What I’m learning
最近一段时间 AI 领域有几个比较重要的更新：
- claude 发布 sonnet 3.7
- deepseek 发布推理模型 R1
- openai 发布 gpt 4.5 , google 发布 gemini 2.0 , xai 发布 grok3
从我个人使用体验来看，
- claude sonnet 在编程领域遥遥领先，3.7 进一步巩固了优势
- deepseek R1 是性价比极高的开源推理模型，但是仍然需要优质的数据源，我常用的是 perplexity 部署的版本 perplexity-reasoning , 效果不错
- grok3 有推特数据 ， gemini 有 google 数据 ， 针对特定问题效果非常好 ， 最好的方式还是用类似 monica 的客户端同时获取多个 LLM 的回答
另外一个大多数人没注意到的领域是 MCP server 开始爆发， MCP server 是 anthropic 去年推出的一套协议， 其主要目的是让大语言模型能够从外部获取数据并使用工具。 以下是一些我觉得比较有用的 MCP server：
- browser-tools: LLM 能使用浏览器 ， 浏览网页 ， 获取 console log
- brave-search: LLM 能获取搜索引擎的聚合数据
- github : LLM 能提交代码到 github , 提交 pull request
- 更多的MCP server 可参考 https://github.com/modelcontextprotocol/servers 人和猿猴的区别主要在于是否能够使用工具 ， 我认为能使用工具和获取外部数据的 LLM agent 也会远强于不会使用工具的裸体 LLM。
What I’m buying
最近市场比较动荡， $btc 从 10 万 u 左右回调至 8万 u , 背后的原因可能有短期买入资金衰竭，地缘政治形势紧张等等 ，我仓位持有绝大部分 usdt 躲过这次调整，但是还是在一些山寨币上犯了不该犯的错误，做一个简单的复盘：
$solv: 在币安上线时买入，一天时间跌了 40% 后卖出。（卖盘主要来自空投）
$alon: pump.fun 创始人代币 ， 买入后半天跌了 80% 后卖出。（卖盘主要来自于低位埋伏的大量筹码）
$cheems: 上线币安后买入 ， 半天时间跌了 40% 后卖出 （卖盘主要来自于 BSC 链上老鼠仓）
$libra: 阿根廷总统米莱推出的代币 ， 发布一小时后 dev 撤池子 rug , 1 小时跌 80%。 （卖盘主要来自于 dev)
在金融市场中不犯错误是不可能的，因为不出手永远不可能赢。但是在犯错误的时候，必须做到以下两点：
- 做好仓位管理，避免大比例损失。5% 的亏损，只需要5.2%的盈利就能弥补 ； 但是 50% 的亏损，需要 100% 的盈利才能弥补。
- 认真复盘，从错误中学习，之后不再犯类似错误，甚至能利用其他人犯的类似错误。
虽然市场在下跌趋势中，但一些机会已经开始孕育，比如我最近发现 crypto 市场中也有 short squeeze （轧空） 的机会。
比如观察 $alch 的期货数据，可以发现：
- $alch 的期货合约持仓量， 超过了它的现货市值
- $alch 的空头平均成本非常低 （30M 以下） 在这样的情况下，空头作为整体是非常脆弱的， 因为他们在低位开出了过大的仓位，这将使它们处于极为不利的情况：如果价格向上拉升，它们将不得不减仓或者被强制减仓，而减仓时的平空单（多单）将让价格继续向上运行，让其他空头处于更加不利的状况，最终的状况是空头像多米诺骨牌一样崩溃，而价格则攀升到一个荒谬的地步。
What I’m training
上周天去参加了仁寿的半马比赛，结果跑到 10 公里的时候岔气了，肚子剧痛，只能慢跑+走路完成后半程的比赛， 最终 1 小时 47 分钟完赛。 虽然比赛跑崩了，不过我很快就坦然接受了这个结果，因为在冬季恶劣的天气状况下，我仍然努力保持较高频率的训练，并且在训练中刷新了自己 5 公里的最好成绩。对我来说，过程比结果更重要，Do your best and let God do the rest。
从本次比赛我学到了如下经验：
- 如何避免岔气？
- 高强度运动前不能吃难以消化的高脂肪，高纤维食物
- 长距离跑步最优策略是前慢后快，避免前面冲太猛
- 重视基础核心训练（侧向平板+举腿，核心抗旋，单腿臀桥等）和呼吸训练