Logo
OPML 社媒 工具 提交 English RSS

site iconGaoJin | 高金

博客 编程 python 区块链
后端开发、爬虫、ETH开发、EOS开发。目前all in 区块链
RSS: https://igaojin.me/atom.xml
请复制 RSS 到你的阅读器，或快速订阅到 :

Inoreader Feedly Follow Feedbin Local Reader

GaoJin | 高金 RSS 预览

情绪价值与求真：如何平衡与应对？

2025-01-01 21:09:43

情绪价值与求真：如何平衡与应对？

今天看到一个帖子，讲述了一位司机在开车时因前车突然停车，险些追尾后，害怕得哭了起来。她打电话向对象倾诉，却遭到了对方的“教训”：对方告诉她以后要注意保持车距，因为“开车时，我们无法改变别人的行为，只能改变自己。”

如果你遇到类似的情况，你会怎么做呢？

之前的我：只追求“求真”

如果是以前的我，可能会像帖子中的对象一样，选择直接解决问题。因为在我看来，你打电话给我就是为了找到解决方案。所以，我会告诉你：“保持车距，下次注意。”

但现在的我，可能会选择另一种方式。

现在的我：理解情绪价值的重要性

如果有人哭着或情绪不稳定地向我倾诉，我会先安慰她，让她冷静下来。等事情结束、情绪稳定之后，再谈如何避免类似的情况发生。

这种转变，让我开始思考“情绪价值”和“求真”的区别，以及在不同场景下如何正确应对。

情绪价值与求真：如何定义？

首先要明确，情绪价值和求真是对方的需求，而不是我们自以为的选择。

  • 情绪价值：让对方在当下感到舒服，给予安慰与支持，使其情绪稳定下来。这是一种“同频”的陪伴和理解。
  • 求真：帮助对方客观地解决问题，从逻辑和事实出发，提供有效的建议。

错误应对：情绪价值 vs 求真

曾经的我，总认为无论什么情况，都应该以“求真”为优先。比如对方因为开车差点出事而情绪激动，我会告诉她“保持车距，下次注意”。
但仔细想想，这种建议其实显得很可笑。对方难道不知道保持车距的重要性吗？🤔

问题的本质

我们之所以回应对方，是因为关心，希望对方过得更好。然而，如果对方此刻需要的是情绪价值，而我们却只强调“求真”，不仅达不到预期效果，反而可能让对方感到更沮丧。

情绪中的“讲道理”有用吗？

想象一下，当你情绪激动、愤怒或悲伤时，有人试图和你讲道理。这样做真的能让你心情变好吗？大多数时候，只会让人更加不悦。

这并不是说“求真”不重要，而是需要分清对方当下的需求。在情绪稳定之后，再进行“求真”的讨论，效果会好很多。

如何判断对方需要情绪价值还是求真？

最简单的方式：直接问对方

如果你不确定对方当下的需求，可以直接询问：“你是想让我安慰你，还是帮你找个解决方法？”

根据对方的状态判断

  1. 对方情绪激动或低落：大概率需要情绪价值。
  2. 对方语气冷静、直奔主题：可能更倾向于“求真”。

避免两种极端

  • 一味给予情绪价值：当对方需要求真时，你一直安慰，会让对方觉得你不够可靠，逐渐不再向你寻求建议。
  • 过度强调求真：当对方情绪激动时，只讲解决方案，可能会让对方感到疏离和不被理解。

总结：学会平衡情绪价值与求真

与其将两者对立，不如将它们视为不同场景下的工具。

  • 在对方情绪激动时，先提供情绪价值，让对方冷静。
  • 在对方冷静之后，再切换到求真，帮助其找到解决问题的方法。

这不仅能让对方感到被理解，也能在事后更有效地解决问题。

最终，我们的目标是让对方感受到关心，而不是单纯地“解决问题”或“安慰情绪”。


本文作者：高金
本文地址： https://igaojin.me/2025/01/01/情绪价值与求真：如何平衡与应对？/
版权声明：转载请注明出处！

friend_tech 第一笔交易只能买 1 个key?

