跳到正文

X:阿易 AI Notes

@ayi_ainotes · X

当前显示全部 AI 相关新闻
切换来源
全部X新闻X:Rohan Paul1148 条X:Kim1108 条X:阿易 AI Notes821 条X:阿里云 / Alibaba Cloud415 条X:Testing Catalog330 条X:Elvis Saravia312 条X:OpenRouter287 条X:Elon Musk285 条X:cb_doge277 条X:Artificial Analysis257 条X:Ethan Mollick245 条X:PixVerse235 条X:Replit213 条X:OpenAI Developers200 条X:SemiAnalysis197 条X:ZHO182 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)173 条X:小北161 条X:swyx161 条X:Gemini156 条X:MiniMax154 条X:Dex Horthy(HumanLayer)124 条X:Tibo122 条X:OpenAI119 条X:Google AI for Developers103 条X:Emad Mostaque101 条X:X.PIN100 条X:蚂蚁百灵98 条X:Thomas Wolf(Hugging Face 联创/CSO)94 条X:Epoch AI91 条X:Luma AI88 条X:AI Safety Memes87 条X:Claude Devs84 条X:Runway81 条X:Aravind Srinivas(Perplexity CEO)80 条X:Jason Liu80 条X:马东锡 NLP77 条X:面壁智能 OpenBMB77 条X:Sam Altman77 条X:Frank Wang 玉伯73 条X:fofr70 条X:Gabriel70 条X:洪明68 条X:阑夕61 条X:Francois Chollet60 条X:opencode59 条X:Eric Zakariasson58 条X:Perplexity58 条X:Yuchen Jin58 条X:Greg Brockman57 条X:Nathan Lambert56 条X:赵纯想55 条X:Tencent WorkBuddy55 条X:Microsoft Research54 条X:Cohere51 条X:腾讯混元50 条X:Suno49 条X:Claude45 条X:Anthropic44 条X:Clément Delangue(Hugging Face CEO)44 条X:Peter Steinberger44 条X:Krea AI41 条X:OpenClaw41 条X:通义千问 / Qwen39 条X:Charlie Holtz39 条X:Google AI37 条X:Google DeepMind37 条X:Thariq35 条X:Peter McCrory(Anthropic 首席经济学家)31 条X:AK30 条X:百度 Baidu28 条X:AI at Meta28 条X:Boris Cherny28 条X:Deedy Das27 条X:可灵 Kling AI26 条X:Aidan Gomez(Cohere CEO)26 条X:Viggle AI26 条X:Mustafa Suleyman(Microsoft AI CEO)25 条X:Logan Kilpatrick24 条X:karminski22 条X:Josh Woodward21 条X:Noam Brown20 条X:李继刚18 条X:Andrew Milich18 条X:Odyssey18 条X:硅基流动 SiliconFlow17 条X:SpaceXAI17 条X:Tianyi Cui17 条X:DeepSeek16 条X:华为云14 条X:Sundar Pichai14 条X:智谱 Z.ai12 条X:Mark Zuckerberg12 条X:Demis Hassabis11 条X:唐杰10 条X:Ammaar Reshi10 条X:Andrew Ng(DeepLearning.AI 创始人)10 条X:Eric Mitchell10 条X:Karina Nguyen10 条X:Lee Robinson10 条X:Mistral AI10 条X:Noah Zweben10 条X:Fei-Fei Li9 条X:Jensen Huang9 条X:Kimi.ai9 条X:Barret 李靖8 条X:Hao AI Lab8 条X:Jeff Dean8 条X:谢赛宁7 条X:Jim Fan7 条X:Michael Truell7 条X:張小珺 Xiaojùn6 条X:NotebookLM0 条@berryxia · 历史来源430 条@vista8 · 历史来源262 条@op7418 · 历史来源231 条@sensetime_ai · 历史来源34 条@google · 历史来源30 条@getsuperintel · 历史来源9 条@latentspacepod · 历史来源9 条@android · 历史来源8 条@dreamlabla · 历史来源8 条@mannybernabe · 历史来源8 条@karpathy · 历史来源7 条@alexatallah · 历史来源6 条@ryanleeminimax · 历史来源5 条@theo · 历史来源5 条PixVerse (@PixVerse) · 历史来源5 条@aidotengineer · 历史来源4 条@dkundel · 历史来源4 条@reach_vb · 历史来源4 条@dotey · 历史来源3 条@eliebakouch · 历史来源3 条@googlechrome · 历史来源3 条@kilocode · 历史来源3 条@maxforai · 历史来源3 条@newsfromgoogle · 历史来源3 条@richardssutton · 历史来源3 条@skylermiao7 · 历史来源3 条@victorsuortiz · 历史来源3 条@ajambrosino · 历史来源2 条@akashi203 · 历史来源2 条@anatolikopadze · 历史来源2 条@andrewcurran_ · 历史来源2 条@antirez · 历史来源2 条@barrnanas · 历史来源2 条@coreyching · 历史来源2 条@deanwball · 历史来源2 条@designarena · 历史来源2 条@fal · 历史来源2 条@fellmentke · 历史来源2 条@gergelyorosz · 历史来源2 条@gmi_cloud · 历史来源2 条@gravicle · 历史来源2 条@hxiao · 历史来源2 条@jackminong · 历史来源2 条@lennysan · 历史来源2 条@mada299 · 历史来源2 条@microsoft · 历史来源2 条@mikastars39 · 历史来源2 条@mitchellh · 历史来源2 条@nabeelqu · 历史来源2 条@rudrank · 历史来源2 条@sebastienbubeck · 历史来源2 条@zan2434 · 历史来源2 条@___harald___ · 历史来源1 条@_boraturan · 历史来源1 条@0xjaniak · 历史来源1 条@0xkato · 历史来源1 条@47fucb4r8c69323 · 历史来源1 条@559hkdt · 历史来源1 条@aaliya_va · 历史来源1 条@abhikatte42 · 历史来源1 条@abhishekpatiil · 历史来源1 条@aboutberlin · 历史来源1 条@addyosmani · 历史来源1 条@agi2asi · 历史来源1 条@aiaicreate · 历史来源1 条@aimlapi · 历史来源1 条@aisaonehq · 历史来源1 条@aisystemprompt · 历史来源1 条@alemtuzlak · 历史来源1 条@alexxubyte · 历史来源1 条@alupsasca · 历史来源1 条@amasad · 历史来源1 条@ampcode · 历史来源1 条@anas_build_ · 历史来源1 条@aniketmaurya · 历史来源1 条@anitakirkovska · 历史来源1 条@anneliesgamble · 历史来源1 条@antigravity · 历史来源1 条@arafatkatze · 历史来源1 条@arena · 历史来源1 条@argofowl · 历史来源1 条@arthurmensch · 历史来源1 条@ashiknewazaj · 历史来源1 条@atabarrok · 历史来源1 条@atomic_chat_hq · 历史来源1 条@awe_automation · 历史来源1 条@awesomekling · 历史来源1 条@awscloud · 历史来源1 条@ayushagarwal · 历史来源1 条@baaadas · 历史来源1 条@bai_agi · 历史来源1 条@bbuddha_xyz · 历史来源1 条@bclavie · 历史来源1 条@beccalytics · 历史来源1 条@benfleming__ · 历史来源1 条@benhylak · 历史来源1 条@benjamineyliu · 历史来源1 条@bfl_ml · 历史来源1 条@bleysg · 历史来源1 条@bolna_dev · 历史来源1 条@bosmeny · 历史来源1 条@boxmining · 历史来源1 条@bozhou_ai · 历史来源1 条@brexhq · 历史来源1 条@brian_armstrong · 历史来源1 条@brianchew · 历史来源1 条@bridgemindai · 历史来源1 条@budgetpixel · 历史来源1 条@cahidarda · 历史来源1 条@calmpromptshq · 历史来源1 条@ce_zhang · 历史来源1 条@cedric_chee · 历史来源1 条@chaitralikakde · 历史来源1 条@chatgpt · 历史来源1 条@chatgptapp · 历史来源1 条@christinetyip · 历史来源1 条@christofsalis · 历史来源1 条@clark__labs · 历史来源1 条@cloudflaredev · 历史来源1 条@cnorth_13 · 历史来源1 条@cnzoecomeback · 历史来源1 条@cocohearts · 历史来源1 条@code_star · 历史来源1 条@codebyaurelia · 历史来源1 条@cognition · 历史来源1 条@commandcodeai · 历史来源1 条@consensusnlp · 历史来源1 条@contralabs_ai · 历史来源1 条@cozyblaze265065 · 历史来源1 条@crimedecoder · 历史来源1 条@crtr0 · 历史来源1 条@damnventures · 历史来源1 条@daniellockyer · 历史来源1 条@darioamodei · 历史来源1 条@davidmaliglowka · 历史来源1 条@davidondrej1 · 历史来源1 条@dbirker78883 · 历史来源1 条@deryatr_ · 历史来源1 条@devfun · 历史来源1 条@diegocabezas01 · 历史来源1 条@digitalocean · 历史来源1 条@dimillian · 历史来源1 条@dimitrispapail · 历史来源1 条@discussingfilm · 历史来源1 条@dkthomp · 历史来源1 条@dmitryrybin1 · 历史来源1 条@dmsobol · 历史来源1 条@douglasyaody · 历史来源1 条@duckduckgo · 历史来源1 条@easyrouterio · 历史来源1 条@edgardobriban · 历史来源1 条@eisokant · 历史来源1 条@elliotarledge · 历史来源1 条@encrypted · 历史来源1 条@endpointarena · 