Bigtoom

出来看看
天津的聊聊+v:madehua19800425

[yishan @tspy]

https://t.co/7RRfhyg36u

[股市小能手 @sezinzelik]

PCB与CPO赛道｜10家代表性企业深度梳理

1. 中际旭创 (300308)
全球高速光模块龙头，也是CPO商业化落地的核心推动者。800G光模块已大规模供货，深度绑定���伟达、谷歌等海外头部云厂商，1.6T产品正在多家客户开展验证。公司在CPO方向储备充足技术，引领下一代高速光互联方案。AI算力需求持续扩张，让公司高端产品拥有较强定价权与市场份额，是光模块赛道确定性较强的核心标的。

2. 沪电股份 (002463)
AI服务器高多层PCB领域技术优势突出，自研78层M9等级正交背板，是GB200高端AI服务器的核心板材，技术门槛、产品附加值很高，为英伟达核心PCB供应商，在Rubin新一代架构主板供应中依旧保持高市占。AI服务器单机PCB价值持续提升，依托高层数、低损耗材料的先发优势，持续享受算力产业链增长红利。

3. 华工科技 (000988)
国内少数具备“光芯片-光模块-CPO”完整产业链布局的企业。率先建成3.2T CPO量产产线，推出液冷CPO超算光引擎，产品已向英伟达、阿里云等头部客户送样，商业化进度靠前。同时依托激光技术优势，向PCB行业供应高端激光加工设备，实现CPO业务与PCB设备业务双向协同，在AI光互联赛道具备差异化竞争力。

4. 胜宏科技 (300476)
英伟达核心供应链企业，覆盖AI服务器PCB、CPO散热两大业务。为GB200供应高份额UBB通用基板，同时独家配套微软Maia 200 CPO散热系统。掌握低损耗基材、信号完整性优化等关键技术，AI服务器PCB业务占比较高。英伟达新一代架构进一步抬升PCB工艺标准，作为核心供应商有望充分受益，业绩弹性可观。

5. 东山精密 (002384)
收购索尔思光电切入CPO赛道，��成“PCB+光模块”双主业布局。自研CPO原型产品完成英伟达GB200验证，规划2026年推进量产。PCB板块针对性开发CPO专用高导热覆铜板，实现PCB与光引擎一体化封装，良率处于行业上游。上下游一体化布局，既能解决CPO散热行业痛点，也巩固了自身在光模块上游的行业地位。

6. 生益科技 (600183)
全球覆铜板（CCL）龙头，处于PCB产业链最上游，属于AI硬件升级的上游材料供应商。自研M9超低损耗覆铜板、无布PTFE基材，是800G/1.6T光模块、高端AI服务器PCB的核心原料，相关材料已进入英伟达客户备选清单。AI硬件持续迭代对板材性能要求不断提高，公司卡位高端CCL赛道，是整条产业链不可或缺的材料供应商。

7. 天孚通信 (300394)
CPO上游光引擎、光纤阵列单元（FAU）核心供应商，业务聚焦光无源器件，技术壁垒深厚。为Mellanox 1.6T硅光引擎提供��合服务，市场份额领先，有源、无源器件一体化集成能力构筑深厚护城河。CPO朝着更高集成密度升级，精密光学元件需求快速增长，作为上游“卖铲人”，直接受益于CPO规模化落地。

8. 鹏鼎控股 (002938)
全球PCB行业龙头，高端AI服务器PCB技术实力雄厚，产品覆盖高多层板、HDI等全品类。AI服务器PCB生产良率优于行业均值3-5个百分点，服务英伟达、华为等头部客户。CPO模块对承载PCB的集成度、可靠性标准持续提升，依托规模化生产与研发实力，持续抢占高端算力硬件PCB市场份额。

9. 兴森科技 (002436)
CPO领域拥有差异化技术，自研铜波导方案光耦合效率可达92%，48通道光接口集成密度行业领先。同时布局FCBGA封装基板，在高端PCB、半导体测试板积累深厚技术。AI芯片、CPO模块带动先进封装需求上行，公司同时布局IC载板与CPO光耦合技术，有望受益异构集成行业趋势，迎来价值重估。

10. 三环集团 (300408)
CPO上游精密陶���元件龙头，光纤陶瓷插芯全球市占率超70%，MT/MPO多芯插芯市占率超85%。CPO小型化、高密度发展，对陶瓷插芯的加工精度、一致性要求大幅提高，陶瓷元件从配套零部件升级为影响光引擎性能的关键材料。作为CPO光引擎核心耗材，将充分受益后续CPO产业放量。

