搜索了一下群里有佬推荐这本书，把书名写成了微微一笑，关键离谱的是我之前也一直以为是微微一笑。结果我找到书封面才发现原来是偷偷一笑。 偷偷一笑真的非常点题了。读完了这本书你会感觉余华是真的厉害，就这么一个人，从成年开始，到发家致富，再到和贵人一起出去PC，后面再学人包YANG。 等到房地产泡沫崩塌，又能全身而退，还拉着公司的十几个高管去集体PC，设局陷害，就为了不赔钱可以直接辞退他们。 关键是他老婆账户里还趴着3个亿的流动资金，这些人真的是个人资金决不用来还公司的债，都是利己到极致。 书里还写了卢克明的一个谎言，他说自己管理公司压力太大了，这么多年都压抑地硬不起来，其实是在外面玩的飞起，他回归家庭后主动找他老婆，他老婆怀疑说他外面这么多年肯定有人。他的这个谎言太离谱，我猜他老婆应该是不信的吧。 他老婆说5个亿理财亏了2个亿，会不会是个谎言？ 你就偷偷的笑吧！混蛋列传，期待后面的系列。 5 个帖子 - 4 位参与者 阅读完整话题
“很多人无法停止亏损，是因为从一开始对这个市场的认知就是错误的，总希望一笔发财。” 最近整理自己这些年在市场里摸爬滚打写下的几十条实战交易语录，看着看着不禁感叹： 交易永远是反人性的。 我们在复盘时都能头头是道地说出“管住手”、“买强不买弱”、“到了止损位坚决走”，但第二天一开盘，看着账户泛绿，所有的纪律瞬间被抛诸脑后，变成了死扛和祈祷。 为了时刻警醒自己，我把杂乱的语录提炼成了 16 条“铁血军规”。后来我想明白了，既然人性是难以战胜的，那为什么不把这套带着血汗的交易心法，交给全无感情、不会贪婪恐惧的计算机去执行？ 散户死穴与游资心法：16 条实战语录精编 在看我的量化代码逻辑之前，请先用心过一遍这 16 条残酷的实战认知。如果你中了其中哪怕一条，那你的频繁亏损就真的不冤。 ** [破除认知心魔] ** 摒弃暴富幻觉 ：散户最大的绝症是幻想一枪发财，殊不知越主观，亏得越多。短线交易的真相，是无数笔客观小赚的复利积累。 克服沉没成本 ：盯着成本线，永远做不出完美的“做 T”。忘记成本，才是机械执行的开始。 拒绝与股票恋爱 ：钱进了口袋才是真金白银。见好就收，卖完就删自选，不盲目悲观，也不盲目格局。 低预期即高胜率 ：别把大肉当做理所应当，市场的常态永远是低开和调整。只赚属于自己的两三个点，错过绝不眼红。 放下主观意淫 ：你的“强烈看好”，改变不了市场。个股不转强就是在走弱，走弱就必须执行纪律截断亏损。 ** [锁定核心大势] ** 6. 逻辑大于代码 ：市场摸索期观望为主。先锚定热门题材，再寻找高位龙头，看见代码就无脑冲是大忌。 7. 买胜率非买便宜 ：买强不买弱，买确定性，绝不买低位的“便宜货”。凡有资金主动发动的反核力量，定是剑指最高板。 8. 跳出单票错觉 ：剥离单只股票“洗盘或出货”的臆想，把视角拉高到整体题材周期，规避被动的板块跟风股。 ** [机械的进出场] ** 9. 严格限期杜绝拖延 ：超短交易延期等于死期，亏损一旦转长线被动死扛，离深渊就不远了。 10. 重仓必减，见绿低吸 ：浮盈切忌加仓，红盘必须减速；做滚动操作（做 T ）时，一定是水下重锤，冲高必退。 11. 拒绝临时起意 ：制定了低吸剧本，就绝不盘中热血上头去追涨。规避日内情绪波动，出手尽量留在竞价或尾盘时段。 12. 交给市场定生死 ：博弈反包绝不留恋，按纪律下注离手，次日直接验证逻辑，去留分明。 ** [仓位管理的无情] ** 13. 固定仓位模型 ：买入必须提前规划。用金字塔倒三角仓位（越跌越低吸）应对系统风险，千万别在赚钱时重仓，亏钱时不敢买。 14. 不当资金散弹枪 ：小资金分仓太散别想做大，集中专注才能刺穿市场的波动。 15. 拉长周期算胜率 ：十笔交易亏六笔又如何？斩断烂票亏损，让做对的波段跑起来。拉长周期的综合盈亏比，才是稳定盈利的真相。 16. 规律刻入潜意识 ：盯盘无需全天，四个小时看三小时足矣。交易不是撞大运，而是把上面的规则变成不再思考的肌肉记忆。 杀死主观意淫：我是如何把这 16 条铁血军规写成量化代码的？ 散户是无法战胜自己贪婪的人性的，但 一行行无情的 Python 代码可以 。以下，是我把上述心法转化成的 聚宽《强趋势滚仓战法》 核心代码逻辑： 一、 斩断执念：无数笔积累与无情止盈 响应语录 ：“短线交易是无数笔的积累，没哪个资金是一笔发财的。” 在这套量化策略里，代码彻底摒弃了人类的“格局到翻倍”的执念。为了践行“快刀斩乱麻”，策略被我写死了两套无情机制： 5% 次日早盘秒杀 ：由于 A 股早盘低开是常态，只要第二天盈利超过 5%，直接无脑落袋砸盘，绝不留恋幻想（对应源码 pnl >= 0.05 强制清仓出局）。 10% 稳健绝杀锁利 ：假如没触发早盘抢跑，只要持仓碰到 10% 的红线，不管大盘是不是在逼空走牛，立刻强平锁利。因为量化知道，只有进了口袋的钱才是绝对安全的。 二、 忘记持仓成本：全自动“滚仓做 T”对冲下杀 响应语录 ：“滚仓滚仓，见绿就低吸。怎么就非要等回本才肯走，最后亏更多？” 人类“看成本做不了 T”，但机器根本不在乎你的成本是多少。 在这套系统里有一套名为 forward_t_buy_low （顺势低吸）和 t_sell_high （对冲抛出）的组件代码： 只要监控到盘中无缘无故的急杀，跌幅触及设定的安全垫（如单边暴跌 4%），代码会瞬间出击下达买单补仓。 只要从深坑反弹大约 3%，算法就把刚才低吸买入的 T0 筹码反手抛出。 整个操作中， 机器完全忽略账户里的总体浮亏 ，它只机械地抓取日内极端波动赚取几毛钱差价，利用极其变态的日内做 T 不断降低持仓成本。 三、 买强不买弱：“强迫症级别”的安全质检 响应语录 ：“买强不买弱，买确定性，不买便宜！