历史来源1 条@envato · 历史来源1 条@escanorreloaded · 历史来源1 条@esrtweet · 历史来源1 条@ethanhe_42 · 历史来源1 条@eu_commission · 历史来源1 条@fba · 历史来源1 条@fdavidsont · 历史来源1 条@figmaweave · 历史来源1 条@finn_meeks · 历史来源1 条@first_tree_ai · 历史来源1 条@flavioad · 历史来源1 条@flowith · 历史来源1 条@fminzhou · 历史来源1 条@freddie_spirit · 历史来源1 条@frydwia · 历史来源1 条@futurestacked · 历史来源1 条@garrettlord · 历史来源1 条@garrytan · 历史来源1 条@gavinsbaker · 历史来源1 条@GayaniFigma · 历史来源1 条@genspark_ai · 历史来源1 条@gitlawb · 历史来源1 条@gneubig · 历史来源1 条@gokulr · 历史来源1 条@goodfireai · 历史来源1 条@goodnesmbakara · 历史来源1 条@googleaistudio · 历史来源1 条@gordic_aleksa · 历史来源1 条@gro_tsen · 历史来源1 条@hangsiin · 历史来源1 条@happycapyai · 历史来源1 条@haydenbleasel · 历史来源1 条@helloiamleonie · 历史来源1 条@hey_asiif · 历史来源1 条@hilbertspaess · 历史来源1 条@howtoprompt__ · 历史来源1 条@hq4ai · 历史来源1 条@hypersoren · 历史来源1 条@ianbremmer · 历史来源1 条@id_aa_carmack · 历史来源1 条@interaction · 历史来源1 条@intology · 历史来源1 条@iron_redux · 历史来源1 条@ithilgore · 历史来源1 条@itsreallyvivek · 历史来源1 条@jamesjyu · 历史来源1 条@jameszmsun · 历史来源1 条@jason_young1231 · 历史来源1 条@jawad_rahman_ · 历史来源1 条@jaydendavisnc · 历史来源1 条@jeffbarg · 历史来源1 条@jenzhuscott · 历史来源1 条@jiayuan_jy · 历史来源1 条@jilles · 历史来源1 条@jimcramer · 历史来源1 条@jimsyoung_ · 历史来源1 条@jinjingliang · 历史来源1 条@jjacky · 历史来源1 条@jjackyliang · 历史来源1 条@joefioti · 历史来源1 条@joi___ai · 历史来源1 条@joinhandshake · 历史来源1 条@joinpursuit · 历史来源1 条@joulee · 历史来源1 条@jsconfasia · 历史来源1 条@jsrailton · 历史来源1 条@juminoz · 历史来源1 条@kaizero_ainta · 历史来源1 条@karanganesan · 历史来源1 条@kdaigle · 历史来源1 条@kentherogers · 历史来源1 条@kevinsays · 历史来源1 条@khudonogov · 历史来源1 条@koraykv · 历史来源1 条@kotekjedi_ml · 历史来源1 条@kuberwastaken · 历史来源1 条@kurz_gesagt · 历史来源1 条@kwindla · 历史来源1 条@lafalcemateo · 历史来源1 条@lakshyaaagrawal · 历史来源1 条@larrylv · 历史来源1 条@layoffai · 历史来源1 条@levinstanley · 历史来源1 条@lifeofjer · 历史来源1 条@livekit · 历史来源1 条@lostinlatencyx · 历史来源1 条@lotte_verheyden · 历史来源1 条@lqiao · 历史来源1 条@luciushq · 历史来源1 条@luckeyfaraday · 历史来源1 条@lukaspet · 历史来源1 条@madhavsinghal_ · 历史来源1 条@manassharmahere · 历史来源1 条@markiewagner · 历史来源1 条@marksaroufim · 历史来源1 条@marsxiang_ · 历史来源1 条@maseehg_ · 历史来源1 条@mattshumer_ · 历史来源1 条@mem0ai · 历史来源1 条@mengto · 历史来源1 条@merettm · 历史来源1 条@micahcarroll · 历史来源1 条@michael_chomsky · 历史来源1 条@michaelarnaldi · 历史来源1 条@microsoftai · 历史来源1 条@mike_acton · 历史来源1 条@mikeyyyzhao · 历史来源1 条@minchoi · 历史来源1 条@minimaxagent · 历史来源1 条@minu_who · 历史来源1 条@mkbhd · 历史来源1 条@modal · 历史来源1 条@moritzthuening · 历史来源1 条@moxie · 历史来源1 条@mstockton · 历史来源1 条@mtslive · 历史来源1 条@multimodalart · 历史来源1 条@neelnanda5 · 历史来源1 条@neilrahilly · 历史来源1 条@nickbaumann_ · 历史来源1 条@nirantk · 历史来源1 条@noemititarenco · 历史来源1 条@notjazii · 历史来源1 条@nousresearch · 历史来源1 条@oblomovius · 历史来源1 条@ollama · 历史来源1 条@onlyterp · 历史来源1 条@onlyzhynx · 历史来源1 条@organicgpt · 历史来源1 条@orgrem · 历史来源1 条@p0 · 历史来源1 条@palantirtech · 历史来源1 条@palmerluckey · 历史来源1 条@pandatalk8 · 历史来源1 条@parishilton · 历史来源1 条@patrickcarlyle · 历史来源1 条@patricktoulme · 历史来源1 条@paulg · 历史来源1 条@paulsolt · 历史来源1 条@pbdtokenrouter · 历史来源1 条@pererabinoy · 历史来源1 条@philhchen · 历史来源1 条@pirroh · 历史来源1 条@pjaccetturo · 历史来源1 条@postlive · 历史来源1 条@pranaveight · 历史来源1 条@prathamdby · 历史来源1 条@prince_canuma · 历史来源1 条@pumpkherm · 历史来源1 条@pvncher · 历史来源1 条@qiaoqiao2001 · 历史来源1 条@rajveerbach · 历史来源1 条@randyhaddad6 · 历史来源1 条@rauchg · 历史来源1 条@raveeshbhalla · 历史来源1 条@rayanpal_ · 历史来源1 条@rayfernando1337 · 历史来源1 条@redpoint · 历史来源1 条@ric_rtp · 历史来源1 条@richardsocher · 历史来源1 条@rileybrown · 历史来源1 条@robertvaradan · 历史来源1 条@ronshepherd · 历史来源1 条@rosmine · 历史来源1 条@rthiago · 历史来源1 条@ruben_kostard · 历史来源1 条@runware · 历史来源1 条@rvivek · 历史来源1 条@ryanjunejo · 历史来源1 条@safaricheung · 历史来源1 条@samuelstroschei · 历史来源1 条@sanmking · 历史来源1 条@saranormous · 历史来源1 条@savinovnikolay · 历史来源1 条@scale_ai · 历史来源1 条@scaling01 · 历史来源1 条@sdaily_ai · 历史来源1 条@secscottbessent · 历史来源1 条@seltaa_ · 历史来源1 条@sergiopaniego · 历史来源1 条@servasyy_ai · 历史来源1 条@sethltx · 历史来源1 条@shashankgoyal95 · 历史来源1 条@sherryyanjiang · 历史来源1 条@sherylhsu02 · 历史来源1 条@shl · 历史来源1 条@sighjith · 历史来源1 条@simistern · 历史来源1 条@southpkcommons · 历史来源1 条@sriramkri · 历史来源1 条@sshoaibali · 历史来源1 条@stalkermustang · 历史来源1 条@status_effects · 历史来源1 条@stevencheng · 历史来源1 条@stockanalystpro · 历史来源1 条@suekhim · 历史来源1 条@sultanalfardan · 历史来源1 条@suraj_sharma14 · 历史来源1 条@swisscheese4299 · 历史来源1 条@swmansion · 历史来源1 条@systematicls · 历史来源1 条@teksedge · 历史来源1 条@tftc21 · 历史来源1 条@theahmadosman · 历史来源1 条@themidasproj · 历史来源1 条@theonejvo · 历史来源1 条@therealadamg · 历史来源1 条@timsoulo · 历史来源1 条@tmuxvim · 历史来源1 条@tobi · 历史来源1 条@togethercompute · 历史来源1 条@trackernetwork · 历史来源1 条@trustkerneltech · 历史来源1 条@ttunguz · 历史来源1 条@tuhinchakr · 历史来源1 条@twistartups · 历史来源1 条@ubermenscchh · 历史来源1 条@udayan_w · 历史来源1 条@usefastlane · 历史来源1 条@uzyn · 历史来源1 条@valeriocapraro · 历史来源1 条@vasuman · 历史来源1 条@vdbergrianne · 历史来源1 条@vibeguessing · 历史来源1 条@victoriakimse · 历史来源1 条@victoriawu77 · 历史来源1 条@victortaelin · 历史来源1 条@vikaskansalhq · 历史来源1 条@volchika · 历史来源1 条@walden_yan · 历史来源1 条@warpdotdev · 历史来源1 条@waynesutton · 历史来源1 条@wesroth · 历史来源1 条@whosamberella · 历史来源1 条@xdinodeer · 历史来源1 条@xicilion · 历史来源1 条@xucian_ · 历史来源1 条@yacinemtb · 历史来源1 条@yaojingang · 历史来源1 条@yoheinakajima · 历史来源1 条@yongquanyq · 历史来源1 条@youtubejocoding · 历史来源1 条@yusufg · 历史来源1 条@zachbussey · 历史来源1 条@zeddotdev · 历史来源1 条@zeroxkyle · 历史来源1 条@zhenthebuilder · 历史来源1 条@zicohacks · 历史来源1 条@zixuanli_ · 历史来源1 条@zymazza · 历史来源1 条
821 条AI 相关新闻 · 最新在前
9月12日周六
  1. @AYi_AInotes59

