LKF

[小C哈哈哈 @dashen9999]

xhs上果然有保险大佬，一针见血

[JasonZ @Jason_WealthAI]

普通人炒美股，最强配置不是每天猜涨跌。

我的理解是：

50% 买美国国运：VOO / SPY
25% 买科技革命：QQQ
15% 买 AI 铲子：SMH / SOXX
10% 买时代变量：NVDA / TSLA / MSFT / BTC

真正赚钱的人，
不是每次都猜对的人，
是在大趋势里活得够久的人。

[比特币道 狗宝真帅🐕 @Bitcoin188]

卧槽！兄弟们！

想要玩美股的兄弟，强烈建议马上去装这个！

GitHub 已经 4w+ 收藏了，白嫖党直接原地起飞的神器来了！

基于 AI 大模型的 A股/港股/美股自选股智能分析系统，
每天自动给你推送决策仪表盘，再也不用自己手动扒数据了！

自动分析市场走势
自动整理重要资讯
自动跟踪你自选股表现
���动生成投资分析报告别手动了，兄弟！

这个东西直接把你从“信息苦力”解放成“决策者”。

想白嫖的兄弟赶紧冲，链接直达：
https://t.co/87kV2jBzcE装完记得回来告诉我感受

你怎么看呢？

[RJ @RJDAIGOGO]

可能是我最近看过的最好的一个讲高带宽内存HBM的视频，从基本原理讲到工程工艺，顺便比较了一下内存三巨哪家强。深入浅出，推荐观看。

[0x进击的水豚 @crypto_oldk]

想要玩美股的兄弟强烈建议去安装一下，github高达4w收藏。

基于 AI 大模型的 A股/港股/美股自选股智能分析系统，每日自动分析并推送决策仪表盘

📊 分析市场走势

📰 整理重要资讯

📈 跟踪个股表现

🤖 自动生成投资分析报告

https://t.co/rQe8CRtdyU

[LKF @LKF182149]

@aleabitoreddit @couchpotradeo 🤣🤣🤣🤣

[断浪 @waveking1314]