弱了我为什么要加仓，我有病吗？” “跌这么多了总该反弹了吧”，这是标准的抄底接盘幻觉。在我的量化选股逻辑里，介入前必须被执行死刑级别的过滤检测： 不接单边落石 ：只要近两天有任何一天单日大跌超 6%，即便此刻动能再猛，一票否决全部淘汰。 拒绝骗炮割肉 ：监控近两天的上影线（冲高回落占比）。如果主力在昨日诱多后长阴砸下超过 5% 的大根避雷针，黑名单见。 均线强横支撑 ：所有幸存下来的标的，按爆发动能强度排榜，且现价必须牢牢踩在十日均线（ MA10 ）之上的纯正多头趋势，程序才会获批点火上车。 总结 市场的本质是一场基于人性的零和血腥剧。你越是带入情绪、患得患失，就越容易被当成新鲜的韭菜收割。 既然交易永远反人性，最好的自救方式就是剥离“人”的主观成分，把手绑住，让算法代替我们去执行“冷冰冰的原则”。 光说不练假把式，下面绝不谈空话。我已经将这套完全贯彻了“防反杀日内做 T 降本”、“10% 无情割肉止盈”与“买强不买弱雷达过滤”的量化模型，同步接驳到了 [9db 智能体交易竞技场]，测试当中。 让这些没有任何感情修饰的交割单战报数据最直观地告诉你：极度的机械与绝对的纪律，究竟能在 A 股炼狱里带来怎样的确定性。 ⚠️ 客观数据申明 ： 目前展现的这套模型胜率主要基于 2026 年 以来的行情跑出。老实说，在回测以往其他年份的部分极端行情时，代码的回撤控制表现还不太理想，目前我仍在根据更漫长的周期切片持续迭代优化中。 写在最后 ： 如果这篇开源策略的实战思路对你哪怕有一点点启发，您的 点赞 就是对我最大的鼓励！如果您在复刻代码或跑回测时发现了隐藏 Bug ，或者对防线算法有更好的改进方案，万分欢迎在评论区毫不留情地提出指教。咱们在冰冷的市场里开源交流，抱团进化！ ##策略还在测试阶段，只有 2026 年数据可以看，其他年份有很大问题，谨慎克隆，优化完会在评论区回复
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 项目开源地址： GitHub - wnzzer/rank-analysis: 基于Tauri 2 + Rust，构建的一个LOL 英雄联盟腾讯服战绩查询助手，创新式标签标记机制，一键分析的混子、牛马队友 · GitHub 大家好，我是只会写 bug 的靓仔。 之前发过几篇 LOL 排位分析工具的帖子（ 项目介绍 | v1.2 更新 ），当时还是 Electron + Go 的架构。有老哥评论说"这么大？"，确实如此，尤其我经常在网吧这种裸连 github 的环境中使用 —— 一个查战绩的小工具，安装包 128 MB ，下它比打一把排位还久。 因此去年花了几个月，把整个技术栈从 Electron+Go 迁到了 Tauri 2 + Rust 。结果： 安装包： 128 MB → 5 MB （缩小 96%，GitHub Release 截图为证） 冷启动： ~1.5s → ~500ms 进程架构： Electron 壳 + Go server 两个程序 → 单个 Tauri 二进制 （砍掉独立后端进程和 localhost HTTP 那一跳） 内存： ~306 MB → ~241 MB （WebView2 那部分是系统共享的，虽然 tauri 应用增加这个效果会变得更好） 下面把迁移过程和踩的坑记录一下，如果你也在做类似的桌面端项目，或者 Electron / Tauri 之间纠结，这篇应该能帮你省点时间。 先说老架构为什么非换不可 最早的设计是这样的： 但三个绕不开的痛点： 128 MB 劝退用户 Electron 自带 Chromium runtime，光这就 60~80 MB，加上 Go binary 30 MB+。v1.0 打出来 128 MB 。后来挤了又挤，稳定在 85~93 MB。 一个查战绩的工具下 100 多 MB，用户等下载的时间够再开一把了。这是后来下定决心换 Tauri 最直接的原因。 体积不是"技术债"，是用户会不会用你的第一道门槛。 两个进程，启动和调试都难受 启动流程：Electron 起 → 拉起 Go server → Go 监听端口 → Electron 前端轮询 Go 是否就绪 → 才能调 LCU。任何一环卡住都是"加载中"。 Go 那边 panic 了，Electron 这边只看到 fetch 超时。调试得在两个终端间来回切，日志打两份。这种痛谁用谁知道。 localhost HTTP 是隐性税 每次前端调后端：JS 对象 → JSON 序列化 → HTTP body → loopback 网络 → Go 反序列化 → 业务逻辑 → 再原路返回。虽然是 loopback，HTTP 头解析、TCP 握手、JSON 双向序列化的开销都是实实在在的。查战绩这种"一次拉 10 个召唤师 + 各自 20 场"的场景，延迟肉眼可见。 为什么是 Tauri 2 + Rust Tauri 1 vs 2 ：Tauri 1 在 Windows 用 Edge HTML 兜底，2 全面切 WebView2，兼容性和稳定性好太多。插件系统也重做了（v2），autostart / single-instance / fs 都有一等公民支持。还有新的 Capability + Permission 模型，后面会说到踩坑。 为什么不是 Go 了 ：Tauri 所有 #[tauri::command] 、State、AppHandle、事件总线都是 Rust API。继续用 Go 等于再绕一层 cgo/HTTP，那迁了个寂寞。Rust 直接编译进 Tauri 主进程，单二进制分发，不需要子进程。 那为什么不是 Wails？ 