2023-09-19 15:36:24

背景

群里有人说friend tech 第一笔交易只能自己购买1笔？

我当时就反驳了他,毕竟我也算看过 friend tech 合约代码的人,合约没有限制只能买 1 笔啊

废话少说，直接看代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
 
function buyShares(address sharesSubject, uint256 amount) public payable {
    uint256 supply = sharesSupply[sharesSubject];
    require(supply > 0 || sharesSubject == msg.sender, "Only the shares' subject can buy the first share");
    uint256 price = getPrice(supply, amount);
    uint256 protocolFee = price * protocolFeePercent / 1 ether;
    uint256 subjectFee = price * subjectFeePercent / 1 ether;
    require(msg.value >= price + protocolFee + subjectFee, "Insufficient payment");
    sharesBalance[sharesSubject][msg.sender] = sharesBalance[sharesSubject][msg.sender] + amount;
    sharesSupply[sharesSubject] = supply + amount;
    emit Trade(msg.sender, sharesSubject, true, amount, price, protocolFee, subjectFee, supply + amount);
    (bool success1,) = protocolFeeDestination.call{value: protocolFee}("");
    (bool success2,) = sharesSubject.call{value: subjectFee}("");
    require(success1 && success2, "Unable to send funds");
}

一看代码很简单，唯一限制的就这一句

require(supply > 0 || sharesSubject == msg.sender, "Only the shares' subject can buy the first share");

这句话的意思 新注册用户，只能自己买入第一笔. 也没有限制买多少key啊…

没那么简单

那别人为啥还言之凿凿说确实只能买 1 个key 呢？

严谨一点直接用forge模拟买买看就知道了.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
 
import {TestHarness} from "../../TestHarness.sol";

interface iFriendtech {
    function buyShares(address sharesSubject, uint256 amount) external payable;
}

contract fuck_friend_tech is TestHarness {
    iFriendtech friendtech = iFriendtech(0xCF205808Ed36593aa40a44F10c7f7C2F67d4A4d4);

    function setUp() external {
        cheat.createSelectFork("base", 4_119_770);
        cheat.deal(address(this), 100 ether);
    }

    function test_attack() external {
        friendtech.buyShares{value: 100 ether}(address(this), 2);
    }

    receive() external payable {}
}

你别说,还真失败了…报错为 [FAIL. Reason: Arithmetic over/underflow] test_attack() (gas: 3252)

显示溢出报错.肯定是哪里做运算出错了

再回头看buyShares的代码，唯一有疑点的地方就是getPrice

1
2
3
4
5
6
7
8
9
 
function getPrice(uint256 supply, uint256 amount) public view returns (uint256) {
    uint256 sum1 = supply == 0 ? 0 : (supply - 1) * (supply) * (2 * (supply - 1) + 1) / 6;
    uint256 sum2 = supply == 0 && amount == 1
        ? 0
        : (supply - 1 + amount) * (supply + amount) * (2 * (supply - 1 + amount) + 1) / 6;

    uint256 summation = sum2 - sum1;
    return summation * 1 ether / 16_000;
}

出现问题在sum2… supply-1+amount这边就出错了…毕竟 solidity 语言有点傻,0-1=-1就直接溢出了…

好吧,原来不能第一次买多个的原因是 团队写 bug 了…改正也很简单,先+后-就可以了,这也算 solidity 开发常见的问题了,要先加后减，先乘后除

(supply - 1 + amount) * (supply + amount) * (2 * (supply - 1 + amount) + 1) / 6;
(supply + amount - 1) * (supply + amount) * (2 * (supply + amount - 1) + 1) / 6;

getPrice 分析

再回头看getPrice的代码.
估计第一眼看过去的都会比较迷糊，这到底是干啥了…当然数学大神一下就能看出来这是平方和公式

我们可以借助 ChatGPT

1
2
3
4
5
6
7
8
9
10
11
12
13
 
Q: (supply - 1) * (supply) * (2 * (supply - 1) + 1) / 6 这是什么公式？

A: 
这个公式是用来计算一个整数变量（通常表示为"supply"）的平方和平方和的一种表示方式。公式的具体步骤如下：

1. 先将"supply"的值减去1，即"(supply - 1)"。
2. 然后将该值与"supply"相乘，即"(supply - 1) * supply"。
3. 接下来，将2乘以"(supply - 1)"，即"2 * (supply - 1)"。
4. 将上一步骤的结果加1，即"2 * (supply - 1) + 1"。
5. 最后，将前三步骤的结果相乘，并将其除以6，即"(supply - 1) * supply * (2 * (supply - 1) + 1) / 6"。

这个公式可以用来计算一系列连续整数的平方和，其中"supply"代表整数的上限。这种形式的平方和通常在数学和统计学中有多种应用，比如计算方差、概率分布等。

知道这是平方求和公式就简单了,这段代码就很好理解了
((supply-1+amount)的平方和 - (supply-1)的平方和) / 16000


本文作者：高金
本文地址： https://igaojin.me/2023/09/19/friend-tech-第一笔交易只能买-1-个key/
版权声明：转载请注明出处！

friend_tech 套利到底有多卷

2023-09-18 23:24:45

背景

最近有准备搞一下friend tech的套利…

就写个 sql看看目前有多少人盈利.这个数据不会基于没有卖出去的key

数据在这friend tech top profit

按照盈利金额排序

按照亏损金额排序

头几个盈利的肯定是机器人账号.就看看他们的数据,这一看就发现了一些问题.