Claude不仅会炒股

它还能把普通交易员最容易忽略的 8 件事，全部变成可复盘、可检查、可执行的流程

99% 的人用 AI 只会问：这只票能不能买

真正会用的人，会让 AI 帮自己找错误、控风险、测策略、读新闻、拆图表、做交易日志

下面这 8 个 prompt，建议直接收藏

1 复盘最近 20 笔交易

让 AI 找出你反复犯但自己看不见的错误

Prompt：

请复盘我最近 20 笔交易：

【粘贴每笔交易的买入价、卖出价、盈亏结果、持仓时间、交易理由】

请找出我重复出现的错误、错过的机会、情绪化习惯，并给我制定 3 条从明天开始必须遵守的交易规则

2 检查你的投资组合

让 AI 找出你看不见的集中风险和相关性风险

Prompt：

请分析我的投资组合：

【粘贴 ticker + 仓位比例】

请识别是否存在��度集中、隐藏相关性、单一行业暴露和系统性风险，并给我一份���平衡方案，以及在大幅回撤时可以考虑的对冲思路

3 用历史数据测试策略

别拿真钱试错，先让 AI 帮你模拟策略有没有活下来

Prompt：

请帮我回测这个策略：

【策略名称，例如均线交叉 / RSI / 突破策略】

标的：【资产或指数】

周期：【时间范围】

请输出胜率、盈亏比、最大回撤、连续亏损次数、适合什么市场环境，以及这个策略最容易失效的情况

4 把新闻翻译成交易信号

复杂新闻不重要，重要的是它对价格意味着什么

Prompt：

请总结最近关于【公司 / 行业 / 资产】的重要新闻，并把它们翻译成交易影响

请分别分析短期影响、中期影响、可能利好、可能利空、市场是否已经定价，以及价格可能波动的区间和关键触发点

5 让 AI 帮你读图表

不用自己硬猜支撑���力，先让 AI 拆结构

Prompt：

请分析【资产】的日线和周线走势

请拆解支撑位、阻力位、趋势线、均线结构、成交量变化、动量指标和关键失效点

最后给出当前更偏趋势延续、震荡，还是反转，并说明理由

6 生成今天 5 个交易想法

不知道从哪里开始，就让 AI 先给你候选 setup

Prompt：

请扫描今天的市场，围绕【资产 / 指数 / 行业】给我 5 个高相关交易 setup

每个 setup 请包含入场条件、目标位、止损位、风险收益比、失效条件，以及为什么这个机会值得关注

7 做宏观情景模拟

先想清楚如果 Fed 加息、衰退、暴跌，你的组合会怎么死

Prompt：

请模拟这个宏观情景对我投资组合的影响：

情景：【加息 / 降息 / 衰退 / 流动性危机 / 市场 crash】

组合：【粘贴持仓】

请分别估算每类资产可能受到的影响、最脆弱的仓位、潜在回撤区间，以及我���以提前做��些防守动作

8 智能交易日志

真正让你亏钱的，往往不是市场，而是你自己重复犯错

Prompt：

请根据我这一周的交易日志做复盘：

【粘贴交易记录和当时的想法】

请找出导致亏损的行为模式、情绪替代策略的时刻、我最常犯的 3 个错误，并给我设计一套每周 30 分钟的交易复盘流程

AI 不会让你一夜变成交易天才

但它可以让你少犯很多低级错误

普通人最大的问题，不是没有机会

是没有复盘系统，没有风控意识，没有持续改进的交易日志

会用 AI 的交易员，不是让它替自己下注

而是让它把自己的决策质量，一点点逼出来

[LISA @MindOS_Lisa]

这是一位大二在读小姐姐写出来的投资逻辑
我太佩服了！真的！

[Amto @XAMTO_AI]

兄弟们，这个项目我必须给你们强力安利一波！

🔗 https://t.co/7oTbpReIaQ

GitHub 上有个叫 agency-agents 的角色库，现在已经 10.8 万颗星了，这不是开玩笑，是真的火。

里面塞了 218 个专家级的 Agent 角色，CEO、律师、程序员、增长黑客……你能想到的岗位基本都全了。

直接把角色喂给 Claude Code 或者 Cursor，立马变成你的专属顾问。还能让多个 Agent 组团干活，相当于自己开了家虚拟公司。

完全免费，不用白不用。

[Serena @369Serena]

Serenity 火了以后，很多人第一反应是去抄作业。

但其实我们可以给 Codex 它装上这些投资类 Skills 和 AI 投研框架后

它可以变成一个股票研究助理：

帮你拆产业链、读财报、看情绪、查风险、做估值、写反方报告，甚至把策略拿去回测。

先收藏这 5 个 GitHub 项目!
别让 AI 直接替你买股票，先让它帮你把研究做扎实。

1️⃣ UZI-Skill⭐ 2.4K

中文投资者最值得先看的一个!

它把 A股、港股、美股分析做成了一套完整流程：深度分析、陷阱排查、龙虎榜、投资大佬评审团、22维数据、180条量化规则。

适合拿来做个股初筛、风险排查和中文市场研究。

GitHub：
https://t.co/1Dq2yXMLhq

2️⃣ TradingAgents⭐ 83.7K
GitHub 上最火的 AI 金融交易框架之一。
它把一个投研团队拆成多个 Agent：基本面分析、情绪分析、新闻分析、技术分析、研究员、交易员、风控团队。

如果你想看看“AI 投研团队”到底怎么协作，这个项目最有代表性。

GitHub：
https://t.co/N0VMCVroA9

3️⃣ Serenity Skill⭐ 731

最近 X 上讨论很多的投资 Skill。

它复用 Serenity 的核心研究路径：从热点出发，拆产业链，找供应链瓶颈，再回到股票和基金方向，检查公告、财报、客户、产能和风险。
适合研究 AI 半导体、CPO、机器人、算力、电力设备、创新药这类“产业链很长、信息很乱”的方向。

