20 分钟精通 DEX Screener,小白秒变老鸟,超越 90% 的币圈新人

链捕手Опубликовано 2024-08-08Обновлено 2024-08-08

作者:0xNobler

编译:硬核君

 

除了最简单的看线,99.9% 的人使用 DEX Screener 的方式都是错误的。 实际上它是全面且非常强大的完美工具平台,太多太多的宝藏功能未被发现。 使用它能领先于其他人发现 100 倍宝石,你只需要学习如何正确使用它。

1/ 开始扫描新列表

新组LP对是研究的完美起点。

点击“New Pairs”并设置 12H/24H 以查看新的和相对成熟的代币;

 还可以设置较小的时间范围(1 小时/6 小时),检查最新的LP对,但通常有很多rugs,其中大多数不值得花时间研究。

2/ 生成特别的筛选器

要找到最有机会的宝石,要使用正确的筛选器。这是我当前使用的设置:

最小流动性池子:10K

MCap/FDV:20K 

组建时间:12小时-48小时 

24小时交易量:30K

3/ 进行链上分析

从DEX Screener中找到并复制代币的合约地址;

使用@solanasniffer@Rugcheckxyz ,检查合同并确保其相对安全。 (这里举例的是 #solana 链,#ETH 也需要找对应的智能合约安全嗅探网址,谷歌即可) 根据你使用的筛选器,可能无法确定代币是安全的,因为新代币可能没有锁定/销毁流动性,大部分供应可能仍由多个钱包等持有。 但是,仍然可以检查其他明显的危险信号,例如活跃的 mint 功能、可疑的部署者地址等。

4/检查代币的社交平台情况

在 DEX Screener 的代币页面上找到“社交”部分;

使用@TweetScout_io检查他们的 Twitter/X 页面,看看是否可以发现任何KOL大人物关注他们(其他项目、影响者或风险投资家);

检查其他社交,并查看代币是否有一个活跃的社区。 如果他们的社交活跃且社区积极参与社交活动(内测、表情包竞赛、赠品等),这是一个好兆头。

5/保存好找到的令牌

很少会立即找到最好回报的代币,这时观察列表功能就派上用场了。 

将已经研究过的代币添加到观察列表中,以保存它们;

为不同类型的币种创建多个列表; 

前往dexscreener.com/watchlist检查并修改您的整个监视列表。您还可以直接从那里添加令牌。 DEX Screener 允许玩家在不创建帐户的情况下使用监视列表,但强烈建议登录并保存你的监视列表,以防你想在其他设备上同步和检查它。

6/ 配置价格预警

正在寻找好的买入时机吗?已经蠢蠢欲动并想以一定的价格获利了结? DEX Screener 具有内置且易于使用的价格提醒。 

可以设置不同类型的价格提醒并编写附加注释;

一旦通知达到其目的,不要忘记编辑或删除通知,你也不想一直分心。

7/ 同时追踪多个代币

DEX Screener Multicharts 有助于同时关注多个代币。

单击 Multicharts 并直接从观察列表添加代币或按名称/合约搜索;

与关注列表类似,可以添加多个选项卡(类别)并调整不同的参数,例如图表间隔、可见元素等。

8/ 跟踪你的整个投资组合

可以将你的 Solana 和 EVM 钱包添加到 DEX Screener 投资组合并跟踪持有情况;

它会自动隐藏少量资产,也可以隐藏其他不想显示的代币

Похожее

Отчет по Ethereum за первый квартал 2026 года: снижение комиссий, рекордное количество пользователей и транзакций