数据分析

所有的数据基于block 411977,真实用户0xda, 购买 tx

数据长这样

1
2
3
4
5
6
7
8
9
10
11
12
 

fromnoncetotransactionIndexgasPricegasFeestatusnew_status
00xa3afA500e3d88CAfA41AA7B95a8dEF7d2CBce92b941660xfF231524719dB94a0Ef08A88fC4e6939134EadE811254698872434951723127900
10x135557B95fc164cB152e853568b25880Ba06F94A94870x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c21254698872394616413986700
20x8ac85761268B9Ac3fDe06d381611b64B232CEa97662930x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c31254698872397503555135900
30x1BA4C73e7831b8099377c0583acfF4DBE488dFc6166260x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c341254698872428797029923900
40xa92a6331d0174c0eDC463B097E8564a492D451FA936090xfF231524719dB94a0Ef08A88fC4e6939134EadE851254698872434951723127900
50x9a34845CCBeA93925B15F5af6d9F4aFae4EC590a937550xfF231524719dB94a0Ef08A88fC4e6939134EadE861254698872434951723127900
60x5ED1222A1c0BdBA479B61201231f539ac131DD69641310x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c371254698872428797029923900
70xe8C5433d6E8Fc7a2b38eF0391FabA7470c9576e451420x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c381254698872428797029923900
80x38Cd1a8474A948a5a3e4d4b06c4069F2116DD184855740x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c91254698872406164978583500
90x3c2c170296446e241dE2eE39d7036254d55Df9E4936020xfF231524719dB94a0Ef08A88fC4e6939134EadE8101254698872426290299680300

交易数量

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
 
import json
import pandas as pd

from hexbytes import HexBytes

with open('4119771_da681.json') as f:
    txs = json.loads(f.read())

def filter_da68(txs):
    flashruntxs = []
    for tx in txs:
        _input = tx["input"]
        if "da68ee" in _input:
            flashruntxs.append(
                {
                    "from": tx["from"],
                    "nonce": tx["nonce"],
                    "to": tx["to"],
                    "transactionIndex": tx["transactionIndex"],
                    "gasPrice": tx["gasPrice"],
                    "gasFee": tx["gasFee"],
                    "status": tx["status"],
                }
            )
    return flashruntxs

da68 = filter_da68(txs)

len(da68),len(txs)

(506, 517)

可以看到整个区块交易517 条,其中和da68相关的 506. 就非常离谱，97.87%的用户都是来抢跑的.

一共有多少机器人？

我们这边按照合约地址分一下类. 可以看到有几个头部机器人.
前3 占了大部分交易.

1
2
3
4
5
6
7
8
9
10
11
 
to_count = df['to'].value_counts()
to_count

0x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c3    184
0xfF231524719dB94a0Ef08A88fC4e6939134EadE8    161
0x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c    123
0xCF205808Ed36593aa40a44F10c7f7C2F67d4A4d4     19
0xe27ddadbC8779D01fC539Bf5BA8529D728418625      9
0x27E8A5B043d3f58dde1c7ab96d2E3cF07558A1f1      8
0xAfE6795A9097BbCE00fe61462d22CCeeF706a3e8      2
Name: to, dtype: int64

看看这几个机器人花了多少gas费,没想到发送 184 条交易才花 7.69刀.