这个问题我猜 Go 老哥们第一个就要问 —— Wails 不就是 Go + 系统 WebView 嘛，照理说我后端一行都不用重写，最省事。我也认真纠结过。最后没选它，原因挺主观的：一是当时 Wails 在多窗口、自动更新、权限这些一等公民支持上，体感不如 Tauri 2 厚实，遇到坑社区里能搜到的答案也少；二是说实话有点私心，就想趁这个项目顺手学一下 Rust。所以这不是"Wails 不行"，而是"我想学 Rust + 赌 Tauri 生态"。如果你就是想保留 Go 又要小体积，Wails 完全值得先试一把，别被我带跑。 UI 库也顺便从 TDesign 换成了 Naive UI ，暗色主题和表格组件更顺。这一步单独做了一周，没掺在迁移里。 迁移路径：不是一锅煮的 很多博客写"我用一个周末把 X 重写成 Y"。我没那么神。实际上是 两条线分头推 ，节奏完全不一样： 迁移线 起点 终点 耗时 前端壳 ：Electron → Tauri 2025-03-30（v1.5.4 双轨试水） 2025-04-19（v1.5.6 纯 Tauri） ~1 个月 后端语言 ：Go → Rust 2025-03-31 2025-12-13（删 4274 行 Go） ~8 个月 前端壳为什么 1 个月就切完了 用户用脚投票。 v1.5.4 同时发了 Electron 86 MB 和 Tauri 10 MB 两个包： 同一天、同一版本、同一功能集， 86.3 MB vs 10.2 MB 。这还纠结啥？2 周后 v1.5.6 就只发 Tauri 了。 后端为什么磨了 8 个月 因为对用户来说，Go server 也好、Rust 也好， 功能没差 。没有压差就不急： 2025-03-31 ：新建 Tauri 目录，跟旧 Go 目录并存 2025-04 ~ 2025-12 ：一个 endpoint 一个 endpoint 往 Rust 搬。期间 没冻需求 ，新功能照加 2025-12-13 ： -4274 行 Go / 34 个文件 ，旧服务彻底删 为什么不一刀切？因为 用户在线 啊（虽然没多少用户）。项目每 1-2 周发一版，停下来做半年大重写不现实。旧 Go server 保留着继续吃 bug fix，新功能直接写 Rust（有点像最近 bun 迁移 rust 的思路），旧 endpoint 按频率从高到低搬过去，搬完一个前端就切流量。并存期间项目目录长这样（确实丑，但能持续发版）： 三个大坑 每个都卡了我至少半天，写出来希望大家别再踩。 坑 1：LCU 自签证书 —— Rust 的 API 名把 “danger” 写脸上了 LCU API 是 HTTPS，但用的是每次客户端启动时动态生成的自签证书。Go 里关掉 TLS 校验很简单： tr := &http.Transport{ TLSClientConfig: &tls.Config{InsecureSkipVerify: true}, } client := &http.Client{Transport: tr} 到了 Rust 的 reqwest ： let client = reqwest::Client::builder() .danger_accept_invalid_certs(true) .build()?; 看到 danger_accept_invalid_certs 这个名字的时候我愣了一下 —— 但 LCU 场景下这是唯一解，Riot 不可能给你 CA 证书。 更大的坑是 port 和 auth-token 怎么拿。 这俩是 LCU 每次启动随机生成的，写在自己进程的命令行参数里（ --app-port=xxxxx --remoting-auth-token=yyy ）。网上清一色用 wmic 去查，但那玩意要 管理员权限 。我之前专门写过一篇 无管理员权限的获取方法（全网首发 Go） ，原理是调 Windows 的 NtQueryInformationProcess API： use windows::Win32::System::Threading::*; let h = OpenProcess(PROCESS_QUERY_LIMITED_INFORMATION, false, pid)?; let mut buf = vec![0u8; 4096]; let mut ret_len = 0u32; NtQueryInformationProcess( h, ProcessCommandLineInformation, buf.as_mut_ptr() as _, buf.len() as _, &mut ret_len )?; // 解析 UNICODE_STRING → 正则抠 --app-port / --remoting-auth-token PROCESS_QUERY_LIMITED_INFORMATION 是低权限级别，拿不到敏感数据。但 进程命令行不算敏感 —— Windows 设计里被忽视的一个口子，刚好让我们绕过了管理员要求。 那 NtQueryInformationProcess 吐出来的那坨 buffer，怎么变成 port 和 token？谜底就在这块 buffer 的结构上 —— 它开头是一个 UNICODE_STRING （ Length + MaximumLength + 一个指向宽字符串的指针），真正的命令行数据就跟在后面。