Posts

💡 国内提示：Binance 官网在中国大陆无法直连，访问需自备网络工具；法币入金不支持银行卡，主要走 C2C（USDT↔CNY）通道完成。 量化实盘最大的风险之一不是策略亏损，而是 API Key 泄露导致账户被盗。写代码时不小心把 Key 推到 GitHub、VPS 被入侵、日志文件泄露——任何一个失误都可能让账户资产瞬间清零。 这篇文章覆盖 Binance API 安全配置的完整流程。 API Key 的权限类型 Binance API Key 有三类权限，按最小权限原则配置： 权限 说明 量化是否需要 读取 查看账户、价格、历史 ✅ 必须 交易 下单、撤单 ✅ 必须（实盘） 提现 转账到外部地址 ❌ 绝对不要开 提现权限永远不要开启，量化程序不需要这个权限。开了以后一旦 Key 泄露，资产可以被直接转走。 创建 API Key 登录 Binance 右上角头像 → API 管理 点 创建 API 选择 系统生成 API 填入 API 备注（建议按用途命名，如 quant-aws-hk） 完成 2FA 验证 创建完成后页面会显示： ...

Hysteria2 是一个基于 QUIC 协议（UDP）的代理工具，在高丢包、高延迟网络下表现远超 TCP 协议。它和 VLESS+XTLS-Reality 形成互补：TCP 受限时用 Hysteria2，UDP 受限时用 VLESS+Reality，两个协议搭配部署是目前最稳的方案。 为什么选 Hysteria2 核心优势： 基于 QUIC/UDP，在高丢包网络下仍有较好速度表现 内置带宽伪装，流量特征更难被精准识别 配置简单，比 Xray 轻量 mihomo（Clash Meta）原生支持 适用场景： 场景 推荐协议 TCP 被 QoS 限速 Hysteria2 ✓ UDP 被封 VLESS+XTLS 日常使用（两个都有） mihomo 自动切换 前置准备 一台海外 VPS，推荐 DMIT（支持 Hysteria2 的 UDP 流量） Ubuntu 22.04+ 一个域名（可选，用自签证书也可以） 服务端部署 安装 Hysteria2 bash <(curl -fsSL https://get.hy2.sh/) 安装完成后，程序位于 /usr/local/bin/hysteria，systemd 服务名为 hysteria-server。 生成自签证书 不需要域名的情况下，用自签证书： ...

很多人试过语音输入，然后放弃了——说出来的东西乱糟糟的，还要花时间整理，反而更慢。 这是旧时代语音识别的问题。Typeless 在识别后加了一层 AI 处理，基本解决了这个问题。用下来三个场景受益最明显。 场景一：技术文章起草 写技术文章最费时间的不是打字，是「从想法到第一稿」这个过程。脑子里有结构，但要把它变成文字就会卡住，反复删改，越写越慢。 换成语音之后，我的流程变成了： 在脑子里过一遍文章结构（30 秒） 开 Typeless，对着 Obsidian 口述全文 AI 自动整理段落、列表、要点 检查一遍，补细节 口述完一篇千字文章大概需要 5-8 分钟，然后花 10 分钟打磨，全程 20 分钟以内。以前单纯用键盘要 40-60 分钟。 关键是：说话比打字更接近思维速度，中间不会因为手速不够而打断思路。 场景二：写代码注释和 PR 描述 这个场景有点出人意料，但效果很好。 代码注释大家都知道该写，但实际上很多人（包括我）经常偷懒不写，原因就是打字麻烦。换成语音之后，写注释变成了：光标放到函数前，说一句"这个函数用来处理 Binance API 返回的持仓数据，计算实盘净值并写入 KV"，Typeless 自动格式化成注释。 PR 描述也一样：打开 PR 界面，口述 What / Why / How，Typeless 输出结构化的 Markdown 描述。 Typeless 支持 VS Code 和 GitHub，直接在编辑器里用，不用跳到其他应用。 ...

