粉丝68获赞110

大家好啊,这次我们给大家带来的是这个吉克萨,确定五零零三币的一个下载啊,然后下载的话大家自己去我们的网站下载,我们这边直接推荐用这个激活工具下载啊,直接点这个就行,如果大家没安装包的话,就可以用下面这个五零零三下载,但是这个五零零三只有安装包,没有这个激活工具啊, 然后这里我们直接点击这个激活工具下载,如果大家有需要的话,实在下载不下来,或者下载太慢的话,可以直接找我们的这个客服啊, 他会给你花,他会给你发一个这个安装包的,这里我们就直接下载下来,下载下来以后直接点开就行,这个没什么,没什么太大的难度,大家注意下,在解压之前啊,右键解压之前啊,大家要注意一下,就是把这个电脑的这个 杀毒这些全关了。怎么关呢?我们就在这个搜索这里啊,搜索我们的这个 windows 安全中心啊,然后在下面这个病毒和威胁防护这里啊,在这个设置里面管理设置里面啊,把这个实施防护,还有这个云提供的保护都给关一下呀, 这个关了以后,我们看到最下面那里有个防火墙和网络保护啊,把这三个防火墙都给关一下呀, 这个关了对电脑没什么影响,因为你电脑也没有什么公网 ip, 是 吧?影响不到的, 那当然你除了非在在网站上面乱下软件啊,在这里我们解压到当前文件夹,然后解压出来,我们就直接在这里就直接弄了, 这里面两个文件啊,一个 gt loader, 一个是安装文档点开,然后第一个这个,这就是下载程序啊,如果大家嫌这个下载太慢的话,大家可以直接找我们的公众号客服啊,直接让他给你发一个安装包啊, 看这个按这个激活程序是五零零三和四零零二都可以共用的,这个确实有点慢,但大家都这样,这个毕竟是免费的东西,免费的东西我们也不想投入太多在上面拿来给大家用啊,大家如果要学的话 哦,在这里我就不下载了,我这里因为之前有一个, 然后在此之前,我们首先先看一下我们的这个里面有没有之前的安装过的残留啊,就是之前安装过 g 叉的那些,在这个文档里面有个 g 叉 triming 这个文件,就是之前如果有安装四零零二或者是其他的一个音量软件里面的 这个 g 叉,这个都会有这个程序的,然后直接给它删除啊,删除一下文档里面,然后还有就是默认路径这个 c 盘 pro files 里面啊, 然后这里也有这个啥吹铁把它给删了,直接删,大家主主要就记住这两个路径就行,大家自己截截图保存一下啊。好,删了之后我们就可以运行我们的这个啥安装程序啊,直接右键以管理员身份安装啊, 如果是第一次安装的话,会跳一个 circle 和一个 c 加加的一个安装环境啊,大家直接点同意直接安装上,安装上之后,然后电脑可能会重启,重启之后再安装这个基本上程序啊,同样也是与管理身份一样,我这里之前安装过的,然后我就直接下一步了, 然后这里点我同意啊,然后这里保持默认路径不要改动啊, 那改动了的话,它之后可能会桥接什么的,找不到这个软件啊,然后这里啊这三个东西可以勾,可以不勾啊,这个 mt 四 mt 五的话是桥接用的,然后这个拉讲的话 也也是桥接用的,这三个都是桥接用的一个插件啊,就是大家知道我们这个这个啥,它其实是个多么工具啊,它多它就只有多么特别专业,然后其他的图标就是一一一塌糊涂啊。如果大家 之后进阶了的话,可能会出现使用基克萨的 dom 和这个大家吹听的一些图标,或者用来当账户管理的这些问题啊,就反正我看没几个看好这个基克萨的图标的,我自己都不看了,这个太烂了。确实, 然后这里我们就不勾了,因为大部分人用不到啊,大家也别先别幻想自己能用到了,直接选择不勾啊,然后这里把这个开机自启给它关一下,然后直接点击下一步啊,下一步。 好,我们等它安装完 好,安装完成,然后这里出现,哎,怎么是这个图标?我之前安装了这个六点一的,所以说它就是这个图标, 然后这时候我们再打开我们的神奇的系统代理的一个工具啊,那现在,哎,这个图标 我们打开一下我们这个神奇的系统代理工具啊,如果大家没有这个神奇的系统代理工具的话,可以去那个那个那个快捷导航上面去找找看,往下翻就会可以看到啊,然后这里我们选择一个延迟较小的一个节点啊, 然后点击把系统代理打开啊, 然后大家如果没这个的话,自己去那个快捷导航上找找,然后这时候我们再打开这个 g, 这个上这个 gt log, 这里直接双击啊,它第一次可能会弹出一个许可啊,大家也点那个同意, 然后等这里成功运行上,代理成功运行上,然后我们再点开我们的 gps 软件啊,双击啊, 好,它第一次打开可能会有点慢啊,然后这个这个 gt loader, 这个这个程序啊,我们可以给它在桌面上放个快捷方式啊,因为之后会经常用的, 然后大家可能需要在这个安全,安全这个 windows 安全系统里面把这个信任一下,把这个 gt loader 这个路径信任一下,然后我们看到这个 这个是啊,等它完全展开啊,它只会会只有三个图标啊,因为这个就是一个未未激活的状态啊,这个三个图标它工具条是没出现的,然后我们看到这个圆形的里面有三个点的,这里啊,点进去,然后点 files, files 里面,然后往下翻,有个许可啊, 然后在这里,然后我们把这个许可给复制上去,复制上去以后点一下激活,然后慢慢等待一下, 然后我们就可以看到它这个工具条已经弹出来了,因为这个我们没拉长,所以说只有三个,然后在下面我们把这个交易许可也给复制上去,大家如果这一步出现什么没有什么 什么固定的对象啊,还有或者是没有什么,呃,这个许可没有绑定固定对象啊,什么什么的,然后大家把这个神奇的这个系统代理这个节点换一下 啊,这里我们关了,然后现在可以拉开了,拉开就是这个有公示条已经完全展开的一个状态了,然后这里这账户配置, 然后一般就是用前两个的,然后这时候我们再演示一下之后是怎么打开它吧,我们先把它就先把它关一下吧,大家一定要记住,然后这时这个就可以关了, 这里我就不保存了。然后之后的话先打开我们的 gt loader, 然后再打开 gt loader 软件, 然后等这个代理完全加载 啊,等到这这个代理完全运行,然后再运行我们的几个杀, 然后一定要记住等这个几个杀完全展开啊,就是等它这个工具条完全加载出来,要不然的话它又会变回那个只有那三个工具,那三个工具的那个状态。好,然后这时候我们就可以把我们的这个机器调度给关掉。