把宽字符串转成 String ，剩下的就是正则的活了： #[repr(C)] struct UnicodeString { length: u16, maximum_length: u16, buffer: *mut u16 } // buf 就是上面 NtQueryInformationProcess 填好的缓冲区 let us = unsafe { &*(buf.as_ptr() as *const UnicodeString) }; let wide = unsafe { std::slice::from_raw_parts(us.buffer, (us.length / 2) as usize) }; let cmdline = String::from_utf16_lossy(wide); // 命令行里把这两个随机值抠出来 let re_port = Regex::new(r"--app-port=(\d+)").unwrap(); let re_token = Regex::new(r"--remoting-auth-token=([\w-]+)").unwrap(); let port = re_port.captures(&cmdline).and_then(|c| c.get(1)).map(|m| m.as_str().to_string()); let token = re_token.captures(&cmdline).and_then(|c| c.get(1)).map(|m| m.as_str().to_string()); （边界检查和错误处理我省了，能看懂思路就行；完整实现在上面那篇全网首发的文里。） 坑 2：Tauri 2 的 Permission 模型 —— 配对了跑不通，报错还不告诉你 Electron 安全模型基本就是开/关 nodeIntegration 二选一。Tauri 2 是 白名单粒度 ，每个能力都要显式声明： { "permissions": [ "core:default", "shell:allow-open", "http:default", "core:window:allow-start-dragging" ] } 第一次写很容易陷入**“代码明明对了为啥跑不通”**的死循环 —— 因为权限不足的报错不指向配置文件，而是给你一个看起来像"函数不存在"的错误。比如我漏配 dialog 权限时，前端 invoke 收到的是这么一句： command plugin:dialog|open not allowed. Permissions associated with this command: dialog:allow-open 乍一看像命令名写错了，对着代码翻来覆去找不出毛病。其实谜底就在报错的后半句 —— 它已经把你要加的权限名（ dialog:allow-open ）报出来了，只是第一次根本不会想到往那看。我在这上面浪费了大半天。 后来踩熟了，记了几个具体坑： http:default 要写两遍 ：第一遍启用 fetch 命令，第二遍配 URL 白名单 scope。只写第一遍，命令存在但 fetch 调用静默失败，连个报错都没有 动态窗口要通配符 ：项目给每场对局弹详情窗口，label 是动态的（ match-detail-{id} ），capability 里得写 "windows": ["main", "match-detail-*"] 。漏了就所有 command 调不通 core:window:allow-start-dragging ：项目禁了原生标题栏，整个拖拽靠这个 API。漏配了窗口就拖不动，你猜我怎么发现的 经验 ：每加一个新 Tauri command 或新窗口，第一件事查 capabilities/default.json 。权限先行，代码后行。 坑 3：Rust struct 和 TS type 的同步 —— 手动对齐的酸爽 旧前端调 Go 是 fetch ，新前端调 Rust 是 invoke ： // 旧 const data = await fetch('/api/match-history?puuid=xxx').then(r => r.json()) // 新 const data = await invoke('get_match_history', { puuid: 'xxx' }) 表面上是换了个调用方式。但真正头疼的是： Rust 那边 struct 改一个字段，TS 怎么知道？ 我试过 ts-rs、specta 这些自动生成工具，最后没用，纯手动对齐。原因很实际： 总共就十几个核心 struct，自动生成引入的构建管线复杂度超过了收益 Rust 这边统一用 #[serde(rename_all = "camelCase")] ，自动转 camelCase，写 TS 的时候照着来就行 TS 文件头注释直接标注对应的 Rust 文件路径： /** * AI 标签建议相关类型，与 Rust schema * (src-tauri/src/command/user_tag_config.rs) 严格同构。 */ CI 两边都跑 typecheck（前端 vue-tsc ，后端 cargo clippy ），能挡住大部分 但确实出过 bug —— Rust 的 RecentData 有 select_mode ，TS 那边多写了 wins 和 losses 两个字段，Rust 根本不返回这俩。运行时永远是 undefined ， 不报错但数据是错的 。当时前端那块胜负数永远显示空，我对着前端代码看了半天没看出毛病，最后跑去 grep Rust 的 struct 才发现：人家压根没这俩字段。这种静默 bug 比崩了还可怕，你不专门盯根本发现不了。 建议 ：struct 超过 30 个或者多人协作，老老实实用 ts-rs / specta 自动生成。