Leo的笔记本

前阵子看到一个工科学生分享自己的量化投资转型经历，从 2022 年接触技术分析，到 2024 年用 XGBoost 跑通因子策略。两年时间，从”看K线图猜涨跌”到”用数据和概率做决策”。 他说得最好的一句话是：**”赚钱不靠预测涨跌，而靠风险暴露。”** 这句话让我想了很久。不只是投资，做研究、做项目、选方向，很多事情的底层逻辑其实是一样的。 他的起点：一门选修课 故事的起点很朴素。他在学校选了一门《数学与投资》的课，学了技术分析——K线图、头肩顶，金叉死叉那些。 学完之后他发现了一个问题：同一张 K 线图，不同的分析师能给出完全相反的结论。有人说”下跌中继”，有人说”已经见底”，有人说”震荡整理”。 主观分析没有客观标准。 这让他很困惑，也成了他转向量化的起点。 第一个策略：回测很美，实盘亏了 30% 2023 年，他做了第一个实盘策略——BTC 的 ATR 通道突破策略。回测表现极好：年化收益 150%，最大回撤 15%，胜率 65%。 然后他上了实盘。三个月，亏了 30%。 原因很经典：市场从单边趋势转成了震荡，固定参数失效了，策略过度拟合了历史数据。 回测漂亮不代表...

我现在每天都在用 Claude Code、Gemini CLI、Cursor 这些工具写代码。但说实话，刚开始的时候，产出的东西确实很”AI”——紫色渐变、千篇一律的布局、通用模板感极强。 后来慢慢摸索，产出质量才开始上来。我发现差距不在工具本身，而在你怎么用它。 这段时间我总结了一个”六阶模型”，也算是对自己从菜鸟到现在的一个复盘。看看你卡在哪一层。 第一阶段：命令式使用 大部分人刚上手都是这个状态：打开工具，输入”给我做一个 XX 网站”，然后等结果。 结果出来了，能跑，但丑。而且千篇一律——因为你没给 AI 任何关于审美、目标用户，品牌调性的信息，它只能给你一个”安全但平庸”的方案。 我刚用 Claude Code 的时候就是这样，让它帮我写一个数据可视化页面，出来的东西功能上没问题，但视觉上一看就是 AI 生成的。 突破点： 从”给我做 XX”变成”我要做 XX，目标是 YY，风格是 ZZ，你觉得我还需要考虑什么？”。把 AI 从命令执行器变成合作伙伴，质量立刻不一样。 第二阶段：对话式协作 到了这个阶段，你开始跟 AI “聊”了。不再只是下指令，而是让它先提问、先...

写 SCI 论文这件事，被拒稿的原因有很多。但有一类原因特别冤——不是内容不好，是写作不规范。 我自己就被这种事坑过。第一次写英文论文的时候，导师看完初稿，第一句话不是讨论方法或实验，而是：”你这个单位前面怎么不加空格？” 当时我一脸懵。后来才知道，”5mm”是错的，”5 mm”才是对的——这是 SI 国际单位制的硬性要求。摄氏度除外，”2°C”不加空格。 这种细节，写错了不会影响你的科研水平，但会让审稿人觉得你不专业。审稿人一旦觉得你不专业，后面的内容他看的耐心就少了一半。 几个我踩过的坑 of 连用三次以上，句子就废了。 我刚开始写的时候特别爱用 of，写出过这种句子：”The theory of the conditions of the absorption of light”。导师直接划掉，改成 “The theory and conditions for light absorption”。 后来我养成了一个习惯：每次写完一段，全局搜索 “of”，看有没有三个连在一起的。有的话就用 for 替换一部分。 缩写在 SCI 论文里不能用。 can’t 要写 canno...