GitHub：
https://t.co/YGgiXR6aZr

4️⃣ Buffett Skills⭐ 512

这个 Skill 适合在你心动之前泼一盆冷水。

它会逼你检查：

这家公司是不是好生意？
有没有护城河？
现金流可靠吗？
管理层可信么？
价格有没有安全边际？

适合长期投资者做质量审查。

GitHub：
https://t.co/pDMtWc6LTB

5️⃣ QuantDinger ⭐ 7.4K

一个更完整的 AI 量化交易工作台。

它覆盖从 AI 研究、策略代码、回测、模拟盘，到实盘执行和监控的完整链路。

如果你不满足于“让 AI 分析股票”，想把想法变成策略并验证，QuantDinger 更适合继续研究。

GitHub：
https://t.co/cZqOdURO5u

别让 AI 替你买股票。

让 Codex 替你拆产业链、读财报、查证据、找风险、写反方报告、做回测。

这��是普通投资者最该抄走的用法。
#codex #skills #Serenity

[LKF @LKF182149]

@hanking66 Diamond HOLD💪🏻

[Jealousy 尼卡 @eastweb3eth]

美股三幻神都是谁？他们最近都在买啥？

先说我的结论：目前美股圈里能称得上“三幻神”的，我觉得就是这三位—— @aleabitoreddit 、 @qinbafrank 和 @xiaomustock 。

这轮美股大行情里，论战绩、分析深度，还有持续输出能力，这三个人是我见过最强的。

1. @aleabitoreddit 虽然没直接公开过���仓，但她的选股理论已经人尽皆知。想跟高手学，最好的办法就是吃透她的心法。我个人觉得，“白毛女股神”的仓位其实就藏在她平时的推文里，Serenity Skill 都值得研究。不懂代码也没关系，可以看看这个网站：
https://t.co/D6tPQCV1Y2

2. @qinbafrank 的持仓也没有公布，还是同样的方法，观察 Frank 的过往推特和他发表的文章也能达到有效追踪。
文章推荐：https://t.co/p38CUeOayE
分析网站：https://t.co/zbUx3e7y2m

3. @xiaomustock 川佬算是最实在的，每隔一段时间都会公布自己的持仓。6月2日公布的最新美股持仓是这样： $DRAM $MRVL $NOK $IBM （主仓位dram 60%，1/20仓ibm，其他没变）。不过我观察他最新推特提到了也买入了 $AVGX ，只是不知道具体仓位。

除了上面三位以外，其实还有很多其他高手。以后会把我的观察慢慢分享出来。

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～

[Serenity @aleabitoreddit]

I think my personal style of investing is a bit different, just some reflection:

It's inherently discretionary, based on stuff markets don't know yet. And a culmination of life experiences?

If you look at $AXTI, $RPI, $SIVE, $IQE and others.

Lot of it is guessing on unstructured relationships then seeing if it's right or not down the line.

$RPI is the perfect example:

1. Nobody really thought of Raspberry Pis for AI growth. Mainly people bought one or two just for class + education + hobbyist.
2. After OpenClaw, just noticed all my friends and people just buying Apple Mac Minis / RPIs for AI applications.
3. Found validation of that trend online with lot of people sharing video tutorials on AI orchestration with RPI.
4. AI was their ideal perfect growth vector, did some modeling, and thought it was compelling.

Earnings comes out and I was right.

Everyone in media was calling it a meme stock because there's nothing online that shows revenue growth from AI (was 14% forecasted revenue growth, turned out to be 58%, my projection was around 55%).

So it was a mix of guessing next industry trend (AI using lightweight hardware instead of GPU clusters), real life trends, then revenue forecasting off my guess.

For stuff like $AXTI:

1. Everyone called it a joke when I bought at ~$12. LLMs would hallucinate and say "hyperscalers/govs would have known about this by now and fixed this vulnerability with InP substrates"
2. Or would conflate very nuanced parts of InP substrate stack, where there's multiple different chokepoints in upstream processing.
3. So part of this was just discretionary based on what I've seen over InP substrate breakdowns, industry trends, etc.
4. Then also guessing the major supercycle was photonics (this was before everyone caught onto $LITE, and others). Or before you saw the $141B TAM projections from GS.
5. AXT owned 40% of InP supply chain, without them the supply chain just gets cripped).
6. All the "analysts" were forecasting steady InP substrate growth, few hundred million TAM, etc. or export controls.
7. Everyone kept trying to say $AXTI was overvalued based on TAM estimates. But if it's a few hundred million TAM you just think that's a joke and go into game theory over allocations.
8. Then I just had to guess, how much would this be worth if it were a NAND style bottleneck, what MC could it reach based on control, how much would hyperscalers price it as, etc.