    Claude Code 负责人 Boris Cherny 公开回复一位 12 年经验架构师的来信,回应 Vibe Coding 带来的 AI 垃圾代码(Slop)争议,认为生产环境代码的及格线不能放水,反而要比人类手写时定得更高。

    引用@bcherny@bcherny

    Every day, I get a lot of of emails and messages like this one. I try to respond to as many as I can. Sharing my response below, for anyone else in a similar situation. What do you think? https://t.co/z1GtgK14RM

  2. @AYi_AInotes64

    宇树开源通用人形基座大模型 UnifoLM-WLA-1.0,6B 参数,用约 2500 小时高质量真机多任务数据训练,覆盖 64 项复杂任务。该模型用同一套权重完成底盘导航、全身大范围移动与桌面精细操作,在两指夹爪和五指灵巧手之间可不重训自适应,端侧策略推理延迟压到 106 毫秒。底座为 Qwen3-VL-4B 加 MMDiT 动作流专家,代码、模型权重和数据链路均已开源,并附带真机部署指南。

    原始视频预览图;未保存可播放视频URL
  3. @AYi_AInotes72

    OpenAI 公测 Agents API,把 Codex harness 做成云端托管服务,由 OpenAI 负责编排、长时运行会话与上下文管理。作者引用官方演示称,程序化工具调用(PTC)把工具返回的上下文从 170,126 个 Token 压到 11 个 Token,Session 则可持久化、暂停和恢复。

    引用@OpenAIDevs@OpenAIDevs

    Go from idea to a working agent faster with the Agents API. Build and run cloud agents with the Codex harness, fully managed by OpenAI. We handle orchestration, long-running sessions, and context management. You focus on what makes your agent unique. Available in public beta. https://t.co/74siIaFdg4

    推荐理由:从 Codex harness 托管化的细节切入,作者提出体验层、循环层、电脑层的三层分工框架,可用来判断 Agent 创业的取舍。

9月11日周五
  1. @AYi_AInotes31

    Minara Harness 用多空对辩强制给看多结论泼冷水:实测 AAPL 时看多分析师刚说趋势不错,空头 Agent 立刻指出前瞻 PE 34 倍、317 箱体上沿追高盈亏比差、毛利率口径冲突,最终给出 Hold 而非追买。

    原始视频预览图;未保存可播放视频URL
    引用@AYi_AInotes@AYi_AInotes

    做量化、炒币、盯美股的兄弟们,金融界的 Codex 今天真落地了!! 这可能是今年把散户投研门槛干得最碎的一次,没有之一!!! 你敲一句中文大白话: →左边有4 个 Agent 当场开圆桌会,看多的、挑刺的、风控、决策委员会分开干活互相撕; →右边同步写代码、拉盘口、跑回测; →而真金白银扣出去那一下,必须你亲手点确认。 它叫 Minara Harness,刚拿了 Circle Ventures 的投资,口号就一句话:自己运营你自己的华尔街。 我刚才直接开它的「机构圆桌」做了一场真实压力测试,咱们看下方视频: 我只敲了一句话:“AAPL 现在该买、持有还是卖?把整套逻辑讲给我听。” 指令一敲,后台立马拉响 7 阶段投研流水线! 中间 4 个专业 Agent 瞬间扑上去并行开工: 基本面分析师去扒财务底稿、情绪分析师去扫 Polymarket 预测、宏观分析师盯新闻政策、技术分析师拉盘口指标——谁在采哪份物证、谁在复核数据,屏幕上全部透明实时跳动! 经过观点对辩、风控复审、投委会闭门收敛,它没有像野鸡 AI 那样无脑喊冲,而是给了一份冷静到可怕的顶级机构级结论: “Hold(持有):不追买,也不急于卖出。” 前瞻 PE 飙到 34 倍严重透支安全边际, 317 到 330 箱体上沿追高盈亏比极差, 模型置信度直接给你亮出 0.55, 甚至连毛利率口径冲突都抓出来示警! 更绝的是,跑完当场甩出一份 317KB 的交互式 HTML 报告和 PDF,连建仓纪律、关键硬损位都切得清清楚楚。 以前机构养一个分析师团队加风控委员会才有的架势, 现在敲敲键盘,18 分钟在眼前全自动跑完交付! 大家也别把它跟那些 AI 荐股脚本混为一谈, 刚才你看到的实测,只是它最能打的三刀之一: 1️⃣ 机构投研圆桌:一个标的丢进去,多空风控各执一词,谁依据什么数据、在哪一步吵翻,全程摊开。通用大模型最坑的就是没实时盘口、没你的持仓,还能一本正经编行情;这玩意直接接几十个数据源,研究覆盖的市场比它能下单的市场大得多; 2️⃣ 一句话变策略 IDE:用中文说一句做多半导体的趋势策略,当场出代码、跑回测,净值曲线、回撤、夏普全拉出来,改一句话就出一个新版。然后顺序替你焊死:真行情假钱纸交易 ➔ 小资金加回撤上限逐笔确认 ➔ 最后才轮到要不要自动跑,绝不让你一步冲动上实盘; 3️⃣ 决策下单同屏:K 线、盘口、拟执行订单排在同一屏,报价在动绝不追单,仓位、滑点、敞口都有硬上限。没有你的最终手动确认,一分钱都出不去。 做过交易的都懂以前有多碎: 看盘在 TradingView,研报在 ChatGPT, 算账在 Excel,回测在 Jupyter, 真下单还要切去交易所。 每切一次窗口,假设和数据就断一次, 现在全钉进同一个工作区,模型还能自选,OpenAI、Anthropic、Kimi、Grok、本地 Ollama 都能接。 AI 金融这行都在比拼谁更敢替你扣扳机, 它反过来,把扳机牢牢焊在你手里。 但先把丑话说在前头,这玩意是趁手的兵器, 绝不是印钞机这东西是工具,不是印钞机: 策略市场那张最唬人的卡片,回测涨了 619%、夏普 4.38,同一个策略近 90 天真跑只有 24.8%。 它把两条曲线分开画给你看,本身就是警告: 回测是写给历史的,证明不了未来; 咱们再把交易底层看清楚: 它能下单的不是美股真股票, 是 Hyperliquid 和 Lighter 上的 USDC 链上永续。 代币化的英伟达、苹果没有分红、没有投票权、有资金费、还会被爆仓。 想要 Schwab 那种真实股权和期权的这里给不了, 市场风险、滑点、过拟合、你自己的贪念, 它一个都消除不了。 第一周记住五个字:先用别打钱。 先跑一份能逐条核对出处的财报审查,再开圆桌逼它找看空逻辑,最后写一条策略只跑纸交易盯回撤。 等代码、逻辑、费用假设你自己都盯明白,再谈碰真钱。 说穿了:投研队伍可以是 AI 的,但扣扳机的手必须是你自己的。 大家觉得金融交易里,AI 最终是该全权托管自动跑, 还是必须把最后那道确认权死死扣在人手里? 入口、定价、实测避坑和 3 条可直接抄的 Prompt 放评论区了👇