1
2
3
4
5
6
7
8
9
10
11
12
13
 
ethprice = 1640
for to in to_count.index:
    tteth = sum(df[df.to==to].gasFee)/1e18
    ttusd = tteth*ethprice
    print(tteth,ttusd)

0.004690181471662096 7.691897613525838
0.004104812550636566 6.731892583043968
0.003097893590529322 5.080545488468088
0.000457215606189089 0.749833594150106
0.000226412037571068 0.3713157416165515
0.00017632952477182 0.2891804206257848
5.0244385725274e-05 0.08240079258944936

再看看这些机器人有多少小号
有发现几个菜鸟机器人…

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
 
for to in to_count.index:
    print('to:',to)
    print(df[df.to==to]['from'].value_counts())
    print()
    print('#'*30)


to: 0x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c3
0x5ED1222A1c0BdBA479B61201231f539ac131DD69    27
0x1BA4C73e7831b8099377c0583acfF4DBE488dFc6    26
0xd9E4b9579a5CF5B336E258820CC95cA34411c9D6    26
0x27C2a598Db389b5276c0156f14B4dE75E490712F    26
0xe8C5433d6E8Fc7a2b38eF0391FabA7470c9576e4    24
0xDd2B7694259a83753918BF5b6dC6961fabd2FDbC    24
0xC81a00ee6839EE0dFbF465d3C08E5F0b0291b71A    20
0x3Ee2183b706cf381e7e4586b8063a779f1E7b7dA    11
Name: from, dtype: int64

##############################
to: 0xfF231524719dB94a0Ef08A88fC4e6939134EadE8
0xa3afA500e3d88CAfA41AA7B95a8dEF7d2CBce92b    9
0xa92a6331d0174c0eDC463B097E8564a492D451FA    9
0x2bE3973950D0F1951E12C21bC7bB8e2428101Fdd    9
0x63cEe818600f91C4473CD14cDfD9C10d918B587b    9
0x92c21dB4a7cC0302ccCb71d444aE674Ec3980c93    9
0xCb44B9062eB0Cd22c4C0701385e6482BF4a77759    9
0x57ae46a097751124f8c35A86f64B4c38d2C62675    9
0x8eE3847cAE34e6e0292dc3DF8DD3C0C69a266b97    9
0x807db242cD37b5E2B53697842197611f51693C06    9
0xDb6f56639AaeA09FfEA6080D31A32851524128d4    9
0x9D94BdAf42d7906b3D3c011053ed2cBF42A1cA3f    9
0x244Fb415A8765812B9bc5B52cA14fd83C9d7E0e5    9
0xF689ac0322786Ac2D7245Fcd665fe120ff1d0408    9
0x895D2d10FB9b92D0e1002c1a1bCdb90Ed42c3588    9
0xF53010525Df586e78b14114C9cd05481E79E6C8C    9
0x3c2c170296446e241dE2eE39d7036254d55Df9E4    9
0x9a34845CCBeA93925B15F5af6d9F4aFae4EC590a    9
0x36da68690F238366156890010c411394FC529cd9    8
Name: from, dtype: int64

##############################
to: 0x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c
0x8ac85761268B9Ac3fDe06d381611b64B232CEa97    13
0x135557B95fc164cB152e853568b25880Ba06F94A    12
0x38Cd1a8474A948a5a3e4d4b06c4069F2116DD184    12
0x3547DbcD816bc17D7dE0e7e67a8B8bEE74384ACF    12
0xa9ff99346829E7c578E6d38C2269997a2FCcEEE1    12
0xd65eD99CB8b3b65CE378e3E5CaE545B751f4DAc6    11
0x1F238B47ab9fD915e5852601E83c6c1358297870    11
0x75Ff68BDe78974ab54a642fD294369447bD9Feef    10
0xf1E7E7Ad07C046abb6e488F73c126B897892755c    10
0x76eF08c772Db73E05fa00398746FbA31eFC5804F    10
0x7CfE232Ed8b0acc111ec780b7Cb95C68f3CF7Aa6    10
Name: from, dtype: int64

##############################
to: 0xCF205808Ed36593aa40a44F10c7f7C2F67d4A4d4
0x188eCF8f4290C4e5d641449B88CEf94574174972    15
0xDa68EEe4c5b10D8A574b9ec072335c583B1C67A2     1
0xbEbA981C5697b1CFa7c04fCB523E94bD42F79afB     1
0x40954b9B4bAfC41Ec6387325fD0069C68674a04d     1
0x296D3324Ee4b2316E87f965F4A04F073780f5310     1
Name: from, dtype: int64

##############################
to: 0xe27ddadbC8779D01fC539Bf5BA8529D728418625
0xeFa4b454A64049ff93cC37b54102982ACEdf4Eae    9
Name: from, dtype: int64

##############################
to: 0x27E8A5B043d3f58dde1c7ab96d2E3cF07558A1f1
0x8b113ad5c2b2E3ddb102305e32259c6b23D12aa3    4
0x89B5BB48f016b809EB2eE78416550487334C1331    4
Name: from, dtype: int64