В первом квартале 2026 года сеть Ethereum продемонстрировала парадоксальную динамику: количество активных пользователей, транзакций и пропускная способность достигли исторических максимумов, в то время как комиссии за транзакции, общая заблокированная стоимость (TVL), объем торгов и рыночная капитализация ETH снизились. Этот феномен объясняется стратегическим переходом к этапу «низких комиссий для роста масштаба» после обновления Fusaka, которое удешевило блок-пространство. Парадокс Джевонса проявляется в том, что снижение стоимости использования высвобождает новый спрос. Ключевой тренд — смещение нарратива от DeFi-платформы к глобальному расчетному слою для институциональных финансов. Ethereum сохраняет доминирующую позицию в сегментах стейблкоинов (61,8% среди топ-5 сетей), токенизированных фондов (73%) и товаров (84%), привлекающих таких гигантов, как BlackRock и JPMorgan. Инвестиции в масштабирование и снижение комиссий нацелены на укрепление сетевых эффектов и долгосрочную ценность ETH как базового актива для расчетов в цифровой экономике.

marsbit1 ч. назад

Отчет по Ethereum за первый квартал 2026 года: снижение комиссий, рекордное количество пользователей и транзакций

marsbit1 ч. назад

Первое подкаст-интервью CEO Intel: наша цель — "10x за 5-10 лет", ставка на передовую упаковку, стеклянные подложки и искусственный алмаз

Интелл CEO Чэнь Лиу впервые выступил в подкасте, поставив цель увеличить доходность компании в 10 раз за 5-10 лет. Основные стратегические направления включают инвестиции в передовые технологии упаковки (EMIB), стеклянные подложки и новые материалы, такие как нитрид галлия (GaN), карбид кремния (SiC), фосфид индия (InP) и синтетические алмазы, для преодоления физических ограничений традиционного масштабирования процессоров. Он отметил, что всплеск спроса на ИИ-агентов и задачи логического вывода увеличил значимость CPU, изменив соотношение CPU/GPU в серверах с 1:8 до 1:4 и ниже. Лиу подчеркнул важность восстановления баланса, фокуса на продуктах и клиентах, а также стратегической ценности внутреннего американского производства для безопасности цепочек поставок. Ключевыми показателями для фаундри-бизнеса названы выход годных изделий и время цикла. Совместный проект с Илоном Маском Terafab направлен на решение проблемы отставания инфраструктуры полупроводников от роста потребностей ИИ. Лиу считает, что истинный потенциал Intel, выходящий за рамки традиционного рынка ПК, начнет реализовываться в период 2030-2032 годов в таких областях, как периферийные вычисления, физический ИИ и ИИ-агенты, благодаря интеграции технологий XPU, передовой упаковки и фаундри-услуг.

marsbit1 ч. назад

Первое подкаст-интервью CEO Intel: наша цель — "10x за 5-10 лет", ставка на передовую упаковку, стеклянные подложки и искусственный алмаз

marsbit1 ч. назад

Только что привлек $2,7 миллиарда, и Ли Фэйфэй тоже вложила деньги

В венчурном рынке «мировые модели» стали горячей темой, но Пит Флоренс, сооснователь и бывший ведущий исследователь Google DeepMind, публично отверг этот ярлык для своей компании Generalist AI. Несмотря на то, что он был ключевым разработчиком архитектуры VLA, лежащей в основе многих современных «мировых моделей», Флоренс считает, что акцент должен делаться на конкретных целях, а не на модных терминах. Его цель — создать роботов, способных с высокой надежностью выполнять самые разные задачи без специального обучения для каждой. Недавно Generalist AI привлекла $4 млрд в ходе раунда финансирования при оценке в $20 млрд. Среди инвесторов — NVentures (Nvidia), Bezos Expeditions, фонд NFDG, сооснователь Xiaomi Линь Бинь, основатель Zoom Эрик Юань и известный ученый в области ИИ Ли Фэйфэй. Подход Флоренса сформировался под влиянием его научного руководителя в MIT, Рус Тедрейка, который делал акцент на понимании физики. В Generalist AI этот подход выражается в последовательной разработке моделей, нацеленных на практическую полезность. Их первая модель, GEN-0, продемонстрировала, что законы масштабирования, как у больших языковых моделей, применимы и к физическим действиям. В апреле 2026 года была представлена GEN-1, обученная на более чем 50 тысячах часов данных, собранных с помощью специальных перчаток. Она достигает 99% успеха в таких задачах, как складывание коробок, и работает в три раза быстрее предыдущей версии. Флоренс считает, что производительность GEN-1 приближается к переломному моменту, необходимому для коммерческого развертывания. Финансирование, полученное после ее демонстрации, подтверждает веру инвесторов в его целеориентированный подход к созданию универсальных роботов, которые могут изменить экономику физического труда.