打字太慢是我长期的生产力瓶颈。写文章、回邮件、记录想法，不是脑子跟不上，是手速跟不上。 直到我开始用 Typeless。 Typeless 是什么 Typeless 是一款 AI 驱动的语音输入工具，支持 macOS、Windows、iOS、Android。核心逻辑很简单：你说，它写。但和十年前那种粗糙的语音识别不同，Typeless 在识别的基础上加了一层 AI 处理： 自动删除"嗯"“啊"“那个"“就是说"等口头禅 识别自我纠正（你说"明天……不对，后天”，只输出"后天”） 根据上下文整理格式，自动识别列表、步骤、要点 根据当前应用调整语气（在 Slack 里偏口语，在 Word 里偏正式） 速度差距有多大 官方数据：键盘平均 45 WPM，语音输入 220 WPM，快将近 5 倍。 我自己测了一下，写一篇 800 字的技术笔记： 键盘打字：约 25 分钟 Typeless 语音：约 8 分钟 差距主要来自两块：一是语音本身比打字快，二是不用停下来想怎么拼、怎么切换输入法。 中英文混输体验 这是我最担心的点，结果是最惊喜的。 我平时写东西中英文混得很厉害，比如： “用 Claude Code 跑 backtest，发现 equity curve 的 drawdown 有点大，需要调一下 stop loss 参数。” ...

语音识别技术本身已经很成熟了，但真正用起来体验差的核心原因不是识别率——是识别出来的文字没法直接用。 Typeless 的定位是在语音识别之上加一层 AI 处理，让输出结果直接可用。这篇文章拆解它的几个核心功能。 自动清理：去口头禅和冗余表达 这是 Typeless 最基础也最实用的功能。 正常说话和写文字之间有一道鸿沟。说话的时候我们会： 频繁使用"嗯"“啊"“那个"“就是说” 说到一半换思路：“明天……不对，等一下，后天来处理这个” 重复同一个意思：“这个很重要，非常重要，一定要注意” 传统语音识别把这些全部转录出来，你要花时间再清理一遍。Typeless 的 AI 层会识别这些模式并自动处理： 删除填充词（“嗯"“啊"等） 识别自我纠正，只保留最终表达 合并重复意思 实际效果：口述出来的东西，基本上不需要再做语言层面的清理，只需要补充内容和调整结构。 智能格式化：自动识别结构 这个功能让我最惊喜。 我口述的时候会说"有三点，第一点是……第二点是……第三点是……"，Typeless 会自动把这段话整理成带编号的列表，而不是一段连续的文字。 同样，说"首先……然后……最后……"，输出是有顺序标记的步骤列表；说"重点是……"，它会用加粗或独立段落突出显示。 这个功能特别适合： 口述会议记录（自动整理行动项） 起草文档大纲（说出结构，自动变成层级列表） 写邮件（自动识别正文段落和要点列表） 上下文感知：根据应用调整风格 Typeless 会检测当前激活的应用，并调整输出语气。 在 Slack 里，同样一句话会用更口语化的表达；在 Word 或 Outlook 里，会更正式；在 VS Code 里，会注意代码相关的格式（比如变量名不会被"纠正"成中文）。 这不需要手动设置，自动识别。对于我这种一天要在十几个应用之间切换的人来说省了很多麻烦。 隐私设计：录音不上云 很多人对语音输入有一个合理的顾虑：我说的话是不是被录下来上传到服务器了？ Typeless 的设计是：音频处理在本地完成，不上传原始录音，历史记录只存在本地设备上，不用于模型训练。 这和大部分云端语音 API（比如某些输入法的云识别）不同。后者要把录音发到服务器识别，Typeless 的隐私边界更清晰。 对于涉及商业信息、客户数据、个人隐私内容的场景，这一点很重要。 个性化学习：越用越准 Typeless 有两种方式学习你的表达习惯： ...

OpenClaw 默认配置跑一段时间会遇到两个问题：额度消耗太快、长会话超时崩溃。这篇文章记录我实际调优的 8 个参数，以及背后的原因。 先说清楚架构 我用的组合： GitHub Copilot Pro+：月付 $19，提供 1500 次/月的 premium request 额度 Claude Opus 4.6：通过 Copilot 的模型路由访问，模型 ID github-copilot/claude-opus-4.6 OpenClaw：负责 Telegram 交互、Skill 调用、定时任务 额度计算逻辑：每次 AI 助手回复 = 1 次 premium request（包括 tool call 后的回复）。1500 次听起来很多，但没优化的话很快就不够用。 8 项标准优化 1. 模型只保留 Copilot，清空 fallbacks 问题：默认配置有多个 model provider 做 fallback，一旦主模型超时，会依次尝试所有 fallback，每次尝试都消耗额度。 优化： { "agents": { "defaults": { "model": { "primary": "github-copilot/claude-opus-4.6", "fallbacks": [] } } } } fallbacks 清空后，失败直接报错，不会触发 2-3 次无效重试。每月节省约 50 次。 ...

