OpenAI 联合创始人、上月加盟 Anthropic 的 Andrej Karpathy 也对 Anthropic 全新发布的 Fable 5 大模型给予高度评价。Karpathy 指出，Fable 5 代表了一次具备版本跨代意义的性能跃迁，特别擅长处理长链路的复杂调试任务。他表示，在面对宏大开发目标时，新模型能够迅速领会意图并自主推进，甚至让人首次产生想要完全不看代码的强烈冲动，但 Karpathy 警告切勿在生产环境中这样做。 Karpathy 强调，当可用软件能够像自来水般源源不断地产出时，软件领域的杰文斯悖论 (Jevons paradox) 将被触发，开发者的需求将呈指数级增长。杰文斯悖论的触发将促使人们去创造大量超特异性 (hyper-specific) 的单次使用工具与海量测试集。不过 Karpathy 也指出，发布初期的安全防护机制配置依然过于敏感，有待后续优化。 8 个帖子 - 8 位参与者 阅读完整话题
话说没有到达等级二是看不见 https://connect.linux.do/ 的内容吗。那平常的时候应该怎么去看自己达到了哪些条件呢。 4 个帖子 - 3 位参与者 阅读完整话题
0人想用好吧 每次打开codex都推你那比插件 11 个帖子 - 8 位参与者 阅读完整话题
我突然有个想法 如果账号开了2FA会不会就不跳二验了？（因为我现在的账号还都正常，没遇到二验） 我本人有一个谷歌登录的gpt账号，用了一两年了，开的有两步登录验证码，有没有类似情况遇到二验的？ 还有两个新开的土区plus账号，唉，不知道这个月中旬过期后还能不能用 今天下午看到佬友们都说二验的问题，感觉心情很沉重 ，之前觉得花20美元就能体验到世界上最顶级的模型之一是资本家们对于普通人做的为数不多的好事儿了，不理解为什么OpenAI还要这样做，虽然我的俩土区确实是走便宜路径了，但两年前一直都是每个月雷打不动的20美元礼品卡充美区买的gpt，这动不动要二验感觉自己再也当不了天才程序员了， ，国产能比得上的套餐有推荐吗各位佬友，留个备用路线，万一真的遇到拉闸了 ，或者继续折腾apple id，然后还走土区，这次在搞一下esim的那个什么giff，想想就嫌麻烦，眉头紧皱，之前折腾两个土区已经很费神费力（被踢到国区又从国区转到土区），佬友们有没有类似的心路历程，想跟佬友们探讨一下 14 个帖子 - 9 位参与者 阅读完整话题
今天刚刚加入的大家庭，没想到申请自述有自述上限，提前写的5k字的小作文被迫删了好多才能提交。于是发了新人报道帖子后佬友建议我单独开贴发一下，那既然写都写了就发出来吧，不知道有没有佬友愿意看。文笔不好，就是想到啥写啥，主打真诚，也可能有很多错别字或者语序不畅还请见谅。有什么想问的也欢迎来询问一起侃大山哈。 正文： 已经看了很久很久的L站了，第一次接触到L站的时候还是因为GPT，发现原来有这样的一个充满了讨论AI的地方。很早就听说想要加入这个大家庭是需要写小作文的，想了想自己的经历还是有很多值得写的。首先我是一名物联网工程专业的大四学生，即将毕业，现在马上也实习转正了，在做嵌入式开发，主要做ROS，边缘计算。从小说起吧，因为我父亲就是计算机专业的，后来也成为了计算机的老师，在这样的影响下我很小的时候就接触了电脑，那时候甚至还不认识字，都是在母亲给我读屏幕上的汉字，告诉我哪些键是控制什么的，然后我操作电脑玩游戏，到了小学二年级，当时特别流行CF嘛，然后刚好又是为数不多家里有电脑的（它的CPU我到现在还保存着，奔腾4，好像是单核双线程），自然而然也开始打游戏，那时候安装一个游戏其实还有很多很多问题，中病毒什么的都是小事，电脑因为内存条等问题开不了机，缺少dll等等各种问题都必须要解决，为了玩个游戏也是煞费苦心。也算是为后续的折腾开始买下伏笔了吧。还记得当时还没有净网行动，互联网属于是啥都能百度搜到，乱七八糟的片和音乐，但这些其实也完全没有让从小接触的我产生什么扭曲的三观。我自始至终都知道什么是对什么是网上冲浪。回想起来，那时候虽然天天被家长说总是在玩电脑（虽然我真的很喜欢打游戏，但他们根本不知道我很多时候也是折腾中学习），我总觉得那些蓝屏和报错代码真的很有意思，把坏电脑搞好之后的成就感，每次解决一个困扰很久的问题不知道有多爽。之后一直到六年级这段时间，虽然说自己是个小学生，但是在网上冲浪这件事情上可能早就是个网虫了吧哈哈哈。在这期间我也折腾过太多了事情了，给小学学校电脑重装系统（那时候用的还是ghost，我到现在也一直用这个为自己的网名，一个是当时喜欢那家公司的logo，一个是因为使命召唤里的Ghost哈哈哈），还有熟悉的大白菜，老毛桃。那时候还特地翻出来我父亲很久之前的电脑，然后折腾了一晚上，就为了朝圣看看windows95-98都长什么样子，怎么用的，为了装这些，当时用的还是我父亲遗留的那种很早很早的启动盘（真光盘启动盘），最后的结果是windows95因为电脑硬件还是太新，报错完全不行。小学六年级左右，那时候只有手机又喜欢折腾，然后就开始搞机，那时候我还不知道酷安，是后来才去酷安上学习的，那时候纯靠着小米社区，一点点root手机（虽然在安卓4时代仅凭商店的root大师就能拿到吧，但后来显然没那么简单了），手机变砖又救砖。拿到root权限的那一刻是那样的高兴（其实那时候root都不是为了删广告，当时也没有那么多广告，当时是为了能够让ps3的手柄连到手机玩ppspp）。感觉自己就像是拿到了通往手机新世界大门的钥匙。那时候为了看懂一个搞机教程要在各大论坛翻上几十页的帖子、甚至熬到后半夜，也从来没觉得累过，满脑子都是搞定它之后的爽快，虽然现在也不爱搞机了，主要在讨生活了。但那些乐趣真的是太怀念了。由此可见我也是一名很喜欢游戏的折腾玩家，那时候玩什么游戏，混迹3DM，游侠网，下盗版游戏的经验都手拿把掐，后来15年玩steam，那时候没有微信支付，求爷爷告奶奶的拿妈妈的银行卡充值就为了买正版的GTA5.