mt 四里边要此刻什么呢? m a, c, d, k, d j? 然后呢?天天盯盘到凌晨?因为啊,我前面已经练亏了七次,我需要后边的坚持执行这样的操作。有可能是凌晨,有可能是带孩子的时间我不去了,有可能我不休息了,等等去覆盖到前面的损失来实现数学统计。因为你学的呢,所有都是划线的战法, 都是做市场,希望你学他们拿的深度的挂单数据,去打掉你这些浅层报价数据的交易性,那早就把你的止损看得非常清楚,就等你入场之后反向的进行撤单把你呢,来回收割。那为什么我的学员最后都不去 m t 四了呢?因为他们开了零式,用 giktok 看穿了冰山订单的猫腻,靠 bookmark 的 热力图捕捉到了整个冰山订单和 starbucks 的 动向。忍者八的 tick 数据让每笔交易有毫秒级的一个 支撑和是否这三百笔,五百笔订单当中有大型机构入场,你在 m t 四里看到的滞后的 k 线,我们看的是实时的挂撤单,接近的市场订单和是否有更加接近的跟进,是否有人被套。当你有了零市的时候, 做市上的围猎的套路你就看得非常的清楚,别再用 m t 四进行划点了点差,啃掉的是你无限的利润。返户之所以难,就是因为永远是最后一个知道消息,而且成本是极高的,用浅层数据报价数据去 方向,而我现在呢,不靠财报也不猜消息,只要有数据的公布,我今天就休息,只跟着真金白银的供需方向去走。四千刀的账户呢?合理的风控,从四 百笔交易当中筛选出三次资质优质的这种交易机会,胜率呢?七十以上,盈利呢就出金,绝对不贪,再抱着 mt 四落后的这种玩法,你只会越亏越多。现在呢,转型开启零式才有可能啊,从猎物转变成猎人。

好,大家好啊,那这一期呢,再给大家出一期关于 jessaria trader 啊,这样的一个订单流软件的一个应用 啊,那这样的一个软件呢,在欧美国家用的啊,目前是比较多的和广泛啊啊,它主要是能够通过我们盘口的这样的一个数据,能够更加精准的去判断我们未来的一个啊,行情啊,趋势和方向啊, 而让我们更加啊,在这个交易领域啊,更加的简单啊,主要是简单让我们的交易变得简单。 然后我们来看一下那当前的这样的一个小的界面呢,就是我们这个三啊得吹的这样的一个电脑流软件的一个界面,他比较小,然后呢下面有很多的一个选项供我们去选择啊,那首先呢,我们来看一下这里啊,这里有一个小锤子啊,小锤子这样的一个选项,我们点击 好,那点击呢他会弹出这样的一个对话框,那我们在这个对话框啊里面去输入我们想要去交易或者想要去观察啊的品种啊的代码是什么,那比如说很多伙伴想啊, 想交易黄金,那就输入黄金的这样的一个代码就可以了,那想要交易交易货币,对呢啊,我们就输入货币对这样的一个代码,那今天呢,我们以这个纳斯达克啊作为一个演示啊,作为一个案例,纳斯达克的这样的一个还有品种它的代码呢是 n q, 我们输入 n q 之后呢啊,我们选择 n q h 二六啊啊,因为期货市场呢,它的这个品种的代码呢,它不是一个固定的啊,那可能三个月左右的这样的一个时间,它会进行一个更换 啊,所以呢我们要想去啊查找某一个品种的代码是什么,我们可以去登录啊,芝加哥交易所或者纽约商品交易所啊,官网啊,去查找我们想要去查看的这个品种的代码是什么就可以了哈,那我们这里输入之后呢,我们点击 ok 就 可以了。 好,那当前呢所弹出的这个界面呢,它就是我们啊整个盘口啊数据这样的一个界面了,我们把它放大一点点啊,然后我们仔细来看一下啊,啊,它由哪几组数据啊构成的, 那分别呢代表什么样的一个含义啊?那首先呢我们来从最左边啊,然后到到到最右面啊, 那最左边的话呢,我们看一下啊,他是一个绿颜色的啊,那绿颜色的这一栏呢,他代表的是不同的一个价位啊,成交的一个量啊,分别是多少?那有一些格子呢,他是啊比较突出的啊,然后有一些格子呢是比较小的, 那突出的啊,越突出啊,说明他在这样的一个价位的时候呢,成交量啊越密集成交量啊越多。 那反而呢我们来看一下这里啊,这里格子就非常的小,只有二十九,那说明在这样的一个价位的时候呢啊,他的一个总的成交量呢只有二十九手啊,是这样的一个含义。然后呢我们再往下看啊,这里呢是一个幺幺九,说明在这个位置呢成交了一百一十九手啊,这样的一个手速。 然后下面这个啊紫色的啊,他其实也是一个成交量的一个展示啊,只是呢他的一个量的多少啊?他展现的一个颜色啊,有所差异啊啊,所以呢,这一栏他体现的都是很亮的一个变化啊,或者是亮的一个数量啊, 然后再往看中间这一个啊,灰色啊,灰色这样的一栏,那这个栏呢,代表的是纳斯达克这个品种啊,不同的一个价格的一个展示啊, 那纳斯达克这个品种呢?他的一个价格呢?每一个格子啊,每一个格子与格子之间相差的是二十五个点啊啊,上方二十五点,下方也是二十五个点,然后呢,如果说是我们从二六 啊,二六幺九八点零零这样的一个位置选择啊进场的话,那如果价格涨到这里呢啊,涨到涨了一个格子啊,涨了一个 tick, 那 他的一个利润呢?是正负五美元啊,正负五美元啊, 这是价格一栏啊,然后我们再看蓝色的区域啊,这样的一个啊,位置啊,他代表的是什么样的一个含义?我们首先看这里啊, 看我鼠标上下移动的这样的一个位置,那这个位置呢,他是一个多头的一个主动挂单啊,这样一栏我们能够看到他相应的一个数字啊,数字是什么?代表了这里呢?有多少手的这样的一个挂单。 然后我们再看后面啊,这一栏,那也是蓝色的啊,我鼠标移动的这个位置,那这一栏呢,代表的是啊啊,他的一个增加啊,挂单的手术的增加或者是减少或者是不变, 有的时候他是正的啊,正二,那就代表增加了两手,如果是零是不变的,那有的时候他会出现一个负一负二啊,说明在这个位置呢,他撤掉了一手或者是两手啊, 他是这样的一个含义,然后我们再看这里啊,啊,这里呢,他代表的是一个成交啊,空投成交的一个额啊,手术啊,那 这里代表一就成交了一手啊,这里代表五呢啊,这里显示我啊,就代表了成交了啊,五手的一个空单,那只有这边的一个挂单,然后你才能够啊,有空投啊,有空单才能够成交啊,他是一个啊,相互啊对应的啊,你只要有货我才能够啊去买卖啊,是这样的一个含义, 然后我们再往这边看啊,那这边啊这边有点像什么颜色呢?我们可以称之为他为有点啊,浅黄色。好像是啊,就这一栏,我鼠标移动的这一栏哈, 那这一栏呢?它是代表的是成交的一个啊,多头的一个成交的一个展示啊,那这里代表有一个四啊,那显示的有四手的一个成交,这里是五呢,显示有一个四手啊,显示一个五手的一个多头的一个成交啊, 啊,这是成交的一个展示。然后我们再往右看啊,红色区域这一栏,那红色区域这一栏呢,他也每一个格子都有相同的一个数字啊,他代表的是挂空投的一个挂单,你只有空投有有货啊,我们在多投的时候才能够啊,成交也是相互对应的啊, 那这里是七啊,就代表的是有啊,七手挂单,如果代表三呢,就代表三手的一个挂单啊,然后再往右面一来呢,这里呢红色的,他也是啊,一样的啊,这里是就是 啊,显示就不变啊,然后负一呢,就撤掉一手,如果是正的就增加了啊,几手和我们多头这一边呢,他是遥相呼应的啊,他是一个意思啊,只是方向的不同而已啊, 然后我们再往右面看呢啊,这里啊整体的一个啊,他代表的是整体的一个成交量啊, 在不同的一个价位的总的啊,多头和空投分别为多少啊的一个展现啊,那这里我们看一下啊,是二六幺九七点零零这样的一个价位,他的啊又跳上去了,然后呢他有十九首, 他有十九手的空单和十九手的一个啊多单啊,我们在这里会得到一个展示啊啊,上面都是一样的,这里呢价位呢?