MilesDeutscher

任何人都能靠 AI 赚钱。
最现实的路径：先解决你自己生活中的真实痛点，然后把解决方案提供给那些只落后你几步的人。
这个过程看起来是这样的：
1. 在你自己的生活/工作/生意中找一个让人烦、很慢或需要手动处理的事情（最好是你每天都会做的）
2. 用 AI 构建一种能买回时间的自动化（AI 可以帮助你做到这一点）
3. 把你做出来的东西打包成一个有吸引力的产品（那种你自己也真的会想买的）
4. 推销你的产品（线下本地生意目前几乎没有竞争对手）
我看不出普通人为什么不能做成这件事。

GARCH 模型是当今真正的量化分析师每天都在使用的最强大交易框架之一。
我最近的文章精确解释了我是如何用 Claude Code 来自动化这套 GARCH 量化交易策略的。
下面是它背后的完整架构：包含真实数字，以及我是如何让 Claude 为我搭建出来的：
GARCH 实际衡量的是什么
这是一项获得诺贝尔奖的计算方法，最初由 Robert F. Engle 于 2003 年提出为“ARCH”，随后由他的学生 Tim Bollerslev 扩展成 GARCH 模型，量化交易台至今仍在运行。
核心观点：市场波动并不是随机的。它是可预测的。GARCH 就是用来衡量和预测它的。
计算过程（仅 3 个输入）
GARCH 将明天的波动率预测为以下三者之和：
→ 基础水平变动：每项资产都带有一个不会真正改变的基准波动量。比特币的基准高于 S&P 的基准，它总是更高。
→ 昨日冲击：上一个交易时段市场到底动得有多剧烈？
→ 昨日的波动率水平：在那次移动发生之前，波动率已经处于什么水平？
把这三个加在一起，你就得到明天的“暴力分数”（violence score）。
来自回测数据的真实例子
在典型的一天里，$BTC 出现剧烈波动的概率大约是 10%。在经历像 FTX 崩盘这样的冲击后的第二天，这个概率会翻三倍，约到 30%。
截至本文撰写时，纳斯达克的“暴力分数”（violence score）

wtf 你是在说图（graph）？
循环工程已经“死了”，我们正在进入图工程的时代。
我搭建了一个提示（prompting）框架：如果你把它发给 Claude Code，它就会教你图工程的基础知识。
基于 @IntuitMachine 那篇令人惊叹的深度剖析文章。

在 2026 年，用 AI 赚到钱的最简单方法：
1. 审查你每天要做的每一项任务
2. 找出你最主要的 1-2 个痛点
3. 围绕这些痛点构建 AI 自动化
4. 创作有机内容来记录这个过程
5. 围绕已验证的需求打造一个供给/方案/产品化提议
别把事情想得太复杂。

这个 Hermes 工作流简直彻底改变了游戏规则。
字面意思上，人人都应该把它设置起来：
将 Granola 连接到 Hermes Agent。
这会把 Hermes agent 变成你的个人知识库——训练基于你所有的会议、笔记，甚至是那些随手的脑内倾倒。
如果你不熟悉，Granola 是一个 AI 工具，它在每一次通话的后台运行，并会自动转录和总结。
把它接到 Hermes 后，这些数据会直接流入你 agent 的记忆里，不需要任何手动整理归档。
你甚至不需要在团队会议里才能用它。
我字面意思上会开一个只有自己的 Google Meet，并让 Granola 运行，然后用 30 分钟把我脑子里想到的东西随口讲出来。
整个脑内倾倒都会变成可搜索的上下文，Hermes 可以从中提取并长期使用（甚至还能据此创建技能）。
要开始使用：安装 Granola，并让它在你的通话期间运行。然后，只要告诉 Hermes 去扫描你的 Granola 账号，并把每一场会议都导入到它的记忆中。
一旦连接成功，你就可以开始问一些问题，比如：
→“我们上周和 [client] 通话时，实际上到底决定了什么？”
→“在我最近的会议里，接下来会反复出现哪些阻碍？”
用它的可能性不计其数。
- 为你的团队创建一套公司知识库
- 为其他 AI 工具创建技能（比如 Claude）
- 基于笔记/会议构建标准操作流程（

Robinhood 的全新代理式交易 MCP 现已上线。
在 60 秒内，你就可以将其设置为让 AI 代理在你不在场的情况下代为自动交易。
这是任何人开始 AI 交易最容易的方法。
以下是如何开始（你会想保存这篇）：
步骤 1. 选择你的 AI 平台
Robinhood 的 Trading MCP 与 Claude Code、Claude Desktop、ChatGPT、Codex、Cursor、Grok 等协同工作。
为交易挑选你偏好的集成方式（我喜欢 Claude）。
步骤 2. 连接它
对于 Claude Code，在终端运行：
" claude mcp add robinhood-trading --transport http "
然后输入 /mcp，选择 robinhood-trading，并完成认证。
对于 Claude Desktop：设置 → 连接器 → 添加自定义连接器 → 粘贴 MCP 链接。
对于 ChatGPT：开启开发者模式，设置 → 应用 → 创建应用 → 粘贴链接。
步骤 3. 打开你的代理式账户
完成认证后，Robinhood 会自动为专用的 Agentic 账户打开入门引导。你的代理只能在这个账户内交易，不能在你的主要账户里交易。
步骤 4. 开始下指令
连接后，你的代理可以查看你的投资组合、购买力和账户详情，并代你下单交易。
一些直接来自 R

