Langlands operator

[爱吃折耳根的Ace @_zheergen]

兄弟们！我们搞量化交易的就该看看这份资源合集的

paperswithbacktest 整理的 awesome-systematic-trading，把系统化交易相关的工具、策略和学习资料集中收录了。

主要内容包括：

1️⃣ 97 个库和工具（回测、实盘、指标、数据处理、机器学习等）
2️⃣ 40 多套机构和学术圈用过的策略
3️⃣ 55 本相关书籍，覆盖入门到进阶
4️⃣ 23 个视频教程和一批博客、课程

整体覆盖了从找工具、学策略到实际开发的多个环节，适合想系统学习量化交易的人作为参考目录。

对做策略研究、回测开发，或者想少走弯路的量化交易者来说，这份列表整理得比较全。

别光收藏不看。

[袋鼠帝 @aikangarooking]

仓颉Skill网页版来了！一键蒸馏任何书/视频。我也找到了一个Skill变现的新思路，一并分享给大家～

GitHub 4.5K Star！我开源的仓颉skill（cangjie-skill）火了。
我算了一下， 全网视频+文章曝光已经超100万了（说明需求很大）。
它干的事很简单：蒸馏所有值得蒸馏的高价值内容，比如把一本书、一个视频/播客，蒸馏成AI Agent能直接用的Skill，让Agent真正带着这些方法论干活。

不过，评论区和GitHub issue里问得最多的是，能不能给个在线入口？或者到底怎么用？
甚至还有朋友不知道在哪里获取开源的仓颉skill
确实，想用仓颉skill，你得先解决网络问题，把仓库拉下来，再琢磨怎么安装进本地Agent里。

对不懂技术的朋友来说，光是clone这一步可能就劝退了一大半。

然后我搞了个网页版，在天工超级智能体上线了一个专家：
袋鼠帝·内容蒸馏专家（图3）

同时，专家每被调用一次，我也能获得一份收益分成，大家最近都在讨论的Skill 变现问题就这样被跑通了，想要Skill变现的朋友也可以参考这个方式～

这个专家底层就是cangjie-skill的完整能力，但你不用碰GitHub、不用装任何东西。国内直接打开网页就能用，完全零门槛。

体验地址见评论区👇

使用方式也很简单，上传你想蒸馏的内容（文件、视频），甚至还能直接给网页链接（图4，我给的Codex文档链接），剩下的交给它。
三步搞定：
1、打开体验地址，进入袋鼠帝·内容蒸馏专家。手机电脑都行，页面就是普通的对话界面，会打字就会用。

2、上传你想蒸馏的内容。可以是一本书的PDF/PPT，可以是一篇长文，也可以是链接。不只是读书，网课、行业报告、大佬访谈，只要是你觉得有价值、又没时间学都能丢给它。

第三步，模型建议选DeepSeek V4 Flash，然后告诉它你的要求，比如：把这本书蒸馏成一个skill。等它跑完，你会拿到一份结构化的skill文件。书里的方法论、案例、关键判断，全部被提炼成AI可以调用的知识。整个过程不用懂任何技术，等着"收菜"就行。

拿到蒸馏的Skill能干嘛？装进CC、Codex、天工等Agent里，AI就算读过这本书了。你问它问题，它会用书里的方法论回答你，而不是泛泛而谈。

相当于给你的AI请了一位领域专家。而且Skill可以复用，蒸馏一次，任何Agent都能带着这份知识跑。

以后技术书、内部文档、项目规范、研究论文， 都可以变成你自己的 Skill 库。普通人还在收藏 PDF。会玩的人，已经开始把知识变成 AI 能反复调用的能力了。

[爱吃折耳根的Ace @_zheergen]

