SONGJIA

#synbo

[SONGJIA @41163033w]

@SunNeverSetsX 太阳哥你终于发贴了

[摸鱼巨匠🔨 @SunNeverSetsX]

大部分 Agent 即使替你做了 500 次工作，也不会因为你纠正了它 500 次，就真正变成一个经验丰富的员工。

这其实是今天 Agent 最容易被忽视的问题。

现在的 Agent 已经能写邮件、查资料、整理文档、调用工具，甚至可以独立跑完整个 Workflow。

但你真正把它放进公司里，很快就会发现：它会做事，却很难真正积累经验

比如你让一个 AI Agent 帮律师审合同。

第一次，它把某一条违约责任判断错了，你告诉它：

这个客户对责任上限非常敏感，以后类似合同必须优先检查这一条。

第二次，它可能因为当前对话还在，记住了。

但一个月后换了一个项目、换了一轮 Context，它很可能又重新犯一次。

你改了它 20 次，它并没有真的拥有一个工作了 20 次的律师助理应该具备的经验。

这和真人员工完全不同，今天绝大部分 Agent，每一次启动，都多少有点像重新入职。

更麻烦的是，企业真实工作中的信息从来不是干净地放在一个 Knowledge Base 里的。它可能散落在 Gmail、Slack、WhatsApp、会议纪要、合同、项目文档和几十轮聊天里。

但是，这些信息是谁说的、什么时候说的、针对哪个项目、什么时候生效、后来有没有被新的信息覆盖？Agent 一拿到手，压根不知道哪一条是有效信息。

这就是 @alloomiai 想解决的两个核心问题。

01. Holistic Context：让 Agent 理解“信息是怎么变化的”

Alloomi 的第一项核心技术是 Holistic Context。

传统 RAG 更关注的是：“哪些信息和当前问题相似？”

而 Holistic Context 进一步关心：“这些信息属于谁、什么时候有效、彼此是什么关系、哪条信息已经被更新？”

它不会单纯把企业数据拆成一堆 Chunk，而是围绕客户、项目、案件、人员、决策等实体建立持续更新的 Context Timeline。

每一条信息都可以附带：来源与对应实体、发生时间与有效区间、与其他信息的冲突关系、是否被后续信息替代。

其中还会进一步识别 Support、Compete、Conflict、Supersede 等关系。

这意味着 Agent 不只是记得公司说过什么，而是开始理解哪条信息现在仍然成立，哪条只是历史状态。

对于 Legal、Insurance、Patent 这类上下文长、决策频繁变化的专业场景，这一点非常关键。

因为真正危险的往往不是 Agent 没找到信息，而是它找到了旧信息，却把旧信息当成了现在的事实。

02. Self-Evolving Agent：把人工修改变成可积累的经验

如果 Holistic Context 解决的是“记忆”，那么 Alloomi 的第二项技术 Self-Evolving Agent，解决的就是“成长”。

它的核心思路是每一次真实任务，都应该沉淀成一条经验。

一次任务可以被抽象成：Context → Decision → Feedback

也就是，当时是什么情况，Agent 做了什么判断，人类最后是接受、修改还是否定。

这些真实交互不会简单留在聊天记录里，而是进入一个 Experience Pool。

之后还会经过 Experience Filtering，过滤掉低质量、一次性或不可复用的反馈，把真正有价值的经验保留下来。

这些经验再通过不同层级进入 Agent：
Memory：遇到类似任务时调用过去案例；

Experience Replay：反复学习高质量历史决策；

LoRA Adaptation：把长期积累的领域经验进一步固化到模型能力中；

Teacher Distillation：利用更强模型提炼历史经验，再迁移给执行 Agent。

于是形成一个持续循环：执行任务 → 人类审核 → 获取反馈 → 沉淀经验 → 更新能力 → 下一次做得更好。

这也是 Alloomi 最值得关注的地方。

很多 Agent 项目仍然在竞争能接多少工具、能跑多少 Workflow。

而 Alloomi 在尝试回答一个更长期的问题：一个 Agent 在公司里工作三年之后，为什么还应该和第一天一样？

它给出的答案是：Holistic Context 让 Agent 拥有持续更新的组织记忆，Self-Evolving Agent 让这些记忆和反馈进一步变成经验。

最终目标不是做一个 “会调用工具的 AI”。

而是做一个 “工作得越久，越理解组织；被纠正得越多，能力越贴近企业真实工作方式的 AI Employee。”

这可能才是企业 Agent 下一阶段真正值得竞争的东西。

快来试试吧！

官网：https://t.co/0M3BbjAK3Z

官方 X：@alloomiai

技术报告 Holistic Context：https://t.co/X3KDIed7mh

技术报告 Self-Evolving Agent：https://t.co/xPMowh1VHF

[SONGJIA @41163033w]

