。 二｜Latent Space 是什么：它不是知识，而是关系结构 很多人误以为 LLM 内部“存着知识”。 这是一个根本性的误解。 更准确的说法是： Latent Space（潜在空间）不是知识库，而是语言与概念在高维空间中的相对位置关系。 你可以把它理解为一张极其复杂的地图（类似thesaurus)： 相似概念彼此靠近 常一起出现的语义形成通道 可互换的表达聚类 冲突或罕见组合在结构上远离 当模型回答问题时，它并不是在“思考”或“理解”，而是在： 沿着潜在空间中概率更高的路径移动，逼近一个“看起来最像好答案”的区域。 这也解释了三个常见现象： AI 会非常

今天终于有时间腾出手来将我脑中的思绪落实到纸上。 这是继上篇的第二篇，谈谈干货。 第一篇链接在此： AI时代导论01 （不定期删文，抓紧看） 这篇的核心目的在于进一步提炼我的方法论，思维以及工具，目的是让更多人理解AI的底层使用逻辑。 先讲讲方法论： 1. 追问，反问以及所谓的prompt工程 AI大语言模型最大的特点就在于transformer，本质上是概率生成器。通过记忆和上下文决定下一个token生成哪个文字。 如果你没有足够的上下文，或是你没有提供足够翔实，可落地，可量化的需求。 大模型只能给到你非常模棱两可，非常教科书textbook 101式的回答。 这就是为什么当绝大部分浅层用户只能prompt 范例 < 20行的代码 但我通过ai prompt能够得到最高纪录2000～3000行代码的原因（当然我需要自行de-bug). 其中最核心产能的区别在于： 1）我追问 2）我反问 3）我有清晰，可落地，可量化的需求。 4）我有足够密集的上下文让llm模型记住我是谁，我干什么吃的，我的特点是什么，我需要什么。 要记住一件事，如果你无欲无求，AI不是许愿的七龙珠神龙，更加不是阿拉丁神灯，普通人的困境在于。 即便今天叫出了神龙或是神灯，许愿的时候估计会超时404. 因为绝大多数人除了想要赚大钱之外，并不理解自己想要什么，更别说提要求。 2. 上下文和记忆功能。 你想要最大程度使用LLM模型，最强的方法就是让它理解你，更好归类你，给它足够的信息预测你的需求。 本质上是你提供密集的上下文，最终的目的是： 收束llm 回应你的回答，目的是将概率从正态分布的中间部分，移至两侧底概率的尾部，因为两侧的底概率则意味着高强度x高垂直x强专业性的回答。 比如说你告诉AI你的职业。 你的职业特性 你的工作模式 你的学习模式 你的规划和路径，需求和目的。 最重要的是，足够了解你自身，来

成功按到了大家脑后勺的那个按钮。 也成就了我写公众号以来第6个10万+的爆文。 再度说明了这个算法和人性本质上和这个**图极其类似。 你极力否认的，恰好就是一直以来的行为惯性。 比如说我以前做英文辩论的时候，喜欢干一件事， 我把它称为终极的BRAIN HACK， 极其简洁，但是可以使得你的反方辩手进入脑抽筋甚至是脑死亡的无线LOOP状态。 简单一句话： “DONT LOOK AT PURPLE COW" 逻辑上是 不要看那只紫色的牛 但，你的大脑，不会配合你，你会去不断想象那只紫色的牛。 你的大脑会和你背离。 我自己知道不应该去想这只紫色的牛 但你的大脑却又觉得这样荒诞，冲突，自我矛盾的信息，是如此不合理。 所以你的大脑开始进入一种 WTF IS THIS 的诡异状态里 你找不到话回应我 你的大脑的节奏和理性都会被抽离。 在那段你的大脑陷入绝对的混乱的时候， 我会开始将你所有的逻辑 你的三观 你的自我 和存在 全部拆除，格式化，重置。 所以本质上，我写的不是文章。 我说了，我是在点击你们后脑勺的按钮。 不要不让我点击你们后脑勺的按钮。 你们摸摸看， 按钮就在那里。 算法和流量已经证明了。 你们停不下来不断在按那个按钮。 最后， 如果你们厌倦了进入这种空白无力的脑力浪费和回路。 就加入我们，提升对世界的终极认知。 只有科技和金融的力量，才是你们走向自由的终极钥匙。 才是你们挣脱你们后脑勺那个按钮的终极自由之路。 X.ZTRADER.AI blog.ztrader.ai 这两个都是我的文章和付费社群的页面。 在这里，没有按钮。 没有审核。 只有真相和逻辑之火。 YES THERE IS DAMN BUTTON ON UR HEAD.