手动对齐只在一个人写、量不大的情况下才省心。 顺手白嫖的一个好处：自动更新 这个本来没在计划里，迁完才发现是非常好用的功能。 Electron 时代我也想做自动更新，但 electron-updater 那套配下来挺烦：要么自己搭个更新服务器，要么拿 GitHub 当源，还要处理签名、增量包，配置一大坨。我当时嫌麻烦一直没正经做，全靠用户自己去 Release 页手动下新版。 Tauri 2 有个官方的 tauri-plugin-updater ，配置就几行： // tauri.conf.json { "plugins": { "updater": { "endpoints": ["https://github.com/wnzzer/rank-analysis/releases/latest/download/latest.json"], "pubkey": "你的公钥" } } } 更新源就是挂在 GitHub Release 上的一个 latest.json （等下"效果对比"那节，v1.8.2 截图里第一行那个 10.8 KB 的 latest.json 就是它），长这样： { "version": "1.8.2", "pub_date": "2026-05-24T00:00:00Z", "platforms": { "windows-x86_64": { "signature": "更新包的签名串", "url": "https://github.com/wnzzer/rank-analysis/releases/download/v1.8.2/lol-record-analysis-app-1.8.2-setup.exe" } } } 前端启动时调一下 check() ，有新版就提示下载安装，三五行的事： import { check } from '@tauri-apps/plugin-updater' const update = await check() if (update) { await update.downloadAndInstall() // 下完自动重启 } 这里有个容易搞混的点得说清楚 ：Tauri updater 要你用一对自己生成的密钥（ tauri signer generate ，免费）给「更新包」签名，公钥填进上面的配置 —— 这个签名是给自动更新做校验用的，和 Windows 上那种要花钱买的「代码签名证书」完全是两码事。我穷，没买代码签名证书，所以首次安装时 Windows SmartScreen 还是会弹个"未知发布者"，这个坑我到现在没填。但自动更新本身一分钱没花就跑通了，对一个免费小工具来说，够用了。 效果对比（有图有真相） 安装包体积演变 每一行都是 GitHub Release 公开记录，可以去 Releases 页 核对： 版本 日期 大小 阶段 v1.0 2025-01-13 128 MB Electron + Go 起点 1.1 → 1.5.3 01~03月 ~85-93 MB Electron 时代 v1.5.4 2025-03-30 86.3 MB + 10.2 MB 双轨同框 v1.5.6 2025-04-19 10.3 MB 纯 Tauri v1.6.0 2025-10-08 6.7 MB 升 Tauri 2 v1.8.2 2026-05-24 5.01 MB 当前 起点 v1.0 —— 128 MB ： 转折点 v1.5.4 —— Electron 和 Tauri 同框 ： 当前 v1.8.2 —— 5.01 MB ： 内存占用 旧版 Electron + Go（稳态 ~306 MB） ： 新版 Tauri + Rust（稳态 ~241 MB） ： WebView2 那 ~200MB 看着大，但 系统里只要装了 Edge 或者别的 Tauri 应用，这部分就是共享的 ，边际内存远小于这个数。 截图里 实用工具 (6) 的 6 个进程是 WebView2 的渲染 / GPU / 管理器等辅助进程 —— 和当年 Electron 的多进程模型一个道理，这部分跑不掉。前面"进程架构"那条说的"单个二进制"，指的是 app 自己不再额外起一个 Go server 子进程 + localhost HTTP ，不是说 OS 层只剩 1 个进程。 几句废话 说实话，一开始决定迁的时候心里也没底。毕竟 Electron + Go 虽然，但它跑着呢。万一迁到一半翻车了，那才叫社死。 后来想通了： 128 MB 对一个查战绩的工具来说太离谱了。 用户不会关心你用的什么框架，他们只关心下完打开能不能用。Tauri 让安装包从 128 MB 变成 5 MB —— 不是"技术优化"，是 让产品有被打开的机会 。 如果你也在做类似的桌面端项目，我的建议就三条： 别一刀切 ，留旧项目并存，新目录单独建，随时能 ship 先迁用户感知最强的功能 ，不是代码量最小的 别在迁移里掺重构 ，已经够复杂了，UI 改版分开做 就这些。希望对在做类似项目的朋友有帮助。 相关链接： 仓库： github.com/wnzzer/rank-analysis 最新版下载： releases/latest LCU 凭据获取（坑 1 详细实现）： 无管理员权限 LCU auth-token、port 获取 历史版本： ① 项目介绍 | ② v1.2 | ③ 分页设计 觉得有用的话帮忙点个赞 有问题也可以去 GitHub 提 issue 交流 5 个帖子 - 5 位参与者 阅读完整话题