⚠️温馨提示：以上内容基于公开行业信息整理，仅作产业学习参考，不构成任何投资建议，股市有风险，入市需谨慎。

[阑夕 @foxshuo]

前段时间，美国风投机构Dimension Capital的几个合伙人来中国深度拜访了一圈AI公司，用于修正自己的投资判断，他们回去后发给出资人的内部信传得挺广的，全文翻译如下：

跨太平洋的AI棋局

1、稀缺催生进化

美国的出口管制本意是为了拖慢中国的AI发展，但结果却意想不到的制造出了一种进化压力，导致中国的AI实验室拥有了世界独有的竞争围栏。

因为缺少算力，中国团队被迫深入到极其底层的架构里去做工程优化，DeepSeek在刻意削弱性能的H800上训练模型，并绕过CUDA在更下面的PTX上编程，甚至要把每张GPU里的一部分流式多处理器专门分配给跨节点通信。

我们认为，这并不是美国工程师干不了的事情，而是因为两边的刺激机制不同。

美国的AI公司更愿意用资本解决问题，每多投入一美金，就能多买来一美金的算力，但在中国，因为始终没有充足的算力可供购买，所以形成的方案是，每多一个懂编译器的工程师，就能降低整个团队对于算力的需求。

最后形成的是一种覆盖全栈的效率文化，从系统、优化器、推理算法、一直延伸到芯片，这种能力可以持续积累，不像一次性的资本开支，用完就结束了。

2、中国开源模型完成了过去20年中国SaaS都没能做到的事情——进入西方生产环境

不到18个月，中国模型在OpenRouter上的Token消耗份额从不足2%飙升到了45%，Qwen成为Hugging Face上面最快突破10亿次下载的模型家族，大约80%的美国AI初创公司，已经在内部部署了至少一款来自中国的开源模型。

