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 Paul1204 条X:Kim1119 条X:阿易 AI Notes842 条X:阿里云 / Alibaba Cloud415 条X:Testing Catalog332 条X:Elvis Saravia315 条X:Elon Musk294 条X:OpenRouter287 条X:cb_doge285 条X:Artificial Analysis259 条X:Ethan Mollick253 条X:PixVerse235 条X:Replit213 条X:OpenAI Developers200 条X:SemiAnalysis198 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)193 条X:ZHO193 条X:小北166 条X:swyx161 条X:Gemini156 条X:MiniMax154 条X:Dex Horthy(HumanLayer)130 条X:Tibo122 条X:OpenAI119 条X:Emad Mostaque108 条X:Google AI for Developers103 条X:X.PIN101 条X:蚂蚁百灵98 条X:Thomas Wolf(Hugging Face 联创/CSO)94 条X:Epoch AI91 条X:AI Safety Memes89 条X:Luma AI88 条X:Claude Devs84 条X:Runway81 条X:Aravind Srinivas(Perplexity CEO)80 条X:Jason Liu80 条X:马东锡 NLP79 条X:面壁智能 OpenBMB77 条X:Sam Altman77 条X:Frank Wang 玉伯76 条X:洪明71 条X:fofr71 条X:Gabriel71 条X:Francois Chollet65 条X:阑夕64 条X:Nathan Lambert62 条X:opencode60 条X:Yuchen Jin60 条X:Eric Zakariasson58 条X:Perplexity58 条X:Greg Brockman57 条X:赵纯想56 条X:Tencent WorkBuddy55 条X:Microsoft Research54 条X:Cohere53 条X:腾讯混元50 条X:Peter Steinberger50 条X:Suno49 条X:Claude45 条X:Anthropic44 条X:Clément Delangue(Hugging Face CEO)44 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19 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@id_aa_carmack · 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@davidsacks · 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@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
842 条AI 相关新闻 · 最新在前
9月11日周五
  1. @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👇

  2. @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👇

  3. @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👇

  4. @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。

  5. @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

  6. @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。

  7. @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"。

  8. @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

  9. @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

  10. @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
  1. @AYi_AInotes24

    开发者用 OpenAI 的 GPT-6 Astra 搭建了一套原型工具,把 2D 解剖挂图、真实 CT 断层切片与 3D 空间解剖模型联动在同一界面:拖拽任意横截面,3D 模型切面同步亮起、系统图谱实时标亮。该工具针对医学教育中平面图缺乏空间深度、CT 断层与全局解剖脱节、医生需同时维持三套心理模型等认知瓶颈,将原本需多年训练才能形成的空间直觉变为可见的物理投影。

    原始视频预览图;未保存可播放视频URL
  2. @AYi_AInotes36

    科学家完成一只真实果蝇的完整大脑连接组扫描,14 万个神经元、5000 万个神经突触被做成 LIF 活体数学仿真模型,被视为最接近"创造纯数字生命"的里程碑。极客随即给这具数字大脑的运动皮层接入输入信号,把它扔进 VR 音游《节奏光剑》切方块。网友声讨这是"数字虐待生物",另有开发者连夜搭了装满腐烂水果的"赛博果蝇天堂"试图赎身。

    原始视频预览图;未保存可播放视频URL
  3. @AYi_AInotes52

    前 Cursor 核心架构师、现 xAI 工程师 poteto 提出,让 Agent 在抽象层面过度推演会诱发幻觉,编造现实中根本不会发生的伪边缘场景。她主张别在计划还停留在抽象层时把它煮得太熟,而是让 Agent 直接写最小可运行原型,用测试工具跑一遍,把录屏、截图和报错拍在桌上自证,人类的职责是给它装上能判断它有没有说谎的核验地基。

  4. @AYi_AInotes45

    Anthropic 经济团队发布 2030 经济模型,预测在最激进的“极速繁荣”情景下,全球知识工作者平均工资不升反降超 10%,劳动收入分配比例从 60%+ 跌至 45.2%。模型认为 AI 将脑力劳动的边际成本压至趋近于零,多出的财富流向算力底座、模型巨头与资产所有者,而非“会用 AI 的人”。

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

    Anthropic’s Economics team is sharing a new model of how AI might affect economic growth, jobs, wages, and more by 2030. Explore the scenarios, tell us what you think will happen, and see how your answers compare to more than 10,000 Americans. https://t.co/AvQlEZNxR0

9月9日周三