最近看 Claude Code Skills 文档，最大的感受是：Skill 不应该写成“万能提示词”，而应该写成一个边界很清楚的小工具包。 官方文档： Extend Claude with skills - Claude Code Docs Agent Skills in the SDK - Claude Code Docs 我理解的 Skill Skill = 一段可自动发现的说明 + 必要的脚本/模板/参考资料。 它适合沉淀那些你经常重复做、而且流程比较稳定的任务，例如： PR review 生成 changelog 检查论文格式 按项目规范写测试 根据设计稿实现页面 不适合把所有偏好一股脑塞进去。那样模型每次都要读一大坨，反而容易失焦。 最小结构 my-skill/ SKILL.md scripts/ templates/ references/ SKILL.md 最关键的是 frontmatter： --- name: pr-review description: Review code changes for bugs, regressions, missing tests, and risky behavior. Use when the user asks for code review or pre-merge checks. --- # PR Review Read the diff first. Prioritize correctness issues over style. Report findings with file path and line reference. description 要写触发条件，不要只写“一个很强的 review 技能”。模型是靠描述判断什么时候加载的。 我建议的写法 一条 Skill 只做一类事： review 就只 review deploy 就只 deploy paper polish 就只处理论文 screenshot 就只做截图和视觉检查 如果一个技能里同时写“审查、重构、部署、写文档”，最后就很容易变成大型玄学 prompt。 判断一个 Skill 好不好 我会看三点： 触发场景是否清楚。 输出格式是否稳定。 有没有可复用脚本或模板，而不是全靠模型临场发挥。 这个思路对 Codex 的 Agent Skills 也适用。后面我准备把常用的 review、Playwright 截图、项目初始化都整理成技能。 1 个帖子 - 1 位参与者 阅读完整话题
买了个千问的模型给 Hermes agent 用 让他把模型改为 GLM 他直接写成 Gym 还是别的模型发现错误，刚开始我还以为是我写错了。 我都怀疑他是不是故意的。。。 这种 coding agent 真的有人敢用在生产环境吗？
最近把自己的简历重写了一遍，没用 Notion 也没套模板，当成一个正经前端工程在做。聊几个我觉得有点意思的设计，顺便求 Star 和拍砖。 一句话介绍：Vite + React 写网站，Remotion 写"简历视频"，同一份 zod 校验过的双语数据驱动两端。 几个自己比较得意的点： Monorepo 里两个 source-only 包 。 @resume/data 和 @resume/ui 都没有 build 步骤， exports 直接指向 src/*.ts ，Vite / Vitest / Remotion 的 webpack / tsc 全部直接吃 TS 源码，少一层产物，少一类玄学。 简历数据单一事实源 。基于 JSON Resume schema 扩展，zod 校验，所有字符串都是 LocalizedString { zh, en } ,网站 section 、Remotion composition 、CLI 渲染脚本全都读同一份 resume.ts ,改一行全部同步。 视频三级降级 ,按用户偏好/网络自动挑： prefers-reduced-motion → 静态 poster saveData / 慢网 → 预渲染 mp4 默认 → 懒加载 @remotion/player ,进入视口才挂载,离开自动暂停回首帧 Remotion 双入口 。CLI/Studio 用 index.ts 注册 root,网页端只 import exports.ts (纯组件 + zod schema + 默认值 + 元信息),两边复用 composition 但互不污染。 CI 渲染按内容哈希缓存 。 apps/remotion/src + packages/data/src 哈希没变就跳过 render,首次部署 5–8 分钟,之后 1–2 分钟。 技术栈：pnpm + Turborepo / React 18 / Remotion 4 / Tailwind(自写 cyberpunk preset)/ react-i18next / @ antfu /eslint-config 。 仓库： https://github.com/JS-mark/personal-resume-website Demo： https://js-mark.com/personal-resume-website/ 任何拍砖都欢迎,尤其想听听别人是怎么处理 Remotion 网页端复用和视频降级这块的。