开源绕过了传统软件采购的审查，当模型可以免费部署，也就不存在「供应商」让你放进黑名单。

但吊诡的地方在于，中国的开源模型本质上是在承担西方的生产成本，而并没有拿走西方的生产收入。

因为可以自行部署那些开源模型，所以最主要的利润，仍然流向负责提供Token的云厂商。

所以中国人把模型价格打了下来，让竞争对手很难受，但最主要的受益者仍然是美国的其他商业公司，因为它们能用到更便宜的模型了。

这不是说中国AI公司有钱不赚，开源这种生态在客观上就是会把利润的最大头分配给云厂商，而非模型开发商。

3、中国前沿模型的内部竞争，比西方预计的更加激烈

我们的判断是，目前中国模型的第一梯队包括DeepSeek、Qwen、Kimi、Doubao和GLM，它们之间的差距非常小，洗牌也相当频繁。

五家实验室同时比拼发布速度和模型能力，而且全部开源（译注：豆包并没有开源），这与美国主要由两家闭源实验室主导的竞争环境截然不同。

我们在这一周里最明显的感受就是，中国模型之间的竞争，可能更甚于它们和美国模型之间的竞争。

4、今天，AI要从太平洋两岸来回跑两趟，才能最终落地到客户那里

现在的循环大致上是这样的：

美国的前沿实验室训练出SOTA级的模型；

中国的前沿实验室对这些模型进行蒸馏，然后开源；

美国的AI服务商再基于中国的开源模型进行微调，做成产品卖给美国企业……

Cursor所谓「自主研发」的Composer 2，被发现是用Kimi K2.5改的，Cognition的SWE-1.5看起来也像一个定制版GLM。

就在���们坐在从上海去北京的高铁上时，Harvey发布了自己的专有模型Harvey Tenet——它是对Kimi K3进行了后训练所得到的产物。

如果是一年前，这些公司大概率会选择Llama，或者Mistral。

如今，美国垂直AI行业的底层基座，正在变成中国的开源模型——而这些模型内部，又潜藏着来自美国前沿模型的智能。

5、数据层似乎也在发生类似的事情

Mercor、AfterQuery、Turing这些美国的数据标注公司，都已经公开披露与蚂蚁、阿里巴巴和字节跳动存在商业合作关系。

同时，我们也在中国看到了一批刚刚出现的新公司，它们没有再去做数据标注的生意，而是转为评测和验证基础设施。

比如UniPat。

这家公司成立于2025 年12月，创始人是一名北京大学博士生，此前曾在阿里、月之暗面和腾讯工作。

UniPat发布的 基准测试，已经开始被美国实验室引用到自己的模型报告中，它还声称，通过自己基于Rubric的监督方法训练一个小模型，也取得了很好的效果。

这种思路还是在用更高质量的监督替代更多算力，与我们在第一点中提到的现象完全一致：资源，尤其是算力受限的环境，会逼迫团队发展出不同的适应性能力。

我们在北京和上海见到了好几家这样的公司，绝大多数成立不到24个月，其中少数几家的收入已经很快的突破了1亿美金。

6、美国和中国面临的难题完全不同，而且恰好相反

2024年，中国新增的电力供给是429GW，美国大概是51GW。

根据预估，一直到2030年，中国每年新增的电力供给，都将在400GW以上。

美国的情况是，目前光是数据中心的扩建项目，就有241GW的电力缺口，因为电网接入的积压，需要排队等上5年时间。

中国真正的瓶颈，正如我们提到过的，是算力资源不足。

最直接的例子就是月之暗面：Kimi K3发布后不到两天，就因为推理能力不足而暂停了新用户注册。

所以：

美国芯片充裕，但越来越受制于电力；中国电力充裕，但一直都受制于芯片。

我们可以确信的是，中期AI局势很大程度上将取决于哪一侧的障碍先被推倒，是美国的电网容量先得到改善，还是中芯国际和华为的先进封装以及良品率提升得更快。

7、中美两国的AI产值差太远了

Anthropic在7月的年化收入超过了650亿美金，OpenAI的同期数字在400亿美金左右。

相比之下，中国收入最高的模型是字节跳动的Seedance，年化收入大概在20-30亿美金之间。

中国的纯语言模型公司，年化收入都还停留在数亿美金级别，比如DeepSeek正在接近5亿美金的水位。

消费端也有同样的困扰，豆包的月活用户已经达到3.45亿了，超过Qwen和DeepSeek之和，但每天产生���收入仍然不到100万人民币，而且基本全部都来自购物佣金。