六年级的时候也没什么钱，就开始寻思自己搞钱，然后就用手机上有个触手TV，开始直播打游戏，打自由之战，打了一个暑假挣了一笔小钱，然后买了人生中的第一个游戏机xbox360，之前都是在小店里面打ps2的。折腾之路也是在这里延续的，我记得买的是E版，然后系统什么的是原版破解的，后来就跟着网上一点点研究，自己重新"破解"，刷第三方那个特别好看的系统，当时就为了能给个别游戏打MOD，就一点点从PC和电视靠一个U盘来回来去的跑。后来初中还买了psv，ps3，ps4。印象最深的是折腾psv，那个是真的纯手搓破解，靠那个浏览器BUG的网页，然后刷入当时的变革7，那时候的PSV破解完了还能联网和正版联机哈哈哈，虽然没两天就ban了，但乐趣真的是无穷了。初中的时候还萌生了那种"无聊的黑客梦"，开始在网上千方百计的收藏病毒，就放在自己的u盘里，什么卢本伟病毒、彩虹猫，然后自己玩病毒大战，玩的差不多就重装一个系统然后接着玩，甚至不爱用虚拟机，就直接享受"破坏"的感觉哈哈哈（这时期的电脑CPU我也还留着，仍然是奔腾，但这次是G620了，双核双线程，这台电脑破坏之前也是陪伴了我很久很久的一台电脑，是清华同方的一个一体机，纯纯就是坑爹的，里面实际上就是笔记本，散热拉胯，DDR3 2Gx2 1333 然后那个AMD的显卡，好像是HD5450还是什么的，1G显存，反正是你们在显卡天梯图上一直翻到最后AMD倒数第二的那个垃圾玩意，现在天梯图里还有没有我不知道了。当时15年GTA5登录PC，所有人都跟我说这台电脑玩不了，我不信邪，最后硬顶着低帧率玩的不亦乐乎，每次飞飞机我远处的贴图就全是白色的马赛克，我也不知道是爆显存还是刷不出来）。高中时期的折腾就很少了，受限于种种原因吧。到了高考完，买了真正属于自己的电脑，折腾之路就继续延续，对于之前只能在虚拟机里用linux的我，有了自己的电脑之后就开始物理机折腾，直到现在我的电脑里还是同时有3个系统，这个折腾之路我就分享一个我自己最喜欢的，就是我电脑是ax201的驱动问题，当时我是一个Ubuntu，一个kali，ubuntu是想取代windows，因为我很早就对windows十分有意见了。重点是kali，当时就确实很喜欢黑客技术，然后就开始研究，结果遇到的第一个问题就是，我的ax201的驱动死活打不上，甚至我还去闲鱼上找人帮忙解决，一个个说自己linux运维大佬，收费帮忙解决，结果一个也没有解决。最后的最后，我回归初心，linux，一切皆文件，我就把ubuntu下的驱动文件夹，整个直接cp到kali里面了，什么也没管，直接cp，反正都是Debian，而且我的硬件都一模一样，神奇的事情发生了，就这样成功了，解决了困然许久的问题。开始学习kali的第一步就是破解自己家里的WIFI，那个叫Aircrack-ng的工具，虽然过去很久但我印象还是很深。强制踢别人断开wifi连接然后触发自动重连然后抓包，抓到之后再跑字典，那时候字典还是自己拿python生成的。说起python，我们高中的时候合格考里面就要考python，这个也是我真正系统学习的第一个语言吧（除非初中的时候看汇编的教学视频也算的话哈哈哈），那时候老师强制要求用IDLE写，别说有多痛苦了，我作为课代表每天就是在帮其他学生找谁打成中文字符等问题了哈哈哈。到了大学，kali又发挥技术了，我们校园网流量要重置，但是老师的没有限制，已知密码是身份证后六位，老师的账户在上课登录的时候暴露了出来，已知老师是女的。那么社工+字典，起飞！Burp Suite启动！虽然那个登录界面做了请求限制，但架不住我有耐心，就这样一直跑，上课也跑，如愿以偿的拿到了校园无限流量，不过也就是在宿舍用路由器共享给室友用，这东西也不敢拿出去，关键当时我们学习校园网吞钱，最开始室友充了10块钱，一会自己就没了，就算下载游戏也不可能那么快，还有BUG会被别人利用，直接改DHCP获取到的IP地址，把最后一位往后改一位，运气好就撞上了另一个已经登录账户的同学，然后自己的流量就被别人盗刷，而且概率还不小。再往后就要进入到AI时代了，我在大学里面其实干的最多的事情就是搞钱，平时没事儿就帮同学代写作业，课设啥的，然后自己还在工作室做很多项目。其实我的专业和我所学的都很杂，算是名副其实的"杂种"哈哈，主要也是兴趣非常非常的广泛了。甚至自己对通信还有一点了解，zigbee什么的，自己也研究过RFID，自组网链路什么的。大学期间还做过上位机，C#winform开发，做了一款考试软件，也是学校的项目。还有各种机器人小车什么的。大学期间跟自己的导师学的最多的就是CV相关的了，无论是yolo还是DETR等都有研究，这些技能也帮我延伸到了工作中也有用。虽然可能每样都没有很精通，但确实是知识面广泛，我觉得这在AI时代算是优势吧，我还拥有AI暂时无法取代的就是焊接PCB等技能哈哈哈。我对于AI真的是一直是拥抱态度，从GPT3.5时代就开始接触，那时候用来写一些很敷衍的报告还是很好用的，虽然那时候还没法用来编程，但仿佛已经看到了未来，后来GPT4的时候，我就开始成为GPT会员了，一直就长期续费，到后来的GPT4o可以说是陪伴最长的模型了，速度快，质量高。也是从这个时候我与AI开始深度绑定，我接了那么多单，靠着AI大幅度的减少我的工作量，O1写代码的能力也是让我非常震撼，一个困扰了我很久的内存溢出问题，当时o1用了一会就解决了，那时候我就觉得，这就是大势所趋。后来也了解到claude，3.5sonnet也是让我的编程能力大幅度提升。我自己大号注册的claude也是那个时候被封禁的，用的还是正儿八经朋友的英国手机号，就因为当时我试了一下发现不翻墙可以直接用，结果就那么用了半个月，然后就封号了。那时候马斯克还开源了它的grok2模型，500G的权重我还下载了哈哈哈。