0. 5秒结论——别只偷必杀技，要偷发明必杀技的脑回路
模仿优秀交易者或研究者时，人最容易问：“他到底买了什么？”“什么时候进？”“具体触发条件是什么？”
但真正更值钱的是前一层。
他为什么会去看那里？什么现象让他觉得不对劲？他为什么认为那里竞争较弱？什么东西被他主动丢掉了？
具体edge会失效，但定义问题的方法可以迁移到另一个市场、工作或研究领域。
只偷必杀技名称没用，自己的角色没有蓝条照样放不出来。要偷就从角色构筑开始。
1. 从零思考很自由，但搜索空间大得离谱
自己从头想当然很有趣。问题是市场和研究中的候选方向几乎无限。
价格、资金流、新闻、公司资料、宏观、订单簿、时段、参与者、制度、执行成本，全都能研究。
一个多年持续产生成果的人，本身就是强先验信息。
如果他连续多年盯着某类问题，至少说明“这个坑值得挖”。
不用把成功者当神。把他们当成帮你压缩搜索空间的前置研究员就行。
2. 多年的X会变成“思考地层”
真正厉害的人通常不会把当前核心方法整理成一篇公开说明书。
可是一旦在X、博客、访谈、公开文章里连续发言多年，碎片就会掉出来。
“最近在看这个数据。” “这里竞争太激烈。” “这个实验失败了。” “这种行情机会会增加。” “这条研究线我放弃了。” “这部分已经自动化。”
单独看像聊天，按年份拼起来就是研究日志。
时间线会形成地层，我们只需要拿着铲子做考古。
3. 最有效的方法是追踪“本人自己的词”
一开始只用泛化关键词搜索，会被噪音淹没。
先从简介、近期帖子、公开文章和访谈里，抽取这个人反复使用的特殊词汇。
然后搜索：
本人标识 × 特有词
找到新词后，再拿新词往前搜索。
流程就是：
入口词汇 → 旧帖子 → 新词汇 → 更旧帖子 → 相关人物 → 其他媒介
不必拿到完整X存档。搜索引擎、引用、回复、公开镜像、博客、文章和访谈都可能留下痕迹。
目标不是“全量收集”，而是把思考骨架拼出来。
4. 要抽取的是6个上游问题，而不是交易条件
研究一个人时，至少提取六件事。
- 他观察什么——价格、文本、资金流、市场结构、宏观数据？
- 他怎么形成假设——视觉异常、统计、论文、制度机制？
- 他认为什么是竞争优势——速度、利基、数据、研究量、风险管理、执行？
- 他会丢掉什么——过拟合、过度拥挤、容量不足、成本过高？
- 他怎么处理风险——单次大赌注、小优势反复、分散、动态仓位？
- 他下一步要挖哪里——最近想要什么数据，正在造什么工具？
拿到这些，即使不知道秘密入场条件，也开始能看出这个人下一步会研究什么。
5. 看多个成功者，才能分离“个人风格”和“共通原则”
匿名化后的公开信息显示，成功者可以完全是不同路线。
一类人直接观察市场，避开拥挤竞争，把太小、太麻烦、别人懒得捡的机会自动化。
另一类人从大规模数据中提取微弱可预测性，剥离已知因素，再把风险、容量、执行成本一起纳入，累计很多小优势。
表面完全不同。
但底层会出现共同原则：
寻找小优势 大量重复 自动化 不要依赖单一来源 只计算真正能拿到手的收益
这层比任何秘密阈值都更容易迁移。
6. 隐去具体edge，文章仍然有价值
具体阈值和入场条件非常脆弱。竞争一增加会坏，制度一变化会坏，资金规模和执行环境不同也未必能复制。
真正耐用的是这类“搜索算子”：
- 看强者不愿意认真竞争的地方
- 不只看“动了什么”，也看“本来该动却没有动什么”
- 怀疑收益是不是已知因子的伪装
- 把回测收益和可执行收益分开
- 不追求一颗圣杯，而是积累多个独立小优势
- 失败研究也保存成下一轮搜索材料
具体edge是一条鱼，上游思维是捕鱼方法。
7. AI不是替代天才，而是把天才的切口放大100倍
上游问题设置往往是经验丰富、思维异常强的人占优势。
后面的工作，AI很强。
从一个好切口出发，它可以批量生成特征、扫描历史、设计反证、切分OOS、做聚类、写实现、记录失败、迁移到其他市场。
所以不是“AI对天才”。
而是：
天才级上游视角 × 机器级研究迭代速度
一个人的好问题，可以被扩展成一百个可验证假设。
8. 把人物变成Lens，而不是写完人物介绍就结束
研究完一个人，不要停在人物传记。
把他的思维方式保存成可复用Lens。
例如：
观察Lens、避竞争Lens、利基市场Lens、统计预测Lens、因子剥离Lens、风险Lens、容量Lens、执行Lens、失败Lens、Machine-only Lens。
然后把多个Lens同时照向同一个市场。
一个Lens说这是资金流异常，另一个Lens发现收益其实是已知因子，第三个Lens又发现执行成本会把利润吃光。
不要迷信一个天才。让多个天才的视角互相打架。
9. 结论——真正该偷的是“问题生成函数”
如果真想模仿高手，追最新持仓不如抽取他长期形成的“去哪里看”的机制。
多年公开帖子本身就是大型研究日志。
抓特有词、交叉搜索、建立时间线、区分事实和推断，再抽取他观察什么、放弃什么、自动化什么、下一步找什么。
具体edge继续隐藏，只把上游search operator做成库。
背答案很便宜。
偷到能够持续产生好问题的机器，才是最划算的模仿。