  2. @AYi_AInotes49

    一套三步流程可把个人写作风格封装成一句话调用的专属写作 Skill:先把 3–5 篇代表作锁进只读的 raw/ 文件夹让模型反向提炼风格规则,再用 [F]/[W]/[I]/[?] 四标签对齐事实与观点,最后焊死「Brief 确认闸门」——模型必须先交出核心冲突、叙事骨架和证据链的 Brief,人类确认后才允许生成正文。作者强调不要在生成阶段纠正文风,而要在构思阶段就限制 AI 的发挥。

    引用@AYi_AInotes@AYi_AInotes

    https://t.co/8IddGNPP8n

  3. @AYi_AInotes33

    Minara Harness 用 4 个 Agent 并行对辩 18 分钟,对“AAPL 该买该卖”给出 Hold 结论:前瞻 PE 34 倍太贵、317-330 箱体上沿追高盈亏比差、置信度 0.55,并输出 317KB 交互式 HTML 报告和 PDF。

    原始视频预览图;未保存可播放视频URL
    引用@AYi_AInotes@AYi_AInotes

    做量化、炒币、盯美股的兄弟们,金融界的 Codex 今天真落地了!! 这可能是今年把散户投研门槛干得最碎的一次,没有之一!!! 你敲一句中文大白话: →左边有4 个 Agent 当场开圆桌会,看多的、挑刺的、风控、决策委员会分开干活互相撕; →右边同步写代码、拉盘口、跑回测; →而真金白银扣出去那一下,必须你亲手点确认。 它叫 Minara Harness,刚拿了 Circle Ventures 的投资,口号就一句话:自己运营你自己的华尔街。 我刚才直接开它的「机构圆桌」做了一场真实压力测试,咱们看下方视频: 我只敲了一句话:“AAPL 现在该买、持有还是卖?把整套逻辑讲给我听。” 指令一敲,后台立马拉响 7 阶段投研流水线! 中间 4 个专业 Agent 瞬间扑上去并行开工: 基本面分析师去扒财务底稿、情绪分析师去扫 Polymarket 预测、宏观分析师盯新闻政策、技术分析师拉盘口指标——谁在采哪份物证、谁在复核数据,屏幕上全部透明实时跳动! 经过观点对辩、风控复审、投委会闭门收敛,它没有像野鸡 AI 那样无脑喊冲,而是给了一份冷静到可怕的顶级机构级结论: “Hold(持有):不追买,也不急于卖出。” 前瞻 PE 飙到 34 倍严重透支安全边际, 317 到 330 箱体上沿追高盈亏比极差, 模型置信度直接给你亮出 0.55, 甚至连毛利率口径冲突都抓出来示警! 更绝的是,跑完当场甩出一份 317KB 的交互式 HTML 报告和 PDF,连建仓纪律、关键硬损位都切得清清楚楚。 以前机构养一个分析师团队加风控委员会才有的架势, 现在敲敲键盘,18 分钟在眼前全自动跑完交付! 大家也别把它跟那些 AI 荐股脚本混为一谈, 刚才你看到的实测,只是它最能打的三刀之一: 1️⃣ 机构投研圆桌:一个标的丢进去,多空风控各执一词,谁依据什么数据、在哪一步吵翻,全程摊开。通用大模型最坑的就是没实时盘口、没你的持仓,还能一本正经编行情;这玩意直接接几十个数据源,研究覆盖的市场比它能下单的市场大得多; 2️⃣ 一句话变策略 IDE:用中文说一句做多半导体的趋势策略,当场出代码、跑回测,净值曲线、回撤、夏普全拉出来,改一句话就出一个新版。然后顺序替你焊死:真行情假钱纸交易 ➔ 小资金加回撤上限逐笔确认 ➔ 最后才轮到要不要自动跑,绝不让你一步冲动上实盘; 3️⃣ 决策下单同屏:K 线、盘口、拟执行订单排在同一屏,报价在动绝不追单,仓位、滑点、敞口都有硬上限。没有你的最终手动确认,一分钱都出不去。 做过交易的都懂以前有多碎: 看盘在 TradingView,研报在 ChatGPT, 算账在 Excel,回测在 Jupyter, 真下单还要切去交易所。 每切一次窗口,假设和数据就断一次, 现在全钉进同一个工作区,模型还能自选,OpenAI、Anthropic、Kimi、Grok、本地 Ollama 都能接。 AI 金融这行都在比拼谁更敢替你扣扳机, 它反过来,把扳机牢牢焊在你手里。 但先把丑话说在前头,这玩意是趁手的兵器, 绝不是印钞机这东西是工具,不是印钞机: 策略市场那张最唬人的卡片,回测涨了 619%、夏普 4.38,同一个策略近 90 天真跑只有 24.8%。 它把两条曲线分开画给你看,本身就是警告: 回测是写给历史的,证明不了未来; 咱们再把交易底层看清楚: 它能下单的不是美股真股票, 是 Hyperliquid 和 Lighter 上的 USDC 链上永续。 代币化的英伟达、苹果没有分红、没有投票权、有资金费、还会被爆仓。 想要 Schwab 那种真实股权和期权的这里给不了, 市场风险、滑点、过拟合、你自己的贪念, 它一个都消除不了。 第一周记住五个字:先用别打钱。 先跑一份能逐条核对出处的财报审查,再开圆桌逼它找看空逻辑,最后写一条策略只跑纸交易盯回撤。 等代码、逻辑、费用假设你自己都盯明白,再谈碰真钱。 说穿了:投研队伍可以是 AI 的,但扣扳机的手必须是你自己的。 大家觉得金融交易里,AI 最终是该全权托管自动跑, 还是必须把最后那道确认权死死扣在人手里? 入口、定价、实测避坑和 3 条可直接抄的 Prompt 放评论区了👇

  4. @AYi_AInotes50

    谷歌官方放出一套 2 小时免费 Agent 架构课,主线是用图与循环工程(Graph & Loop Engineering)构建能自主路由、报错重试的自动化网络。课程按五个节点推进,从带状态的节点与条件跳转的边、接入工具与状态机,到数百个智能体并发调度、路由检查重复的循环工程,最后是记录断点并自动优化工作流的自愈图。作者表示完整系统设计大图与关键代码模板整理在链接中。

