撸毛的高阶玩法-架构思路及原理详解 一、全自动撸毛总体流程说明 （限于篇幅，只说每个环节原理，细分只能后续独立开篇，部分补充就在回复里吧）。 1.电脑来电自动开机（只需设置bios来电启动） 2.全自动运行脚本任务，机器停电或异常重启（只需将总控程序随系统启动） 3.脚本异常重启（比如使用指纹浏览器，2000个用户id，单机启动多少个浏览器）完成所有任务后，汇报进度到tg，日志写入数据库，方便查看板统计。 这里大致说下思路，如果某些浏览器因为代理原理，项目方网站等原因产生了异常，那么就等待几分钟后再重试，先做下一个浏览器，如果这个浏览器id连续错误达到设定比如5次，就不再重复，而是2000个做完后，tg，wx汇报异常，由人工查看。为什么要这么自动？那既然都说自动化撸毛了，你看完下面的就知道：对，就得唯快不破，要卷只卷自己。 好吧：先上2年前的初始架构图，相对简陋，但太近也不便给你看不是: 二、硬件方便的配置，如何自动化运维。 1.廉价机集群的搭建，如图比如搭建一个便宜的e5集群，建立资源池，一键克隆几百个机器来备用。 用途(仅简单描述，多了一是不好懂，二是几小时也说不完): 1.1 做管理机，可手动处理一些小任务，临时处理某些项目，统一管理，自己电脑不会乱，也更加安全； 1.2 用来执行单任务，一些只需要单开浏览器的，纯图色模拟，ocr识别模拟,这样每次只开一个浏览器，根据任务时间，计算一天的总量，单机一天做几百个浏览器， 例如单虚拟机一天200个浏览器，要做2000，克隆10台即可。 1.3 用来领水,虽然购买2cpacha,CapSolver这样的可以解决临时领水问题，但是每1-2k就是一个猪脚饭了，如果一ip一天又能领取3次，领取半年那消耗就不少，项目多了消耗也大，既然我们都是撸毛了，能节约自然毛都不想给。怎么领？ 但指纹浏览器模拟点击cloudfare这样的主流的就过了，至于其他变态的就不解释了，除了tw这样的，都有解决办法，因为一般领水也不会有。 1.4 搭建局域网文件服务器，数据库服服务器，代理机，即时通讯等(不解释)。 1.5 用来搭建一些节点，一鱼多吃啥的，你买云服务器，那个内存,cpu很是心酸，用你本地的，只需要解决带宽就好,内存比白菜都便宜。配个图吧： 2.高端机器配置，比如最新的i9 3060 显卡 64内存，得有个几台吧。 用途(仅简单描述...): 2.1 用来多开浏览器，这时候需要吃内存，也吃硬盘，带点游戏的项目吃显卡，这样的好处比如单机40开浏览器，可以快速完成2K号的任务，做4K号怎么办？克隆几台就好了，可预装好系统，git同步，连接局域网数据库。 你也可跟网吧一样，ghost多播等。 就不配图了，可能陆续就能看到我其他推文的截图。 2.2 用来临时打手动，都自动化了，还有手动吗？自然,因为就几个小时的任务你写上自动化的时间手都打完了. 三、如何实现脚本的自动化？ 1.实现一个主监控，查询数据库，看板，配置参数（比如异常几次，单机开多少个浏览器），全局管理这一台机就看主监控了，配置好主控后，他就会启动启动主脚本控制程序。如图: 2.实现一个脚本控制程序，用于启动浏览器执行脚本， 如果是多开浏览器，是用多线程吗？不，我建议是多进程，这样万一脚本卡主只影响这一个浏览器，就跟chrome一样道理。此程序需要执行脚本执行，就看根据各位语言选择，比如选择js，还是python,lua,或者pascal之类，为什么要用脚本？就是自动git了就执行，不然你得重新编译，项目很多都是短平快，甚至几十种交互，需要修改的，自然就没有效率。如果你不具备构建这些能力，你就会使用一点python，好吧，前面这些就当没说了，思路只是借鉴，你独立执行python就可以了。如图: 3.是否一定要中心数据库？ 是的，你要快，这是必然的，不然局域网这么多机器怎么全自动启动就知道干什么，因为他们都读取数据库配置啊，对应的机器名称，或者他主监控配置，根据读取数据库就知道各自去干什么了，通常我们都没显示器。 当然你就是要跑单机，一个个去处理下又怎么样呢？是的，闲着也是闲着，开心就好。但我们的口号是能机器尽量不人工。 4.还没说到怎么怎么具体跑浏览器自动化? 这个就需要各位根据自己的能力去找对应的解决方案了，搜索下一堆，js在网页是一等公民， python当然因为他的库天下第一，所以建议就这两个，加上需要做脚本载入，自然也他们两个更合适。框架诸如Selenium,Puppeteer,Playwright等。 四、跑协议(脱机)，跑合约？ 这个方面，链上基本都是对接rpc，其他需要网页调试，就不展开说，大多时候是一个可选项，或者辅助项，当然你就用这一项完成任务，那么ok，前面的都不用看了，你也似乎没必要看到这里来了。 五、如上自动化怎么对抗女巫的简单说明 1.模拟，加入随机，自然是安全度最高的，鼠标移动，点击按下弹起的时间，输入的速度，这些函数都经过封装后，通常很难被检测的。 脚本的随机时间，因为指纹浏览器每个启动都有一个独立的id，所以每次启动的时候随机启动，其实连自己都不知道规律在哪里，比人工自然随机得多。 2.跑协议，只能凭运气，如果项目方前端检测，因为他的网站是后台更新的，他只要加入一个简单的隐藏参数或者检测，某一天网站更新了，你还在用老版网站数据来交互，但是他也让你协议能正常交互通过，那这时候你该明白么？ 再举个例：就好比他多一个v2接口新网站交互，你一直用v1,请问他网站都更新了，你怎么去打开的v1? 也有一些库，他会检测你的鼠标，键盘的行为，然后提交，所以你协议中并没模拟这个数据，但是你也能交互，最后是否决定你女巫就看项目方了。 再举例：个人认为movment这样的不容易女巫的原因，是因为除了领水你很多交互都是在各自项目方或者galxe这样三方平台上的。 六、安全的问题 1.机器运维安全，首先每台机器防火墙配置，对外不开放端口，保持基本工作在局域网内， 2.代码内不能有敏感数据，比如私钥，钱包密码等，都需要是加密的。 3.如果你有员工，觉得钱包能到处私钥怎么办，我觉得疑人不用是最好的，不然都很难。 有的工作室修改钱包插件来防止员工，但他要真懂卸载重新导入一个插件，或者替换下插件里的钱包文件也是能恢复的，若他真不懂，那心思也就小。 当然你可以用堡垒机，全程录制，用于追溯，但事实上长期跑起来你要防自己人，个人认为多半是不现实的，百密一疏 ，毕竟去中心化零容错，不能像交易所你改个密码就好了。而且丢了不仅是钱，丢了他会很长时间恶心你，比如你还继续撸吗？ 4.聊天工具被监控，你做什么在现在大数据时代就不多解释了吧，不中毒都有人能看到，因为隐私问题只是民事， 不起诉都没事，聊天内容审查很多人都有权限看， 甚至普通员工，因为他上面约束的只是法律，懂的都懂。你发出私钥他查看信息，对屏幕拍个照就行。 5.安全总是开始会觉得很注意，一段时间之后一定就松懈了，毕竟要安全就麻烦。 就到这里吧，确实不能用这么一点文字就能表达出太多，就当先抛砖引玉吧。 #web3 #撸毛