中国的消费者不愿意为软件付费这个死结，我们也不知道该如何解开。

当然，拥有如此庞大的用户规模，最终完全可能找到具有中国特色的商业模式，这在十年前的消费互联网已经发生过一次了。

那就是羊毛出在猪身上，靠电商和广告来实现模型的商业化，中国的创业者身上有种实用主义精神，他们不会因为某种商业模式不够AGI而回避它。

8、硬件和半导体在脱钩，软件和数据在融合

两个国家的政策反应速度已经跟不上了：

美国的产品跑在中国的模型上；

中国的实验室在新马泰租用英伟达的GPU训练模型；

专家标注的数据则在两个方向上互相流动；

所以我们觉得「到底哪边在赢」是一个伪命题，在目前的状态下，两个体系已经高度相互绑定，以致于国家层面的胜负很难被清晰定义。

除非RSI（递归自我改进）的实现能从根本上改变整个系统结构。

9、中国的一些顶尖研究员相信他们已经拥有弱形式的RSI了

在此语境下的RSI，仍然受到算力限制。

更准确的说，这些系统如同RSI的早期雏形：

研究员自己介入其中，通过人工辅助的方式，加速模型到达原本最终也可能到达的能力，从而节省算力和时间。

打比方来讲，这一阶段的RSI，最接近1990年到2010年之间流行的「半人马国际象棋」：

机器加人类的组合，比单独的人类或单独的机器都更强。

10、接下来会有一个至关重要的分叉

假设RSI会随着算力规模的增长而进化，那么美国所处的位置就相当有利了。

目前，美国那两家顶级实验室各自运行有大约2GW的算力基础设施，同时每家已经锁单超过5GW，计划到2030年达到约30GW的水平。

理论上，这些公司拥有巨额收入和资本市场的全力支持，可以大力出奇迹的推动RSI，而中国根本没有足够的芯片追赶。

但另一种情况是：

如果真正的瓶颈并不在于算力，而是质量；

或者，这条技术线所需要的时间足够长，长到足以让中国的优化能力和替代芯片发展到可用水平；

那么过去18个月已经出现的趋势可能不仅会继续，还会加速：

美国前沿模型能力进一步商品化；

中国开源模型变得越来越无处不在；

美国垂直AI公司则获得新的机会——在外国开放权重模型上做微调和应用；

与此同时，大量新增的调用量和利润，会流向负责提供推理服务的公司，目前来看，主要就是超大规模云厂商和新型算力公司。

当然，这一判断建立在电力基础设施按中性预测发展的前提之上。

11、还有一种未来的可能性是，美国的前沿实验室不再对外提供最新版本模型的API了

现实是，目前这一代模型的能力，已经可以满足绝大多数商业需求了。

未来顶尖的高端���型，可能不会再按调用量定价，而是像交付SaaS系统那样，按结果定价。

这样做还有另一个效果：限制中国实验室的蒸馏行为。

美国公司的代价是要放弃不断增长的API调用收入，作为回报，它们可以切断太平洋对面的竞争威胁。

或者至少，这会迫使中国进行昂贵的预训练，从而进一步挤压中国已经存在的算力资源。

12、监管政策砍不断跨太平洋的暗通款曲

到了今天，如果还认为可以简单切断这种联系，实在是过于天真了。

中美两国的技术人员正在通过各种媒介「对话」：

模型蒸馏、开放权重、数据标注、推理服务，以及越来越多的软件执行框架和智能体基础设施。

眼下正在讨论的一些粗暴限制措施——实体清单、托管禁令、采购禁令——几乎肯定会抑制美国自身的创新，并让美国在这些领域失去领导地位。

而空出来的位置，必然会迎来快��跟进的中国竞争者。

13、西方一直在讨论的估值泡���，在中国市场明显更加突出

中国AI公司的收入规模更低，却享有更高的估值倍数，这是资本市场的一大奇观。

月之暗面的估值是年化收入的115倍，智谱、MiniMax在上市之初也都是100倍，相比之下，Anthropic只有20倍。

我们的判断是，这可能源于中国的资本市场仍不够成熟。

过去二十年，这个市场更习惯于给消费软件公司定价，而现在才刚刚开始建立一套能够理解企业软件和开源商业模式的成熟估值框架。

对于合适的投资机构来说，中国内地和香港存在着相当大的机会，能够找到新兴行业的领先标的。

[科技混子Chris @ChrisSlacker]

2. 困惑破解者

复制这段：'这内容我没理解。讲之前，告诉我那个'钥匙句'——懂了它我就能理解后面的一切。只讲这句，用日常生活类比，别用术语。然后问我3个只有真正理解才能答对的问题。全答对才继续。[粘贴内容]'

[Serena 木瓜 @369Serena]

哇去，腾讯 WorkBuddy 课程不错啊！

看完还能认证考试？？有人看完吗？

我正在看，现在看长视频明显感觉注意力不太行🤣

[爱吃折耳根的Ace @_zheergen]

卧槽！同花顺官方下场了——A 股数据服务正式开源，一个 API Key 全搞定，AI Agent、量化、开发全支持！

以前做 A 股量化，数据来源永远是块心病：爬虫怕封、第三方数据贵、Tushare 免费额度不够用。

现在同花顺自己把数据服务开源了，实时行情、财务报表、估值、涨跌停池、龙虎榜、集合竞价——全市场数据一个 Key 打通。

���盖的能力很全：

1️⃣ 实时行情、历史 K 线、财务报表、估值快照
2️⃣ 集合竞价、涨停/炸板、龙虎榜、热榜等特色数据
3️⃣ 指数、板块、公募基金资料与净值
4️⃣ 支持 REST API、Python SDK、CLI、本地 DuckDB
5️⃣ 重点：原生支持 MCP + Agent Skill，Claude / Cursor 直接用自然语言查数

最狠的是对 AI Agent 的适配。npx skills add 一条命令装 Skill，之后你直接跟 Claude 说"查询贵州茅台最新行情并分析均线趋势"，它自己就知道该调 API 还是 MCP 还是 CLI。

A 股量化党最大的痛点——数据——这次被官方自己解决了。收藏它，你会感谢我的。

[叫我阿杭 @Astronaut_1216]

不是我靠？啊？？？WorkBuddy你不要命了你这么牛逼？？？

这特么到底到底怎么过合规的？南山必胜客有点招数全用在这上面了是吧，管你合规不合规，出了事法务来背锅

按道理来说如果用户自己上传一个视频文件，让工具做转写，“用户把自己掌握的材料交给工具处理”
版权、授权、个人信息这些责任，主要会被产品协议转嫁给用户：
你要保证来源合法。
你要保证有权处理。
你要保证别拿去侵权。
工具只是受你委托做转写、总结、整理