    原始视频预览图;未保存可播放视频URL
  5. @AYi_AInotes34

    Minara Harness 用 4 个专业 Agent 并行跑 7 阶段投研流水线,18 分钟输出含建仓纪律与止损位的 317KB HTML 报告和 PDF。

    引用@AYi_AInotes@AYi_AInotes

    做量化、炒币、盯美股的兄弟们,金融界的 Codex 今天真落地了!! 这可能是今年把散户投研门槛干得最碎的一次,没有之一!!! 你敲一句中文大白话: →左边有4 个 Agent 当场开圆桌会,看多的、挑刺的、风控、决策委员会分开干活互相撕; →右边同步写代码、拉盘口、跑回测; →而真金白银扣出去那一下,必须你亲手点确认。 它叫 Minara Harness,刚拿了 Circle Ventures 的投资,口号就一句话:自己运营你自己的华尔街。 我刚才直接开它的「机构圆桌」做了一场真实压力测试,咱们看下方视频: 我只敲了一句话:“AAPL 现在该买、持有还是卖?把整套逻辑讲给我听。” 指令一敲,后台立马拉响 7 阶段投研流水线! 中间 4 个专业 Agent 瞬间扑上去并行开工: 基本面分析师去扒财务底稿、情绪分析师去扫 Polymarket 预测、宏观分析师盯新闻政策、技术分析师拉盘口指标——谁在采哪份物证、谁在复核数据,屏幕上全部透明实时跳动! 经过观点对辩、风控复审、投委会闭门收敛,它没有像野鸡 AI 那样无脑喊冲,而是给了一份冷静到可怕的顶级机构级结论: “Hold(持有):不追买,也不急于卖出。” 前瞻 PE 飙到 34 倍严重透支安全边际, 317 到 330 箱体上沿追高盈亏比极差, 模型置信度直接给你亮出 0.55, 甚至连毛利率口径冲突都抓出来示警! 更绝的是,跑完当场甩出一份 317KB 的交互式 HTML 报告和 PDF,连建仓纪律、关键硬损位都切得清清楚楚。 以前机构养一个分析师团队加风控委员会才有的架势, 现在敲敲键盘,18 分钟在眼前全自动跑完交付! 大家也别把它跟那些 AI 荐股脚本混为一谈, 刚才你看到的实测,只是它最能打的三刀之一: 1️⃣ 机构投研圆桌:一个标的丢进去,多空风控各执一词,谁依据什么数据、在哪一步吵翻,全程摊开。通用大模型最坑的就是没实时盘口、没你的持仓,还能一本正经编行情;这玩意直接接几十个数据源,研究覆盖的市场比它能下单的市场大得多; 2️⃣ 一句话变策略 IDE:用中文说一句做多半导体的趋势策略,当场出代码、跑回测,净值曲线、回撤、夏普全拉出来,改一句话就出一个新版。然后顺序替你焊死:真行情假钱纸交易 ➔ 小资金加回撤上限逐笔确认 ➔ 最后才轮到要不要自动跑,绝不让你一步冲动上实盘; 3️⃣ 决策下单同屏:K 线、盘口、拟执行订单排在同一屏,报价在动绝不追单,仓位、滑点、敞口都有硬上限。没有你的最终手动确认,一分钱都出不去。 做过交易的都懂以前有多碎: 看盘在 TradingView,研报在 ChatGPT, 算账在 Excel,回测在 Jupyter, 真下单还要切去交易所。 每切一次窗口,假设和数据就断一次, 现在全钉进同一个工作区,模型还能自选,OpenAI、Anthropic、Kimi、Grok、本地 Ollama 都能接。 AI 金融这行都在比拼谁更敢替你扣扳机, 它反过来,把扳机牢牢焊在你手里。 但先把丑话说在前头,这玩意是趁手的兵器, 绝不是印钞机这东西是工具,不是印钞机: 策略市场那张最唬人的卡片,回测涨了 619%、夏普 4.38,同一个策略近 90 天真跑只有 24.8%。 它把两条曲线分开画给你看,本身就是警告: 回测是写给历史的,证明不了未来; 咱们再把交易底层看清楚: 它能下单的不是美股真股票, 是 Hyperliquid 和 Lighter 上的 USDC 链上永续。 代币化的英伟达、苹果没有分红、没有投票权、有资金费、还会被爆仓。 想要 Schwab 那种真实股权和期权的这里给不了, 市场风险、滑点、过拟合、你自己的贪念, 它一个都消除不了。 第一周记住五个字:先用别打钱。 先跑一份能逐条核对出处的财报审查,再开圆桌逼它找看空逻辑,最后写一条策略只跑纸交易盯回撤。 等代码、逻辑、费用假设你自己都盯明白,再谈碰真钱。 说穿了:投研队伍可以是 AI 的,但扣扳机的手必须是你自己的。 大家觉得金融交易里,AI 最终是该全权托管自动跑, 还是必须把最后那道确认权死死扣在人手里? 入口、定价、实测避坑和 3 条可直接抄的 Prompt 放评论区了👇

  6. @AYi_AInotes34

    https://t.co/LiFRvCaeRi https://t.co/0LOepM9wWh

    引用@AYi_AInotes@AYi_AInotes

    做量化、炒币、盯美股的兄弟们,金融界的 Codex 今天真落地了!! 这可能是今年把散户投研门槛干得最碎的一次,没有之一!!! 你敲一句中文大白话: →左边有4 个 Agent 当场开圆桌会,看多的、挑刺的、风控、决策委员会分开干活互相撕; →右边同步写代码、拉盘口、跑回测; →而真金白银扣出去那一下,必须你亲手点确认。 它叫 Minara Harness,刚拿了 Circle Ventures 的投资,口号就一句话:自己运营你自己的华尔街。 我刚才直接开它的「机构圆桌」做了一场真实压力测试,咱们看下方视频: 我只敲了一句话:“AAPL 现在该买、持有还是卖?把整套逻辑讲给我听。” 指令一敲,后台立马拉响 7 阶段投研流水线! 中间 4 个专业 Agent 瞬间扑上去并行开工: 基本面分析师去扒财务底稿、情绪分析师去扫 Polymarket 预测、宏观分析师盯新闻政策、技术分析师拉盘口指标——谁在采哪份物证、谁在复核数据,屏幕上全部透明实时跳动! 经过观点对辩、风控复审、投委会闭门收敛,它没有像野鸡 AI 那样无脑喊冲,而是给了一份冷静到可怕的顶级机构级结论: “Hold(持有):不追买,也不急于卖出。” 前瞻 PE 飙到 34 倍严重透支安全边际, 317 到 330 箱体上沿追高盈亏比极差, 模型置信度直接给你亮出 0.55, 甚至连毛利率口径冲突都抓出来示警! 更绝的是,跑完当场甩出一份 317KB 的交互式 HTML 报告和 PDF,连建仓纪律、关键硬损位都切得清清楚楚。 以前机构养一个分析师团队加风控委员会才有的架势, 现在敲敲键盘,18 分钟在眼前全自动跑完交付! 大家也别把它跟那些 AI 荐股脚本混为一谈, 刚才你看到的实测,只是它最能打的三刀之一: 1️⃣ 机构投研圆桌:一个标的丢进去,多空风控各执一词,谁依据什么数据、在哪一步吵翻,全程摊开。通用大模型最坑的就是没实时盘口、没你的持仓,还能一本正经编行情;这玩意直接接几十个数据源,研究覆盖的市场比它能下单的市场大得多; 2️⃣ 一句话变策略 IDE:用中文说一句做多半导体的趋势策略,当场出代码、跑回测,净值曲线、回撤、夏普全拉出来,改一句话就出一个新版。然后顺序替你焊死:真行情假钱纸交易 ➔ 小资金加回撤上限逐笔确认 ➔ 最后才轮到要不要自动跑,绝不让你一步冲动上实盘; 3️⃣ 决策下单同屏:K 线、盘口、拟执行订单排在同一屏,报价在动绝不追单,仓位、滑点、敞口都有硬上限。没有你的最终手动确认,一分钱都出不去。 做过交易的都懂以前有多碎: 看盘在 TradingView,研报在 ChatGPT, 算账在 Excel,回测在 Jupyter, 真下单还要切去交易所。 每切一次窗口,假设和数据就断一次, 现在全钉进同一个工作区,模型还能自选,OpenAI、Anthropic、Kimi、Grok、本地 Ollama 都能接。 AI 金融这行都在比拼谁更敢替你扣扳机, 它反过来,把扳机牢牢焊在你手里。 但先把丑话说在前头,这玩意是趁手的兵器, 绝不是印钞机这东西是工具,不是印钞机: 策略市场那张最唬人的卡片,回测涨了 619%、夏普 4.38,同一个策略近 90 天真跑只有 24.8%。 它把两条曲线分开画给你看,本身就是警告: 回测是写给历史的,证明不了未来; 咱们再把交易底层看清楚: 它能下单的不是美股真股票, 是 Hyperliquid 和 Lighter 上的 USDC 链上永续。 代币化的英伟达、苹果没有分红、没有投票权、有资金费、还会被爆仓。 想要 Schwab 那种真实股权和期权的这里给不了, 市场风险、滑点、过拟合、你自己的贪念, 它一个都消除不了。 第一周记住五个字:先用别打钱。 先跑一份能逐条核对出处的财报审查,再开圆桌逼它找看空逻辑,最后写一条策略只跑纸交易盯回撤。 等代码、逻辑、费用假设你自己都盯明白,再谈碰真钱。 说穿了:投研队伍可以是 AI 的,但扣扳机的手必须是你自己的。 大家觉得金融交易里,AI 最终是该全权托管自动跑, 还是必须把最后那道确认权死死扣在人手里? 入口、定价、实测避坑和 3 条可直接抄的 Prompt 放评论区了👇