后来grok3也是让我见识到最棒的联网搜索模型，还有gemini的多模态，从gemini3开始我也一直在用，到现在我甚至觉得gemini比GPT还通人性，而且它的flash模型还是同等速度下最优秀的模型。这半年以来，我一直都是高强度刷L站，最近一段时间甚至是一个屏幕单独是L站占据，另一个屏幕才是agent，我最喜欢的板块就是前沿快讯了，也是很希望能和大家分享一些前沿快讯，比如最近的claude有新的申诉入口，我其实有个习惯，我隔一段时间就用被封禁的账号去登录，就幻想有没有可能突然解封，结果当时我发现这里更新了，我不断的google，刷L站，发现根本没有人比我更早发现（也可能是发现了但没发帖子吧），于是当时也是很想分享给大家，但奈何还没有加入这个大家庭哈哈哈，一直到了第二天，L站就有人分享了，其实也已经是非常非常快了。现在一有什么AI相关的大事小事我都会第一时间到论坛上看看是否属实。可以说我的生活和AI已经完全无法分离了，我现在写代码基本就是CCGG，需要联网查询就grok，前端就gemini，审查就codex，干活就交给cc。不得不说写代码我感觉还得是cc，长时间工作的能力真的太喜欢了，一次恨不得能一直干2h，确认全部闭环了才结束。并且其实自己和很多佬友一样也很焦虑，我也是完全赶上了时代红利，可以不用去死记硬背那些函数用法，复杂冗长的语法，只要会写完善的提示词就能解决绝大部分问题。就可以说我虽然没有从0手搓一个大型项目，但现在利用AI真的可以拉近我与普通程序员的差距，我刚来公司就善用AI对现在机载板卡上的节点进行了全方位的重构，优化，也确确实实让公司里面的一些"守旧派"感到十分震惊了，当然我自己也是非常担心被取代，可能被取代我就去焊PCB或者测试了哈哈哈（因为现在带有实物，嵌入式，测试这件事还是不太好让AI完成）。我真的已经记不清自己上次手写代码是什么时候了，从GPT4o登场的时候我几乎就交给AI了，把一个项目拆分成无数个小模块让它分别完成然后组合起来。因此也担忧假如现在不让我用LLM了，我可能真的要重回曾经疯狂google的时候，如果再不给我网络的话，那我觉得我自己可能要对着电脑发呆一整天了哈哈哈哈。也在论坛上看到很多佬友都跟我有一样的想法，也是很想加入后和大家一起交流一下。我很想加入这个大家庭还有一个原因，我发现L站也有vps板块，自己也同样作为一个永远小鸡的折腾玩家，肯定也是希望和大家讨论小鸡相关的啦。现在也是自己搭的vps然后挂的sub2api来用，这点也算是有些经验是可以分享的了。本来说是小作文，但是写着写着发现已经4k多字了，快要赶上论文了哈哈哈哈。也是非常非常希望能够加入这个大家庭，和大家一起折腾，一起讨论，我一直也认为生命不息，折腾不止。希望能够和大家一起分享讨论一些好玩的，一起折腾，分享自己折腾的经验，当初也是靠着前人铺的路我才得以能够享受到折腾的乐趣，也是当时很多论坛上的朋友无私的基于帮助，我也希望用自己的能力把这份爱传递下去。很希望能够把自己折腾的经验或者有所涉及的领域分享给佬友们，让大家可以，少走一些弯路，毕竟在教别人的途中一是收获快乐二是也可以学到新的知识。希望能够加入大家用自己的力量传递真诚、友善、团结、专业。 20 个帖子 - 13 位参与者 阅读完整话题
兼容 OpenAI 接口协议： https://token-plan-cn.xiaomimimo.com/v1 兼容 Anthropic 接口协议： https://token-plan-cn.xiaomimimo.com/anthropic API key tp-cskrhqvvh9zpxl5jjdxcxrBannermovtv94z360iru19j5vncha5ei 去掉Banner 1 个帖子 - 1 位参与者 阅读完整话题
这两天看到论坛有很多人想自建，又考虑服务器，又考虑域名啥的。只推荐一个开源项目 node warden，解你忧愁。 这个项目是部署在 CF 大善人那里，支持常规密码服务，2FA，云备份等。 非常适合无服务器或服务器不能长期稳定运行的用户。 github.com GitHub - shuaiplus/nodewarden: Bitwarden-compatible server running on Cloudflare... Bitwarden-compatible server running on Cloudflare Workers 5 个帖子 - 3 位参与者 阅读完整话题
如题，新人小登开始大量使用中转api以后 花费越来越大，于是打算自己搭建一个中转站，企图通过开发与项目资源共享回本（不奢求赚钱了哈哈哈）。 想问一下路过的大佬，从0开始搭建中转站，建议阅读站内哪些帖子or文章？我都会一一看的 10 个帖子 - 8 位参与者 阅读完整话题
我有一点代码基础，在学校学的，现在工作了差不多一年，但是不是写代码的，而是搭comfyui工作流的，但是感觉这个搭工作流前景不是很大，给我的感觉就是一个项目换一家公司，现在想要推倒我以前的全部知识，重新系统性的学习复习。学习前后端主要是为之后转岗ai应用做基础，实在不行也可以之后搞全栈，有没有路径让我参考参考？ 3 个帖子 - 2 位参与者 阅读完整话题