@JinYu762 @grok @SafePalCN @Web3Lannie Safe老牌钱包，希望这是抽中！

[✧ 𝕀𝔸𝕄𝔸𝕀 ✧ @iamai_omni]

阴跌了一个月的 GPU 现货租赁价格开始触底反弹，英伟达真的被低估了，国内把 GPU 炒那么高不是傻子，其他厂商的芯片白送都没实验室愿意用。

[摸鱼巨匠🔨 @SunNeverSetsX]

人比人气死人，刷到嗯哼的视频

20 岁的我在干嘛？打王者、刷直播、凌晨三点网抑云

而嗯哼已经开着兰博基尼、戴着 400 万的理查德，卡里数字比我电话号码还要长

[Elon Musk @elonmusk]

🤨

[SONGJIA @41163033w]

@JinYu762 确实做火箭的上市公司很少

[摸鱼巨匠🔨 @SunNeverSetsX]

绝对信息差！直接让 AI 帮你深度分析股票财报！

加上这个 MCP 后，Claude 就变成了一个自带 17000+ 个股票实时数据库 + 完整 SEC 分析器的超级金融分析师！

详细见视频！

它能做的事情：
分析财务报表、分析内幕交易和大资金流向、SEC 备案与披露、获取公司基本信息和市场动态

教程在评论区

[SONGJIA @41163033w]

@SunNeverSetsX 可以加胸吗，哈哈

[摸鱼巨匠🔨 @SunNeverSetsX]

推荐 8 个超好玩的 AI 工具！

1. AI 换脸工具 https://t.co/doJUk8sSFD（主站https://t.co/kWrVhNdsxt）
上传图片，一键把你的脸换到电影、视频、GIF、名人、游戏角色、 meme 模板上，还能生成 AI 头像、试发型、照片滤镜

2. AI 语义搜书工具 https://t.co/yFxm6BI8iz
输入一个问题或陈述，AI 用自然语言理解，从海量书籍中找出最像对话回��的段落，高亮关键句子并提供上下文 + 书籍链接。
比如：直接在搜索框打字，比如“什么是幸福？”或“人生最重要的是什么？”，它就会给出不同书籍的回答

3. 实时 AI 语音变声器 https://t.co/A6G0avYN1d
核心功能：200+ 种 AI 声音+音效（动漫角色、无线电、机器人等），可在 Discord、游戏、直播、Zoom 里实时变声。
内置 Voicelab、Soundboard、Instant Replay

4. AI 纹身生成器：https://t.co/DYEJT4BaET
输入你对纹身的文字描述，选择 18+ 种风格（几何、水彩、点阵、老派等），AI 瞬间生成几张 100% 原创的纹身设计图。

5. AI 历史照片生成器 https://t.co/TTtXBhoVDA
上传 10-20 张不同角度的自拍照，AI 训练你的数字模型，然后一键生成你穿着各种历史时代服装、出现在复古场景的照片（维多利亚贵妇、古罗马战士、文艺复兴画家、20世纪摇滚明星等）

6. AI 历史人物聊天工具 https://t.co/OAbmwrJ22s
和 AI 生成的爱因斯坦、甘地、佛陀等历史传奇人物进行真实对话。
用法：选人物 → 开始聊，可以问历史事件、人生建议、哲学问题，甚至辩论

7. 角色 AI 语音生成器 https://t.co/3Dy154QGKG
输入文字，AI 用上千个名人、卡通、游戏角色声音朗读出来，还支持声音转换和自定义声音
超级好玩，可以让Goku给你读购物清单、让已故名人念诗、做超级搞笑的 meme 或恶作剧音频

8. AI生成“不存在的美食”https://t.co/VrwdaQiHsN。
自动生成各种奇幻、融合、创新但现实中不存在的菜肴高清图片。
颜色爆炸、造型夸张、跨文化混搭,图片极度真实且视觉冲击力强，专门用来激发创意

[JinYu金鱼 @JinYu762]

别在三方App里买理财了，你要给中间商很多冤枉钱

同样买纳指，在支付宝会有高额的申购费、管理费等等，在证券账户买ETF，底层资产一模一样，省去了中间商差价

一、支付宝是零售，券商ETF是批发

场外C类基金：销售服务费年化0.2–0.4%，叠加管理费托管费，综合持仓成本直逼1.0%。持有不足7天赎回？直接强扣1.5%，一周白干

场内ETF：没有销售服务费。核心宽基管理+托管费已被内卷到0.2%/年地板价。买卖只收万1–万2佣金，免印花税。一进一出，省下的全是纯利润

二、支付宝赎回期漫长，券商ETF是T+0

��外基金：今天下单明天确认，QDII赎回资金漂流3–7个工作日。遇到黑天鹅，你连割肉的按键都找不到

场内ETF：实时成交，卖出资金T+0可用，当天就能去抄底别的标的。势头不对一秒撤退，不用肉身硬抗暴跌

三、大A核心板块，代码全给大家整理出来了

[加密笑哥 @peiopeixiao]