二十七手空投十四手啊,多投啊,然后我们再往这里看啊,这上面这里有一个数字显示负六十四啊,或者负七十, 那这里代表的是啊,总共的一个啊,手术啊,如果说是正的啊,代表的话是有啊,从我们打开这样的一个订单流啊软件的时候啊,他在打开的时刻啊,就开始积累啊,总共啊,截止到现在有多少手的一个 啊进场啊,或者有多少手的一个出场,那现在是负七十四,说明我们打开软件到现在啊啊,这几分钟的一个时间里啊,已经是有七十四手的一个平仓啊,就是平仓出出局了啊,这样的一个含义 啊,所以整个的一个盘口啊,他的一个数据是非常的清晰和明了的啊,啊,非常的清晰明了,所以说很多的专业的投资机构呢,他啊基本上看一个盘口啊,就可以解决这个交易的问题了啊,像一些 k 线的指标他都不看的啊。 然后订单流这个软件怎么应用呢?我们来看一下怎么实现他的一个交易过程啊?那比如说啊, 我预测未来的行情呢,可能是啊上涨的,那我就在多头的这一一一侧啊,我就点击啊,在相应的一个价位,我点击啊,这样,比如说我在这个位置,我想要买一手啊,买一手多头。 好,我点击之后呢,它这里会弹出啊,这样的一个啊,显示啊,显示这样的一个 啊,一 l 呢,代表是一手 q 一 呢,说明前面还有一个人啊,前面还有一个人啊, 好,那这个时候呢,价格打到我们啊进场的位置,那说明已经成交了啊,那如果按照我们啊 预期方向向上运行,那说明我们是盈利的,然后如果是反方向,那下面呢就是亏损的哈,那我同样的话呢,也可以设置一个止盈和止损的哈, 因为我们是做多的,做多的一个止损啊,或者止赢,那就在反方向,也就在空投这个方向,那假设我想在这样的一个位置啊,赚五十美金的时候,我就想啊,撤掉啊,我就平仓。好,我在这个位置呢,我点击一下, 因为可能有点卡顿啊,他还没有显示出来,我再试一下啊,可能会点多一首。 好,那已经在这位这样的一个位置呢啊,设了一个指引啊,那 e l 代表也是一手,因为我们建了一手啊,一手,然后 q, 说明还有啊,五个在前面排队, 然后呢啊,止损也是一样的哈,那价格啊,如果说没有按照我们预期的一个方向向上运行,它反而向下运行了, 这个时候我们也可以设置一个啊,相应的一个止损,那我们的止损呢,也设在啊相应的一个啊,红色区域,我们在红色相应的一个价位啊,假设我在二六幺八七点七五这个位置啊,想止损掉,那我就在这里点击一下啊,就可以了,那同时呢,我们也可以进行一个移动啊,向上移啊, 或者是啊向下移啊,都是可以的啊,这样的价格已经打到我们止损的这样的一个位置了,所以我们已经离场了哈, 这就是我们整个订单流啊,他的每一个啊啊每一栏呢,他代表的相应的一个数据和含义,包括我们的啊,一个整体的一个应用啊, 啊,整体的一个展现。所以说很多的一个投资者啊,其实并不是我们啊交易的一个能力啊,很差,或者说我们没有一个相应的一个方法,或者我对趋势的判别呢 啊,不是很精准啊,其实这些都是主要的一个啊,次要的一个原因,其实主要的原因我们没有啊,更先进的这样的一个工具啊,和数据来作为一个相应的支撑。 那当我们有了这样的一个啊,比较先进的这样的一个数据的时候,我们会知道啊,什么样的一个价位啊,多少的一个量啊的时候。 然后呢我们再结合我们的整体的一个啊,交易的一个思路啊,逻辑啊啊策略啊,那就可以大大的增加我们的交易的这样的一个胜率了啊,好,那这一期的一个视频我们就结束了啊,谢谢大家。

抖音号 dj 七 好,我们今天来 玩一玩我们手里的大海,手里这个这这个这个呢有很多种很多种不同的形态,今天大海拿了一个呢,就是一个橄榄头型的一个。这个 啊,先我们把它放在水里面,主要说一下这个在水中的一个漂亮的一个碗,一种玩法,呃, 先绷紧一点鱼线 先主主要先看一下这个在水中的一个状态和结果的玩法,他一个手部的一个动作 和那个德州呢是有些区别的,区别在哪里呢?德州因为有固定的滑滑动的那个铅和那个杰克是不一样,杰克它是固定的一个铅头。 千头钩吗?千头钩这个是从千头钩演化过来的,但是他他带了很多的那个胶丝,这些胶丝呢可以带动水流,带流水流,让客让鱼更容易发现。 我们先注意抛出去之后很多这个很多玩结构的朋友呢,抛出去之后他就立刻就开始跳了。其实如果你搭配的好 的卵啊,搭配的好,他这个在有水流,想象一下我这个鱼缸里面的水流不是很大,但是大家在自然条件下,你要想象一下他是下面是有水流的,你可以就是确定这里有鱼,跳下去打下去之后这个饵就在那里定住, 不要动,稍微绷紧鱼线之后不要去动它,你看它那个毛啊,会跟着水流,会带动, 如果你搭配的一个高比低比重的那个有福利的那个软饵的话,他的尾巴是朝上的,正好是在朝上的,他会通过水流的带动让你这个呈现一个自然的状态, 然后当然这是一种静态的玩法,静态的玩法,怎么去把这个这个玩的活灵活现,真的像一条小鱼,或者这样一个小虾在水中觅食的一个状态呢?大家可以看一下, 做一下我的手部的一个小动作,通过我们的手腕还是一样通我们的手腕连续的敲笛,一二三, 掏耳出去沉到底等等你这个沉到底,用手腕不停的在 你想要的搜索范围模仿,模仿一条小鱼在着下面的翻找下面的那个食物的那种感觉,这种感觉一定要通过你的鱼竿手去感觉, 不是说今天你在鱼缸里面你会看的很直接,但是在室外真正的实战当中你是看不到这样的,所以一定要凭你自己的感觉去找到这个节奏,找到这个感觉,我们再来一遍, 二三一二三一二, 慢慢的慢慢的通过你的手,手腕的小动作, 却把你这片的范围通通搜索到,这个大致就是这样玩的,当然还有很多种玩法,我们可以说结构的玩法有很多,呃,我这个结构呢,它的羽毛呢是比较适合跳底的,还有一种结构呢,可以 毛他的那个胶丝啊,他的胶丝比较多的状态下,我们可以挖一种形成,就是扔下去之后 让他沉下去,让他沉下去他的僵尸比较多,这样的话他的福利就比较福利就比较大,张力就比较大,他下沉的速度会变慢,我们把它叫做一个大行程, 很有可能这个鱼就悬浮在这个当中,你这个饵出去落下去碰,冲出来就一口,这个还可以是这样玩的最好最标准的状态呢,这个应该是刚才我已经强调过的沉底,通过你的手部操控 鱼线收紧跳大大大大大大,很小的一个跳动,把你想要的岩石结构或者是一个泥底结构, 或者是一个有障碍的结构。搜索一遍,搜索完了稍微收点鱼线,收一点鱼线空间比较小,如果在真实环境下,你可以搜索一片很大的范围, 把这个范围精细的搜索,把你想要的鱼给捕获上来。 当然这个不 光是可以搭配这种这种软饵,它可以搭配很多种软饵,有虾型啊,也可以搭配我们的这个,还有现在有很多其他的,就专门为了秸秆生产出来的饵, 我们都可以去搭配。呃,如果大家对这个还有其他方面的问题可以。