很多人想学习量化，建议第 1 个步骤不是"怎么写代码"，而是—— 去哪找策略？ 我当时也一样。知道量化这个方向，也大概知道"用程序自动买卖"，但打开电脑，完全不知道从哪下手。 后来我花了几个月，试了一圈渠道，踩了不少坑，也找到了几个真正有效挖掘策略的方法。这篇文章把我的亲身经历整理出来，给同样在找策略的人参考。 为什么是"找策略"，而不是自己写？ 在讲渠道之前，先回答一个问题： 量化入门，为什么应该先找策略，而不是自己从零编写？ 我见过很多人一上来就开始"自己写策略"。他们花了两个月学 Python （ PS：现在有 AI ，学编程语言没那么难了），又花一个月研究技术指标，最后写出来一个"20 日均线金叉买入"的策略，回测一下年化 18%，心满意足。 但问题是—— 你怎么知道这是好策略，还是单纯运气好？ 没有对比基准，你根本判断不了。 自己从零写策略，有几个致命问题： 1. 容易过拟合，自己还不知道 初学者写策略，往往是盯着历史数据反复调参数，让回测结果看起来好看。这个过程叫"过拟合"——策略记住了历史，但对未来毫无预测能力。更糟糕的是，如果你没有见过足够多的策略，你根本不知道自己的策略是真有效，还是只是过拟合了。 2. 没有对标，不知道好不好 年化 20%是好是坏？要有参照物才能判断。如果你研究过几十个策略，看过它们的逻辑和指标，你才能建立起"什么是好策略"的直觉。 3. 重复造轮子，效率极低 量化领域经过几十年发展，很多经典的 Alpha 来源（价值因子、动量因子、小盘溢价等）已经被反复验证。与其从零推导，不如站在前人肩膀上—— 先理解别人的策略，学会评估、改造、融合，再逐步形成自己的思路 ，这才是高效的学习路径。 我现在的方法是 ：找到经过验证的公开策略 → 读懂它的逻辑 → 找出可以改进的地方 → 在此基础上优化。这样既能快速积累认知，也能让每一次改动都有对照基准，知道改对了还是改坏了。 先说一个坑：找策略不要只看收益率 找策略之前，得先搞清楚"好策略"的标准，否则你很容易被漂亮的数字骗到。 我最开始找策略，第一眼就看年化收益率。看到一个"年化 80%"的策略，眼睛都亮了，马上拿来用。 结果呢？跑了一段时间，策略回撤超过 40%，心态直接崩了。 后来我才明白， 收益率只是一个维度，真正要看的是三个数字的组合： 指标 含义 我的最低要求 年化收益率 平均每年赚多少 ≥ 20% 最大回撤 最惨的时候亏了多少 ≤ 30% 夏普比率 每承担 1 单位风险能赚多少 ≥ 1.0 年化 80%但回撤 50%，不如年化 25%但回撤 15%。前者你根本拿不住，人跑了策略还在涨，收益全是纸面的。 记住这三个数字，下面讲的每个渠道找到策略，都先用这三个数字过一遍。 渠道一：聚宽 这是我用得比较多的渠道，原因很简单： 有真实回测数据，有代码，还能克隆来直接跑 。 聚宽社区的文章区值得重点关注：很多作者会写策略分析文章，里面有详细的逻辑说明。光有好指标不够，你还得搞懂它 为什么赚钱 ，否则市场环境一变你不知道该不该用。 亲测经历 ：我最近在聚宽上找"首板低开"类策略，发现同一个方向有 4 个不同版本的策略，年化从 28%到 44%不等。光看数字你会直接选 44%那个，但仔细看代码发现——它根本没设手续费，实际收益可能打对折。这种坑只有看代码才能发现。 聚宽的局限 ：策略只能在聚宽平台内跑，也不能直接对接实盘。 渠道二： www.9db.com 9db( www.9db.com)其实有两个功能，我把它们放到一起说，因为用法上是配合的。 精英备选策略池 ：定期更新，收录了大量已验证的量化策略，按近 50 天收益等指标排名，比聚宽更容易做横向对比，一眼就能看出最近哪个版本更稳健。 智能体竞技场 ：不只是展示回测，而是一个 策略模拟盘/实盘竞技场 ——参赛策略每天发出真实交易信号，按实际市场行情计算收益排名。这意味着你看到的是真实市场检验的结果，含金量远高于一张回测曲线。 9db 平台目前看不到策略的源代码，但可以看到 完整的回测交割单 ——每一笔买入、卖出的时间、标的、价格都有记录。可以通过交割单分析策略的换手率、仓位、持仓周期、偏好的股票类型，甚至能推断出大概的选股逻辑。 所以我一般的用法是： 先去 9db 筛选候选策略，通过策略交割单的交易详情，收益分析，归因分析全方位了解策略，再去聚宽找同类策略的源代码和文章做印证 ，两个平台配合使用——9db 告诉你最近哪个方向值得关注，聚宽帮你搞懂具体怎么实现。 适合人群 ：两个功能适合不同阶段——还在找方向时用精英备选策略池做初筛，已有候选策略时接入竞技场做模拟盘/实盘验证。 渠道三：雪球、知乎的量化讨论区 适合干什么 ：找策略方向，不适合直接找代码 这两个平台上有不少量化从业者和爱好者在分享思路，比如"小市值策略最近还有没有效"、"首板低开策略为什么失效了"这类讨论。 我的用法 ：把这两个平台当 策略情报站 ，发现一个方向后，去聚宽找对应的具体策略实现。 雪球有个"球友讨论"功能，搜索"量化回测"能找到不少有质量的内容。知乎搜索"量化策略 聚宽"也有很多实操分享。 注意 ：这两个平台的策略分享很多没有严格回测，有人写"这个方法年化 50%"，但完全没有代码和完整回测数据支撑，要辨别清楚。 渠道四：Github 开源量化项目 适合人群 ：有一定编程基础，想接触更系统的策略框架 Github 上有一些开源量化项目，比较有名的有： AKShare + Qlib ：微软开源的量化框架，策略类型丰富 backtrader + bt ：国外主流回测框架，有不少配套策略示例 我的评价 ：这个渠道对技术要求高，策略质量参差不齐，数据对接也是个大问题。如果你刚入门，暂时不用在这里花太多时间，先把聚宽社区和 9db 的策略搞明白更实在。 渠道五：其他量化社区 代表 ：优矿（通联数据旗下）、******、果仁网等 这类平台的策略质量相对较高，有专业团队维护，但通常需要付费或申请权限。 亲测 ：优矿的策略质量还不错，逻辑清晰，有完整的因子分析流程。但平台的用户界面和文档不如聚宽友好，入门门槛高一些。 渠道六：自己从论文/报告里提炼 难度最高，但质量最可靠 学术论文里有很多经过严格验证的量化因子，比如价值因子、动量因子、低波动因子等。国内也有不少券商研究报告专门讲量化策略，比如国盛证券、东方证券的量化团队长期发布因子研究报告。 我的现状 ：这个方向我还在摸索，暂时还是以聚宽为主，后续有机会专门写一篇从报告到策略的完整流程。 拿到策略之后：3 步评估框架 找到候选策略，不要急着用。