  7. @AYi_AInotes44

    https://t.co/LiFRvCaeRi https://t.co/0LOepM9wWh

    引用@AYi_AInotes@AYi_AInotes

    做量化、炒币、盯美股的兄弟们,金融界的 Codex 今天真落地了!! 这可能是今年把散户投研门槛干得最碎的一次,没有之一!!! 你敲一句中文大白话: →左边有4 个 Agent 当场开圆桌会,看多的、挑刺的、风控、决策委员会分开干活互相撕; →右边同步写代码、拉盘口、跑回测; →而真金白银扣出去那一下,必须你亲手点确认。 它叫 Minara Harness,刚拿了 Circle Ventures 的投资,口号就一句话:自己运营你自己的华尔街。 我刚才直接开它的「机构圆桌」做了一场真实压力测试,咱们看下方视频: 我只敲了一句话:“AAPL 现在该买、持有还是卖?把整套逻辑讲给我听。” 指令一敲,后台立马拉响 7 阶段投研流水线! 中间 4 个专业 Agent 瞬间扑上去并行开工: 基本面分析师去扒财务底稿、情绪分析师去扫 Polymarket 预测、宏观分析师盯新闻政策、技术分析师拉盘口指标——谁在采哪份物证、谁在复核数据,屏幕上全部透明实时跳动! 经过观点对辩、风控复审、投委会闭门收敛,它没有像野鸡 AI 那样无脑喊冲,而是给了一份冷静到可怕的顶级机构级结论: “Hold(持有):不追买,也不急于卖出。” 前瞻 PE 飙到 34 倍严重透支安全边际, 317 到 330 箱体上沿追高盈亏比极差, 模型置信度直接给你亮出 0.55, 甚至连毛利率口径冲突都抓出来示警! 更绝的是,跑完当场甩出一份 317KB 的交互式 HTML 报告和 PDF,连建仓纪律、关键硬损位都切得清清楚楚。 以前机构养一个分析师团队加风控委员会才有的架势, 现在敲敲键盘,18 分钟在眼前全自动跑完交付! 大家也别把它跟那些 AI 荐股脚本混为一谈, 刚才你看到的实测,只是它最能打的三刀之一: 1️⃣ 机构投研圆桌:一个标的丢进去,多空风控各执一词,谁依据什么数据、在哪一步吵翻,全程摊开。通用大模型最坑的就是没实时盘口、没你的持仓,还能一本正经编行情;这玩意直接接几十个数据源,研究覆盖的市场比它能下单的市场大得多; 2️⃣ 一句话变策略 IDE:用中文说一句做多半导体的趋势策略,当场出代码、跑回测,净值曲线、回撤、夏普全拉出来,改一句话就出一个新版。然后顺序替你焊死:真行情假钱纸交易 ➔ 小资金加回撤上限逐笔确认 ➔ 最后才轮到要不要自动跑,绝不让你一步冲动上实盘; 3️⃣ 决策下单同屏:K 线、盘口、拟执行订单排在同一屏,报价在动绝不追单,仓位、滑点、敞口都有硬上限。没有你的最终手动确认,一分钱都出不去。 做过交易的都懂以前有多碎: 看盘在 TradingView,研报在 ChatGPT, 算账在 Excel,回测在 Jupyter, 真下单还要切去交易所。 每切一次窗口,假设和数据就断一次, 现在全钉进同一个工作区,模型还能自选,OpenAI、Anthropic、Kimi、Grok、本地 Ollama 都能接。 AI 金融这行都在比拼谁更敢替你扣扳机, 它反过来,把扳机牢牢焊在你手里。 但先把丑话说在前头,这玩意是趁手的兵器, 绝不是印钞机这东西是工具,不是印钞机: 策略市场那张最唬人的卡片,回测涨了 619%、夏普 4.38,同一个策略近 90 天真跑只有 24.8%。 它把两条曲线分开画给你看,本身就是警告: 回测是写给历史的,证明不了未来; 咱们再把交易底层看清楚: 它能下单的不是美股真股票, 是 Hyperliquid 和 Lighter 上的 USDC 链上永续。 代币化的英伟达、苹果没有分红、没有投票权、有资金费、还会被爆仓。 想要 Schwab 那种真实股权和期权的这里给不了, 市场风险、滑点、过拟合、你自己的贪念, 它一个都消除不了。 第一周记住五个字:先用别打钱。 先跑一份能逐条核对出处的财报审查,再开圆桌逼它找看空逻辑,最后写一条策略只跑纸交易盯回撤。 等代码、逻辑、费用假设你自己都盯明白,再谈碰真钱。 说穿了:投研队伍可以是 AI 的,但扣扳机的手必须是你自己的。 大家觉得金融交易里,AI 最终是该全权托管自动跑, 还是必须把最后那道确认权死死扣在人手里? 入口、定价、实测避坑和 3 条可直接抄的 Prompt 放评论区了👇