一天学一个变态的开购解决方案小技巧,今天讲的是这个二零二五竞赛方案拆解。我们先来讲一下这个比赛的一个比赛背景,这比赛背景形式相当于是在一个国外的一个论坛 reddit, 国外很有名的一个论坛上面,然后论坛里面肯定有大量的用户的发言,然后我们这个 比赛就是要去监测那些评论发言他是否是合规的啊?那么他这边是给了一些具体的一些规则,比如说不能发广告啊,还有一些规则是不能发只是医疗专业相关的。还有一个规则是不能发法律 专业相关的啊,他有这样门,一共有训练级加测试级,加起来一共有六个规则,然后训练级给了我们两个规则,然后我们这个比赛的一个难点就在于说有四个规则是我们训练级从来没有出现过的, 所以我们这边的整个方案是围绕着如何我们在训练级中去拟合那四个没有见过的规则来出发点啊。 然后这边有一个大概的数量的一个介绍,测试级我们知道开口测试级是分为啊,公共测试级和私有测试级,公共测试级就是在比赛的进行的过程中,我们随时能看到的分数,是公共测试级算出来的分数。 然后私有测试级是比赛结束的那一天,开口会放出他,呃,那个我们的所有我们所有选手的模型 在私有测试级上的一个分数啊,他打分是当时提交的时候,两个分数是一起就打出来,只不过一开始只展示公共的 测试级的一个分数,然后数量的切分是公共测试级,是百分之三十的数据,然后百分之七十的数据是最终的用做我们最终排名的一个私有测试级。 好,那么这个然后面一句就是我们刚才讲的训练集中,而测试集中有包含训练集中从未出现的额外的规则。 然后我们来看一下这个竞赛的一个数据的一个结构,那我们会有一个啊,劝点 csv 文件,然后里面首先当然是有一个 评论的一个文本的本身啊,然后有一个我们要判定的一个规则,就是说这个 body 是 否违反这个入。好,那么然后下面就是一个相当于论坛的一个 subreddit, 就 相当于一个字话题。那么就像比如说我们国内有百度贴吧,它就相当于在哪一个贴吧下面发的。那么其实呢, 真正的时候呢,那每个贴吧下面啊,就每每个子论坛下面,他那个规则和包底的匹配度可能是有不一样啊。那么呃,这边我就不过多举例,就是说反正每个子论坛下面 对同一个规则,同一个啊,包底他判定可能会有不一样啊。当然我们在等会,我们讲到我们的方案的时候,我们会说到这个字段呢,他其实啊会导致数据的不干净啊,然后我们等会会做一个处理, 然后第这一个呢,是一个啊,违反规则的一个评论论呢,他会给两个啊,一和二,他有。然后就是给两个例子,就是说,嗯,这边给的两个 post team 就 给的是违反,就这个评论一定是违反这个规则的一个评论给两个这样的例子,然后下面是那个提,就是没有违反规则的一个评论的实力也给了两个, 然后在最后一个就是我们的标签啊,那么我们的这个标签就是指向这个 body 有 没有违反这个入一或者零。好,那么然后测试机就是是相同的字吧,然后我们要预测这个趋势标签的这个概, 然后我们呃,既然看到了我们这个数据结构,那么我们大概讲一下我们的这个稍微简单讲一下我们的方案,那么方案呢?就是利用测试集中他也会给这个视力,那么我们就可以在测试集当中 把这个视力作为我们的标签要训练的一个标签啊,那么就是他让他一个正样本,他可以拉出来两个吗?每一条样本里面他可以衍生出两个正样本,两个副样本。然后我们在 相当于在推理的阶段,在开口提交的阶段,我们做一个在线训练啊,或者叫测试阶段训练, 我们是这样的一个法来来完成,那么这样就可以很好的应对我们的测试级当中有额外规则的这种情况 啊。所以我们今天的整个的一个代码是不需要在本币进行训练的。 当然我们如果在本地搭好了一套训练的 part plan 的 话,我们验证的 part plan 的 话,我们可以在本地做更多的实验,因为开到的规则是啊,每个队伍每天只能提交五次,那么只能看到五次的分数, 那么本地的话,那你就没有上限了,你就可以一直做实验,然后我们的方案里面会有呃为本地实验 写好的一个配置啊,到时候只要改一下配置,就可以直接在本地跑起来,然后切换一下配置,就可以在开口上直接跑起来,然后评价指标 就是是 aoc 啊,这个是机器学习里面非常经典的一个二分类的一个评价指标,那么 aoc, 比如说大家看这个是 root id, 那 么就是对应的样本的一个 id, 然后后面是我们预测的一个概率值, 那么 aoc 我 们知道它是,其实是只看排序,就是说谁大谁小啊,然后具体的数值是不关心的,只要这个排序没有变,那么 这个数值是对于这三个样本来说,这个是零点六七还是零点六八啊?甚至它只要不比零点五小,不比 啊,他他只要大于零点五就可以了,那么在这边他就是一个还在最后的一个啊,啊,相当于概率最大的一个啊,预测值啊,那么对于这个零点五来说,他只要取值在零点一到零点六七之间, 假如说我们一共只有这三个样本的情况下啊,下面没有其他样本的情况下,它只要取值在零点一到零点六七之间,那么最终的分数都是一样的啊,那么这个是 aoc 的 一个特点啊,具体的计算啊,我想这边也不用过多介绍,因为这是 在积极学习里面最入门的评价指标啊。然后我们来呃,这边稍微给大家提炼了一下,有一些名词啊,名词名词解释,然后我们的这个判断啊,就是判断是否违规 啊,然后的一个反话,我们就是说测试集中我们是有未见的规则,但是我们竞赛,我们利用了测试集中给了 是样本失利的情况,我们做了一个在线训练啊,然后预偏移,就是说啊,就是说我们的这个每每个子论坛的已经语言风格他会不一样,所以导致 给我们的官方给我们的训练级当中的一个标签,他其实是啊,即便包顶和入 这一对应的关系下,它们是啊,即便 body 和 root 是 一样,但是这个 separate 啊,它不一样的话,它给的标签有可能不一样啊。 然后啊,数据稀稀缺我们就不多说了,因为我们只有两个 root, 一个数据 好,然后我们这边是刚才其实都介绍过的一些名词啊,然后下面这些大模型训练的名词,我们等会结合代码再再整,然后我们来讲一下完整的一个方案,一个流程啊,那么数据预处理阶段,我们刚才其实已经提到过,就是我们竟然要在测试 接班做训练好,我们就要从 test csv 中提取出啊 positive 的 两个样本啊和 negative 两个样本,然后构造额外的带标签的训练样本, 对吧?然后我们要清洗一些空的文本,比如说提取出来它是空字母串,那么就要删掉,对吧?那没有意义。然后呢,我们有一个操作叫做对 body 和 root 这一对,这一对 一样的情况下,它有些时候因为 subreddit 不 同,所以它会有数据不干净的情况啊,就是会产生冲突,那么有些时候这个包底和入队它标为了一,有些时候标为了零。 