标题党文章里说”Claude 让效率提升 100 倍”，这种话听听就好。 但用了半年之后，我可以说：有些场景它确实帮我省了大量时间，有些场景它根本不行。今天说说真实的使用体感，不吹不黑。 最好用的场景：帮你读东西 这是我用得最多的功能，也是 Claude 最擅长的。 把一篇 20 页的论文 PDF 丢给它，让它”总结核心方法和实验结果”，两分钟出结果。以前我粗读一篇论文要半小时，现在用 AI 先过一遍摘要和关键信息，再决定要不要细读，效率提升大概三到五倍。 读研报、读技术文档也一样。把文档丢进去，问具体问题——“这篇报告对 XX 行业的判断是什么？””这个 API 的认证流程是怎样的？”——比自己从头读快太多了。 但要注意：AI 的总结有时候会漏掉你真正关心的细节。所以我的流程是”AI 粗读 + 自己细读”，不是完全交给它。 第二好用的场景：帮你改东西 写完一段文字、一封邮件、一段代码，让 Claude 帮你优化——这个场景的效果非常稳定。 我写公众号文章的时候，初稿写完会丢给它，让它”指出逻辑不通顺的地方、语言不够口语化的地方”。它给的反馈大部分时候是中肯的。 写英文论文...

我有一个很深的体会：同样水平的工作，讲法不同，结果可能天差地别。 去年我帮一个师兄看论文初稿，方法扎实、实验充分、数据也不错。但读完之后我的感觉是——“所以呢？这个工作为什么重要？” 问题出在哪？他写的不是”论文”，他写的是”实验报告”。方法一二三，实验一二三，结果一二三，平铺直叙，没有任何张力。审稿人看完可能也是同样的感觉：”技术没问题，但我不知道为什么应该接收这篇。” 后来导师帮他改了引言，只改了两段话，把”我们做了什么”换成了”这个领域有什么问题→现有方法为什么解决不了→我们怎么解决的”。重投之后，过了。 方法没变，数据没变，变的是叙事。 讲故事不是吹牛 先澄清一件事：学术论文里的”讲故事”，不是夸大结果，不是捏造数据，不是花言巧语。 它的本质是：帮助审稿人在最短时间内理解你的工作的价值。 审稿人不会主动帮你梳理逻辑。他们每个月审大量论文，没有时间去猜你想表达什么。如果你的论文需要”阅读理解”才能看懂贡献，那大概率会被拒。 好的叙事，就是降低审稿人的认知负担。你帮他省时间，他给你好评价。这不是讨好，是专业。 四件事决定你的论文叙事质量 第一，问题要在第一段就点出来。 ...

标题党文章里动不动就”效率提升 10 倍”，但实际上大部分 AI 工具用下来，体感提升可能也就两三倍——不过这两三倍已经足够改变工作节奏了。 今天不写测评，就说说我自己每天在用的几个工具，好用在哪、坑在哪，一起说。 Skill Create：把重复劳动变成一键执行 这是我觉得最被低估的一个工具。 它干的事很简单：把你已经跑通的工作流程，转化成一个可以复用的 Skill。下次遇到同样的任务，直接调用就行。 我用它干过最实际的一件事：把我每周写研究进展总结的流程做成了一个 Skill。以前每次要花一个多小时回顾这周干了什么、整理成文字，现在基本半小时搞定。 优点： 一次投入，长期受益。适合任何有重复性的工作流程。 坑： 你的工作流本身要先跑通。如果流程本身就是混乱的，Skill 只会把混乱自动化。 Document Skills：处理文档的效率确实高 这个是官方出品的，主要处理 Excel、PPT、PDF 这些文档。 我用得最多的场景是 Excel 数据处理。实验数据整理、格式清洗、批量分析——以前手动搞几个小时的活，现在十几分钟能跑完。PPT 生成我试过几次，能用，但生成出来...

最近读了一些关于洛克菲勒、巴菲特、福特、卡内基、比尔·盖茨、马斯克的金钱观。 本来只是随便翻翻，但越看越觉得有意思——不是因为他们有多少钱，而是因为他们对钱的理解，和我们普通人完全不一样。 我一个月奖学金几千块的研究生，聊巨富的金钱观可能有点搞笑。但有些道理跟你有多少钱没关系，跟你怎么看待钱有关。 福特那句话，戳到我了 福特说过：”如果金钱是你获得独立的希望，你将永远也不会得到独立。在这个世界上，一个人所能拥有的唯一真正的安全保障，就是知识、经验和能力的储备。” 这句话让我想了很久。 作为一个研究生，我现在的经济状况就是”基本够用但没有余裕”。以前我会想，等以后赚够了钱就安全了。但福特说的是：钱可以贬值、可以损失、可以被各种意外吃掉，唯一不会被拿走的是你脑子里的东西。 知识、经验、能力——这些才是真正的安全感来源。不会贬值，不会被偷走，而且越用越值钱。 想通这一点之后，我对读研这件事的心态变了。以前觉得读研是延迟赚钱，现在觉得读研就是在投资自己——用两三年时间换一套别人拿不走的能力。这个回报率，比任何理财产品都高。 巴菲特：越早开始越好 巴菲特的核心观点很简单：开始存钱并及...