  8. @AYi_AInotes36

    https://t.co/LiFRvCaeRi https://t.co/0LOepM9wWh

    引用@AYi_AInotes@AYi_AInotes

    做量化、炒币、盯美股的兄弟们,金融界的 Codex 今天真落地了!! 这可能是今年把散户投研门槛干得最碎的一次,没有之一!!! 你敲一句中文大白话: →左边有4 个 Agent 当场开圆桌会,看多的、挑刺的、风控、决策委员会分开干活互相撕; →右边同步写代码、拉盘口、跑回测; →而真金白银扣出去那一下,必须你亲手点确认。 它叫 Minara Harness,刚拿了 Circle Ventures 的投资,口号就一句话:自己运营你自己的华尔街。 我刚才直接开它的「机构圆桌」做了一场真实压力测试,咱们看下方视频: 我只敲了一句话:“AAPL 现在该买、持有还是卖?把整套逻辑讲给我听。” 指令一敲,后台立马拉响 7 阶段投研流水线! 中间 4 个专业 Agent 瞬间扑上去并行开工: 基本面分析师去扒财务底稿、情绪分析师去扫 Polymarket 预测、宏观分析师盯新闻政策、技术分析师拉盘口指标——谁在采哪份物证、谁在复核数据,屏幕上全部透明实时跳动! 经过观点对辩、风控复审、投委会闭门收敛,它没有像野鸡 AI 那样无脑喊冲,而是给了一份冷静到可怕的顶级机构级结论: “Hold(持有):不追买,也不急于卖出。” 前瞻 PE 飙到 34 倍严重透支安全边际, 317 到 330 箱体上沿追高盈亏比极差, 模型置信度直接给你亮出 0.55, 甚至连毛利率口径冲突都抓出来示警! 更绝的是,跑完当场甩出一份 317KB 的交互式 HTML 报告和 PDF,连建仓纪律、关键硬损位都切得清清楚楚。 以前机构养一个分析师团队加风控委员会才有的架势, 现在敲敲键盘,18 分钟在眼前全自动跑完交付! 大家也别把它跟那些 AI 荐股脚本混为一谈, 刚才你看到的实测,只是它最能打的三刀之一: 1️⃣ 机构投研圆桌:一个标的丢进去,多空风控各执一词,谁依据什么数据、在哪一步吵翻,全程摊开。通用大模型最坑的就是没实时盘口、没你的持仓,还能一本正经编行情;这玩意直接接几十个数据源,研究覆盖的市场比它能下单的市场大得多; 2️⃣ 一句话变策略 IDE:用中文说一句做多半导体的趋势策略,当场出代码、跑回测,净值曲线、回撤、夏普全拉出来,改一句话就出一个新版。然后顺序替你焊死:真行情假钱纸交易 ➔ 小资金加回撤上限逐笔确认 ➔ 最后才轮到要不要自动跑,绝不让你一步冲动上实盘; 3️⃣ 决策下单同屏:K 线、盘口、拟执行订单排在同一屏,报价在动绝不追单,仓位、滑点、敞口都有硬上限。没有你的最终手动确认,一分钱都出不去。 做过交易的都懂以前有多碎: 看盘在 TradingView,研报在 ChatGPT, 算账在 Excel,回测在 Jupyter, 真下单还要切去交易所。 每切一次窗口,假设和数据就断一次, 现在全钉进同一个工作区,模型还能自选,OpenAI、Anthropic、Kimi、Grok、本地 Ollama 都能接。 AI 金融这行都在比拼谁更敢替你扣扳机, 它反过来,把扳机牢牢焊在你手里。 但先把丑话说在前头,这玩意是趁手的兵器, 绝不是印钞机这东西是工具,不是印钞机: 策略市场那张最唬人的卡片,回测涨了 619%、夏普 4.38,同一个策略近 90 天真跑只有 24.8%。 它把两条曲线分开画给你看,本身就是警告: 回测是写给历史的,证明不了未来; 咱们再把交易底层看清楚: 它能下单的不是美股真股票, 是 Hyperliquid 和 Lighter 上的 USDC 链上永续。 代币化的英伟达、苹果没有分红、没有投票权、有资金费、还会被爆仓。 想要 Schwab 那种真实股权和期权的这里给不了, 市场风险、滑点、过拟合、你自己的贪念, 它一个都消除不了。 第一周记住五个字:先用别打钱。 先跑一份能逐条核对出处的财报审查,再开圆桌逼它找看空逻辑,最后写一条策略只跑纸交易盯回撤。 等代码、逻辑、费用假设你自己都盯明白,再谈碰真钱。 说穿了:投研队伍可以是 AI 的,但扣扳机的手必须是你自己的。 大家觉得金融交易里,AI 最终是该全权托管自动跑, 还是必须把最后那道确认权死死扣在人手里? 入口、定价、实测避坑和 3 条可直接抄的 Prompt 放评论区了👇

  9. @AYi_AInotes34

    https://t.co/LiFRvCaeRi https://t.co/0LOepM9wWh

    引用@AYi_AInotes@AYi_AInotes

    做量化、炒币、盯美股的兄弟们,金融界的 Codex 今天真落地了!! 这可能是今年把散户投研门槛干得最碎的一次,没有之一!!! 你敲一句中文大白话: →左边有4 个 Agent 当场开圆桌会,看多的、挑刺的、风控、决策委员会分开干活互相撕; →右边同步写代码、拉盘口、跑回测; →而真金白银扣出去那一下,必须你亲手点确认。 它叫 Minara Harness,刚拿了 Circle Ventures 的投资,口号就一句话:自己运营你自己的华尔街。 我刚才直接开它的「机构圆桌」做了一场真实压力测试,咱们看下方视频: 我只敲了一句话:“AAPL 现在该买、持有还是卖?把整套逻辑讲给我听。” 指令一敲,后台立马拉响 7 阶段投研流水线! 中间 4 个专业 Agent 瞬间扑上去并行开工: 基本面分析师去扒财务底稿、情绪分析师去扫 Polymarket 预测、宏观分析师盯新闻政策、技术分析师拉盘口指标——谁在采哪份物证、谁在复核数据,屏幕上全部透明实时跳动! 经过观点对辩、风控复审、投委会闭门收敛,它没有像野鸡 AI 那样无脑喊冲,而是给了一份冷静到可怕的顶级机构级结论: “Hold(持有):不追买,也不急于卖出。” 前瞻 PE 飙到 34 倍严重透支安全边际, 317 到 330 箱体上沿追高盈亏比极差, 模型置信度直接给你亮出 0.55, 甚至连毛利率口径冲突都抓出来示警! 更绝的是,跑完当场甩出一份 317KB 的交互式 HTML 报告和 PDF,连建仓纪律、关键硬损位都切得清清楚楚。 以前机构养一个分析师团队加风控委员会才有的架势, 现在敲敲键盘,18 分钟在眼前全自动跑完交付! 大家也别把它跟那些 AI 荐股脚本混为一谈, 刚才你看到的实测,只是它最能打的三刀之一: 1️⃣ 机构投研圆桌:一个标的丢进去,多空风控各执一词,谁依据什么数据、在哪一步吵翻,全程摊开。通用大模型最坑的就是没实时盘口、没你的持仓,还能一本正经编行情;这玩意直接接几十个数据源,研究覆盖的市场比它能下单的市场大得多; 2️⃣ 一句话变策略 IDE:用中文说一句做多半导体的趋势策略,当场出代码、跑回测,净值曲线、回撤、夏普全拉出来,改一句话就出一个新版。然后顺序替你焊死:真行情假钱纸交易 ➔ 小资金加回撤上限逐笔确认 ➔ 最后才轮到要不要自动跑,绝不让你一步冲动上实盘; 3️⃣ 决策下单同屏:K 线、盘口、拟执行订单排在同一屏,报价在动绝不追单,仓位、滑点、敞口都有硬上限。没有你的最终手动确认,一分钱都出不去。 做过交易的都懂以前有多碎: 看盘在 TradingView,研报在 ChatGPT, 算账在 Excel,回测在 Jupyter, 真下单还要切去交易所。 每切一次窗口,假设和数据就断一次, 现在全钉进同一个工作区,模型还能自选,OpenAI、Anthropic、Kimi、Grok、本地 Ollama 都能接。 AI 金融这行都在比拼谁更敢替你扣扳机, 它反过来,把扳机牢牢焊在你手里。 但先把丑话说在前头,这玩意是趁手的兵器, 绝不是印钞机这东西是工具,不是印钞机: 策略市场那张最唬人的卡片,回测涨了 619%、夏普 4.38,同一个策略近 90 天真跑只有 24.8%。 它把两条曲线分开画给你看,本身就是警告: 回测是写给历史的,证明不了未来; 咱们再把交易底层看清楚: 它能下单的不是美股真股票, 是 Hyperliquid 和 Lighter 上的 USDC 链上永续。 代币化的英伟达、苹果没有分红、没有投票权、有资金费、还会被爆仓。 想要 Schwab 那种真实股权和期权的这里给不了, 市场风险、滑点、过拟合、你自己的贪念, 它一个都消除不了。 第一周记住五个字:先用别打钱。 先跑一份能逐条核对出处的财报审查,再开圆桌逼它找看空逻辑,最后写一条策略只跑纸交易盯回撤。 等代码、逻辑、费用假设你自己都盯明白,再谈碰真钱。 说穿了:投研队伍可以是 AI 的,但扣扳机的手必须是你自己的。 大家觉得金融交易里,AI 最终是该全权托管自动跑, 还是必须把最后那道确认权死死扣在人手里? 入口、定价、实测避坑和 3 条可直接抄的 Prompt 放评论区了👇