互联网表面上是自由的。 但你不是。 因为人性不是自由的，绝大多数的网民，在简中互联网中，都会有过度自我审核的倾向。 过于自由有过于自由的问题。 比如纯粹的无脑，纯粹地将注意力浪费在无效的领域。 宁愿打飞机，也无法将注意力落在实处。 这种自由，是充满幻觉的。 然而我们的注意力一直被算法所劫持。 1. 人脑天然喜欢浅层，短平快的信息。不喜欢思考，处理，喜欢马克，收藏，喜欢和人脸或是具体的人进行交互。 比如说某些vlog,看了某些金融人士的搬砖视频，就仿佛能够立马高端起来，跳过所有专业知识的储备。 这些内容，有着天然的，看了100次，好像有点收获，但其本质完全没有任何成长的特性，你不会因为刷了这类视频，金融小姐姐视频获得提升，但你的大脑会释放多巴胺，你有短平快的愉悦，因此算法不断注入给你同样的视频，让你重复刷类似的视频。 最终你的注意力和算法形成了自我强化的死循环。 你的大脑开始放弃深层次的神经网络延伸，增加突触的努力，开始追求放松，追求一种“我在学习，我在向上的幻觉”。算法反过来强化你的倾向，持续推送给你直到你彻底被单向性的注意力闭环锁死。 2. 马克，和收藏行为的本质。 “我看不懂，但我收藏了”。 “我可以慢慢看，迟早能提升。” 但事实真相是，你留存的这些干货，最后停留在你的页面里几年，直到你彻底忘了这些知识的存在。 还是回到你的注意力构成。因为大脑抗拒深层次的思考，链接，每当进行高度抽象的思考，就要将自己拉回到现实，物质功利本位的怪圈： “我这样花时间值得吗？” “我还有房贷呢” “我学这些对找工作真的能有帮助吗？不管了，先码再说，先收藏”。 于是最终算法侦测到你对于收藏的高度倾向性， 推送了更多， 你看不懂，但你觉得有点**炸天，但和你现在的能力有些不匹配，甚至错配的内容和长篇文章给你。 结果呢，你继续收藏，马克。 算法继续强化你的无脑回路。 你进步了吗？ 不，你永远活在

最近的市场看法移步：blog.ztrader.ai  星球模块近期做数据库升级（对supabase这些平台又被AI升级搞崩了一次），应该很快能够上线使用。 所有的模块只有一个验证机制，那就是邮箱。 不需要注册，你的邮箱就是你的底层信息（其他的我不感兴趣，也是属于你的数据资产）。。 移步今天的note正文： 谈谈语言和模式。 我认为， 万物皆是语言。 结构即语法。 对我来说，语言写诗和代码本质都是一样的。 当你把许多事物本质进行深度压缩，那么你最后会得到AST语法树。 在AI时代里，AI迟早要成为各种工具/应用/端口的终极OS和hub: 应用即沙箱/可调用的agent 交互模式直接决定AI使用效能 文字向量决定了AI的回复模式（分布/向量/拓扑结构） 包括多个顶级数学家（陶哲轩等）都已经证实了AI和人协作的高级模式： 由AI建立多种结构/模型印证假说，人类负责检验事实约束变量并验证整个推导细节，并帮助数学家/科学家和研究者建立完整的理论推导/验证。 毫无疑问这是全新的范式/工作流： 1. AI在理论物理/数学/计算机科学等高度抽象的尖端领域所展现出的巨大潜能和应用价值。 2. AI和高智能个体的“共振”/共生效应”，和AI一起学习而非“神话”或是完全依赖- AI所产生的幻觉 3. 永远搜索～验证～生成～push~成功就记忆入库，不成功就debug, 4. 落地项目驱动，边落地边学习边写作形成智能“肌肉”，完成输入～输出的闭环。 5. 元知识工作法： Syntax Otology Engineering/Thining" " Meta Knowledge Theorem and Axiom" 这是当抽象思维到达底层之后的必然形态。 比如说： 我学习“我学习的方式” 我观察“我观察我学习的方式” 我学习“我观察我自己的学习方式”并用于观察。 我学习（我过去用于学习/观察