这就是你需要掌握的唯一帖子：loop 工程。
如果你仍然因为 /loop 而感到无所适从——你会想把它保存下来。
说实话，提示工程已经死了。你唯一的重点应该是掌握 loop 工程。
下面是完整框架的拆解：
旧方式 vs 新方式的提示
旧方式：你提示 → AI 回答 → 你检查 → 你再提示 → 重复。
新方式：你只定义一次目标。AI 尝试一些东西，检查自己的工作，修复错误，再次尝试，并在完成后标记自己已结束。
之所以现在只有这种方式能行，是因为 Fable 5 和 GPT-5.6 Sol 足够聪明，能够自我纠错。
loop 工程真正重要的 2 条命令
→ /goal：任务。你想要达成的目标，以及在何时算完成的精确条件。
→ /loop：间隔。你希望把这项任务重复多久一次（每分钟、每小时、每天）。
内循环 vs 外循环（大多数人会错过这一点）
内循环：一个任务，在内部运行。
例子：“像 $5K 顾问一样审计我的网站。列出 10 个问题，包括严重程度、位置和修复方案。12 轮后停止。”——一个任务，会在完成前不断自我修正。
外循环：按计划运行的重复工作。
例子：每天扫描竞争对手的频道，在 X 上监控你的细分领域——这些会无限期运行，并且每一轮都会自我改进。
这就是 loop 工程的绝对极简版；如果你完全不知道从哪儿开始，

2026 年用 AI 生成真实收入的最佳方式，并不是开发产品或 SaaS。
说得诚实点：这些市场对普通人来说竞争实在太激烈，难以进入。
但有一条 AI 赚钱路径几乎任何人都能开始——而且我对此非常看好：
我和每一位创业者聊到，他们都想削减人员编制。然而，他们大多都不知道该怎么做。
就连我爸爸也一样——他做生意已经 15+ 年了，仍然在靠手工把一切做完。
能够为真正的线下实体本地商家引入并搭建基础 AI 系统的人，手里等于拿着一台“印钞机”。
这种以线下咨询为主的角色几乎没有竞争；而且由于 AI 仍处早期，几乎任何人都能成为专家。
这就是打法：
1. 成为某一类业务的“AI 人”
聚焦于某个特定行业的一项工作流程。
例如：成为专注于跟进外联的 AI 代理专家，或者为医生诊所做接待代理等。
关键在于：你的护城河在于只在一件事上成为专家。
2. 锁定合适的企业
跳过像 Amazon 或 Google 这种大企业；它们都有自己的内部 AI 系统。
相反，向本地律所、不动产中介、营销机构、会计师事务所等推介。
亲自到场，形象得体，并准备好你的方案（幻灯片/演示）。
只争取他们的 10 分钟时间。
3. 分 3 个阶段收费
→ 审计费：诊断他们的问题
→ 解决方案费：搭建并部署系统
→ 长期托管费：长期维护并更新
我真的相信，这个模式对那些渴望成功、且工作作风极其拼的 16-25 岁孩子来说，

在 2026 年及之后：软技能 > 硬技能。
AI 已将大多数硬技能商品化。
作为一个管理 35+ 人团队的企业负责人，我比以往任何时候都更看重以下软技能：
• 领导力
• 说服力
• 人员管理
• 在压力下的决策能力
• 建立人脉
• 讲故事
• 个人品牌/声誉
• 自律与持续性
• 情商
• 创意品味
• 愿景
• 适应能力
• 战略思维
• 风险承受能力与坚定信念
• 招聘与人才评估

人们在没有任何理由的情况下把学习 AI 过程想得太复杂了。
如果你想精通 AI，只要做这一件事：
照常过你自己的日常生活（在线购物、表格电子表、邮件——不管你已经在做什么），然后整天都在一个单独的显示器上保持打开一个 Claude Code 或 Codex 的标签页。
接着，把它当作能够访问你整台电脑的私人助理来使用。
在做任何电脑任务之前，都先把任务委派给 Claude/Codex。
在线购物？让它帮你找优惠券代码以及你要买的东西更便宜的替代品。
做研究？问 Codex 它能怎么帮你。
丢了文件？（这事真的发生在我前几天。）直接让 Claude 帮你找。
就这样。这就是整个系统。
字面意思就是在日常生活中用 AI，你就会学到提示工程、上下文工程、智能体管理等。
你不需要看一百个关于如何学习 AI 的视频。
你只需要真的去用它，而且最棒的是这些工具太好用了，它们能带你完成整个过程。
我认识的几乎所有 AI 原生的人，都是走的这条路。

成长很难。
大多数人都在逃避它。
相反，正面面对它。