如果你的 AI 能够自己跑去和别人的 AI 社交、做交易，这事会有多疯狂？

说实话，眼下大家或许早就过了一直给单个大模型敲指令的新鲜劲了。

而这两天翻到的 ClawChat @clawchatglobal ，走得相对特殊点。

他们没去卷前端交互，反倒扎进了专供 Agent 对接的通信基建里。

大概可以把它理解成，一个 AI 世界里的 Discord 混搭 Telegram。

为了让不同设备上的 Agent 自动发现，整个网络直接跑在 libp2p 协议之上。

全链路交互走的是 Noise 协议的端到端加密。

身份层直接拿 secp256k1 这类钱包地址做签名，纯当唯一标识。

随便找台 2 核 4G 的机器跑个 Relay 节点，就能扛下上千个 Agent 的高频并发通信。

这种偏向 Agent 经济体底层通信的打法，可能更贴近未来的真实商业环境。

靠着里面的 PX-1 网状发现协议，你的专属 AI 就会去替你��皮对接。

ClawChat的 Alpha 内测刚好卡在 5 月 18 日开启。

对于这种���层协议刚起步的早期节点，值得放进观察列表。

[JinYu金鱼 @JinYu762]

. $NVDA 黄仁勋暗示：买入能源股

AI用电危机，核能才能解决

1: $OKLO - 奥克洛

黄仁勋钦点：先进反应堆6-7年内成关键基础设施。客户储备14GW。尚未盈利，这正是入场的时机

2: $SMR - NuScale

全球SMR赛道，唯一拿到NRC准生证的设计。股价跌了，但门槛没跌

3: $TLN - Talen Energy

与亚马逊协议扩至1920MW，一年涨66%，华尔街还没全面跟进。和 $CEG、 $VST 比严重低估

4: $VST - 维斯特拉

AWS 1200MW + Meta 2600MW，20年锁死。2026E EBITDA $68-76亿，现金流机器

5: $CEG - 星座能量

微软、Meta、亚马逊同时选了同一家电力公司
55GW私营装机全球第一，同时拿下三家巨头的，
只有 $CEG

[SONGJIA @41163033w]

@JinYu762 能买哪个？

[SONGJIA @41163033w]

@JinYu762 打新的也算？

[摸鱼巨匠🔨 @SunNeverSetsX]

��� 42space 中，有一点很重要的事情被大家忽略了，那就是复杂情景博弈

这来源于每个 OutcomeToken 都有独立的曲线，这就导致一个玩家不仅要考虑最终哪个 Outcome Token 能胜出，还要考虑和自己结果曲线内的玩家做博弈

也就是说，一个事件中有 A 和 B 结果，张三买了 A 结果。
那么张三不仅在和 B 结果的人做对手方，也是在和比张三早买或迟买 A 结果的人做对手方。
因为张三可以中途赎回赚钱，也可以等终局结算时候赚钱。当然，也有可能是止损的情况

因为有中途赎回和终局结算两种方式，所以投资需要考虑的很多：
1. 这个事件最终可能的结果及其概率

2. 哪个结果的概率被低估了?

3. 哪个结果的概率被资金推得过高？

4. .....................

如果是多结果事件，并且出了很多消息导致不停轮换的时候，博弈的情景就更复杂了

非常有意思！有机会深入写一写

@42space

[JinYu金鱼 @JinYu762]

坏消息：CRS追溯到2017年
好消息：解决CRS，有7个方法

7个方案的有效性、真实漏洞、适合人群，一次整理清楚：
📌 先收藏，慢慢看👇

[JinYu金鱼 @JinYu762]

机器人概念股涨翻天
但最先用机器人省钱的是 $AMZN
省40亿美元、替代60万岗位、2027年落实！

[JinYu金鱼 @JinYu762]

1881年，铁路股占美国总市值63%，最后全崩了

今天，AI十强占40%——并且还在涨！

历史不会简单重复，但这张图值得每个投资者盯一眼

铁路改变了我们，但大多数铁路股投资者都亏惨了

AI这次会重演吗？

[SONGJIA @41163033w]

@SunNeverSetsX 必须尝试一下