@shawndev 没有列出全部的功能

@codingbody https://www.bmpi.dev/self/my-writing-story/250k/ 这里有排版的介绍

@learningman 😂等过两年再弄个简洁的，重新弄还是挺麻烦的

@moose123 我现在就 2 个

@moose123 团队用完 elixir 就回不去了😄

@moose123 小众语言招聘难是个绊脚石，只能招学习能力好的培养了，好在入门也很快，起码比 rust 快多了😂另外工作机会少也导致大家不愿意投资这个技术，作为 side project 倒很好，出活快。

@xieren58 用 rust 搞明年也上线不了😂

@moose123 相当于实时通信 Web （ real-time ）的 Python+Django 组合，迅速出活，实时交互。所以 free4.chat 这个项目我设计了三大 feature：Real-time Communicating ，基于语音的实时聊天； Real-time Collaborating：基于白板的实时协作； Real-time Contesting：与其他人实时比赛，玩一些基于语音的游戏，比如可以通过语音与他人练习口语。这一切的底层都是实时与自动扩容，这些都得益于 Elixir/Erlang-otp 的支持，让开发效率变得无比快捷，服务器资源要求也很低。

接触过，某灰的确人品不行。

@moose123 如果一个应用最终要关系 scale 和容错的问题，那用 elixir 搞肯定是一个好的选择，如果用其他语言，scale 用 k8s 之类方案可以搞，但总是带来一定复杂度，甚至在细粒度的控制方面是不如 elixir/erlang-otp 的。还有如果要做实时通信类的应用，elixir 也不错，phoenix 自带 websocket 。公司项目技术栈有很多考量，但个人项目用 elixir 搞是很爽的。

@zealinux 直接看 erlang 的介绍就知道了

@cgpiao 门槛还是有的，但 elixir 可以直接调用 erlang-otp 的库，一般不需要造轮子，顶多封装下。

@maggch97 这也算个方法，但不是我期望的 scale ，这种方法也解决不了同一个房间用户分布在多个节点上的问题，但这些问题在 elixir 版本中都已经解决了，相比 go 有着更少的内存使用（默认 80MB 的内存开销），erlang 的基于 process 的内存回收效率也比 go 的 gc 要高效（之前 go 版本用户几十人时可能会达到几百 MB 的开销，用户降低时内存并没有随之回收，导致我有时候不得不重启服务器，服务器 1G 内存）。还有就是 go 的 debug 比较复杂，这和 webrtc 本身协议众多也有关系，但 elixir 我直接 remote 到 vm 上去看 process 的信息，看状态，发消息，这种 debug 太方便了。

@aeli 不喜欢 go 的语法，开发效率没有 elixir 高，更重要的是因为 turn 单体的约束，很难搞集群，但在 erlang/otp 的加持下，集群是个自带的功能。当然 go 的库更多一些，elixir 可能需要自己封装一些库，不过也不是啥难事

@Ironboy 只是学习搭建的，如果要正常运行挺耗费服务器资源的，成本不低，bug 语言学习这个场景挺不错的，我也正有这个计划，多加一些基于语言视频的一些场景化的功能。

@nguoidiqua 策略简单些更好适应市场的变化，复杂的策略其实就是在过拟合，回测也很容易犯这个错误。我特意选择粗糙的策略，及分散的标的都是在回避过拟合的可能性。

@grindsgears 有意思的洞见。我曾经有段时间也想通过类似的方式去博一把，但实践下来就是累，虽然可以拿到不错的收益，但是本金太少，耗费的时间很多，总账算下来还不如把时间放在技能的提高上。假设有 100 万的本金，一年 20%的收益也不过 20 万，但技能的提升却比较容易的提高到超过 20 万甚至更高的层级上。我们的工作其实折现后就是一个恐怖的本金，年薪 50 万，以 10%的收益折算就是 500 万的本金的投资组合，但真正要搞 500 万的本金还是挺难的。不过这是另外一个关于衡量时间投入在投资还是技能上的问题。

回到投资的问题上来。ETF 是个不错的适合懒人的投资工具，对我来说，能超越 10%-15%的 CAGR 回报我就满意了，因为我的时间需要投入到本金的提高上来。当然未来年纪大了，本金多了，时间可以更多投入的投资上，但那时候我的风险承受能力会进一步降低，这些因素决定了我不能玩我玩不了的策略（如果抛开这些因素，我当然可以玩飞这些策略，大不了也就是产生一定的亏损）。

@nguoidiqua 三号我微操了啊，我买了一些中概股 etf （让组合整体亏损了 10%左右）。。。所以我不能微操，这是一个教训，放大了亏损，我的错误在于我把中概用估值的方法去交易了，显然完全错误。当然我也微操了加密币，不过没放入这个投资组合，加密币的盈利弥补了中概的亏损😂

波动性方面我的确过于谨慎了，可以适当收缩投资组合的范围，集中到不超过五个相关系数低的适合双均线的投资标的来，这是未来的计划。

好处在于我现在投入的本金不多，主要是测试提升我的交易能力，目前陷入了一个瓶颈，你和 @grindsgears 都提供了不错的反馈，谢谢你们！

资金利用率不高，我现在想到的办法是适当加入一些债券的配置，而非闲置等待交易信号。但还是资金比较少，我本身也懒得去操作，因为之前都需要手工记录交易，比较麻烦，现在这个系统可以自动做了，可以适当调整下。

@nguoidiqua 刚突然想到，很多时候我们讨论，忽略了投资组合金额的规模了，同一策略分散不分散与本金规模有关系，如果是千万级别的组合，那因为流动性与交易冲击的问题，肯定要多分散，哪怕降低收益也有必要，如果几十万的确没必要分散，如第二个组合一样集中交易一个也可以，但这里存在的问题是，第二个组合有运气成分，因为我们不知道某个指数到底未来收益行不行，如果运气不好，几年交易恒生指数，那收益一定很惨，虽然比单独拿着可能要好一些，所以分散也是有一定必要性的，就看怎么权衡了。从相关系数的角度去分配金额是个办法，但难点在于很难搞清楚当前的指数投资交易价值的高低，如果某个市场处于顶峰，这时候啥策略也别管，空仓不交易就是最好的，我曾经尝试用估值的办法去与均线策略结合，但难度太高了，微操到最后还不如单纯一个策略，这也是我驾驭不了不同策略的内在矛盾性，也许有人能搞的了吧，但难度不是一般的高。