  10. @AYi_AInotes40

    https://t.co/LiFRvCaeRi https://t.co/0LOepM9wWh

    引用@AYi_AInotes@AYi_AInotes

    做量化、炒币、盯美股的兄弟们,金融界的 Codex 今天真落地了!! 这可能是今年把散户投研门槛干得最碎的一次,没有之一!!! 你敲一句中文大白话: →左边有4 个 Agent 当场开圆桌会,看多的、挑刺的、风控、决策委员会分开干活互相撕; →右边同步写代码、拉盘口、跑回测; →而真金白银扣出去那一下,必须你亲手点确认。 它叫 Minara Harness,刚拿了 Circle Ventures 的投资,口号就一句话:自己运营你自己的华尔街。 我刚才直接开它的「机构圆桌」做了一场真实压力测试,咱们看下方视频: 我只敲了一句话:“AAPL 现在该买、持有还是卖?把整套逻辑讲给我听。” 指令一敲,后台立马拉响 7 阶段投研流水线! 中间 4 个专业 Agent 瞬间扑上去并行开工: 基本面分析师去扒财务底稿、情绪分析师去扫 Polymarket 预测、宏观分析师盯新闻政策、技术分析师拉盘口指标——谁在采哪份物证、谁在复核数据,屏幕上全部透明实时跳动! 经过观点对辩、风控复审、投委会闭门收敛,它没有像野鸡 AI 那样无脑喊冲,而是给了一份冷静到可怕的顶级机构级结论: “Hold(持有):不追买,也不急于卖出。” 前瞻 PE 飙到 34 倍严重透支安全边际, 317 到 330 箱体上沿追高盈亏比极差, 模型置信度直接给你亮出 0.55, 甚至连毛利率口径冲突都抓出来示警! 更绝的是,跑完当场甩出一份 317KB 的交互式 HTML 报告和 PDF,连建仓纪律、关键硬损位都切得清清楚楚。 以前机构养一个分析师团队加风控委员会才有的架势, 现在敲敲键盘,18 分钟在眼前全自动跑完交付! 大家也别把它跟那些 AI 荐股脚本混为一谈, 刚才你看到的实测,只是它最能打的三刀之一: 1️⃣ 机构投研圆桌:一个标的丢进去,多空风控各执一词,谁依据什么数据、在哪一步吵翻,全程摊开。通用大模型最坑的就是没实时盘口、没你的持仓,还能一本正经编行情;这玩意直接接几十个数据源,研究覆盖的市场比它能下单的市场大得多; 2️⃣ 一句话变策略 IDE:用中文说一句做多半导体的趋势策略,当场出代码、跑回测,净值曲线、回撤、夏普全拉出来,改一句话就出一个新版。然后顺序替你焊死:真行情假钱纸交易 ➔ 小资金加回撤上限逐笔确认 ➔ 最后才轮到要不要自动跑,绝不让你一步冲动上实盘; 3️⃣ 决策下单同屏:K 线、盘口、拟执行订单排在同一屏,报价在动绝不追单,仓位、滑点、敞口都有硬上限。没有你的最终手动确认,一分钱都出不去。 做过交易的都懂以前有多碎: 看盘在 TradingView,研报在 ChatGPT, 算账在 Excel,回测在 Jupyter, 真下单还要切去交易所。 每切一次窗口,假设和数据就断一次, 现在全钉进同一个工作区,模型还能自选,OpenAI、Anthropic、Kimi、Grok、本地 Ollama 都能接。 AI 金融这行都在比拼谁更敢替你扣扳机, 它反过来,把扳机牢牢焊在你手里。 但先把丑话说在前头,这玩意是趁手的兵器, 绝不是印钞机这东西是工具,不是印钞机: 策略市场那张最唬人的卡片,回测涨了 619%、夏普 4.38,同一个策略近 90 天真跑只有 24.8%。 它把两条曲线分开画给你看,本身就是警告: 回测是写给历史的,证明不了未来; 咱们再把交易底层看清楚: 它能下单的不是美股真股票, 是 Hyperliquid 和 Lighter 上的 USDC 链上永续。 代币化的英伟达、苹果没有分红、没有投票权、有资金费、还会被爆仓。 想要 Schwab 那种真实股权和期权的这里给不了, 市场风险、滑点、过拟合、你自己的贪念, 它一个都消除不了。 第一周记住五个字:先用别打钱。 先跑一份能逐条核对出处的财报审查,再开圆桌逼它找看空逻辑,最后写一条策略只跑纸交易盯回撤。 等代码、逻辑、费用假设你自己都盯明白,再谈碰真钱。 说穿了:投研队伍可以是 AI 的,但扣扳机的手必须是你自己的。 大家觉得金融交易里,AI 最终是该全权托管自动跑, 还是必须把最后那道确认权死死扣在人手里? 入口、定价、实测避坑和 3 条可直接抄的 Prompt 放评论区了👇

  11. @AYi_AInotes47

    作者分享录屏实测中第一周建议跑的3条指令,可直接长按复制使用。第一条复刻 AAPL 研报实测,让 AI 给出买入、持有或卖出的完整逻辑;第二条在财报前审查 NVDA,梳理基本面、估值结构与资金流,明确数据来源并标出会反转结论的 5 个关键指标;第三条用白话构建只做多的半导体趋势跟踪策略,日线级别、趋势过滤加回调买入、最大回撤 12%,先跑真实历史回测再接入纸交易,严禁实盘。

  12. @AYi_AInotes41

    在飞书里对豆包说一句"新建选题作战库",它就会自动规划灵感、状态、类型、时效窗口、流量潜力、决策理由 6 个核心字段,并附链接与截图,省去手动配置多维表格字段的麻烦。喂入 3 条碎片数据后,AI 会按"资讯/观点"分类并标注时效窗口(A级黄金2h、B级24h、C级长尾),卡片自动进入"待筛"列表。再配齐作战看板、今日必看、发布排期三个视图,即可把散落的灵感收敛成随时开工的流水线。

    引用@AYi_AInotes@AYi_AInotes

    https://t.co/8IddGNPP8n

  13. @AYi_AInotes67

    Cursor 发布 Projects 功能,把原本单次对话式的写代码流程改成常驻项目组的智能体协作形态。官方内部统计显示,主力使用 Projects 的工程师 PR 合入量达到原来的 6 倍。该功能包含不直接改代码、只负责拆解任务并派发子 Agent 的协调者,沉淀仓库测试方式与设计约束的全局上下文文件,以及可挂载 Slack、GitHub 订阅后自动响应报错和 CI 失败的常在线事件驱动机制。

    原始视频预览图;未保存可播放视频URL

    推荐理由:原文给出协调者调度子 Agent、全局上下文与事件驱动三项设计,可据此理解编码智能体从单次对话转向常驻项目协作的变化。

  14. @AYi_AInotes41

    司徒K一篇9000字长文拆解GEO(生成式引擎优化)赛道,指出全网90%所谓"AI搜索优化服务商"本质是把垃圾站群黑帽手法换马甲,在给大模型投毒。文章揭示三个反直觉真相:大模型遵循"理解—认可—验证—排序—推荐"五道闸门,批量AI水文在进入训练和RAG前即被当低质噪声清零;服务商拿"大模型今天提到了我们"当结案报告,实为无法归因的抽卡玄学;竞争核心正从流量运营转向"数字认知主权"。

  15. @AYi_AInotes33

    豆包工作把海外极客那套复杂昂贵的 Agent 底座在桌面端做了产品化收敛:预置 200+ 现成技能、MCP 连接器一键授权直连飞书多维表格与云文档、后台云电脑挂机运行不吃本机内存,并把 Subagents 多智能体协同封装成“工作小队”分工接力。作者认为对靠内容吃饭的人来说,能原生读写已有数据并脱机干粗活的系统才是真正的生产力工具。

    引用@AYi_AInotes@AYi_AInotes

    https://t.co/8IddGNPP8n

  16. @AYi_AInotes32

    作者公开了一套接入飞书的自动化底座方案,让 AI 在工作日早八点自动从飞书看板选题、打分,并按指定文风产出带人工确认闸门的长文与 PPT。整套飞书作战库字段、快判 Prompt 和写作 Skill 协议原文全部公开,照着抄半小时可搭完自己的生产线。方案主打免环境配置,面向觉得海外极客工具门槛太高的普通创作者。

    引用@AYi_AInotes@AYi_AInotes

    https://t.co/8IddGNPP8n

  17. @AYi_AInotes26

    有人花 2000 万美元算力去解奖金仅 100 万美元的数学题,用 AI 在三维空间中模拟纳维-斯托克斯方程,展示流体极速旋转时物理现实在哪个纳秒发生"无限大崩溃"。视频中向内螺旋又向轴向拉伸的彩色涡旋,被称是 AI 首次向人类证明"物理学平滑世界终将破裂"的瞬间,直指流体运动是否会诞生速度无限大的奇点这一困扰学界 90 年的问题。

    原始视频预览图;未保存可播放视频URL
9月10日周四