我会做 3 件事： 第 1 步：看回测指标（ 5 秒判断要不要继续看） 年化 ≥ 20%、回撤 ≤ 30%、夏普 ≥ 1.0 ，三个都满足才往下看。 第 2 步：看策略逻辑（最重要） 问自己： 这个策略为什么赚钱？它的 Alpha 是什么？ 首板低开策略：赚的是主力洗筹后的拉升利润 小市值策略：赚的是小盘股长期溢价 动量策略：赚的是趋势延续性 如果你说不清楚策略赚钱的逻辑，这个策略大概率是 过拟合 ——在历史数据上表现好，换个时间段就废了。 第 3 步：看代码细节（挤水分） 有没有设手续费 ？超短线策略不设手续费，年化容易虚高 50%以上 有没有未来数据 ？比如用了当天收盘价去判断当天是否买入，这在******里根本做不到 是不是 09:30 执行 ？开盘开盘价买入在******中有难度 仓位管理合不合理 ？有没有正确处理 T+1 、资金不足等情况 最常见的 3 个坑 坑 1：回测周期太短 很多人只看 3 年回测，觉得数据漂亮就行。但量化策略在不同的市场环境下表现差异很大——2019-2021 年牛市里很多策略都好用，放到 2016 年熔断或者 2023 年的结构性行情里，可能根本活不下去。 我的标准：至少看 10 年回测 ，涵盖牛市、熊市、震荡市三种市场环境。 坑 2：样本内和样本外不分 策略作者在研究策略时，难免会调参数来让历史回测看起来更好看——这个过程叫"样本内优化"。但如果没有拿 样本外的数据 验证，这个参数只是历史数据的最优解，未必对未来有效。 识别方法 ：看策略文章的发布时间和策略创建时间是否匹配，以及作者有没有说明策略的样本外验证情况。 坑 3：只学策略，不理解背后的市场逻辑 量化策略不是永久有效的，市场环境变了，策略也可能失效。如果你只是"复制粘贴"策略，不懂策略为什么赚钱，当它开始亏损时你根本不知道是策略失效了还是正常回撤，只会盲目地拿着或者焦虑地止损。 我目前的选策略流程（总结） 1. 去 9db 看指标筛选（年化/回撤），or 去聚宽社区用关键词搜索或看首页贴 2. 筛选：年化≥20%、回撤≤30%、夏普≥1.0 、回测周期≥10 年 3. 读策略文章，搞清楚 Alpha 来源（能说清楚才继续） 4. 看代码（充分利用好 AI ）：检查手续费、滑点、未来数据 3 个关键点 5. 找策略克隆，在聚宽平台跑回测，做样本外验证，并不断优化 6. 确认通过后，接入 9db 竞技场或模拟盘，先用小资金跑 3 个月 最后说一句 量化不是找到一个策略然后躺平收钱。 它更像是一个持续迭代的过程 ：找策略→验证→接入******→监控→发现问题→优化或替换。 我现在在做的事情就是这个：每周找一个策略或优化一个策略，按上面的流程认真评估，通过了就加入竞技场，让它在真实市场环境里接受检验。 后续我会持续更新每个策略的选择过程和模拟盘/******表现，感兴趣的可以关注。 要想实现或需要帮助分析评估的量化策略也可以发我，一起学习，一起踩坑，一起进步。
很多人想学习量化，建议第 1 个步骤不是"怎么写代码"，而是—— 去哪找策略？ 我当时也一样。知道量化这个方向，也大概知道"用程序自动买卖"，但打开电脑，完全不知道从哪下手。 后来我花了几个月，试了一圈渠道，踩了不少坑，也找到了几个真正有效挖掘策略的方法。这篇文章把我的亲身经历整理出来，给同样在找策略的人参考。 为什么是"找策略"，而不是自己写？ 在讲渠道之前，先回答一个问题： 量化入门，为什么应该先找策略，而不是自己从零编写？ 我见过很多人一上来就开始"自己写策略"。他们花了两个月学 Python （ PS：现在有 AI ，学编程语言没那么难了），又花一个月研究技术指标，最后写出来一个"20 日均线金叉买入"的策略，回测一下年化 18%，心满意足。 但问题是—— 你怎么知道这是好策略，还是单纯运气好？ 没有对比基准，你根本判断不了。 自己从零写策略，有几个致命问题： 1. 容易过拟合，自己还不知道 初学者写策略，往往是盯着历史数据反复调参数，让回测结果看起来好看。这个过程叫"过拟合"——策略记住了历史，但对未来毫无预测能力。更糟糕的是，如果你没有见过足够多的策略，你根本不知道自己的策略是真有效，还是只是过拟合了。 2. 没有对标，不知道好不好 年化 20%是好是坏？要有参照物才能判断。如果你研究过几十个策略，看过它们的逻辑和指标，你才能建立起"什么是好策略"的直觉。 3. 重复造轮子，效率极低 量化领域经过几十年发展，很多经典的 Alpha 来源（价值因子、动量因子、小盘溢价等）已经被反复验证。与其从零推导，不如站在前人肩膀上—— 先理解别人的策略，学会评估、改造、融合，再逐步形成自己的思路 ，这才是高效的学习路径。 我现在的方法是 ：找到经过验证的公开策略 → 读懂它的逻辑 → 找出可以改进的地方 → 在此基础上优化。这样既能快速积累认知，也能让每一次改动都有对照基准，知道改对了还是改坏了。 先说一个坑：找策略不要只看收益率 找策略之前，得先搞清楚"好策略"的标准，否则你很容易被漂亮的数字骗到。 我最开始找策略，第一眼就看年化收益率。看到一个"年化 80%"的策略，眼睛都亮了，马上拿来用。 结果呢？跑了一段时间，策略回撤超过 40%，心态直接崩了。 后来我才明白， 收益率只是一个维度，真正要看的是三个数字的组合： 指标 含义 我的最低要求 年化收益率 平均每年赚多少 ≥ 20% 最大回撤 最惨的时候亏了多少 ≤ 30% 夏普比率 每承担 1 单位风险能赚多少 ≥ 1.0 年化 80%但回撤 50%，不如年化 25%但回撤 15%。前者你根本拿不住，人跑了策略还在涨，收益全是纸面的。 记住这三个数字，下面讲的每个渠道找到策略，都先用这三个数字过一遍。 渠道一：聚宽 这是我用得比较多的渠道，原因很简单： 有真实回测数据，有代码，还能克隆来直接跑 。 聚宽社区的文章区值得重点关注：很多作者会写策略分析文章，里面有详细的逻辑说明。