##############################
to: 0xAfE6795A9097BbCE00fe61462d22CCeeF706a3e8
0xC1322133ACbAd823614bf79Ca9eC409fA3A7E39A    2
Name: from, dtype: int64

##############################

最后总览看看

26是用户的交易.可以看到所有的 gasPrice都和用户的一样…

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
 
# 筛选出 transactionIndex 在 16-40 范围内的数据
filtered_df = df[(df['transactionIndex'] >= 16) & (df['transactionIndex'] <= 36)]

# 按照 transactionIndex 从小到大排序
sorted_df = filtered_df.sort_values(by='transactionIndex')

def highlight_row(row):
    if row['transactionIndex'] == 26:
        return ['background-color: yellow'] * len(row)
    else:
        return [''] * len(row)

highlighted_df = filtered_df.style.apply(highlight_row, axis=1)
highlighted_df


 fromnoncetotransactionIndexgasPricegasFeestatus
150xa9ff99346829E7c578E6d38C2269997a2FCcEEE1730390x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c16125469887240616497858350
160x895D2d10FB9b92D0e1002c1a1bCdb90Ed42c3588949870xfF231524719dB94a0Ef08A88fC4e6939134EadE817125469887243495172312790
170xDd2B7694259a83753918BF5b6dC6961fabd2FDbC31800x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c318125469887242879702992390
180xF689ac0322786Ac2D7245Fcd665fe120ff1d0408943820xfF231524719dB94a0Ef08A88fC4e6939134EadE819125469887243495172312790
190xC81a00ee6839EE0dFbF465d3C08E5F0b0291b71A27080x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c320125469887242879702992390
200x244Fb415A8765812B9bc5B52cA14fd83C9d7E0e5562030xfF231524719dB94a0Ef08A88fC4e6939134EadE821125469887242340315853110
210x5ED1222A1c0BdBA479B61201231f539ac131DD69641320x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c322125469887242879702992390
220xeFa4b454A64049ff93cC37b54102982ACEdf4Eae66820xe27ddadbC8779D01fC539Bf5BA8529D72841862523125469887233748113267501
230x1BA4C73e7831b8099377c0583acfF4DBE488dFc6166270x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c324125469887242013560647630
240xd65eD99CB8b3b65CE378e3E5CaE545B751f4DAc6660630x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c25125469887240616497858350
250xDa68EEe4c5b10D8A574b9ec072335c583B1C67A200xCF205808Ed36593aa40a44F10c7f7C2F67d4A4d426125469887288954547350181
260x9D94BdAf42d7906b3D3c011053ed2cBF42A1cA3f557120xfF231524719dB94a0Ef08A88fC4e6939134EadE827125469887336599568461861
270xe8C5433d6E8Fc7a2b38eF0391FabA7470c9576e451430x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c328125469887255865836296890
280xd9E4b9579a5CF5B336E258820CC95cA34411c9D676560x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c329125469887255865836296890
290x1F238B47ab9fD915e5852601E83c6c13582978701886260x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c30125469887252936386062880
300xDb6f56639AaeA09FfEA6080D31A32851524128d4557420xfF231524719dB94a0Ef08A88fC4e6939134EadE831125469887254748032978540
310x27C2a598Db389b5276c0156f14B4dE75E490712F81120x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c332125469887255865836296890
320x8ac85761268B9Ac3fDe06d381611b64B232CEa97662940x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c33125469887252936386062880
330x75Ff68BDe78974ab54a642fD294369447bD9Feef747960x4Ff30D7222B852c67A66Dc8E8d56A8cf92B8411c34125469887252070243718120
340xDd2B7694259a83753918BF5b6dC6961fabd2FDbC31810x4C99B25DdD0887D88b6C1364E3Df63a3bE76A5c335125469887255865836296890
350x807db242cD37b5E2B53697842197611f51693C06559790xfF231524719dB94a0Ef08A88fC4e6939134EadE836125469887254748032978540

代码以及相关数据下载

https://github.com/jin10086/friend-tech-bot-analyze


本文作者：高金
本文地址： https://igaojin.me/2023/09/18/friend-tech-套利到底有多卷/
版权声明：转载请注明出处！

无公网ip,无服务器实现内网穿透

2023-09-16 22:11:33

背景

家里有台服务器,想着能远程 ssh上去改改 bug 啥的,发现无公网 ip

网上搜了一堆方案，发现都挺麻烦，有的确实不需要公网 ip，但是他却要有一台有公网 ip的服务器…

实现.