好,那么我们用一个多数投票的一个方法,就是统计一下这个 body 和入队中所有的啊一和零的数量,然后如果一多,我们就统一把 body 和入,这这个 body 和入队就是归为一了啊, 那么这个是一个投票,通过投票机制我们来统一标签啊,让我们的啊 标签会更统一一点,更干净一点啊,那么这个当然是结合下面一步做的,也就是说我们在最后的 大模型给大模型判断的一个 prompt 里面,我们是要删掉这个啊 separate, 我 们用的方法是就是要删掉这个 separate, 也就说我们从始至终是不用这个字段 啊,因为这个字段它会导致包底会入对它有标签冲突的一个情况,然后那么效果上我们是删掉时效果是更好一点 啊,那么然后按规则名,然后进行上采样,这个呢就是说我们一共是刚才说的是六个规则,然后我们训练级的时候是训练级当中是有两个规则,那么写按意见就是说在测试级中的时候 六个规则是均匀分布的,那么再加上训练级的呃所有的样本,那么显然前两个规则他的样本数量会更多一点, 那么会有一个样本不平衡的情况,但是呢,我们在最终的测试级当中,他们的样本分布又是均匀的,对吧?那么就需要对,主要就是对后四个啊,做一个上采样,那么上上采样到这样的和 很上太阳到就是两倍的一个训练级的样本,也就是说在我们要特意的是放大训练面啊,测试级当中的非非色的一个样本圈注啊。 好,那然后接下来我们就是构造这个 prompt, 就是 把标签从零和一啊,对为就是 yes 和 no, 那 么这是方便大模型去理,更好地去理解。 然后我们用的模型融合,我们是用了,一共是用了四个模型啊,那么因为我们是涉及到在 kgo 的 服务器上做在线的一个训练,所以我们这边呢是不能用到特别大的模型,这边是能用到的模型 体量的上限就是十四 b 的 模型啊,十四 b 的 这个模型,然后并且都要加上这个斯比特的一个量化啊, 那么通过这个 q lora 啊,量化加 lora 就是 q lora 那 么的一个微调,然后我们每个模型都训练一轮,一轮啊,然后 训练出这样的一个柔软模型,然后我们再做推理,那么那么这个模型分别是 find 四这个呢?这个模型是微软啊,这是微软出的 find 应该这 呃最最新的一个版本吧,然后这个是千万三啊,那么在千万系列里面是最新的版本 啊,千万三的是四 b, 然后后面都是千万加速的千万三的八 b, 然后有千万二点五的一个七 b 啊,那么这个是模型 加图,然后这里面对应的我们到时候会开口上有两张 gpu, 所以 我们要做并行训练,那么并行训练就是说我 比如说第一轮并行的时候,我们是分别训练这两个是四 b 的 模型,然后这两个模型训练加推理,差不多是要花掉七个小时的时间。 capo 这个比赛的一个规则是比赛时间限制是十二个小时,这两个模型差不多是七个小时啊,就是它们分别在单张 gpu 上进行训练,因为它们都做过斯比特的一个量化,刚好能塞进十六 gb 的 一个显分。 好,那么第一轮先做这两个训练,然后第二轮做这个八臂和七臂,那么他们俩体量也差不多,然后这两个啊,差不多要三个多小时一点,那么加起来差不多一共是十一个小时左右时间啊,那么我们基本上就是把资源给利用满, 这就是模型体量要占分配,也就是说这边上面两个十四 b 之后要跑六小时,那后面我们只能用两个小一点的模型啊,我们不能再用,比如说啊拉玛三的一个十一 b 还十二 b 的 模型,然后还有谷歌的积木板, 不是 gmail, 是 gmail, 谷歌开源的,是 gmail 的 那个模型,就也不能用啊,那么只能用八 b 和七 b, 那 么八 b 和七 b 模型当中我们选啊是千万的两个,这两个也是,反正我们实验做下来是效果最好的。 好,那么这是四个基作模型以及一个简单的一个训练题目,然后对话某版就是我们的 prompt, 就是 这边我们会有一个简单的一个指令啊,到时候我们看代码的时候就知道,然后这是系统提示词里面,我们 并且要求那模型只回答 yes or no, 然后这是用户提示词,用户提示词的时候我们给一个 run, 然后把这个 run 的 这个句子给他,然后换行以后 command 脑把这个评论给他,然后 啊模型的目标就是输出 yes or no 这两模尺啊,然后我们在这边是框定,我们只计算这个 yes or no 的 这两个个损失啊,那么这个是 sft 微调里面啊点的做法,也就是说我们整蛋蛋 prompt 的 里面,我们只对这个 yes or no 这两个 token 算 lost 啊,我们前面的这就 rule 啊, command 是 不算 lost 的, 因为我们不是预训练啊,就是大模型的预训练阶段,是 内容全部算 lost 的, 因为它是预训练,是让模型相当于学到一个语感,那么我们这边是一个监督学习,一个微调,那么是让不是让模型去学 语感,因为这些模型都已经被预训练过,都已经有非常好的语感,我们需要求他对我们的目标进行理核,所以只对这个节后啊,让他看完上面的句子以后只对 yes or no 两个东西啊,做出预测。 好,那么接下来是推理方法啊,那么我们这边上的是在线训练的部分 啊,一个是就是不生成藏文版啊,那么第一第一就是读取下一个 token 的 对率啊,对数干,也就是说我们让模型现在模型,大家知道啊,大模型有很多是带 think 的, 就是千万三,它其实就默认带 sink, 那 么我们这个比赛的环境里边要模型大量的输出的话,是非常非常慢啊,绝对是来不及的,所以我们要关掉千万三模型里面的 sink 模式,然后让它只输出机 下一个 token, 也就是 yes, 那 我们做一个啊,这个概率差,就是 yes 的 和 no 的 一个概率差,然后我们就来判断,就是我们最终的一个预测值, 然后最后我们有每个模型都有一份啊待遇输出文件,然后我们用一个平均啊,如何,那么用一个最简单的一个平均的方法,然后把它得到最后的一个提交文件。 好,那么接下来这头关键技术点呢?这个是也是整整理好的,我们这个大概过一下吧,我们具体讲代码了,再再给大家讲。 然后关键技术点,首先就是微调嘛,指令微调,然后再使用这个 yes or no 的 一个受限输出空间,也就是只让它预测 yes or no。 然后这边是啊视视力的一个挖掘,那么就是我们刚才说的在 test csv 文件里面做一个正负样本的一个, 把它视力转化为我们的一个训练样本啊,那么只要有这三个字段就可以了,就是相当于把正样 刚才那个 positive 转成一个 body, 然后对应的入放过来,然后那么它的这个 label 肯定就是 e 嘛,然后对于负样本来说,刚才负负样本的一个视力来说,那么就是把那个呃 body 部分 诊断 body 词段,然后 root 就是 本来的 root, 那 么 label 就是 零,对吧?