光有好指标不够，你还得搞懂它 为什么赚钱 ，否则市场环境一变你不知道该不该用。 亲测经历 ：我最近在聚宽上找"首板低开"类策略，发现同一个方向有 4 个不同版本的策略，年化从 28%到 44%不等。光看数字你会直接选 44%那个，但仔细看代码发现——它根本没设手续费，实际收益可能打对折。这种坑只有看代码才能发现。 聚宽的局限 ：策略只能在聚宽平台内跑，也不能直接对接实盘。 渠道二： www.9db.com 9db( www.9db.com)其实有两个功能，我把它们放到一起说，因为用法上是配合的。 精英备选策略池 ：定期更新，收录了大量已验证的量化策略，按近 50 天收益等指标排名，比聚宽更容易做横向对比，一眼就能看出最近哪个版本更稳健。 智能体竞技场 ：不只是展示回测，而是一个 策略模拟盘/实盘竞技场 ——参赛策略每天发出真实交易信号，按实际市场行情计算收益排名。这意味着你看到的是真实市场检验的结果，含金量远高于一张回测曲线。 9db 平台目前看不到策略的源代码，但可以看到 完整的回测交割单 ——每一笔买入、卖出的时间、标的、价格都有记录。可以通过交割单分析策略的换手率、仓位、持仓周期、偏好的股票类型，甚至能推断出大概的选股逻辑。 所以我一般的用法是： 先去 9db 筛选候选策略，通过策略交割单的交易详情，收益分析，归因分析全方位了解策略，再去聚宽找同类策略的源代码和文章做印证 ，两个平台配合使用——9db 告诉你最近哪个方向值得关注，聚宽帮你搞懂具体怎么实现。 适合人群 ：两个功能适合不同阶段——还在找方向时用精英备选策略池做初筛，已有候选策略时接入竞技场做模拟盘/实盘验证。 渠道三：雪球、知乎的量化讨论区 适合干什么 ：找策略方向，不适合直接找代码 这两个平台上有不少量化从业者和爱好者在分享思路，比如"小市值策略最近还有没有效"、"首板低开策略为什么失效了"这类讨论。 我的用法 ：把这两个平台当 策略情报站 ，发现一个方向后，去聚宽找对应的具体策略实现。 雪球有个"球友讨论"功能，搜索"量化回测"能找到不少有质量的内容。知乎搜索"量化策略 聚宽"也有很多实操分享。 注意 ：这两个平台的策略分享很多没有严格回测，有人写"这个方法年化 50%"，但完全没有代码和完整回测数据支撑，要辨别清楚。 渠道四：Github 开源量化项目 适合人群 ：有一定编程基础，想接触更系统的策略框架 Github 上有一些开源量化项目，比较有名的有： AKShare + Qlib ：微软开源的量化框架，策略类型丰富 backtrader + bt ：国外主流回测框架，有不少配套策略示例 我的评价 ：这个渠道对技术要求高，策略质量参差不齐，数据对接也是个大问题。如果你刚入门，暂时不用在这里花太多时间，先把聚宽社区和 9db 的策略搞明白更实在。 渠道五：其他量化社区 代表 ：优矿（通联数据旗下）、******、果仁网等 这类平台的策略质量相对较高，有专业团队维护，但通常需要付费或申请权限。 亲测 ：优矿的策略质量还不错，逻辑清晰，有完整的因子分析流程。但平台的用户界面和文档不如聚宽友好，入门门槛高一些。 渠道六：自己从论文/报告里提炼 难度最高，但质量最可靠 学术论文里有很多经过严格验证的量化因子，比如价值因子、动量因子、低波动因子等。国内也有不少券商研究报告专门讲量化策略，比如国盛证券、东方证券的量化团队长期发布因子研究报告。 我的现状 ：这个方向我还在摸索，暂时还是以聚宽为主，后续有机会专门写一篇从报告到策略的完整流程。 拿到策略之后：3 步评估框架 找到候选策略，不要急着用。我会做 3 件事： 第 1 步：看回测指标（ 5 秒判断要不要继续看） 年化 ≥ 20%、回撤 ≤ 30%、夏普 ≥ 1.0 ，三个都满足才往下看。 第 2 步：看策略逻辑（最重要） 问自己： 这个策略为什么赚钱？它的 Alpha 是什么？ 首板低开策略：赚的是主力洗筹后的拉升利润 小市值策略：赚的是小盘股长期溢价 动量策略：赚的是趋势延续性 如果你说不清楚策略赚钱的逻辑，这个策略大概率是 过拟合 ——在历史数据上表现好，换个时间段就废了。 第 3 步：看代码细节（挤水分） 有没有设手续费 ？超短线策略不设手续费，年化容易虚高 50%以上 有没有未来数据 ？比如用了当天收盘价去判断当天是否买入，这在******里根本做不到 是不是 09:30 执行 ？开盘开盘价买入在******中有难度 仓位管理合不合理 ？有没有正确处理 T+1 、资金不足等情况 最常见的 3 个坑 坑 1：回测周期太短 很多人只看 3 年回测，觉得数据漂亮就行。但量化策略在不同的市场环境下表现差异很大——2019-2021 年牛市里很多策略都好用，放到 2016 年熔断或者 2023 年的结构性行情里，可能根本活不下去。 我的标准：至少看 10 年回测 ，涵盖牛市、熊市、震荡市三种市场环境。 坑 2：样本内和样本外不分 策略作者在研究策略时，难免会调参数来让历史回测看起来更好看——这个过程叫"样本内优化"。但如果没有拿 样本外的数据 验证，这个参数只是历史数据的最优解，未必对未来有效。 识别方法 ：看策略文章的发布时间和策略创建时间是否匹配，以及作者有没有说明策略的样本外验证情况。 坑 3：只学策略，不理解背后的市场逻辑 量化策略不是永久有效的，市场环境变了，策略也可能失效。如果你只是"复制粘贴"策略，不懂策略为什么赚钱，当它开始亏损时你根本不知道是策略失效了还是正常回撤，只会盲目地拿着或者焦虑地止损。 我目前的选策略流程（总结） 1. 去 9db 看指标筛选（年化/回撤），or 去聚宽社区用关键词搜索或看首页贴 2. 筛选：年化≥20%、回撤≤30%、夏普≥1.0 、回测周期≥10 年 3. 读策略文章，搞清楚 Alpha 来源（能说清楚才继续） 4. 看代码（充分利用好 AI ）：检查手续费、滑点、未来数据 3 个关键点 5. 找策略克隆，在聚宽平台跑回测，做样本外验证，并不断优化 6. 确认通过后，接入 9db 竞技场或模拟盘，先用小资金跑 3 个月 最后说一句 量化不是找到一个策略然后躺平收钱。 它更像是一个持续迭代的过程 ：找策略→验证→接入******→监控→发现问题→优化或替换。 我现在在做的事情就是这个：每周找一个策略或优化一个策略，按上面的流程认真评估，通过了就加入竞技场，让它在真实市场环境里接受检验。 后续我会持续更新每个策略的选择过程和模拟盘/******表现，感兴趣的可以关注。 要想实现或需要帮助分析评估的量化策略也可以发我，一起学习，一起踩坑，一起进步。