本次实现要感谢这篇文章 使用Cloudfalre Tunnels实现内网穿透，同时突破80/443限制

他这篇主要讲的是80,443端口，那么同理 22 应该也没有问题

操作

  • 你需要注册一个域名，买一个最便宜的就行，一年 10rmb 的那种.
  • 打开Cloudfalre控制台，依次点击Access -> Tunnels(这边记得选 0 元的，需要你绑卡才能下一步，直接关掉，重新打开控制台发现不绑卡也开通了.)
  • 然后就是创建隧道了，可以参考官方文档 Set up a tunnel through the dashboard

Subdomain选择你想要的前缀（随便写都可以）
domain选择你注册的域名
type记得选择 ssh
URL 选择localhost:22(如果你把自己 sshd端口改了,那这边写你改以后的.)

操作流程我复制一下

  • 下载 cloudflared 在客户端

  • 修改SSH configuration file:
    vim ~/.ssh/config

  • 新增下面的内容,把下面的ssh.example.com 替换成你的，比如我就应该替换成ssh.igaojin.me
    还需要注意的是 cloudflared的位置.记得where cloudflared看一下,如果不一致就替换成你的

    1
    2
    		 
    Host ssh.example.com
    ProxyCommand /usr/local/bin/cloudflared access ssh --hostname %h

  • ssh @ssh.example.com (最后可以直接 ssh 登录了.)


本文作者：高金
本文地址： https://igaojin.me/2023/09/16/内网穿透/
版权声明：转载请注明出处！

植物挖矿

2021-07-01 12:08:00

背景

  1. 最近在B站看了一个纪录片 超级仿生

我们如何利用自然界最伟大的运动员 - 植物群和动物群的潜力来发挥我们的优势？我们怎样才能从自然的现象力量中获得灵感，并复制它并进化发展出超级解决方案，以满足特定的人类需求，解决我们的问题，限制或修复人类活动已经造成的损害？通过仿生学，精美的3D效果和CGI，本片讲述了一个更加理想和可持续发展的世界的故事。我们将逐步揭示我们的未来。在全球范围内，越来越多的研究人员和企业家，真正的“未来创造者”，正在利用自然界40亿年积累的智慧而获得的惊人成果，开始改变今天和明天世界。

  1. 最近国内禁止挖矿,导致BTC算力猛降.市场上蛮多二手矿机的,我最近在研究能不能抄点显卡挖挖看。

植物挖矿

看纪录片的时候 我突然想到，植物是不会也会数学呢.

能不能用来计算hash呢.

找到这篇文章植物「會數學」

當植物在夜間無法通過光合作用，將二氧化碳轉化為糖和澱粉時，它們必須自身規劃好所需儲備的澱粉的量，以幫助它們在黎明到來前，有足夠的能量。

這項實驗在位於諾維奇的約翰-因斯中心進行。實驗表明，植物能如此精確地調整它所需的澱粉消耗量。這種現象只能有一種解釋，該植物一定進行了完整的數學運算，而且進行的還是除法。

負責這項研究的史密斯教授(Prof Alison Smith)向BBC表示：「植物實際上是通過一種簡單的化學方式，在做數學題。 當我們這些科學家看到這個實驗結果時，我們不僅欣喜異常，而且應該說是給嚇著了。」

他說：「植物進行的運算，是初中水平的數學計算。」

科學家們還通過建立數學模塊的方式，對植物體內如何通過除法進行運算，展開了深入研究。

在整個晚上，植物葉片內的組織計算所需的澱粉儲備。時間信息通過植物體內的生物鐘完成，與人類的生物鐘相似。

「複雜」

研究人員猜測，這項計算通過植物體內的兩種分子來完成，它們分別是代表澱粉的「S」分子、和代表時間的「T」分子。

如果「S」分子能激發澱粉儲備的臨界點，而「T」分子能阻止澱粉消耗殆盡的話，植物體內的澱粉消耗量則能通過兩個分子之間的比率設定出來。換句話說，就是用「S」除以「T」。

該研究中心的霍華德教授(Prof Martin Howard)說：「這是證明生物能進行如此複雜的算數運算的力證。」

科學家們推想，這種運算能力也在動物界被廣泛使用，比如鳥類在遷徙、或孵化過程中，能有效控制自己體內的脂肪儲備。

所以理论上植物是会数学的.未来会不会出现养一大堆植物就是为了 计算hash呢

当然更可能的是出现植物类的计算机。


本文作者：高金
本文地址： https://igaojin.me/2021/07/01/植物挖矿/
版权声明：转载请注明出处！