风尘战鼓碎，破阵马蹄飞。故人葬剑处，红袍落青灰。 问道于世，闻道上仙，旧梦不醒，人间不归，此酒浊我心，笑九天。 你曾有否那壮志，夜半低语那魂魄惊雷。 你曾有否那烈火，日初狂尽那峥嵘岁月？ 我不愿，听昏鸦尖啸，潜龙轰沉九渊。 我当歌，写苍白书卷，化山影成云烟。

这篇文章的本质就是我个人的建筑图纸。 金融相关文章移步：blog.ztrader.ai 全球主站点：ztrader.ai 这份 note 不是写给外界，也不是为了观点传播。 它是内部文档，属于我在一年里构建出来的个人系统结构，用来校准、整理与迭代。 请注意： 我不需要认可，也不需要讨论“对不对”。 我不需要阅读量，也不需要流量。 我写下来的目的只有一个：梳理底层结构，进一步完成下一代迭代。 如果你能讨论底层逻辑、技术路径、架构原理，欢迎。否则免开尊口。 公众号随时会封，所以这只是临时版本。未来我会把生态迁移到 Matrix + Telegram + 自托管系统，彻底摆脱平台依赖。 图纸展开： 1）CI/CD 全自动化工作流：从“自动部署”到“自愈式软件系统” 过去一年我构建了一套属于自己的 CI/CD 系统，它不只是部署，而是一个自我调试 + 自我回滚 + 自我记录的体系： 1.1 系统能力清单 GitHub Actions → 自动构建、自动部署到服务器 Nginx/Node/PM2 → 服务端自动拉起 502 / 504 自动回滚机制 当检测到冷启动失败、端口无响应、健康检查失败 系统自动执行： revert commit restore 上一编译成功版本 重启 PM2 错误日志自动推送到 Obsidian Vault 使用 webhook + local agent 所有 build log、runtime log 结构化为 JSON 打包进 RAG 知识库作为训练材料 1.2 技术可行性验证 GitHub Actions → 100% 可达成 自动回滚 → 需自写脚本, PM2 + health check 即可 Obsidian note → 通过 local webhook / Templater 可自动入库 RAG 切片 → 用 LangChain/OpenA

我经常重复强调一件事： 一个真正的作者分享，创造而不是割韭菜。 如果你觉得看到一篇文章觉得自己很无知，那么非常好，你可以进步，这是最好的事，因为99%的人不喜欢不觉得不习惯自己无知。 我每天都在和无知的自己作战。 每天问问自己一个问题，关注我，是你让自己变得像一个韭菜了，还是你开始觉得其他人是韭菜了？ #######以下正文######### 更多内容移步：blog.ztrader.ai 以下为部分我常用的指令集。 如果会使用他们这将是你巨大的财富。 相同的类似prompt 思路也可以应用到其他copilot GPT-Codex 指令集（扩展版）① 代码搜索 / 导航常见需求：快速找到函数、变量、依赖、调用链。 • “Locate the definition of TradeEngine.run.” • “Find all files that import Zchart.” • “Show me where getMarketData is called.” • “List all exports in utils/index.ts.” • “Search for MarkingTheClose strategy implementation.”⸻② 新功能开发常见需求：你只要写“需求说明”，Codex 写 patch。 • “Add a new API /api/health that returns {status: 'ok'}.” • “Implement a MeanReversionStrategy in /strategies/meanReversion.ts with params: window=20, threshold=2σ.” • “Add a dark mode toggle to the top navigation bar.” • “Crea