很多人想学习量化，建议第 1 个步骤不是"怎么写代码"，而是—— 去哪找策略？ 我当时也一样。知道量化这个方向，也大概知道"用程序自动买卖"，但打开电脑，完全不知道从哪下手。 后来我花了几个月，试了一圈渠道，踩了不少坑，也找到了几个真正有效挖掘策略的方法。这篇文章把我的亲身经历整理出来，给同样在找策略的人参考。 为什么是"找策略"，而不是自己写？ 在讲渠道之前，先回答一个问题： 量化入门，为什么应该先找策略，而不是自己从零编写？ 我见过很多人一上来就开始"自己写策略"。他们花了两个月学 Python （ PS：现在有 AI ，学编程语言没那么难了），又花一个月研究技术指标，最后写出来一个"20 日均线金叉买入"的策略，回测一下年化 18%，心满意足。 但问题是—— 你怎么知道这是好策略，还是单纯运气好？ 没有对比基准，你根本判断不了。 自己从零写策略，有几个致命问题： 1. 容易过拟合，自己还不知道 初学者写策略，往往是盯着历史数据反复调参数，让回测结果看起来好看。这个过程叫"过拟合"——策略记住了历史，但对未来毫无预测能力。更糟糕的是，如果你没有见过足够多的策略，你根本不知道自己的策略是真有效，还是只是过拟合了。 2. 没有对标，不知道好不好 年化 20%是好是坏？要有参照物才能判断。如果你研究过几十个策略，看过它们的逻辑和指标，你才能建立起"什么是好策略"的直觉。 3. 重复造轮子，效率极低 量化领域经过几十年发展，很多经典的 Alpha 来源（价值因子、动量因子、小盘溢价等）已经被反复验证。与其从零推导，不如站在前人肩膀上—— 先理解别人的策略，学会评估、改造、融合，再逐步形成自己的思路 ，这才是高效的学习路径。 我现在的方法是 ：找到经过验证的公开策略 → 读懂它的逻辑 → 找出可以改进的地方 → 在此基础上优化。这样既能快速积累认知，也能让每一次改动都有对照基准，知道改对了还是改坏了。 先说一个坑：找策略不要只看收益率 找策略之前，得先搞清楚"好策略"的标准，否则你很容易被漂亮的数字骗到。 我最开始找策略，第一眼就看年化收益率。看到一个"年化 80%"的策略，眼睛都亮了，马上拿来用。 结果呢？跑了一段时间，策略回撤超过 40%，心态直接崩了。 后来我才明白， 收益率只是一个维度，真正要看的是三个数字的组合： 指标 含义 我的最低要求 年化收益率 平均每年赚多少 ≥ 20% 最大回撤 最惨的时候亏了多少 ≤ 30% 夏普比率 每承担 1 单位风险能赚多少 ≥ 1.0 年化 80%但回撤 50%，不如年化 25%但回撤 15%。前者你根本拿不住，人跑了策略还在涨，收益全是纸面的。 记住这三个数字，下面讲的每个渠道找到策略，都先用这三个数字过一遍。 渠道一：聚宽 这是我用得比较多的渠道，原因很简单： 有真实回测数据，有代码，还能克隆来直接跑 。 聚宽社区的文章区值得重点关注：很多作者会写策略分析文章，里面有详细的逻辑说明。光有好指标不够，你还得搞懂它 为什么赚钱 ，否则市场环境一变你不知道该不该用。 亲测经历 ：我最近在聚宽上找"首板低开"类策略，发现同一个方向有 4 个不同版本的策略，年化从 28%到 44%不等。光看数字你会直接选 44%那个，但仔细看代码发现——它根本没设手续费，实际收益可能打对折。这种坑只有看代码才能发现。 聚宽的局限 ：策略只能在聚宽平台内跑，也不能直接对接实盘。 渠道二： www.9db.com 9db( www.9db.com)其实有两个功能，我把它们放到一起说，因为用法上是配合的。 精英备选策略池 ：定期更新，收录了大量已验证的量化策略，按近 50 天收益等指标排名，比聚宽更容易做横向对比，一眼就能看出最近哪个版本更稳健。 智能体竞技场 ：不只是展示回测，而是一个 策略模拟盘/实盘竞技场 ——参赛策略每天发出真实交易信号，按实际市场行情计算收益排名。这意味着你看到的是真实市场检验的结果，含金量远高于一张回测曲线。 9db 平台目前看不到策略的源代码，但可以看到 完整的回测交割单 ——每一笔买入、卖出的时间、标的、价格都有记录。可以通过交割单分析策略的换手率、仓位、持仓周期、偏好的股票类型，甚至能推断出大概的选股逻辑。 所以我一般的用法是： 先去 9db 筛选候选策略，通过策略交割单的交易详情，收益分析，归因分析全方位了解策略，再去聚宽找同类策略的源代码和文章做印证 ，两个平台配合使用——9db 告诉你最近哪个方向值得关注，聚宽帮你搞懂具体怎么实现。 适合人群 ：两个功能适合不同阶段——还在找方向时用精英备选策略池做初筛，已有候选策略时接入竞技场做模拟盘/实盘验证。 渠道三：雪球、知乎的量化讨论区 适合干什么 ：找策略方向，不适合直接找代码 这两个平台上有不少量化从业者和爱好者在分享思路，比如"小市值策略最近还有没有效"、"首板低开策略为什么失效了"这类讨论。 我的用法 ：把这两个平台当 策略情报站 ，发现一个方向后，去聚宽找对应的具体策略实现。 雪球有个"球友讨论"功能，搜索"量化回测"能找到不少有质量的内容。知乎搜索"量化策略 聚宽"也有很多实操分享。 注意 ：这两个平台的策略分享很多没有严格回测，有人写"这个方法年化 50%"，但完全没有代码和完整回测数据支撑，要辨别清楚。 