撸毛路线图：从测试网到主网的成本核算

先换一个框架：这是生意，不是抽奖

多数人把撸毛当成抽奖：填个地址、点几下、等着中奖。这个框架的问题是它默认成本为零，于是任何结果都算赚。但真实成本一直在发生——每笔链上交互都要付 Gas，每次兑换都要付手续费和滑点，为了满足金额门槛压在链上的资金失去了其他用途，而你为每个项目投入的操作时间也不是免费的。

换成生意的框架，问题就变得可计算：我这一单的投入是多少，回报的概率分布长什么样，期望值是正还是负。这个框架的好处不是让你算出精确数字（做不到），而是让你在明显亏本的项目上立刻停手。实践中大多数被放弃的项目，都是在这一步就被算掉的。

还有一个框架性的差别。抽奖思维会让人追求「参与的项目数量」，生意思维会让人追求「单位成本的期望回报」。前者导致把资源摊薄在几十个低价值项目上，后者导致集中在少数几个高信息量的项目上做深。历史上多数有意义的空投收益都来自后一种做法。

把成本拆开：四项，不是一项

拆成本的关键是别只算 Gas。Gas 通常是四项里最小的一项，却是唯一被认真记录的一项。下面这张表按单个钱包、单个项目、六个月周期做估算。

这张表最重要的信息是最后一行的对比：实际成本约为多数人自认成本的 5 倍以上，差额几乎全部来自时间与机会成本。忽略这两项的直接后果是：你会觉得几乎所有项目都值得撸，因为分母被人为压小了。

时间单价该怎么定？一个可操作的取法是你的实际可替代收入的时薪。如果这个数字让你觉得撸毛不划算，那正是这项测算的价值所在——它告诉你应该把时间用在别处，或者只做那些能脚本化、边际时间成本接近零的部分。

本金机会成本也有个反直觉的点：它与是否亏损无关。即使你压在链上的资金一分没少，这半年它本可以拿到的稳健收益就是实际付出的代价。行情波动还会带来额外的价格风险，这一项在表里没有计入，因为它取决于你持有的具体资产。

期望值怎么估：三个数字

期望值公式很简单：EV = p × V − C。其中 p 是发币且你符合条件的概率，V 是单钱包预期到手价值，C 是上面算出的总成本。难的不是公式，是这三个数字怎么给。

p 要拆成两层：项目发币的概率 × 你的地址达标的概率。前者看融资背景与官方表态，后者看你的交互深度相对于竞争者的位置。两者相乘常常小得出人意料：项目发币概率 40%、你达标概率 60%，合起来只有 24%。

V 的估法是自下而上：预估空投总量占代币总供应的比例（历史上常见 3%–10%）、预估合格地址数量（可参考同类项目，常在数十万到数百万量级）、预估上线时的流通市值。三者相除得到单钱包份额。注意这三个参数都极不确定，应当给出区间而非点估计，并以区间下沿做决策。

看最后两行。D 项目的发币概率最高，期望值却最差——因为参与人数把达标概率和人均份额同时压低了。「大家都在撸」是负面信号而不是正面信号，这一点与股票市场的直觉相反。

最后一行则展示了成本口径的影响：同一个 A 项目，只算 Gas 和手续费时期望值看起来很可观，计入完整成本后优势变得很薄。绝大多数「撸毛很赚」的判断，都建立在这种不完整的成本口径上。

还要注意 EV 为正不等于会赚钱。EV 是概率意义上的平均结果，单个项目的实际结果只有两种：拿到或拿不到。在小样本下你完全可能连续做十个 EV 为正的项目而一无所获。这就是为什么参与金额必须控制在可全损范围内。

项目筛选：信息量最高的四个指标

既然大部分项目 EV 为负，筛选就是整件事里最有价值的环节。按信息量排序，下面四个指标能筛掉绝大多数不值得做的项目。

融资背景：是否有已知机构参投、金额量级。这个指标有效的原因很直接——代币分配方案通常在融资阶段就已确定，有机构投资的项目更可能走发币路径。它不保证发币，只是提高了先验概率。

官方是否明确提及激励：路线图、博客或文档里是否出现积分、点数、贡献度记录等机制。有明确记录机制的项目，其分配依据是可观测的；完全没有任何表态的项目，你连自己在不在候选集合里都不知道。

交互成本与门槛设计：如果项目把门槛设得很低（几笔交易即可），意味着合格地址会极多，人均份额被摊到极薄。反之门槛涉及真实资金占用或长期行为的项目，参与人数少，单位成本的期望回报通常更高。

竞争人数：可以用相关讨论区活跃度、教程数量、链上日活地址增长作为代理指标。这一项是唯一「越热越差」的指标，因为它同时降低期望值公式里的 p₂ 和 V。

1. 先用融资背景和官方表态做硬过滤，两项都不满足的直接放弃。
2. 对通过的项目估算 V 的区间下沿，用最保守的合格地址数假设。
3. 按上一节的表格算出完整成本 C，包含时间与机会成本。
4. 算 EV，只保留 EV 明显为正（例如大于成本的 30%）的项目，留出估算误差余量。
5. 对入选项目排序，按可投入的时间预算从上往下做，做不完的直接砍掉。

多钱包的边际收益递减

多钱包是这个领域最常见的做法，也是最容易算错的地方。直觉是钱包数量翻倍收益翻倍，实际情况不是。

成本端确实近似线性增长：每个钱包都要付各自的 Gas、手续费、跨链费、本金占用。但收益端有三重递减。第一，钱包数量增加会拉低每个钱包的交互深度（时间总量固定），从而降低达标概率。第二，多钱包之间的关联特征随数量增加而更难消除，被判定为关联的风险随之上升。第三，如果很多人都在做多钱包，合格地址总数膨胀，人均份额下降。

第三重递减尤其容易被忽略，因为它是集体行为的结果而不是个人行为的结果——你控制不了它，但它直接决定了 V。这也是为什么同一套多钱包做法在不同时期效果差异巨大：当参与人数少时它有效，当它成为普遍做法时它的优势就被自己抹平了。

从这张表能得到一个可操作的结论：在固定的时间预算下，把资源集中在少数钱包做深，通常优于摊薄到大量钱包做浅。前者提高的是每个钱包的达标概率，后者增加的主要是成本和关联风险。关联特征的具体识别方式在女巫检测怎么做的里有详细展开。

把它做成可复盘的流程

撸毛真正的复利来自流程而不是单个项目。最低限度你需要维护三份记录：成本台账（每个项目每个钱包的实际花费）、操作日志（做了什么、什么时候）、结果记录（是否发币、实际到手价值）。

有了这三份记录，你才能在半年后回答一个关键问题：我事前的 p 和 V 估得准不准。多数人的估计会系统性偏高，而记录能让你量化这个偏差并在下次估算时打折扣。没有记录，你会永远重复同样的高估。

复盘时按项目类型分组统计更有信息量：有机构融资的项目实际发币率是多少，官方明示激励的项目是多少，纯热度驱动的是多少。这些是你自己数据集上的先验概率，比任何外部说法都更适合你的操作方式。相关的记录模板与指标定义可以参照量化学院里的复盘方法部分，思路与策略回测复盘是一致的。

1. 开始一个项目前，写下预估的 p、V、C 和 EV，存档，不允许事后修改。
2. 过程中逐笔记录实际花费，包含时间（按分钟粗记即可）。
3. 结果出来后，记录实际到手价值，与事前预估对比。
4. 每季度汇总：实际发币率 vs 预估、实际到手 vs 预估、总成本 vs 总回报。
5. 用汇总结果修正下一季度的估算参数与筛选门槛。