我还是一句话，不喜欢现在公众号内容和方向的，尽早取关和拉黑，如果下不了决心可以后台私信我，我拉黑你们这样就不用一下子关注一下子取关很无聊。 之前的文章我已经准确预言了许多事件以及资产价格的走势。 该讲的我都讲了，你们不要以为不可能发生，五角大楼在行动了，无论特朗普的想法是什么，冲突不可能避免。没有小确幸。 为什么近期你们开不了美股账户呢？心理还没有点数吗？ 而现在我认为没有一件事比搞懂AI技术更加重要。无论你们作为读者如何认知，我可以说你们绝大多数人不理解自己正在面对什么样的未来，因为你们不理解，你们的反射弧仍然留存在过去的逻辑和框架/认知之中。 因此你们认为： 1. 搞AI的人专心搞AI，搞宏观和AI没有关系。 2. 因为你们不懂得使用AI，所以你们下意识认为：AI技术不靠谱，有幻觉，所以金融行业无法应用AI 3. 我不管我只想看你发什么时候美股暴跌我跟着抄底/做空，连个赞我都不想给。 4. 我看不懂AI我就喜欢看地缘政治看大棋论 我已经很明确了，从此这个号不更新美股/宏观咨询，全部封包在blog.ztrader.ai(部分付费用户反映鉴权问题是源于数据库升级的原因，周三能恢复正常）。 针对以上几点很明确告诉你们。 现在的环境，已经不适合讲有价值的内容。所以你要要在公众号体系看什么3/4，明确和你说你看都看不到。 关于1和2， 宏观/交易基本上是最适合与AI强整合的垂直领域，这基本是新世界大门。我不认为传统行业有太多和AI垂直整合的潜在空间，但交易不同，交易和AI强相关至于为什么我以后再解释。 AI的应用本质是OS的逻辑。 你用windows/苹果IOS安卓系统，你本身不需要一定会写整个系统架构吧？（说实话这个蓝星上面只有不到0.01%的人真正有能力重写/理解底层操作系统）。 因此用AI的逻辑就是AI+的逻辑。 但正如伟大的赛车手本身虽然无法造赛车，但比其他赛车手更加理解

近期我给我的核心客户们开紧急会议。 帮助他们厘清几个全球地缘政治中最巨大的风险，以及机遇。 感谢这些客户的信任，今年整体交易账户他们也非常满意。 无论是之前的铜行情，还是近期的黄金行情。 我都尽我所能给予他们最好的服务，并帮助这些家族办公室规避风险，寻找真正的超额收益所在。 以下几点和有缘人分享。 如果你看得懂就看，看不懂就算，建议取关，我的号只适合少数人。 我建议我的投资者们，以如下几点的方式去思考未来的变化： 1. 资产的流动性，和收益水平同样重要。 这已经不是房产涨几倍的时代，作为投资者要明白一件事，那就是资产的流动性几乎和收益百分比同等重要。 如果你手中持有大量缺乏流动性，无法短期赎回的资产，这意味着你的流动性在未来几年里，将对你的大类资产配置造成负面影响。当你不具备流动性，过高的exposure或是对某类资产的退出风险将非常巨大，无法变现，而在缺乏现金流，全球经济增速哑火的环境里，你会很痛苦，almost like margin call 2. 调整对于收益的预期，专注资产波动率而不是资产方向 简单来说，寄望于某几只股票暴涨十倍，几十倍的时代过去了。 在动荡的时代里，vol > growth, 因为动荡的大环境并非企业/商业模式扩张的理想环境，这也意味着典型的growth strategy将在未来几年失效，大规模亏损。 在这种环境里，波动才是永恒的，这不利于投资者，但对于投机者/交易员是最有利的市场环境。 可以说，在这种市场大环境里，驾驭alpha的能力直接和交易员驾驭波动率的能力呈现极端正相关。 3. 保持反脆弱，保持对冲。 在这样的市场环境里，和近一年的AI狂潮不同，现在的市场环境，下行风险远远高于预期收益。对于投资者来说，不对冲，不保持黑天鹅的风险将远高于潜在收益。这样的市场环境下，“黑天鹅”不会只是“黑天鹅”，黑天鹅将是“常态”，投资者需要尽可能去保