Cyclop:如何在高频回调中找到“最佳入场点”

Odaily星球日报發佈於 2025-03-04更新於 2025-03-04

文章摘要

“如果你已经没有稳定币了,不要坐以待毙,可以通过找一份Web3工作赚取额外的资金。”

原文作者:Cyclop(@nobrainflip

编译:Asher(@Asher_ 0210 

编者按:你经常会看到市场 FOMO 阶段赚大钱的个例,但真正的财富(我是说那些 100 倍的机会),是在市场调整期积累的。人们常说“逢低买入”(甚至是特朗普次子 Eric Trump),却很少深入探讨如何真正把握机会,到底多低时买多少。这篇指南希望可以帮助你在回调中找到“最佳入场点”。

Cyclop:如何在高频回调中找到“最佳入场点”

目前,我认为市场当前大概处于“愤怒/沮丧”的阶段,正是在这样的时刻,很多人会成为百万富翁。

许多人现在都会听到“逢低买入”的声音,但很少有人真正解释这意味着什么或如何操作。

Cyclop:如何在高频回调中找到“最佳入场点”

首先,“逢低买入”究竟是什么意思?

Cyclop:如何在高频回调中找到“最佳入场点”

“逢低买入”意味着在资产的阶段性最低价,甚至是绝对最低价时进行购买。但问题是没人能够准确预测最低价格。尽管如此,通过采用正确的策略,你可以接近这一最低点,从而优化投资机会。

下面,让我们来分解“逢低买入”的具体操作步骤,具体可分为三个部分:

  • “何时购买”:市场周期分为两个阶段:购买阶段和调整阶段。在购买阶段,我们的目标是建立仓位,而在调整阶段,我们则卖出获利。购买阶段通常持续约 14 个月,其中充满了修正和盘整,而调整阶段则是快速上涨阶段,持续约 4 个月,标志着市场高峰;

Cyclop:如何在高频回调中找到“最佳入场点”

  • “购买什么”:取决于你的风险/回报比、投资额度和承受压力的能力。如果你是长期投资者,BTC、ETH 和 SOL 就足够了,但如果你希望获得更高回报,你需要寻找那些被低估的山寨币。尽管许多人不再相信“山寨币季节”,但我们仍然会看到热门板块的山寨季。这次,不是所有山寨币都会无差别上涨,而是需要选择那些处于价格发现阶段且符合新叙事的项目;

  • “如何购买”:许多人认为买入很简单,似乎只需点击一次即可完成交易。但正因如此,人们往往错过真正的逢低买入机会。实际上,买入远比看起来复杂,关键在于降低平均购买成本。最有效的方法是采用成本平均法(DCA),即分批买入,而不是一次性投入全部资金。比如,如果计划投资 1 万美元购买 BTC,可以将资金分为四个部分,每当 BTC 下跌 5-7% 时进行买入:第一次投入 4000 美元,第二到第四次分别投入 2000 美元。通过这种方式,就能在市场波动中优化买入价格,而不是被单次买入的短期波动所影响。

Cyclop:如何在高频回调中找到“最佳入场点”此外,很多人在这种调整期间犯的一个常见错误是把资金完全投入市场,没有留足够的稳定币。因此,建议在投资组合中保持 30-50% 的资金在稳定币中,它们不仅能减少投资组合的波动性,还能在市场调整时为你提供操作的空间。如果你已经没有稳定币了,不要坐以待毙,可以通过找一份 Web3 工作赚取额外的资金。在这段调整期中,你完全有机会赚到至少 1 万美元,尤其是现在 Web3 行业的工作机会很多。

如果你决定暂时不再操作,那么在市场冷淡期,提升自己的技能也是一个不错的选择。这段时间可以用来研究市场,发现新叙事和新项目,这些都将成为你在下一个周期脱颖而出的关键。

总的来说,虽然市场调整看似不利,但正是这个时期为你提供了建立仓位的机会。随着加密市场的普及,未来的潜力巨大。因此,保持专注,努力工作,并利用这个周期成为百万富翁。

你可能也喜歡

Anthropic造了套AI越狱「刑法」:你的请求,四种死法

近日,Anthropic公布了其AI安全系统Fable的详细拦截规则,并将用户请求分为四类进行管理:明确禁止的恶意行为(如勒索软件)、高风险双用途行为(如渗透测试)、低风险双用途行为(如漏洞扫描)以及理论上无害的行为(如调试代码)。然而,该系统因“宁可错杀,不可放过”的原则,导致大量正常请求被误拦截,引发了用户不满。 为更系统化地评估安全风险,Anthropic联合Glasswing联盟推出了“网络越狱严重性框架”(CJS)。该框架从能力增益、能力广度、武器化难度和可发现性四个维度对AI越狱行为进行0-10分的量化评分,并划分严重等级。CJS旨在为模型下架等决策提供“客观”依据,但其评分标准由Anthropic及其盟友主导制定,引发了对规则制定权垄断的担忧。 文章指出,此前Fable 5模型因美国出口管制政策被全球断服,标志着监管首次直接作用于模型API。如今,重新上线的模型已配备更严格的过滤系统。而更强大的Mythos模型仅对特定合作机构开放,形成了“技术分层”的管控格局。在此背景下,CJS框架也被视为递给监管者的“行刑尺”。 对于普通用户,文章建议在提示词中避免敏感词汇、注意模型降级信号,并耐心等待系统优化。最终,AI能力的边界已不纯粹是技术问题,更受到了商业策略与地缘政治规则的双重塑造。