天天有人教赚钱的，除了父母亲友谁轻易告诉你赚钱，看多了都在内耗自己，不如看看技术分析自己总结， 所以赚钱不真实，过几天我分析如何15天亏掉几十万U，这就真实了😞

静待操作操作

O-AI 之U本位合约交易自动驾驶机器人😅 这两天有空整理下然后开源，欢迎有兴趣深度交流的朋友来探讨。 下一个目标是polymarket 的自动驾驶。 #web3 #web3合约

O-AI 之合约交易-自动驾驶机器人 工作回报💕 1. rtx-5090D 测试也只能跑14B左右的模型，准备用14B 模型微调，目前还是接deepseek测试. 2. 仓位管理还需要调整. 3. 独立一个全局风险管理. 4. tw api 港卡有问题开不通了(所以o-ai 的空投一直暂停) 链上数据还没整理好. 5. 计划修改接入多家交易所(还需要构思下细节). 6. 新闻目前采集了币安、巴比特、华尔街见闻、路透社、金色财经还有国内十几个做低权重参考，有什么新闻站推荐欢迎告知. 接前面底座模式的介绍，等理顺畅开源python端 1. 两端完全独立，python端直接启动也是功能一样，不用做任何修改独立运行的命令行界面. 2. 如果启动UI端，就会如下图界面显示. #web3 #meme #撸毛