但如果工具直接拿一个抖音链接，自己去抓视频、抓字幕、抓页面信息，再把逐字稿吐出来，那就不是一回事了

它可能同时踩到几层东西：
1、平台规则：抖音协议里对爬虫、模拟下载、复制、整理、商业使用平台内容这类行为限制很重。
2、版权：短视频里的口播，只要有独创性，它可能是口述作品、文字作品或者视听作品的一部分。逐字稿本质上是在复制和改编内容。
3、个人信息
账号名、头像、昵称、声音、评论、互动数据，只要能识别到自然人，就可能进入个人信息处理范畴。
4、不正当竞争
如果一个产品批量拿另一个平台长期经营出来的数据和内容，再变成自己的商业能力

我能想到最优的解决方案就是，我们并没有提供一个AI工具，我们只是提供了一个接口，这个产品是第三方上的

就算是第三方上的，我们也不是监管不力，而是我们觉得用户他有使用的标准，他们可以自行选择

再不济，这个事它是AI完成的，所以说你应该把责任赖给AI，怎么着也赖不了我们南山必胜客

最后的结果就是腾讯以一己之力让国内的大模型研究转向AI合规

[大干一场 @DGYC999]

给codex装上6个skill打通视频工作流！

[lumxss @bkdgiffug]

背单词这件事坑了多少人？单词书翻到abandon就abandon，APP打卡三天就吃灰。直到我扒到一个开源小神器幕境（MuJing），用下来是真香！！

1️⃣ 电影、美剧、纪录片、YouTube视频，全是真实语境，单词怎么用一目了然
2️⃣ 一键把视频里的生词连同原句上下文全抠出来，不用你手动查
3️⃣ 字幕浏览、跟读、拼写训练全给你配齐，听说读写一锅端
我随手从YouTube下了个视频试，体验是真的顺，不卡不别扭。
最良心的一点：完全开源免费，Windows和macOS的一键安装包直接给你打包好，下就能用，不收你一分钱。
��� https://t.co/xAVDbMbptk

[Jealousy 尼卡 @eastweb3eth]

A股智能量化工作台

A股最近是太火了，长鑫科技市值突破4.7万亿，今天宇树上市最高拉到1100相比预售涨了7.3倍。很多朋友开始寻找A股的量化工具。这个量化库很短时间就拿了 3.1K 星星，而且是基于著名的 TickFlow 数据源创作。

功能如下：
1. 选股引擎：18 个内置策略 + 自定义信号 + AI 生成 + 代码迁移, Polars 毫秒级扫全 A 股
2. 指标流水线：MA/EMA/MACD/RSI/KDJ/布林/量比等
3. 回测引擎：三种模式(个股/策略组合/自由信号),T+1/手续费/滑点/止损,SSE 流式进度features.md
4. 监控中心：四类监控(策略/个股信号/价格/异动), 多条件 AND/OR + 语音播报 + 飞书推送
5. 个股分析：9 类关键价位 + AI 四维分析(技术/基本面/财务/消息面)
6. 连板梯队：连板层级统计 + 概念涨幅轮动 + 盘后 AI 复盘 + 炸板/翘板预警
7. 数据扩展：TickFlow 多源 + 第三方接入(接口/推送/CSV/JSON)同台分析

最后，A股最近因为爆炸的财富效应被越来越多人重视，我发现很多关于A股的库开始火热，这个库就是其中的佼佼者。

我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

[AI Will @FinanceYF5]

国内开源了一个��型，随便拍段视频，就能实时重建出3D场景。

一个摄像头，不用LiDAR，1万多帧都不会崩，单卡就能跑到20fps。跑分比传统优化类方法更强，无人机航拍、行车记录、室内漫游都测过。

而且完全开源。

[魂蓝 @hunlan77]

上车

[空投龙 | 美股合约首选Gate @1YES_yes1]

很多人一直为如何获得获得免费的稳定的VPN发愁

当我研究了这个视频方法之后，原来如此简单

现在只有你花15分钟

零基础就可以学会用Cloudflare 建立一个稳定长期可用的VPN

[Suu @Suu766]

99% 的人，都把 Telegram 用成了看片软件，它真正厉害的地方，大部分人都没发现

Telegram 最强大的功能，从来不是群组，而是搜索入口

学会搜索群组、频道、消息和文件，你获取信息的效率至少提升 10 倍

这个博主的视频不分享资源，只分享方法

因为授人以鱼，不如授人以渔

时间轴参考：
00:00 为什么出海后还是找不到好资源
00:42 Telegram 被大多数人用错了
01:15 真正的入口：搜索机器人
01:36 一句话理解搜索机器人的作用
01:58 如何安全找到入口（新手必看）
04:55新手 vs 老手的搜索差距
05:56 搜索机器人的核心按钮详解
09:31 为什么没人主动告诉你这些
09:42 安全提醒：资源多≠无风险
10:10 结尾总结：入口，才是真正的门槛