那么这样就扩充了我们的训练 好,然后我们刚刚说了取种树,根据这一对的牙签取种树,然后做标签清洗,然后这边是驱虫啊,因为有很关于 body root label, 那 么是有很多重复的,因为它在不同的 separate 里面是有 同样的内幕,那么我们这边做去除,然后我们刚才说的上裁压减轻长尾规则对学习的一个影响 好,然后信念策略里面我们这边也大概先看一遍啊,就是对于这个 find 四十四 b 模型来说,我们的 laura rank 值是十六三十二啊,然后 joopod 开零点零五, 然后对于这个千万三十自闭来说,这个是啊,我们是把 lora 让它变大, lora 是 万克三十二,然后阿尔法是六十四,然后 jobout 是 没有使用,后面都没有使用 jobout, 可能千万的模型它就是不太不太适合,就是开 jobout, 反正这个和模型的一个特性有关啊。然后千万八的这个 lora 参数是和 那千万三八 b 的, 这个就是参数说前面是一样,十四 b 一 样,然后二点五千万,二点五七 b 的 这个,然后是十六 rank 十六 alpha 三十二,然后 jobert 零点。那么这里面大家可以看到一个规律,就是 rank 和 alpha 之间永远是一比二的一个关系, 那么这个是一般来说一个当训练级是固定的时候啊,这个比例通常来说是固定的 啊,通常来说是固定,就是好不同的模型。然后这个是一比二的关系,也是最经典的一个啊,最经典的一个比例关系。然后一般初十大家开始训练一个阿尔法三十二开始啊, jarbot 一 般就是是或者零点零啊,最多开到零点一啊,那么在网上就非常少见。 然后关于 lora 的 这个训练呢,我们其实是讲义里面是给大家嗯放,甚至有有代码。然后我们大概的讲一下这个 lora 的 一个概念吧, 就是说啊,我们直接来看这个图吧,这个这一部分呢,是我们的全参数 微调的时候啊,这部分不是 laura 的 部分,那么全参数这个是预训练部分,然后这个是要我们要更新的权重的部分,当我们学好了以后,那么就 这是整个参数时,数量就是权重这个大小 shift 是 一比一的啊,十相同大小的,然后把它加进去 啊,把把这个 wait update 加到这个 w 上面啊,就是新的模型的参数,对吧?那么 lora 是 什么概念嘛? lora 就是 相当于把 mid 矩形啊,改成两个这样的梯形的形状,那么中间的这个参数就是 rack 好,那么这边的输入和输出肯定是要对上的,那么这两个梯形的这两部分是得一样的好,那么 w a, 那 么这个 rank 越大,也就是意味着越接近原来的这个矩形的样子啊,当 rank 开满的时候,那么其实和整个 啊全参数微调其实就是几乎是一样啊,那么 rap 越小,那么能训练的餐数量就越小啊,那么所以说我们可从中可以看到,一般来说呢, rap 开的越大,一般效果就是越好的 啊,大模型参数越多嘛,当然在数据量足够的情况下啊,就 rap 越大,参数 参数量也就越大,那么计算资源训练一个也更慢啊,计算资源暂且存也会更多一点。 然后啊,这个是 rank 的 这个参数的一个含义,然后 alpha 呢,在这边没有体现,就是 alpha 代表的呢,是这个这个部分紫色的权重要加进去的时候,它的一个权重大些,也就是 alpha 越大,那么我们的这个 lora 占比权重就越大啊,就是模型会更倾向于我们的新训练的这个 laura 这部分的参数 好,那么这是一个控制大小, rap 控制大小, alpha 控制一个比例,那么这就是 laura 的 最关键的两个参数啊,然后下面有有这个举例啊, sims 斯利带,那我们就不讲 我们回到这刚才的这个部分,那么所以大家就可以看到这边的 run 和 app 的 这些含义 好,那么啊这个 laura 呢?我们是可以指定啊目标,目标模块就是我们要赋在模型的哪些模块下面啊?那么我们现在的呃大部绝大部分的经验就是说这七个一共就七,这七个模块 全部放上来啊,就是在所有啊模型的所有能加的层上面全部是加上这个 low level, 就 不,就默认就用这一套就可以。 好,然后我们讲这个下面是一些啊训练的一些简单的一个参数,那么优化,我们用这个啊, amw 举就是 am, 然后是个八 b 的 优化七, 然后这个是调调度器,是扩散学习学习力啊,那么它这个学习力训练过程中会以扩散曲线的形式这样下架下来,然后这个是升温的一个阶段,升温阶段就是说,呃,模型的升温训练,就是说我们 这些模型在经过预训练,或者说他们已经经过 sft 之后呢,他们已经有了一些,他们是这几乎在一个含量的数据上进行训练过的, 然后突然切换到我们要训练一个非常垂直的一个小任务上面呢。啊,他可能一上来如果学习率搞的特别大的话,他可能模型参数会被破坏的比较严重,因为他会过多的朝我们的 啊参数,呃,朝我们的任务来,你来靠近了,那会破坏掉,相当于破坏掉大模型本来存在的一个预感,所以说 在新年的一开始我们可以做一个升温啊,零点零三的意思就是说前百分之三的步骤,我们先做升温温,从零开始,一点点升到我们指定的一个学习率 好,然后在后面百分之七,百分之九十七的一个啊,步骤中呢,慢慢的以扩散 曲线的形式往下掉啊,那么这个是啊,升啊学习力调度器的相关的参数,然后接下来是比较重要的啊,也是这个比赛容易遇到坑的参数,两个参数一个就是 就是我们的 badass, 因为我们要在比赛当中进行在线识别,然后开勾的资源又是非常有限,所以说这个值呢,我们稍微调大一点它就炸显存了。虽然我们在本地跑的时候,用它的训练级的时候,它 经常不容易站啊,就哪怕同样用开口资源,然后只跑他训练级的时候他不容易站,但是一跑到测试级中呢,因为他这这项是训练级的非常多倍。我记得训练级大概是只给了两千个样本,然后整个测试级后台的测试级一共有五万个样本, 那么也就是说测试机中有更多的可能性,更多的文本出现,那么也意味着会有更长的文本出现啊,可能会有更长的文本出现,那么当 我们这个 batch size 开的大的时候呢?我们在验证的时候跑没有问题,但是一提交啊,它就报错,那么我们这边是给了两个十四 b 的 模型呢,开了呃所 bit size 等于四等于两个啊,八 b 和七 b 的 两个模型来说,我们 bit size 是 设为八啊,那么这边的这个接下来就是这个 t 度累计啊, t 度累计就是说如果我们 bit size 等于四的情况下呢,一个 bit 相当于只有四个样本, 那么它其实统计意义上它嗯波动会比较大啊,就是它每个 bit 之间 会没有那么统一,因为他只有四四个样本来决定你这一次模型权重的一个更新,所以我们当我们这边开启这个梯度累积以后呢,他就是说当我开叉二的时候,他不会每一轮都进行一个反向传播, 都就不会进行参数更新啊,他会把这个 loss 先存下来。好,那么两二的意思就是每两轮进行一次参数更新,那么就是两次 loss 合并起来, 那么相当于说如果我前面是四的话,百分之三是四,然后这个啊,梯度累积是二的话,那相当于就是把 batch 变成了八啊,全区都有一个 batch 是 八, 那么然后同样如果我们前面是四,后面也是四的话,那么他就是柏芝赛是十六,那么这个这两个参数怎么调呢?