github.com/CodeNightOwl/delp… Delphi-Python 共享内存双向微秒级通信项目 开发动机 Python 和 Golang 在界面开发方面存在明显短板，而对于普通用户而言，要求其配置环境、使用命令行操作是反人类的体验——正常的解决方案应该是直接交付可执行的 EXE 文件，所以我们可以python来开发功能，Delphi来开发界面(还可以动态执行python脚本)。 Delphi 能够在短时间内开发出大型 ERP 系统界面，更不用说小型工具了。尽管常被认为是一门"过时"的语言，主要依靠销售 IDE 盈利，但它仍能长期稳居编程语言排行榜前十左右。 设计思路可扩展到其他语言组合，选择 Python 是因为其生态丰富（例如需要对接 150 个交易所通讯的场景，无需重复造轮子），ai编程对他来说支持也是最好的，Delphi这种依赖IDE又稍偏门的语言你用Ai跑一个晚上早上醒来他执行几百次都不对的时候，可能自己几分钟写出来了。 因为我现在需要做高频交易，所以对延迟有严格的要求，不说需要多快，只能说能快就快。 性能要求 微秒级通信延迟是针对高频交易场景的硬性需求，需要实时响应和处理交易指令。Delphi 自身能够实现 C 语言的性能，部分核心模块也可直接用 Delphi 开发。 独立运行 用Python4Delphi 虽然能执行python脚本，但独立性不足，且 Python 的版本管理和包依赖处理较为复杂。而本方案中： Python 端打包为独立 EXE Delphi 端编译为独立 EXE 除通信接口外，双方完全隔离开发，无耦合依赖 Delphi 通过创建进程方式启动 Python 可执行文件（如将 Python EXE 嵌入 Delphi 资源，则可实现单文件部署） 传输协议性能对比 通信方式典型延迟RESTful API5-10msWebSocket约 5msgRPC约 3mszeroMq毫秒级(如果局域网可选择)命名管道毫秒级共享内存微秒级 核心技术要点 序列化选择 重要提示：切勿使用 JSON 进行数据传输！切勿使用 JSON 进行数据传输！切勿使用 JSON 进行数据传输！ JSON 的编码解码效率极低，使用后将无法实现微秒级性能，毫秒级保证不了。 MessagePack 采用二进制序列化，效率显著更高。对于交易所 API 通常使用 JSON 的情况，Python 的字典结构天然兼容 JSON 和 MessagePack，我们只需在传输时进行一次序列化转换即可。 性能优化： Python 的 JSON 序列化使用 orjson（底层由 Rust 实现，效率极高） Python 的 MsgPack 序列化使用 (底层由 C 实现 ) 可突破 GIL限制，结合语言特性实现极致速度 双向通信机制 Python → Delphi 方向 Python 向 Python 写区（PYTHON_WRITE_OFFSET）写入数据 Python 发送通知给 Delphi Delphi 从 Python 写区（PYTHON_WRITE_OFFSET）读取数据 Delphi → Python 方向 Delphi 向 Delphi 写区（DELPHI_WRITE_OFFSET）写入数据 Delphi 发送通知给 Python Python 从 Delphi 写区（DELPHI_WRITE_OFFSET）读取数据 系统架构特点 共享内存双向通信 事件通知 MessagePack 封装 线程池优先级执行任务，专为高速数据交换场景优化设计。 技术优势 极致性能：基于 Windows 共享内存，彻底消除网络延迟 全双工通信：Delphi 和 Python 可同时互相发送和接收数据，支持实时事件通知 低延迟响应：微秒级响应时间，基于事件驱动机制 共享内存设计 总内存大小：400MB（可根据实际需求调整） 分区策略：Python 写区：0-199MB（200MB 容量） Delphi 写区：200-399MB（200MB 容量） 编码格式：MsgPack 二进制序列化 事件通知：基于 Windows 事件对象的双向通知机制 消息格式：4 字节消息长度头 MsgPack 序列化数据 线程池设计 线程数：根据 CPU 核心数动态调整（默认值为核心数） 任务队列：无界队列，支持高并发任务提交 任务优先级：根据任务类型（如实时事件、普通消息）分配不同优先级，确保关键任务及时处理 项目编译 Delphi：使用 Delphi 10.3 或更高版本编译 Python：使用 Python 3.10 或更高版本编译 测试程序 启动 Python 端 main.py (必须先启动) 启动 Delphi 端 启动 发送给delphi队列性能验证.py 可以测试批量发送给delphi的性能 点击 delphi 界面按钮，发送给main.py的消息，main.py会收到并打印在控制台上 视频中python端提示“网络延迟” 是笔误，内存通讯，没有网络， 时间是内存写入 事件通知 messagePack解包的总时间。 #web3 #meme

light要拉升，我要入手了... 我的个人行为。

O-AI 整理后将卷土重来，空投市场没落，将尝试转向多元化信息分析. 小试牛刀的趋势套利.

monad没做，开不了香槟.