Runesleo

Quem já fez coleta de conteúdo ou dados com AI Agent sabe que raspar páginas web é a tarefa mais suja e cansativa.
No meu fluxo de trabalho diário, uso cookies do Chrome para coletar dados; quando o cookie expira, fica inútil; ao encontrar sites com Cloudflare ou com proteção anti-bot rigorosa, recebo um 403; quanto ao conteúdo do X, nem se fala, o login frequentemente expira, e quando o limite de API acaba, tenho que mudar de estratégia. Uma URL entra, e preciso preparar três ou quatro camadas de fallback; muitas vezes, na última camada, ainda não consigo coletar os dados. O esforço gasto par

Claude 的 yes man treinado(a) demasiado bem

A estratégia funcionou, quis abrir várias contas para dispersar risco, mas travou o dia inteiro.
O problema não estava na estratégia, mas na infraestrutura.
Mesmo código, conta A transacionava normalmente, conta B mostrava saldo $0. Autenticação API normal, endereço correto, carteira com $600.
Verifiquei mapeamento de endereços, arquitetura proxy, regenerei credenciais API, nada funcionou.
No final descobri: o login Google e o login por carteira do Polymarket usam protocolos de assinatura diferentes na camada base. No código tinha um número 2 fixo, deveria ser 1. A diferença de uma constante t

Depois de usar IA, o tempo de trabalho diário é mais longo.
Antes de ter Claude Code, quando tinha uma ideia, avaliava e achava demasiado trabalhoso, desistia. Agora o problema é: nada é trabalhoso. Recolha de dados? Faço logo. Estratégia? Testo logo. Conteúdo? Escrevo logo. Há demasiadas possibilidades, por isso todos os dias estou apenas a ordenar prioridades.
A IA realmente lhe poupo tempo, mas cada minuto poupado é preenchido com novas possibilidades.

As estratégias de backtesting de mercados de previsão podem ter uma taxa de vitória muito elevada e otimista no papel, mas quando entram em operações reais, todos os problemas aparecem😂

Tão hilariante! Tinha gravado um fragmento de áudio antes para fazer voice clone e deixei a IA a correr o pipeline de produção de vídeo.
Estava a trabalhar no cc quando, de repente, o computador começou a falar comigo na minha própria voz, assustou-me! 😂

Maluco, três janelas de terminal Claude Code sofreram 529 overloaded ao mesmo tempo, pensei que tinha sido banido novamente, quase perdi a cabeça 😅

Simon Willison (co-fundador do Django, agora focado em práticas de engenharia de IA) publicou um guia de padrões de engenharia de subagentes, dividindo os subagentes LLM em três padrões: Serial (exploração em série), Parallel (execução paralela), Specialist (função de especialista). O problema central é que a janela de contexto é limitada, e os subagentes usam janelas independentes para distribuir a carga.
Na prática, Parallel é severamente subestimado. Enviar um lote de modelos leves para executar exploração em paralelo, e a janela principal apenas aguarda os resultados — a diferença na exper

$370 consegue manipular o preço de um mercado de previsão.
Um artigo no LessWrong analisou vários casos: Scott Alexander citou um mercado de avaliação da Anthropic no Polymarket, dizendo "o mercado acredita que há 90% de probabilidade de atingir $500B". O autor verificou o orderbook e descobriu que o lado YES tinha apenas $370 de profundidade total. Gastar esse dinheiro seria suficiente para descer o preço de 90% para 76%.
Ainda mais absurdo é que para o mesmo evento, Kalshi mostrava 37% e Polymarket mostrava 22%. Uma diferença de 15 pontos percentuais, porque a liquidez dos dois lados é tão