0. 5秒結論——別只偷必殺技，要偷發明必殺技的腦迴路
模仿優秀交易者或研究者時，人最容易問：「他到底買了什麼？」「什麼時候進？」「具體觸發條件是什麼？」
但真正更值錢的是前一層。
他為什麼會去看那裡？什麼現象讓他覺得不對勁？他為什麼認為那裡競爭較弱？什麼東西被他主動丟掉？
具體edge會失效，但定義問題的方法可以搬到另一個市場、工作或研究領域。
只偷必殺技名稱沒用，自己的角色沒有藍條照樣放不出來。要偷就從角色構築開始。
1. 從零思考很自由，但搜尋空間大得離譜
自己從頭想當然很好玩。問題是市場與研究中的候選方向幾乎無限。
價格、資金流、新聞、企業資料、宏觀、訂單簿、時段、參與者、制度、執行成本，全都能研究。
一個多年持續產生成果的人，本身就是很強的先驗資訊。
如果他連續多年盯著某類問題，至少表示「這個坑值得挖」。
不用把成功者當神。把他們當成幫你壓縮搜尋空間的前置研究員即可。
2. 多年的X會變成「思考地層」
真正厲害的人通常不會把目前核心方法整理成一篇公開說明書。
可是當他在X、部落格、訪談、公開文章裡發言多年，碎片就會散落出來。
「最近在看這個資料。」 「這裡競爭太激烈。」 「這個實驗失敗了。」 「這種行情機會會增加。」 「這條研究線我放棄了。」 「這部分已經自動化。」
單獨看像聊天，按時間排列就變成研究日誌。
時間線會形成地層，我們只需要拿著鏟子做考古。
3. 最有效的方法是追蹤「本人自己的詞」
一開始只用泛用關鍵字搜尋，很容易被雜訊淹沒。
先從簡介、近期貼文、公開文章與訪談中，抽出這個人反覆使用的特殊詞彙。
然後搜尋：
本人識別 × 特有詞
找到新詞後，再拿新詞往更早的時間搜尋。
流程就是：
入口詞彙 → 舊貼文 → 新詞彙 → 更舊貼文 → 相關人物 → 其他媒介
不必取得完整X存檔。搜尋引擎、引用、回覆、公開鏡像、部落格、文章與訪談都可能留下痕跡。
目標不是「全量收集」，而是把思考骨架拼回來。
4. 要抽取的是6個上游問題，而不是交易條件
研究一個人時，至少抽出六件事。
- 他觀察什麼——價格、文字、資金流、市場結構、宏觀資料？
- 他怎麼形成假設——視覺異常、統計、論文、制度機制？
- 他認為什麼是競爭優勢——速度、利基、資料、研究量、風險管理、執行？
- 他會丟掉什麼——過度擬合、過度擁擠、容量不足、成本太高？
- 他怎麼處理風險——單次大賭注、小優勢反覆、分散、動態部位？
- 他下一步要挖哪裡——最近想要什麼資料，正在做什麼工具？
拿到這些，即使不知道秘密進場條件，也開始能看出這個人下一步會研究什麼。
5. 看多個成功者，才能分離「個人風格」與「共通原則」
匿名化後的公開資訊顯示，成功者可以走完全不同的路線。
一類人直接觀察市場，避開擁擠競爭，把太小、太麻煩、別人懶得撿的機會自動化。
另一類人從大量資料中抽出微弱可預測性，剝離已知因素，再把風險、容量、執行成本一起納入，累積很多小優勢。
表面完全不同。
但底層會出現共同原則：
尋找小優勢 大量重複 自動化 不要依賴單一來源 只計算真正能拿到的收益
這一層比任何秘密閾值都更容易移植。
6. 隱去具體edge，文章仍然有價值
具體閾值與進場條件很脆弱。競爭增加會壞，制度改變會壞，資金規模與執行環境不同也不一定能複製。
真正耐用的是這類「搜尋算子」：
- 看強者不願意認真競爭的地方
- 不只看「動了什麼」，也看「本來該動卻沒有動什麼」
- 懷疑收益是不是已知因子的偽裝
- 把回測收益與可執行收益分開
- 不追求一顆聖杯，而是累積多個獨立小優勢
- 失敗研究也保存成下一輪搜尋材料
具體edge是一條魚，上游思維是捕魚方法。
7. AI不是取代天才，而是把天才的切口放大100倍
上游問題設定往往是經驗豐富、思維極強的人佔優勢。
後面的工作，AI很強。
從一個好切口出發，它可以批量生成特徵、掃描歷史、設計反證、切分OOS、做分群、寫實作、記錄失敗、搬到其他市場。
所以不是「AI對天才」。
而是：
天才級上游視角 × 機器級研究迭代速度
一個人的好問題，可以被擴展成一百個可驗證假設。
8. 把人物變成Lens，而不是寫完人物介紹就結束
研究完一個人，不要停在人物傳記。
把他的思維方式保存成可重複使用的Lens。
例如觀察Lens、避競爭Lens、利基市場Lens、統計預測Lens、因子剝離Lens、風險Lens、容量Lens、執行Lens、失敗Lens、Machine-only Lens。
接著把多個Lens同時照向同一市場。
一個Lens說這是資金流異常，另一個Lens發現收益其實是已知因子，第三個Lens又發現執行成本會把利潤吃光。
不要迷信一個天才。讓多個天才的視角彼此打架。
9. 結論——真正該偷的是「問題生成函數」
如果真想模仿高手，追最新持倉不如抽取他長期形成的「去哪裡看」機制。
多年公開貼文本身就是大型研究日誌。
抓特有詞、交叉搜尋、建立時間線、區分事實與推論，再抽取他觀察什麼、放棄什麼、自動化什麼、下一步找什麼。
具體edge繼續隱藏，只把上游search operator做成資料庫。
背答案很便宜。
偷到能持續產生好問題的機器，才是最划算的模仿。