一般来说,柏芝赛斯训练大模型的情况下,我们资源有限,柏芝赛斯能开多大就开多大 啊,然后呢,后面怎么怎么取取这个参数呢?就是我们保证总的一个 global 啊, best size 保证为八或者十六就可以啊,有些时候是可能八好一点,有些时候十六好一点啊,那么就是两个值相乘 八或者十六啊,那么这当然是单卡的情况下啊,注意这个参数,它前面写着啊,就每张卡上面的一个 best size, 如果我们是双卡在训练, 那么这边就是,如果这边是等于四,这边等于二的话,那么就四四乘以二,再乘以二,那么这就是 batch global, batch 是 十六,那么我反正保证整个 global batch 能八或者十六就可以啊, 那么啊,我们同样我们精度训练了,精度好,然后我们在本地的时候,我们可以如果自己的显卡比较好,可以用 b f 十六啊,然后开户上面是开不了 b f 十六,因为它的显卡不够,它只能开 f p 十六 啊,然后如果当你在开户上面设置了 b f 十六为初的话,它也它也不会报错,但是呢它 执行的时候,他其实是因为他的显卡不支持 b f 十六这样的一个进度,这个比较比较好的先进的一个进度,那么他会把 f p 十六强行在他的显卡里面做一次转化,转成 b f 十六,那么这样就是相当于是一个 啊富优化啊,就是它本来就不支持,所以它会丢掉 b f 十六里面本来有的一个精度,只是它把 f b 十六还,然后还要做一次转化,会让速度还会变慢,然后精度又又没有 b b 正正的一个精度,所以 我们当我们代码里面是开了自适应啊,都去判断显卡支不支持 b f 十六啊,那么这个是一个题外号啊, 然后序序列长度我们是二二百五十六,然后这个呢是大家可以做一个 pro, 就是 就叫测测测, 也就是说在啊我们提交的时候,我们去测试一下啊,比如提交我们提交一份 code, 然后去去检测一下我们的测试机里面 所有的最长的一个 poke 长度的哦,或者说所有样本的一个长度的一个分布,大概是多大,会有多少超过这个二百五十六 啊,那么我们可以比如设定一个比例,因为啊我们的我们虽然 就是提交一份 code 的 时候呢,会有他只会给我们返回一个分数数值嘛?或者让我们报错啊,或者一个分数的数值,但我们实际上可以通过就这两个他能显示的输出,我们就能做一个测试机的探测,这个就是 做开口的一个 check, 就是 说我们可以去把这个所有的 token 拿下来啊, token 全部算出来,所有让本的 token 全部算出来, token 长度算出来以后,我们去设定一个 啊断言,比如说当我们的有百,呃,超过百分之十的样本长度是超过二百的话,请让代码直接报错,那么我们这时候就会在开购后台收到一个报错的 啊分数,就就没有分数,他就只会给我们报错的一个分数,那如果啊少于百分之十,那我们就可以让他输出一个零分的一个,那么就相当于把一个四例提交文件给他,他就会给我们一个零分啊,零点五分,对于我们这个比赛来说,哎, oc aoc 的 分数来说啊,那么它最低就是零分,零点五分啊,那么就是零点五分,当我们全部预测为零的时候,那么这个就我们就可以通过这个显示的输出去探测出它的 测试级的一个所有样本的一个 top 分 布。然后我们测出来是基本上所有啊,反正我们要的 prompt 组合的 top 是 很少有超过二百五十六,就很少部分超过二百五十六,所以我们就把它这个训练长度设为二百五十六 啊,然后如果一旦有有部分还会超出,那么做一个左侧阶段,那么为什么要做左侧阶段呢?因为右侧时代 就左侧角呢,就是截掉开头的部分,这个 prompt 的 很长,然后把开头的部分给删掉,让保证整个头,呃,整个 prompt 的 头坑是二百五十六, 那么为什么要左侧呢?就是右侧的话意味着删结尾,那么结尾是带标签的,是带 yes o no 的, 那么这个是肯定是不能删的。 好,所以我们会有这样的一个设置,然后啊 f n s f t 就是 监督学习部分的,我们这个 拍给你这个包包,这个打包我们肯定是关掉,这个是只有我们在预训练模型的时候才会给它打开啊,我们具体不讲解这个是什么什么含义,然后我们同样只对这个这个模型输出的一个响应提分 to loss, 那 么这是刚才讲过,然后我们同样有一个参数用来配置验证级,那我们在训练级的时候呢, 就本地做训练的时候,本地的时候我们这边可以开一个零点一,这样我们就可以算出一个验证的, 我们就会切出一部分验证题,我们就可以看到验证题的分数,那么就可以知道这一套参数好不好,大家可以近视一下啊。那么如果我们在线上去念的时候,也就是最终要提交的时候呢,把它设为零,也就是关掉。 好,那么推理技巧也就是直接去这个刚的书过,那么代码在这部分我们待会讲好,那么我们创新点就是一个,是啊,其实我们整 整个一个方案呢,有一个创新点就是是在线训练训练啊,然后里面的一些细节的话,就是说我们有一些啊适配就是未规则,未建的一个规则啊,就是 做一个啊,样本增强,就数据增强,扩充样本,然后同样我们啊做做一个样来解决小样本的一个问题,然后 包括数据的一个清洗好,去重对 𠲎 轻读上上彩,然后多模型的一个融合 好,然后下面是代码解析,然后这部分代码解析我们就直接去讲代码文件,好,我们就不讲,然后最后我们会有一个相容实验的一个结果。那么 得好的两个模型,就是十四 b 的 两个模型分别能到零点九二四啊,然后下面两个八 b 和七 b 的 模型分别是零点九二零和零点九二一,然后这是大约的因为, 呃,我们要在开上跑一个在线训练,那么带上训练以后呢?就是随机性会更强一点, 所以这个是不是说每次都稳定跑出来是零点二九二四啊?这样子的,就是它是一个大概会有一些波动值。好,那么这个是我们的一个方案。

来大家看一下啊,五指鞋,反正我是从来没穿过, vivo 家他们自己出的一个五指鞋,我确实能看到国外有很多的明星啊或者博主啊,他们会穿,会讲到就是说这个五个脚趾啊,你穿它的时候呢,都能够用上力啊,我也很难想象在一些什么样的场景下会穿到这样的一双鞋,就是这双鞋,他到底穿袜子还是不穿袜子呀? 你要说穿袜子的话,他就失去了他这个清亮的一个一个定位,如果你要不穿袜子的话,他这个脚臭,这个散味是不是直接就就熏出来了?而且你看啊,我们经常讲这个鞋头防撞,你看他这块底啊,把每一个脚趾都做了一个防撞,但是你这个脚趾窝会不会出现这种踢到缝里的情况?这个鞋就穿人字拖 哦,就是我穿它当袜子,我穿着它再穿人字拖,哇,它是袜子鞋是吧?它这个售价应该是在八百多,八百九 vibram, 如果是你的话,这双鞋八百多,你会选择它会穿在一些什么样的场景吗?但是它这就是这个鞋,我觉得我自己还接受不了,确实没在任何场景穿过啊,那不知道大家看大家喜不喜欢了?