渠道四：Github 开源量化项目 适合人群 ：有一定编程基础，想接触更系统的策略框架 Github 上有一些开源量化项目，比较有名的有： AKShare + Qlib ：微软开源的量化框架，策略类型丰富 backtrader + bt ：国外主流回测框架，有不少配套策略示例 我的评价 ：这个渠道对技术要求高，策略质量参差不齐，数据对接也是个大问题。如果你刚入门，暂时不用在这里花太多时间，先把聚宽社区和 9db 的策略搞明白更实在。 渠道五：其他量化社区 代表 ：优矿（通联数据旗下）、******、果仁网等 这类平台的策略质量相对较高，有专业团队维护，但通常需要付费或申请权限。 亲测 ：优矿的策略质量还不错，逻辑清晰，有完整的因子分析流程。但平台的用户界面和文档不如聚宽友好，入门门槛高一些。 渠道六：自己从论文/报告里提炼 难度最高，但质量最可靠 学术论文里有很多经过严格验证的量化因子，比如价值因子、动量因子、低波动因子等。国内也有不少券商研究报告专门讲量化策略，比如国盛证券、东方证券的量化团队长期发布因子研究报告。 我的现状 ：这个方向我还在摸索，暂时还是以聚宽为主，后续有机会专门写一篇从报告到策略的完整流程。 拿到策略之后：3 步评估框架 找到候选策略，不要急着用。我会做 3 件事： 第 1 步：看回测指标（ 5 秒判断要不要继续看） 年化 ≥ 20%、回撤 ≤ 30%、夏普 ≥ 1.0 ，三个都满足才往下看。 第 2 步：看策略逻辑（最重要） 问自己： 这个策略为什么赚钱？它的 Alpha 是什么？ 首板低开策略：赚的是主力洗筹后的拉升利润 小市值策略：赚的是小盘股长期溢价 动量策略：赚的是趋势延续性 如果你说不清楚策略赚钱的逻辑，这个策略大概率是 过拟合 ——在历史数据上表现好，换个时间段就废了。 第 3 步：看代码细节（挤水分） 有没有设手续费 ？超短线策略不设手续费，年化容易虚高 50%以上 有没有未来数据 ？比如用了当天收盘价去判断当天是否买入，这在******里根本做不到 是不是 09:30 执行 ？开盘开盘价买入在******中有难度 仓位管理合不合理 ？有没有正确处理 T+1 、资金不足等情况 最常见的 3 个坑 坑 1：回测周期太短 很多人只看 3 年回测，觉得数据漂亮就行。但量化策略在不同的市场环境下表现差异很大——2019-2021 年牛市里很多策略都好用，放到 2016 年熔断或者 2023 年的结构性行情里，可能根本活不下去。 我的标准：至少看 10 年回测 ，涵盖牛市、熊市、震荡市三种市场环境。 坑 2：样本内和样本外不分 策略作者在研究策略时，难免会调参数来让历史回测看起来更好看——这个过程叫"样本内优化"。但如果没有拿 样本外的数据 验证，这个参数只是历史数据的最优解，未必对未来有效。 识别方法 ：看策略文章的发布时间和策略创建时间是否匹配，以及作者有没有说明策略的样本外验证情况。 坑 3：只学策略，不理解背后的市场逻辑 量化策略不是永久有效的，市场环境变了，策略也可能失效。如果你只是"复制粘贴"策略，不懂策略为什么赚钱，当它开始亏损时你根本不知道是策略失效了还是正常回撤，只会盲目地拿着或者焦虑地止损。 我目前的选策略流程（总结） 1. 去 9db 看指标筛选（年化/回撤），or 去聚宽社区用关键词搜索或看首页贴 2. 筛选：年化≥20%、回撤≤30%、夏普≥1.0 、回测周期≥10 年 3. 读策略文章，搞清楚 Alpha 来源（能说清楚才继续） 4. 看代码（充分利用好 AI ）：检查手续费、滑点、未来数据 3 个关键点 5. 找策略克隆，在聚宽平台跑回测，做样本外验证，并不断优化 6. 确认通过后，接入 9db 竞技场或模拟盘，先用小资金跑 3 个月 最后说一句 量化不是找到一个策略然后躺平收钱。 它更像是一个持续迭代的过程 ：找策略→验证→接入******→监控→发现问题→优化或替换。 我现在在做的事情就是这个：每周找一个策略或优化一个策略，按上面的流程认真评估，通过了就加入竞技场，让它在真实市场环境里接受检验。 后续我会持续更新每个策略的选择过程和模拟盘/******表现，感兴趣的可以关注。 要想实现或需要帮助分析评估的量化策略也可以发我，一起学习，一起踩坑，一起进步。
最近做了一个电子便签墙，一个web版本的无限画布便签墙，并且已经更新了web端，小程序，浏览器插件三个版本。主打一个随时记，随时看，随时搜。 感兴趣的朋友可以找我体验一下 2 个帖子 - 1 位参与者 阅读完整话题
IT之家 4 月 17 日消息，今天上午，雷军在直播小米汽车新 SU7 续航测试过程中，再次谈及自己 被贴上“营销大师”标签 。雷军直言，这是“黑子们”为了让大家认为小米汽车不是因为质量好、做得好而是营销好才卖得好。他还提到，去年本来都不想直播，但相关负面声音较多，自己觉得还是要站出来，不能不发声。 …… 不是产品好、不是质量好、而是营销好，这就是他们表面上夸我，实际上黑我的本质。所以去年很长一段时间我不想直播、不想参加任何活动，但长时间的负面舆情，确实会影响很多用户对小米汽车的印象。因此，我做了很长时间心理建设，决定站出来 把事实和情况一点一点告诉大家 。 …… 我知道这样做一样会有人黑我，一样会有人说“这是营销”，那他们爱怎么说怎么说去吧，无所谓！我这样做不是要说服那些黑我们的人，而是 让不太了解我们的人更了解小米 。 据IT之家此前报道，雷军曾在今年年初的直播中谈到“营销大师”这一标签。“我搞了一辈子技术，无论是在金山还是小米，一个做了三十年技术的人，被贴‘营销大师’标签，我……”雷军认为，“营销”这个词是个中性词， 并且每家都需要营销 ， 但这个词语现在被包装为一个很有攻击性的词 。 相关阅读： 《 小米雷军回应被贴“营销大师”标签：营销不是坏事，但产品是基础 》