最近把自己的简历重写了一遍，没用 Notion 也没套模板，当成一个正经前端工程在做。聊几个我觉得有点意思的设计，顺便求 Star 和拍砖。 一句话介绍：Vite + React 写网站，Remotion 写"简历视频"，同一份 zod 校验过的双语数据驱动两端。 几个自己比较得意的点： Monorepo 里两个 source-only 包 。 @resume/data 和 @resume/ui 都没有 build 步骤， exports 直接指向 src/*.ts ，Vite / Vitest / Remotion 的 webpack / tsc 全部直接吃 TS 源码，少一层产物，少一类玄学。 简历数据单一事实源 。基于 JSON Resume schema 扩展，zod 校验，所有字符串都是 LocalizedString { zh, en } ,网站 section 、Remotion composition 、CLI 渲染脚本全都读同一份 resume.ts ,改一行全部同步。 视频三级降级 ,按用户偏好/网络自动挑： prefers-reduced-motion → 静态 poster saveData / 慢网 → 预渲染 mp4 默认 → 懒加载 @remotion/player ,进入视口才挂载,离开自动暂停回首帧 Remotion 双入口 。CLI/Studio 用 index.ts 注册 root,网页端只 import exports.ts (纯组件 + zod schema + 默认值 + 元信息),两边复用 composition 但互不污染。 CI 渲染按内容哈希缓存 。 apps/remotion/src + packages/data/src 哈希没变就跳过 render,首次部署 5–8 分钟,之后 1–2 分钟。 技术栈：pnpm + Turborepo / React 18 / Remotion 4 / Tailwind(自写 cyberpunk preset)/ react-i18next / @ antfu /eslint-config 。 仓库： https://github.com/JS-mark/personal-resume-website Demo： https://js-mark.com/personal-resume-website/ 任何拍砖都欢迎,尤其想听听别人是怎么处理 Remotion 网页端复用和视频降级这块的。
最近把自己的简历重写了一遍，没用 Notion 也没套模板，当成一个正经前端工程在做。聊几个我觉得有点意思的设计，顺便求 Star 和拍砖。 一句话介绍：Vite + React 写网站，Remotion 写"简历视频"，同一份 zod 校验过的双语数据驱动两端。 几个自己比较得意的点： Monorepo 里两个 source-only 包 。 @resume/data 和 @resume/ui 都没有 build 步骤， exports 直接指向 src/*.ts ，Vite / Vitest / Remotion 的 webpack / tsc 全部直接吃 TS 源码，少一层产物，少一类玄学。 简历数据单一事实源 。基于 JSON Resume schema 扩展，zod 校验，所有字符串都是 LocalizedString { zh, en } ,网站 section 、Remotion composition 、CLI 渲染脚本全都读同一份 resume.ts ,改一行全部同步。 视频三级降级 ,按用户偏好/网络自动挑： prefers-reduced-motion → 静态 poster saveData / 慢网 → 预渲染 mp4 默认 → 懒加载 @remotion/player ,进入视口才挂载,离开自动暂停回首帧 Remotion 双入口 。CLI/Studio 用 index.ts 注册 root,网页端只 import exports.ts (纯组件 + zod schema + 默认值 + 元信息),两边复用 composition 但互不污染。 CI 渲染按内容哈希缓存 。 apps/remotion/src + packages/data/src 哈希没变就跳过 render,首次部署 5–8 分钟,之后 1–2 分钟。 技术栈：pnpm + Turborepo / React 18 / Remotion 4 / Tailwind(自写 cyberpunk preset)/ react-i18next / @ antfu /eslint-config 。 仓库： https://github.com/JS-mark/personal-resume-website Demo： https://js-mark.com/personal-resume-website/ 任何拍砖都欢迎,尤其想听听别人是怎么处理 Remotion 网页端复用和视频降级这块的。
最近Claude code新出了一个ultrawork命令，类似于在执行你的命令之前先编排好工作流，用js写成一个可复用的workflow，以mjs的形式存在，然后调用multiagent按workflow执行。 看了下和omo的ultrawork挺类似的，应该还能通过自定义这个mjs，调用codex，antigravity此类的。 如何调用codex，antigravity此类的。参考codex官方推出的codex-plugin-cc，修改下这个mjs文件即可。 3 个帖子 - 3 位参与者 阅读完整话题
我不是很懂代码 每次让别的ai一看就是说有部分是自己实现 然后让它修复 它又给我乱改 试了glm claude codx 是我姿势问题么 trellis 也用了 我真要受不了了 昨晚重构到现在 2 个帖子 - 2 位参与者 阅读完整话题
遇 若您愿意停下来，倾听我的故事，我将万分感激。 6 个帖子 - 6 位参与者 阅读完整话题