marsbit1 ч. назад

Только что привлек $2,7 миллиарда, и Ли Фэйфэй тоже вложила деньги

marsbit1 ч. назад

За три дня потеряли двух легенд: дамба AI-талантов Google трещит по швам?

За последние три дня Google потеряла двух ведущих специалистов по ИИ: Ноама Шазера, одного из авторов архитектуры Transformer, присоединившегося к OpenAI, и Джона Джампера, руководителя проекта AlphaFold и нобелевского лауреата, перешедшего в Anthropic. Эти события не являются изолированными случаями — они отражают устойчивую тенденцию оттока ключевых талантов из Google в сторону OpenAI и Anthropic. Основная причина — фундаментальное несоответствие миссий. Коммерческие цели Google, ориентированные на рекламный бизнес, ограничивают фундаментальные исследования, в то время как OpenAI и Anthropic предлагают фокус на развитии ИИ и безопасности. Кроме того, перспектива скорого IPO OpenAI и Anthropic сулит сотрудникам значительный финансовый рост, чего не может предложить зрелый гигант вроде Google. Слияние Google Brain и DeepMind в 2023 году, предназначенное для консолидации усилий, на практике усилило внутренние трения между исследовательской и продуктовой культурами, увеличив давление коммерциализации на науку. Этот структурный отток талантов перекраивает ландшафт индустрии. Несмотря на сохраняющиеся преимущества в вычислительных ресурсах и данных, Google рискует проиграть в гонке, где ключевым активом являются люди, продвигающие технологические границы. Способность удерживать этих людей становится для компании самой сложной задачей.

marsbit3 ч. назад

За три дня потеряли двух легенд: дамба AI-талантов Google трещит по швам?

marsbit3 ч. назад

За оценками ИИ скрывается китайский «составитель тестов»

За кулисами результатов ведущих ИИ-моделей, таких как GPT и Gemini, часто стоит один и тот же «составитель заданий» — китайский исследователь Чэнь Вэньху. Будучи доцентом Университета Ватерлоо и основателем лаборатории TIGERLab, он разработал ключевые оценочные эталоны MMLU-Pro, MMMU и MMMU-Pro, которые стали общим языком для сравнения способностей моделей. Чэнь Вэньху сосредоточился на создании более сложных и устойчивых тестов, когда предыдущие эталоны, такие как MMLU, перестали эффективно различать передовые модели, достигшие почти идеальных результатов. MMLU-Pro, с его 12032 вопросами, расширенными вариантами ответов и акцентом на рассуждения, снизил точность моделей на 16–33% и уменьшил зависимость от угадывания. MMMU и MMMU-Pro, в свою очередь, оценивают мультимодальное понимание, требуя от моделей анализа изображений, таблиц, схем и текста в контексте профессиональных знаний, что выявило значительные ограничения даже у самых мощных моделей. Исследования Чэнь Вэньху в области сложных вопросно-ответных систем и его опыт работы в Google DeepMind над Gemini позволили ему глубоко понять слабые места в оценке ИИ. Его лаборатория также занимается разработкой моделей, таких как UniVideo и Vamba, что помогает создавать более точные и релевантные тесты. Сегодня, работая в лаборатории суперинтеллекта Meta, Чэнь Вэньху продолжает влиять на развитие ИИ через улучшение данных для предобучения и систем оценки, оставаясь ключевой, но менее заметной фигурой в этой быстроразвивающейся области.

marsbit3 ч. назад

За оценками ИИ скрывается китайский «составитель тестов»

marsbit3 ч. назад

Торговля

Спот
Фьючерсы
活动图片