Xray 的 VLESS+XTLS-Reality 是目前公认抗封锁能力最强的协议组合。它的核心原理是流量伪装成正常的 TLS 握手，让 GFW 难以通过特征识别判断是代理流量。 这篇文章从零开始，完整部署一套可用的配置。 前置准备 一台海外 VPS（推荐 DMIT 香港或美国节点，线路质量好） VPS 系统：Ubuntu 22.04+ 本地客户端：mihomo（原 Clash Meta） 服务端部署 安装 Xray bash -c "$(curl -L https://github.com/XTLS/Xray-install/raw/main/install-release.sh)" @ install 生成 XTLS-Reality 所需密钥 xray x25519 输出类似： Private key: 你的私钥（保存好） Public key: 你的公钥（填入客户端配置） 再生成 UUID： xray uuid 服务端配置文件 /usr/local/etc/xray/config.json： { "inbounds": [ { "port": 443, "protocol": "vless", "settings": { "clients": [ { "id": "你的UUID", "flow": "xtls-rprx-vision" } ], "decryption": "none" }, "streamSettings": { "network": "tcp", "security": "reality", "realitySettings": { "show": false, "dest": "www.apple.com:443", "xver": 0, "serverNames": ["www.apple.com"], "privateKey": "你的私钥", "shortIds": [""] } }, "sniffing": { "enabled": true, "destOverride": ["http", "tls", "quic"] } } ], "outbounds": [ {"protocol": "freedom", "tag": "direct"}, {"protocol": "blackhole", "tag": "block"} ] } 关键参数说明： ...

买了 VPS、写了量化策略代码，但怎么让它"自动跑起来"并且"随时告诉你发生了什么"？这是大部分人卡住的地方。 我用 OpenClaw 解决了这个问题。 OpenClaw 是什么 简单说：一个让 AI 助手能调用各种工具的框架。 它的核心能力是： 提供 CLI 工具（openclaw message send），可以从任何脚本里发 Telegram/Discord 消息 有 Skill 系统，可以给 AI 挂载各种能力（GitHub、Notion、天气、自定义脚本） 支持 cron 定时任务和远程触发 对量化来说，最有用的就是消息推送这一块。 我的量化信号推送架构 cron（每30分钟） ↓ signal_monitor.py（拉数据 → 计算信号 → 对比上次状态） ↓ 有新信号？ ├── 是 → generate_report.py（生成 PDF） │ ↓ │ openclaw message send（发 Telegram） │ ├── 群组（@ 信号通知） │ └── 私信（附 PDF + 耗时统计） └── 否 → openclaw message send（私信巡检报告） 跑在局域网的 Linux 机器上，24 小时不间断。 ...

量化策略开发有个高门槛：你得懂交易逻辑，还得会写代码。Claude 把这个门槛降低了一半——你只需要懂交易逻辑，代码的部分可以让它来。 这篇文章记录我用 Claude 从零开始写一个完整量化信号系统的过程。 我的策略背景 我跑的是突破类趋势策略，核心逻辑是唐奇安通道（Donchian Channel）： 当价格突破过去 N 根 K 线的最高价 → 买入 当价格跌破过去 M 根 K 线的最低价 → 卖出 听起来简单，但要做成能在 8 个品种、3 个时间周期上自动跑的系统，并且每半小时推送信号到 Telegram，需要不少工程量。 第一步：跟 Claude 描述策略逻辑 我的输入很简单： “帮我写一个 Python 脚本，用 yfinance 拉 BTC 的 1 小时 K 线，实现唐奇安通道突破策略：价格突破过去 20 根最高价买入，跌破过去 10 根最低价卖出。每次信号变化时通过 openclaw 发 Telegram 消息。” Claude 给出的初版代码覆盖了： yfinance 数据拉取 信号计算逻辑 状态持久化（避免重复推送） openclaw CLI 调用发送消息 这一步花了约 10 分钟。 ...