我现在每天同时用好几个 AI 工具：Claude Code、Gemini CLI、Kimi、DeepSeek、ChatGPT、OpenClaw…… 刚开始的时候很混乱，什么事都问 ChatGPT，有时候效果好有时候效果差，也说不清为什么。后来慢慢摸出来一个规律：不同的工具有不同的长处，用对了效率翻倍，用错了事倍功半。 今天分享一下我自己的分工方式。不一定适合所有人，但至少是我实际验证过的。 我的分工逻辑 想通一个概念、学一个新东西 → ChatGPT ChatGPT 的知识面最广，解释能力最强。你问它一个你不懂的概念，它能用你能理解的语言讲清楚，还能根据你的追问不断深入。 我读论文遇到不理解的方法时，第一个问的就是它。不是让它帮我读论文，而是让它帮我理解论文背后的原理。 写代码、调 bug → Claude Code / Gemini CLI 写代码这件事，我目前的体感是 Claude Code 和 Gemini 都很强，各有优势。Claude Code 在理解复杂上下文方面更好，Gemini 在快速生成和调试方面效率高。 我的习惯是用 Claude Code 做比较复杂的项...

1956 年，华罗庚在北京大学做了一场演讲。 核心就两句话：聪明在于学习，天才在于积累。 70 年前的道理，今天听起来还是觉得扎心。不是因为道理老了，是因为我们还是没做到。 “他天生就聪明，我比不了” 你是不是也这么想过？ 看到别人发了顶会，觉得人家就是聪明。看到别人代码写得快，觉得人家就是有天赋。 华罗庚不同意。 他初中数学并不好，被老师批评过。他后来回忆说：”我小时候并不聪明，只是比别人多用了一些时间。” 他所谓的”多用时间”是什么概念？别人每天学一小时，他学三小时。别人做一道题，他做十道。别人遇到难题跳过去，他反复琢磨到想通为止。别人坚持几个月就放弃了，他坚持了一辈子。 他的”聪明”不是天赋，是时间的累积。 只不过这个过程别人看不到。 天才的真相 华罗庚说：”天才在于积累。” 这句话我以前觉得是鸡汤，最近才真正体会到它的意思。 我从去年开始每天读一篇论文。刚开始很痛苦，一篇 DETR 的论文能啃三天，读完了也说不清楚核心思路。但读到第 30 篇的时候，我发现自己看新论文的速度快了很多——不是因为我变聪明了，而是积累到了一个临界点，很多概念已经不需要重新理解了。 这就是...

辛辛苦苦写了几个月的论文，投出去当天就被退回了。 不是质量问题，是文件不齐。 编辑的回复很客气：”请补充完整后重新提交。”打开投稿系统一看——原来还需要单独上传 Title Page。 就这么一个文件，耽误了将近两周。 后来我才知道，这种事太常见了。据说超过 30% 的 SCI 投稿因为文件不齐被退回。不是论文写得不好，是基本功没做到位。 从那以后我给自己列了一份清单，每次投稿前逐项打钩。今天分享出来，希望你不要踩我踩过的坑。 五类文件，缺一类都可能被退 SCI 投稿的文件大致分五类：核心文件、图表文件、投稿信、审稿人建议、声明文件。 核心文件是入场券，少一张都进不了评审环节。包括正文（Manuscript）、标题页（Title Page）、摘要（Abstract）、关键词（Keywords）。 正文的格式要注意：双倍行距、页码标注、部分期刊还要求行号。这些看起来是小事，但格式不对编辑会直接退回。 标题页是最容易漏的。大多数期刊要求盲审，正文里不能出现作者信息，所以作者姓名、单位、通讯作者邮箱这些要单独放在 Title Page 里上传。我第一次投稿就栽在这里。 摘要一般 1...