marsbit30 分鐘前

Anthropic造了套AI越狱「刑法」:你的请求,四种死法

marsbit30 分鐘前

年入1亿美元,两个90后伯克利室友,搞出最赚钱的AI生意

一家不造AI的公司,年收入却高达1亿美元。这家公司名为Arena,前身是加州大学伯克利分校团队在2023年发起的开源研究项目Chatbot Arena。它核心的产品是一个通过用户真实盲测生成的大模型排行榜:用户输入提示词,系统随机分配两个匿名模型作答,由用户投票选择更优者。凭借海量真实数据,该榜单已成为业界公认的权威评测平台,吸引了OpenAI、谷歌、Anthropic等顶级厂商在此“打擂台”。 其商业模式在于“卖水”:为模型厂商和企业提供付费的深度评测服务,利用其庞大的用户社区对模型进行真实世界性能分析。这种服务切中了模型厂商激烈竞争、亟需优化调优的痛点。 公司由两位伯克利室友创立。CEO Anastasios Angelopoulos师从多位学术大牛,专注于对黑箱模型进行数学严谨的评估;CTO Wei-Lin Chiang是知名开源聊天机器人Vicuna的创造者。项目发展迅速,在商业化仅8个月后年化营收便达到1亿美元,并已完成高额融资,估值达17亿美元。 目前,Arena已将评测范围从简单的对话能力,扩展到智能体模式下的复杂长任务(如写代码、研究分析),用任务完成率、幻觉率等更客观的指标进行评估。在AI向智能体演进的时代,中立、可靠的评测变得愈发关键和昂贵,这正是Arena巨大价值的根基。

marsbit35 分鐘前

年入1亿美元,两个90后伯克利室友,搞出最赚钱的AI生意

marsbit35 分鐘前

狂揽2.4万星标:一行命令,AI会自己找技能了

过去,AI开发者交换的是提示词模板;如今,风向转变为互相推荐可安装的“技能”(skill)。Vercel推出的Skills项目,正致力于成为AI智能体的“npm”包管理器。通过一行命令(如 `npx skills add <package>`),开发者可以为Claude Code、Cursor等多种AI工具快速安装能力包,涵盖代码规范、设计准则等,实现能力的即装即用和跨工具共享。 该项目上线五个月便在GitHub获得2.4万星标,并配套上线了技能目录网站skills.sh,设有安装量排行榜。其中,“find-skills”技能尤为突出,安装量超230万次,它能让AI根据用户需求自动搜索、筛选并安装合适的技能,相当于为AI提供了“能力搜索引擎”。 这标志着AI编程正从“提示词工程”迈向“能力工程”,将零散经验封装为可复用、可版本管理的模块。Vercel此举意在复制其通过Next.js卡位前端生态的成功经验,在AI智能体工具层建立新入口。 然而,热潮背后存在安全隐患。安全审计发现,技能包中约有13.4%存在严重安全缺陷,可能携带恶意脚本、进行提示词注入或窃取密钥。与传统的npm包不同,技能包融合了提示词、代码和执行权限,风险直接触及本地系统和敏感数据。因此,用户需要像对待代码一样谨慎选择技能,仔细审查来源和所需权限。 Vercel创始人Guillermo Rauch的长期目标,正是将复杂工程简化为“一行命令”的极致体验。从Now、Next.js到如今的Skills,这一理念正被应用于AI领域,在带来便利的同时,也要求开发者带着判断力进场,共同迎接AI能力“npm化”的机遇与挑战。

marsbit36 分鐘前

狂揽2.4万星标:一行命令,AI会自己找技能了

marsbit36 分鐘前

Claude工程师终于交出Fable 5焚诀,教你打破和模型之间的信息差

Claude Fable 5模型发布后经历波折,最终回归生产力工具。Claude工程师Thariq Shihipar指出,用户与模型间存在“信息差”(即提示词、技能与真实任务需求间的差距),这常导致输出不如预期。他将此差距称为“未知项”,并强调与Fable协作的核心是迭代地发现和澄清这些未知项。 Thariq将未知项分为四类:已知的已知(明确提出的需求)、已知的未知(自知未明的部分)、未知的已知(未言明的隐含知识)和未知的未知(完全未意识到的部分)。提升AI编程效率的关键在于减少未知项,并主动规划。 他提供了一套贯穿工作流的方法: 1. **实现前**:通过“盲点扫描”让AI帮你发现认知盲区;进行“头脑风暴与原型”快速验证想法;通过“反问”让AI提问以澄清歧义;提供“参考资料”(如代码、设计)辅助沟通;制定“实现计划”并优先审阅易变部分。 2. **实现中**:要求AI维护“实现笔记”,记录临时决策与偏差原因。 3. **实现后**:创建“推介与解释文档”便于团队评审和获批;通过“测验”确保自己理解AI所做的全部变更。 文章以Fable发布视频的制作为例,展示了如何串联这些方法,在陌生领域(视频剪辑与调色)逐步发现未知项并完成任务。总结认为,模型能力越强,用户越需通过系统方法定义未知项,从而让“地图”(计划)匹配“疆域”(现实),高效达成目标。

marsbit40 分鐘前

Claude工程师终于交出Fable 5焚诀,教你打破和模型之间的信息差

marsbit40 分鐘前

交易

現貨
活动图片