A lot of the current research outputs from Goldman Sachs, or earnings reports from the Epiwafer companies, were confirmed after I published my piece on AXT. If you did research back then, lot of the same material /framing wouldn't have come up.

With stuff like $XFAB as you're seeing now, a lot of it is just pure guessing:

1. Not really any CPO materials, how much their MTP process makes in revenue, etc. Everyone online keeps saying they're not a photonics player.
2. But if you go through ASE docs or Gov websites, they all kinda cite XFAB as a major emerging player here.
3. $NVDA also evaluating them right now (maybe it's successful who knows).
4. No clear revenue around this area because their main silicon photonics process is still precommercial, but if you guess it's trying to create a EU supply chain to compete with $TSEM, once pre-commercial shifts to commercial, maybe similar but less volume contracts?
5. Then just seeing updates over the next few months to see if anything confirms this thesis guess.

_

I think a lot of information discovery still can be done with LLMs I'm seeing online. But it's also really hard to make a bunch of unstructured inferences based on unrelated material or even just trends you're seeing in real life.

So probably better to just do what's standard, eg. do valuation forecasting based on current numbers

Stuff like $AAOI, if they're projecting $471m/M h1 2027 and you see MC at $12B, probably undervalued might be a good idea to go long for next years.

Stuff like Samsung Electronics is easier, see what people are modeling for operating profits for 2027, 2028 then just seeing if it's undervalued or not at current levels.

Maybe something harder is $JBL. I haven't really seen any great volume numbers around 1.6T LRO, but you can just make a guess on how popular that might be then project how that might impact current MCs.

Or picking just good names everyone kinda agrees like $TSM, $INTC, $MRVL is also solid.

So a lot of things is just building up your life skills then applying that to markets. I don't think it's that can be taught with courses and stuff.

Of course, much of what I'm doing is just high conviction inference based on unconnected parts. Could always be wrong.

[断浪 @waveking1314]

卧槽兄弟们，GitHub 上真的有一堆免费到离谱的项目。

很多能力已经能直接干掉你正在月付的软件。

1. TradingAgents
AI 多 Agent 量化交易框架
https://t.co/1KWK86Rm5Z

2. LibreChat
一个界面接入 ChatGPT、Claude、Gemini 等多个模型
https://t.co/MDeFpgsGgb

3. HyperFrames
HeyGen 开源的视频生成引擎
https://t.co/XHwTWxQ7DA

4. Fincept Terminal
开源版彭博终端
https://t.co/XuodvoJJVs

5. MoneyPrinterTurbo
AI 一键生成短视频
https://t.co/GAoWUyfwWj

6. Agentic Inbox
Cloudflare 开源 AI 邮件助手
https://t.co/rGyqHR2CZ8

7. VoxCPM
AI 声音克隆工具
https://t.co/sjlxTv7Iwf

8. Flowsint
开源 OSINT 情报分析工具
https://t.co/tRXkg2uoBX

9. agent-skills
Claude Code 技能库
https://t.co/TYJEkoNnS0

10. Nango
开源 API 集成平台
https://t.co/fAVHqXr3qW

兄弟们，这些真不是玩具项目。

很多你还在交月费的软件，GitHub 上已经有人做出开源平替了。

一句话：

别只会收藏 AI 工具网站了。

真正狠的东西，很多都藏在 GitHub 里。

[Mulight 沐光🌟 @0xMulight]