最近在做一个tiktok的播放量等数据的抓取，偶然看到了一个站居然可以获取，简单用postman请求了一下它的api地址，顺利拿到数据。于是咔咔一顿写了个py，没想到这个就被cf拦住了，postman的甚至都没带ua请求头都过了，而且发现py的被拦了之后，又回头用postman，依然可以拿到数据，这是为什么啊，有大佬知道吗？ 3 个帖子 - 3 位参与者 阅读完整话题
什么概念呢，就好像吴亦凡，它把我名字写成亦亦凡了 不是，我记得当时填写的没问题啊，而且这是怎么通过审核的 这玩意能改吗，我怕到时候转账出现问题，求教 2 个帖子 - 2 位参与者 阅读完整话题
最近需要改简历，自己写简历容易写成流水账没有很清晰的要点和提点 有没有让ai帮忙分析项目生成简历要点的skill或者prompt呢 2 个帖子 - 2 位参与者 阅读完整话题
今天闲的没事让codex扫了一下代码行数 不知不觉，自己已经走了很远的路了 我在做一个很大的项目，然后里面有好几个大板块 我又是基建狂魔，追求每个板块都做的更好 也不怪我烧了这么多额度，不过总体板块只做了60% 大部分都是可复用的代码和技术栈，因为是自用就做的很细心 可变现的核心板块，今天做到了70%，今天拼一拼，努力给他落地缓解一下经济压力 怎么办，上个月烧了2wu codex 5.5 额度 开发调优 如题，上个月我已经烧了2wu额度 当时的解决方案是，team母号+子账号 和廉价的渠道pro 20x 但是现在便宜渠道没有了，我就自己开正价 我先开 pro 5，然后刷完额度开 20x，所以一个号是30x 但是现在我已经开了俩个 pro 20x了 这个月才过去10天，已经用了算下来用了80x（中间还重制了一次+20x） 再这么下去，项目没落地，钱包就先空了，有没有渠道啊呜呜呜 难道… 10 个帖子 - 6 位参与者 阅读完整话题
一、简历自我介绍不是自夸，是“精准定位” 很多人把简历自我介绍写成“性格开朗、勤奋好学、团结同事”——这不是自我介绍，这是自我鉴定。HR 每年要看几千份简历，他们要找的不是“道德模范”，而是“能用的人”。 简历自我介绍的本质，是用最短的文字告诉招聘方三件事： 你是谁、你擅长什么、你能带来什么价值 。这三句话必须和岗位要求高度相关，而不是罗列一堆放之四海皆准的形容词。 好在这件事有方法论。下面给你一套可直接套用的写作框架。 二、简历自我介绍的标准结构：3 句话定位法 不管你是什么行业、什么岗位，简历自我介绍都可以用这个结构展开： 身份标签 ：用一句话说明你的专业领域和工作年限 核心能力 ：列出 2-3 个与岗位强关联的硬技能或软实力 成果数据 ：如果有可量化的成绩，提炼一个关键数字 举个实际例子，假设你应聘运营岗位，普通写法是：“本人热爱互联网行业，学习能力强，善于沟通”。改写后可以是：“3 年互联网运营经验，擅长用户增长与活动策划，曾主导项目实现月活提升 40%”。 对比一下，后者是不是立刻清晰多了？这就是“精准定位”和“流水账”的区别。 三、不同岗位的简历自我介绍怎么写 简历自我介绍不是一套话术打天下，不同岗位的侧重点差异很大。 技术类岗位：突出技能栈和项目经验 技术岗的简历自我介绍不需要文采，关键是让面试官快速判断你的技术深度。可以这样写：“5 年前端开发经验，精通 Vue/React ，熟悉 Node.js 后端开发，曾主导开发 X 项目，用户量突破百万”。 销售/商务类岗位：突出业绩和资源 这类岗位直接用数据说话最有说服力。参考写法：“3 年 B 端销售经验，年度业绩 TOP20%，累计签约客户 50+，擅长大客户开发与维护”。 管培生/应届生：突出潜力和可塑性 没有工作经验怎么办？把教育背景、实习经历、软技能组合起来。例如：“985 市场营销专业应届生，有 2 段互联网实习经历，参与过用户调研与活动策划，对数据运营有浓厚兴趣”。 职能类岗位（行政/HR/财务）：突出经验和稳定性 这类岗位招聘方最在意的是经验匹配度和职业稳定性。可以这样写：“5 年人力资源经验，擅长招聘与员工关系维护，持有二级人力资源师证书，追求稳定发展”。 四、简历自我介绍的常见错误 错误 1：堆砌形容词，没有实质内容 “吃苦耐劳、积极向上、乐于助人”——这类话放在任何人的简历里都能用，等于没说。 错误 2：写成工作经历的压缩版 简历自我介绍不是让你把工作经历复述一遍，而是提炼精华。如果你想写工作经历，后面有专门的工作经历模块等着你。 错误 3：目标岗位模糊 简历自我介绍必须和投递岗位高度匹配。一份简历投所有岗位，结果是所有岗位都觉得你“不够对口”。 错误 4：长度失控 简历自我介绍建议控制在 50-150 字之间。太长，HR 没时间看；太短，信息量不够。 五、简历自我介绍模板与快速修改技巧 给你三个可直接套用的模板： 模板 A （有工作经验） ：X 年[行业/岗位]经验，精通[核心技能]，曾[关键成果/项目]，擅长[软技能]，希望在[岗位方向]持续深耕。 模板 B （应届生/转行者） ： [专业背景/原行业]经验，具备[相关技能]，有[相关经历/项目]，希望转向[目标岗位方向]。 模板 C （管理岗） ：X 年[行业]经验，[X]年团队管理经验，擅长[管理能力]，带领团队实现[关键业绩]，寻求[更高职位/新方向]机会。 快速修改技巧：写完之后问自己三个问题—— 这段话里，有没有任何一个词可以换成更具体的描述？ 一个没看过我简历的人，能否通过这段话判断我和岗位的匹配度？ 这段话能否在 5 秒内读完？ 如果任何一个问题的答案是否定的，继续改。 如果你也在改简历，强烈建议你试试 棱镜简历 ，里面的简历模板支持一键套用和智能优化，帮你把简历自我介绍和整体排版同步提升，点击 https://xukz.cn 即可开始。
jsondumps-祭仪把现实写成可解析的句子.zip (6.2 KB) 1 个帖子 - 1 位参与者 阅读完整话题