IP 被封是代理节点的常见问题，处理过很多次了，这篇文章写下完整的应对流程。 第一步：确认是 IP 被封还是其他问题 连不上节点时，先排除非封锁原因： # 从国内测试 IP 连通性（用手机热点，排除本地网络问题） ping 你的VPS_IP # 测试端口是否通 nc -z -w5 你的VPS_IP 443 && echo "open" || echo "blocked" 常见混淆情况： 现象 可能原因 ping 不通，但 SSH 能连 协议被识别，端口被封 SSH 也连不上 IP 被完全封锁，或 VPS 宕机 能 ping 通，但连接慢 线路拥塞，不是封锁 只有晚高峰断 QoS 限速，不是封锁 验证 IP 是否被墙的最快方法：用国内网络和海外网络分别 ping，海外能 ping 国内不行 = 被墙。 在线工具：ping.pe，输入 IP 从多个国家测试连通性。 第二步：应急切换 如果有备用节点 这是最重要的一课：永远不要只有一个节点。 我的 mihomo 配置了自动故障切换： proxy-groups: - name: "自动选择" type: fallback # 有节点挂了自动切换 url: http://www.gstatic.com/generate_204 interval: 30 proxies: - DMIT-HK - DMIT-US - 腾讯云-JP 主节点被封后 30 秒内自动切到备用，用户无感知。 ...

如果你用过 Claude Code，OpenClaw 可以理解成它的"异步版本"——Claude Code 适合你坐在电脑前交互式干活，OpenClaw 适合让 AI 在后台持续帮你做事，即使你不在电脑旁。 OpenClaw 的核心定位 一句话：让 AI 助手能访问和操作外部工具，并通过 Telegram 等渠道跟你交互。 它解决的问题： AI 模型本身无法主动触达你（你要开口问，它才回答） AI 模型没有持久状态（每次对话从头开始） AI 模型无法直接操作外部系统（GitHub、Notion、服务器） OpenClaw 通过 Skill 系统 解决这三个问题。 Skill 系统 Skill 是 OpenClaw 的核心概念：一个 Skill 就是给 AI 挂载一个工具。 已有的 Skill 举例： Skill 功能 github 读写 Issue、PR、Actions obsidian 读写 Obsidian 笔记库 weather 查询天气（open-meteo） notion Notion 页面/数据库操作 healthcheck 系统安全巡检 skill-creator 创建自定义 Skill 安装一个 Skill： ...

选 VPS 踩过不少坑，这篇文章分享我真实用过的几家服务商，直接说结论，不绕弯子。 选 VPS 的核心指标 魔法上网用的 VPS 和普通建站用的不一样，核心看三点： 延迟：对国内的 ping 值，越低越好 稳定性：IP 是否容易被封，线路是否抖动 出口质量：CN2 GIA > 普通 BGP，直连 > 中转 DMIT：目前我的主力 我在用 DMIT 的香港和美国节点，用了快一年，总体满意。 优点： 香港节点延迟极低（广州 ping 通常 20-40ms） 线路质量好，原生 IP，流媒体解锁能力强 支持 Hysteria2，UDP 加速效果明显 缺点： 价格偏高，香港基础款月费不便宜 有时候购买页面需要耐心等库存 **适合：**对延迟敏感、对稳定性要求高的用户。 腾讯云国际版：日本节点备用 我的 aws-jp 之外还有一台腾讯云日本节点作备用。 优点： 和国内腾讯骨干网打通，日本节点延迟不错 有时候有大促，价格很便宜 缺点： IP 被封的概率比 DMIT 高 客服支持较弱 AWS：量化专用，不推荐用来魔法上网 我的量化策略跑在 AWS，它的网络稳定性很好，但： IP 段太知名，容易被识别和封锁 价格贵 不适合魔法上网，适合对接 API 的后台服务 住宅 IP：IPRoyal 做一些需要住宅 IP 的任务（比如注册账号、访问某些限制严格的网站），推荐 IPRoyal。 ...