不会还有很多人搞美股还在手动查找数据做分析吧？
其实开源社区已经给出了几套非常成熟的美股 Skill 工具。

今天帮大家盘点目前 GitHub 上最火的 5 大美股Skill神器，帮你快速找到最适合自己的那一款：

1. 数据获取神器 ranaroussi/yfinance （ 24.1k）
这是美股数据获取的入门神器。几乎所有量化项目都在用��，一键拉取历史，实时行情、财报、期权、新闻、分红，支持批量Ticker，AAPL、NVDA、特朗普概念股随便搞。新手5分钟出第一个K线图，闭眼选这个。

仓库直达：https://t.co/Pg0nQLkrPi

2. 全能研究平台 OpenBB （ 68.7k）
目前量化美股研究领域星标最高的平台之一。Python终端 和数据看板，支持股权历史、财务筛选器、新闻、宏观指标，一站式拆解特朗普AI/芯片/能源概念股。想做深度调研的玩家，首推这个。

仓库直达：https://t.co/Xo1nzvP9Cc

3. 基本面分析利器 JerBouma/FinanceToolkit （ 4.9k）专注透明计算的财务工具箱。150+财务比率（PE、ROE、杜邦分析、WACC、风险评分），估值模型全部公开。搭配yfinance拉财报，直接理性评估美股基本面，避免盲目跟风。追求硬核拆解的必备。

仓库直达：https://t.co/eXLmsqqKmd

4. 回测速度怪兽 polakowo/vectorbt （ 7.8k）
向量化和Rust加速的回测引擎，能同时跑几千个策略，比传统工具快几十倍。支持参数扫描、信号生成、回撤分析、TA指标，直接拿Yahoo美股数据验证“跟着特朗普买 vs 定投标普500”哪个更稳。中高级玩家专属。

仓库直达：https://t.co/cGxvPvDqWL

5. 量化资源导航 awesome-quant （ 26k+）
最全的量化金融资源大全，还在持续更新。里面美股相关神器一网打尽：yfinance、回测框架、数据源、AI量化、风险管理全都有。当作技能树用，想学哪个方向直接点进去。

仓库直达：https://t.co/ThjQS9pi48

小建议，结合特朗普持仓实战：
新手快速上手 ——直接用yfinance + OpenBB
想做基本面拆解 ——FinanceToolkit
要验证策略实盘 ——vectorbt
想系统性进阶 —— awesome-quant当导航

这些项目都免费开源、社区活��，随便挑一个就能把美股分析升级成现代量化体验。

投资有风险，仅分享工具，DYOR，玩得开心～

[老杨啊 @yhslgg]

有人用 AI 把《史记》57万字变成了一个可以搜索、跳转、推理的知识图谱
兄弟们，今天看到一个让我直接愣住的开源项目——史记知识库，GitHub 1300 星。

一句话：有人用 AI 把《史记》57万字全部拆解标注，做成了一个可以交互、搜索、推理的知识图谱，让两千年前的文字像代码一样能语法高亮、跳转、消歧。

数据规模直接给你看清楚：

• 实体词条：14,065 个
• 标注次数：126,441 次
• 历史事件：3,198 条
• 事件关系：7,637 条
• Wiki 页面：20,830+ 页
这不是简单的文本处理，是真正的知识工程。

几个亮点真的值得单说：

（1）22类实体彩色语法高亮——人名、地名、官职、事件，每一类都有颜色标注，读《史记》像读代码一样清晰，想关哪类就关哪类

（2）史记地铁图——130条交互式时间线，支持缩放拖拽搜索，整个春秋战国到汉初的历史脉络一张图看清楚

（3）Butler AI Agent 自主维护——一个 AI Agent 持续跑了 12,000+ 轮自主更新 Wiki，不是人工录入，是 Agent 在干活

（4）矛盾检测——史记里前后记载有出入的地方，系统能自动检测出来，学术研究用这个太香了

背后的方法论也很牛：本体不是专家预先设计的，是从文本数据里"自下而上涌现"出来的，迭代速度从数周一轮压缩到数小时一轮。作者还出了两本 PDF 方法论手册，合计 863 页。

历史爱好者、做内容的、研究 AI 知识工程的，都值得去看看。

在线访问：https://t.co/Z9JoCt7KLU

GitHub：https://t.co/ARvGphJfU2

好东西转给需要的兄弟。🚀

#史记 #AI知识图谱 #开源 #老杨啊分享

[Dr. Moyu｜摸鱼局长 @Jason23818126]