相信我,这个调组的全面性在你深度使用过之前根本想象不到,它就像一把瑞士军刀,总有一款功能你用得上。 结合国内的疫情,我认为三点五到七克的综合 jk 是 最全面的。注意,这类 jk 并不是通常的精细 jk, 它有更多的党草,更平滑、更反挂的头型。视频中我用的就是这类综合 jk, 来自波特玛的限震系列, 五克的重量,更小的轮廓大贝虾形拖尾,在南方的深秋模式,只需要一个午后的升温,便帮助我两小时爆掉三十条鲈鱼。多至十二根的档草,设计 比普通的德州钓组更加防挂。可能防挂性能这一块可以和定签德州同一个水平。怎么样?没想到吧? 说实话,我以前也没有想到,这小小的党草简直就是天才般的设计。针对快速打电的情况,他比德州更效率的是从障碍区出来后不需要去重新整理构建, 可以理解为这种 flipping jig 防挂的稳定性,能帮助我们提升打电的效率。视频中可以看到,我放心的把它像定迁德州一样丢到草洞稻树这种障碍中去,整个使用下来,基本没有完全挂住过, 也没有发生需要浪费时间去教儿的情况。这个调组确实是如调中特别有独特魅力的一环。当你学习到一定程度,一定会和我一样想去深度的理解学习使用各种 g。 关于 g 的 学习, 我也还只是小学生阶段,如果你有更好的使用经验,也反省不另赐教,我们一起讨论一下吧!

同行的客户名单我花五分钟就全看到了,他们跟哪些客户合作,一年下了多少个订单,每单的金额多少钱清清楚楚。这不是什么黑科技,而是海关数据。很多外贸人知道有海关数据这个东西,要么没有找到好的数据平台,要么不知道怎么用, 要么是输入几个产品词,看一眼就关了。要么是找到客户信息,但联系人的信息是无效的,要么找到了正确的联系方式,联系了却杳无音信,不知道下一步该干什么。今天我拿一查云的海关数据举例, 把有效的用法拆解给你。第一步,锁定目标客户三种搜索入口、产品关键词、 hs 编码、公司名称。如果你已经知道一个目标客户的公司名,直接搜他的公司名。如果不知道,用你的产品词或 hs 编码去搜, 能看到所有进口过的这些产品的海外公司。第二步,看采购频次和供应商分布。 找到目标客户后,重点看三个数据,最近三个月有没有采购,一年采购几次,现在的供应商有哪些?如果一个客户最近三个月采购了好几批,说明需求稳定,值得重点跟进。如果半年都没有动静,优先级那就往后放。 还有一个关键点,看他的供应商的集中程度。如果一个客户百分之八十的货都从同一家供应商地方采购,你要小心。这种情况很有可能有股权关系,或者有特殊的佣金安排,你很难切进去。但如果他的供应商比较分散,有三四家或者更多在给他供货, 说明他愿意尝试新供应商,这就是你的机会。第三步,顺藤摸瓜,找到更多的客户。这一步很多人都在用,你找到一个目标客户后,可以看他的供应商是谁,然后点击这个供应商,看他还供应给了哪些客户, 这些客户就是你的竞争对手的客户名单。同样的逻辑,你也可以看到目标客户把货卖给了谁, 找他的下游客户。不过要注意的是,开发的时候尽量避开客户的客户,免得撞车,到时候捡了芝麻丢了西瓜。第四步,用数据去写开发信。有了客户的真实采购数据信息,你的开发信就不一样了, 你可以写,我注意到贵公司近期进口的某某某产品, hs 编码是多少,我们也是这类产品的供应商,等等等等等。当然,客户采购数据这个事情点到为止, 不用把数据全部甩出来,到时候吓到人家。但客户一看就知道你是做过功课的,不是群发的垃圾邮件。海关数据这个工具, 用好了就是精准导弹,用不好就只是一堆文字。关于海关数据的完整的使用方法,包括怎么背调,分析客户质量和需求,怎么去分析竞争对手怎么去联系。切入到目标客户,我整理了一份操作的 sop, 关注蔡婶评论区留言,海关数据我发给你。

效果还可以,这款是一款立领款的面包羽绒服,里面填充了差不多 l 码的话,一百七十克的鹅绒, 然后呢是七百七十蓬,用到的清洁度应该是一千左右,可以看一下这个是一个双向的 ykk 拉链,一般来讲羽绒服它这块都会是一个绒面贴服,穿嘛比较舒服一点,我大概看了一下整体的一个版型是偏立领,偏修身,也比较干练。看一下袖口这块,这块有一个隐藏式的一个袖口, 这样它的一个线啊,做工什么的非常工整,而且从大面来看是没有明显 logo 的 啊,基本上可以激活大家整个衣柜。来看一下它这个用料啊,这块呢是一个高视线羽绒服嘛,相对来讲的话呢会防钻好一点,这块是一个贝丝裤的一个冬里面料能够做到一个防泼,你可以给大家泼一下,看一下 效果还可以的,填充的七百七十朋九五白鹅绒,你看它这个整体版型很 做进的一个处理,这个应该八百左右,其实可以了,大家如果说买到的是一个九五白鹅绒,七百七十蓬,外加清洁度一千加,而且填充了一百七十克,外面呢还给你用的是一个动力的这样的一个面料,带有防泼,日常耐磨是够的, 再加上它用的线还是高视线,你看一下它的里面的一个做工非常整齐,而且刚刚拆出来,基本上大家拿到什么就是什么, 里面你看还是一个带绒的一个内兜,整体兜带是比较简约的啊,差不多就一共三束兜带,两边的一个插手兜和一个内兜,其实我觉得日常穿完全够了,目前来讲我穿着的一个体感, 一个是轻,另外一个他的一个防风性能有这样的一个冬里面料作为一个外层的话呢,是能够满足大家日常穿脱的一个需求的。零下十度我觉得是 ok 的, 因为他填充了一百七十多克啊, l 码 最高的话能够达到得有个两百多克啊,完全拉上之后。而且呢他这个短款的话比较显腿长嘛,偏商务。可以的可以的,可以进入到咱们品选品库啊,然后大家如果觉得喜欢的话,也可以在评论区讨论一下,还有哪些是你比较关心的点。


so in the neighborhood sledge chicken marsh brip nava to dodosla men is a man patlandium, bohr slag and member helden banan kel, sanla acullice jig remote square take a breast example you scream staple chipoir to do to make they can bona condoff hh bonon conduct paradelunitian boulemawa condosla murphylon detapsily depray posa yande curtis bellings in the best soft club berllictair mesh, latte clip and on decayne rosala pardon plus anadosla margaret golantapsuli quest play malnon cuts on lama and just show up the six and basically it's alticoy best that umbracoim which the two empilamps should the lincoln as awesomer tournaments cremonisla as glows and paid so they make blue hotdinal conda archima's and now they can broke conduct that they can do slamma doing on bashbad goods left my long panic is dishes nikki fincher, jihuha roko dip is the timids are the tip bull masala in castrine of his poison shared in kushirapapurip is the sanla baludo and now they can make chicagonic bass clump crims and on they can master the kippatal kunipkin base basic lamp let you look at the engine and now they can collide the talon bush flour pluro at kashva but pull the hunter column with the ever step into their base cream is most of the crochets based on business austin salon is changed to salon cushion austin salons can salon cushosh may i get bashed on pineon jarrapen bosoms that can take inch for their marble industrial mushroom bass plum crimes my cook round lake as my range it keeps nikki mushrom basket plum mao salmon crittle slap i know the kirima acid get holiday and kirsley magicator mendy and bitcootsla my i'm yeah i'm the end kirsla melous and top component cursed for the mana, my eliqueen mccapat and i can elique scrape on the outer to make netflish in the recipe micheigan motion summon, i'm sneaker guzapplum 我们 good out on the mob belambian bosala in castro and high golden bernard airkey alteracramula poisonla, mainsland aidan crochet tipseed gender poison border。