Agent Substrate 是什么：和 E2B、Kubernetes 的关系
Agent Substrate 的演示里，约 250 个有状态的智能体跑在 8 个 Pod 上。顺着这个数字往下追：它管的 actor 是什么、平时在哪，一个请求怎么把它叫醒，一个要跑几天的智能体，状态靠什么保住、什么时候会丢，它为什么装在 Kubernetes 上却不让 Kubernetes 管 actor，又和同样靠快照起沙箱的 E2B 差在哪里。
把经历过的，连成记忆。
这是我的记忆构建平台，你也能搭一个。
最新文章
智能眼镜能看出瞳孔大小吗
研究用的眼动眼镜已经能按毫米导出瞳孔直径。顺着这个数往下追：镜框上的摄像头怎么看见瞳孔，斜着拍的像素怎么换成毫米，瞳孔为什么会变、哪一部分才和“想事”有关，走到街上怎么扣掉光照，以及为什么我们手上的 AI 眼镜拿不到这个数。
指标相关性与背离套利的方案分析
两只跟踪同一个纳斯达克 100 指数的 ETF，场内溢价一个 17.5%、一个 11.0%。这种“绑定的东西走散了”的现象，市面上有没有平台能统一盯着、发现了就去做？本文先区分几类背离，再看现有的终端、期货软件、配对交易软件、开源库和自然语言智能体分别做到了哪一步；接着讲视角从哪里来：先由机器用公开数据把 ETF 与净值、期货与现货这类基础视角连成一张图，再推出高阶视角，并用 Polymarket 和联邦基金期货检验跨平台的视角；然后设计一个“机器扫描、人来判断”的系统：视角怎么描述，扫描器给出什么证据，人在哪里做决定。最后用 55 对指数的盲扫和十只纳指 ETF 的换仓实测检验它靠不靠谱，讨论为什么能从中赚到钱的人不多，以及怎样看清一个视角从出现到失效的生命周期。
纳指ETF的时差利差分析
纳指前一晚跌了 3.3%，国内最早的纳指 ETF 513100 第二天开盘只跌了 0.9%，收盘前还涨回来 1.6%。顺着这个现象往下追：这是国内 ETF 特有的吗，“早上买吃昨晚”是不是错觉，真正存在的那部分利差有多大、怎么操作才能拿到，它又是从哪来的，哪些变化会让它消失，以及国内另外九只纳指 ETF 是不是也一样。
E2B 和 Docker 是什么关系
一份普通的 Dockerfile 原封不动就能变成 E2B 沙箱，可 E2B 又说每个沙箱是一台 Firecracker 虚拟机。顺着这份 Dockerfile 往下追：为什么不直接用容器，镜像进了 E2B 之后变成了什么，虚拟机怎么启动得和容器一样快，它创建沙箱和 Kubernetes 创建 Pod 有什么不同、又怎么跑在 Kubernetes 上，最后反过来看沙箱里怎么跑 Docker。