散户投研的外挂来了

Serenity @aleabitoreddit 白毛股神爆火，核心不是追龙头，而是找供应链瓶颈

我把 GitHub 上能找到的 Serenity 风格 Skill 全部挖了一遍，整理出这 10 个仓库

装进 Claude / Cursor / Codex 后，你的 Agent 就能直接套用这套框架做产业链拆解、卡点定位、标的初筛和 thesis 验证

1/ 核心方法论蒸馏版

完整复刻供应链瓶颈分析流程
热点拆链 → 找卡点 → 筛公司 → 核证据 → 排优先级

https://t.co/2bQRCVextr

2/ 推文 archive + Skill 版

基于 Serenity 公开推文和观点���理，带 ticker 知识库和周期跟踪，适合持续跟进她的最新焦点

https://t.co/As2GoNZVYF

3/ 多版本辩论融合包

融合 Serenity 和其他交易 / 研究思路，让 AI 从不同角度碰撞同一标的，适合做多视角 thesis review

https://t.co/tuIOkNt5td

4/ Alpha 假设生成版

适合把市场新闻转成可验证的 alpha 假设
新闻 → 需求变化 → 财报映射 → 小盘弹性 → 验证路径

https://t.co/5doTSGCjl0

5/ 0xAgata 粉丝精炼版

轻量、直接、好上手，适合快速体验 Serenity 式供应链瓶颈研究

https://t.co/D919U8m3rp

6/ W-Y-P 完整框架版

基于大量公开内容蒸馏出的投资框架 Skill，通用性强，适合做系统化产业链研究

https://t.co/rZn5hQDEaX

7/ LeslieYeo 深度资料版

包含 Serenity 思维框架、表达风格、投资决策、外部评价、时间线等资料，更像完整 persona + research framework

https://t.co/iGwdeFukLP

8/ ZadAnthony 中文 Claude Skill 版

面向 Claude Code 的中文 Skill，聚焦 Serenity 供应链卡点逆向投资方法论，中文用户上手很快

https://t.co/zV6h0sNPXq

9/ A股卡脖子选股版

把 Serenity 的 chokepoint / bottleneck 思路迁移到 A股场景，更适合做国产替代、设备材料、上游卡点筛选

https://t.co/tLcG5GDqrc

10/ AI 基建 / 半导体供应链分析版

面向 Claude Code 和 Cursor 的 AI infrastructure & semiconductor supply chain analysis skill，适合拆 AI 硬件、光模块、半导体设备材料等链条

https://t.co/aNSqe1JZ1v

Serenity 这套方法的价值，不是让 AI 直接告诉你买什么

而是逼你用更机构化的方式去问问题

这个环节是不是刚需
扩产是不是很难
认证周期是不是很长
供应商是不是很少
下游巨头是不是绕不开
财报里有没有验证
市场是不是还没 price in

装上这些 Skill，相当于给 Claude / Cursor / Codex 配了一个 24h 在线的供应链���究员

最后提醒

股市有风险，以上内容仅供学习和研究参考，不是投资建议
Skill 是研究工具，不是印钞机
仓库代码和具体标的都请自行 DYOR

[Jealousy 尼卡 @eastweb3eth]

Serenity 白发女股神 Skill

最近 Serenity 绝对是美股赛道热度最高的人物。原因还是因为其有极强的能力。

这个库把 @aleabitoreddit 全部推文观点蒸馏后做成的skill。安装好以后，你就可以跟它对话。它可以替你用 Serenity 的思维框架来分析股票、拆解供应链，就像 Serenity 成为了你的私人股票投资助理。

让 AI 用 Serenity 式投研方法，筛出上涨逻辑更清楚的股票和基金方向。

仓库：https://t.co/bsrfnqiWvS

最后，还是风险提示，股票投资是有风险的，大家购买之前一定要DYOR~

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～

[LKF @LKF182149]

@aleabitoreddit @rosyprosperity

[LKF @LKF182149]

@aleabitoreddit Any books recommend for your supporters to read?