[ahhhhfs @abskoop]

豆包也可以操作本地电脑了😂

[小樱💞｜实用工具分享 @xiaoying_eth]

想换城市生活、定居、远程办公的，
这个网站建议先看看。

它整理了全球几千个城市的宜居数据，
不只是生活成本，
连气候、交通、租房、湿度、温度这些都会统计。

国内城市还会额外统计配套数据：
宜家、万达、万象城、星巴克、麦当劳、三甲医院、高铁站、机场。

看一个城市适不适合自己，
光听别人说没用，
数据更直接。

非常适合数字游民和准备规划未来的人。
https://t.co/NPUHMX215K

[雪踏乌云 @Pluvio9yte]

腾讯悄悄开源了一款企业级的知识平台 WeKnora

它的核心理念就是：把一堆原始文档，变成真正能用、能推理、还能自己生长的知识资产。

它主要做了三件事：

RAG 智能问答
普通语义检索，速度快、准确率高，支持混合检索

ReAct 自主 Agent
自己规划多步任务，调用工具、网页搜索、MCP 技能

自维护 Wiki + 知识图谱
上传文档后，Agent 会自动帮你整理成结构化的 Markdown Wiki，还生成可交互的知识图谱。

如果你也在做企业知识管理、内部分享、智能客服、或者想自己搭一个“会自己长大的知识库”，强烈建议去看看。

项目地址放在评论区了

[Amto @XAMTO_AI]

兄弟们，今天随手一刷，看到个东西直接把我干懵了。

GitHub上有个叫 agency-agents 的开源角色库，你知道它现在多少星吗？81万。不是8.1万，是81万。这个数字意味着什么？意味着全球有几十万开发者和AI玩家已经在用了，你还不知道？

🔗 : https://t.co/7oTbpRfg0o

先说这东西是干嘛的。

简单讲，就是一个超级角色提示词库，里面塞了140多个专家级Agent角色。CEO、律师、程序员、产品经理、增长黑客、财务顾问、市场策略师……你能叫出名字的岗位，基本都在里面。每个角色都是精心调教过的，不是那种随便写两句“你是一��律师”就完事的垃圾提示词，是真的有深度、有专业框架的��色设定。

用法也极其简单，三步走：

1️⃣ 打开这个库，找到你需要的角色
2️⃣ 把角色描述直接喂给Claude Code或者Cursor
3️⃣ 开始对话，你的AI瞬间变成那个领域的专属顾问
就这么简单。你在做一个创业项目，不知道商业模式怎么跑通？调出CEO角色问它。合同条款看不懂？调出律师角色让它帮你拆解。代码写不下去？调出高级程序员角色让它review。
但最骚的玩法不是单个角色，是多Agent组团。

你可以同时开几个对话窗口，一个跑CEO视角，一个跑市场总监视角，一个跑财务视角，让他们对同一个问题给出不同角度的判断。这不就是给自己开了一家虚拟公司吗？而且这帮“员工”7×24小时在线，不要工资，不会摸鱼，不会跟你讲情绪。

我自己测试了几个角色，说实话，质量比我���期高很多。

特别是那些商业类角色，给出的框架和思路真的有点东西，不是那种泛泛而谈的废话，是能直接落地用的建议。当然，AI终究是AI，专业判断还是要自己把关，但作为思路启发和初稿生成，这个库的价值真的被严重低估了。

还有一点我必须说——它是完全免费的。

开源、免费、随便用、随便改。在这个到处收费、动不动就订阅的AI时代，这种东西真的越来越少见了。

现在AI工具的核心竞争力已经不是模型本身了，Claude、GPT、Gemini底层能力差距在缩小，真正拉开差距的是你怎么用、用什么角色、给它什么上下文。这个库本质上是在帮你解决“怎么用”的问题，把最难的提示词工程部分给你做好了，你直接拿来用就行。

81万星不是运气，是实力。

还没收藏的，现在去。

[Gary Du @GaryDu18]

A股投资美股,

场内最好的四支QDII指数基金！

景顺纳指科技ETF 159509，

国泰纳指ETF 513100，

港美互联网LOF 160644，

标普信息科技LOF 161128，

博时标普500ETF 513500。