这可能是目前最完整的Python量化交易入门教程了

遇到一位真正把 Python 量化交易从零到一讲透的老师。

我问他，完全没有编程基础、也没有金融背景的人，能不能真正写出一套能跑通的量化回测系统？

他不仅给了肯定的回答，还亲自录制了这支时长约 3 小时 的完整实战教程。

他从零开始，一步步手把手教你完成：

1️⃣环境搭建（Anaconda + Jupyter）与基础语法
2️⃣批量下载股票数据、数据清洗与归一化对比
3️⃣简单收益率 vs 对数收益率的核心区别
4️⃣风险收益指标、协方差、最大回撤计算
5️⃣手写双均线策略（做多+做空 & 仅做多）
6️⃣把整个回测逻辑封装成可复用的面向对象类（SMABacktester）
7️⃣最后接入 Alpha Vantage API，为后续实盘打基础

这不是半成品代码演示，而是真正完整的 Zero to Hero 路径。只要跟着敲一遍，就能掌握量化数据处理和基础策略回测的全流程。

时长虽然有 3 小时，但非常值得一看。

建议直接收藏，回家安静保存着慢慢看，认真跟着做一遍，收获会远超预期。

[开发者Hailey @IndieDevHailey]

开源神器Toonflow让小说秒变AI短剧，2小时出片！

把小说或剧本丢进去，AI自动完成编剧、分镜、角色设计和视频生成。无限画布自由调，三层Agent协作+本地记忆，全流程不卡壳。

跨平台桌面端，本地部署，低成本批量生产。2小时出2分钟短剧，总成本才130左右。目前11.9k+ star，创作者效率大大提升。

[智见AI-大鹏 @zjp1997720]

卧槽，兄弟们，在codex、WorkBuddy里面用Gemini 3.6 Flash真的太爽了！

刚刚让他自己调研，然后做一个这个模型的介绍页。从调研完成到网页做完，之间大概只隔了一两秒。网页是瞬间打开的！！！

吞吐量基本上快达到300 token每秒了！所以我在Codex里面也配置好了。当做GPT 5.6 Sol的worker岂不是很爽！

完全可以使用我开源的这个Codex Multiagent skill去配置：https://t.co/3BS4cZBD3j

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

隆重介绍一下 Skill 之王 meta-skills！

顾名思义，也就是用来创建所有 skill 的 skill。

你可以直接说出你的需求，用它从 0 设计并初始化 Skill。

同样，你也可以用它来维护和优化现有 Skill，根据过往的历史对话吸取经验和教训。

每次我和 AI 对话完，都会用 meta-skills 总结这次工作的得与失，并迭代相应的功能 skill。

希望对你有帮助，欢迎反馈~

已开源，链接在评论区。

[Amto @XAMTO_AI]

科研场景下的AI工具，最烦人的往往不是模型能力不够，而是平台限制、付费墙和模型绑定。

OpenScience 想把这层束缚拆掉。它是YC孵化团队推出的开源AI科研工作台，定位是给一个研究目标，它能跑完从文献检索、假设生成、写代码、跑实验、数据分析到论文撰写的全流程。

所有操作在一个浏览器工作空间里完成，带文件树、编辑器、终端和实时可视化。

模型自由——支持Claude、GPT、DeepSeek、GLM、本地Ollama等，想切哪个切哪个，API Key本地直连，数据不经过第三方。

技能库——290多个科研技能包，30多个科学数据库（UniProt、PDB、arXiv等）可直接调用，覆盖机器学习、计算生物、化学信息学等方向。

安装成本——终端一行 npx synsci 就能打开，Apache 2.0开源协议。

相比Claude Science这类平台工具，它确实打开了更多可能性——模型不锁死、数据不上云、没有用量焦虑。

https://t.co/fNggRsUvUm

[Amto @XAMTO_AI]

面试前摸清公司底细，天眼查方便但想看完整信息得付费，自己手动搜又太费时间。

Agentic Company Researcher这个开源工具能帮你省掉这些麻烦。输入公司名称，一键就能生成一份结构清晰、信息密度高的研究报告，拿去准备面试完全够用。

它的工作方式是多智能体分工协作，几个AI各司其职，从官网、新闻、财报这些渠道自动扒资料，然后通过Gemini和ChatGPT两个模型配合做筛选、归纳、整合。

试了下搜一家做AI工具的公司，几分钟就出了份完整报告，业务方向、融资轮次、竞品格局、近期动态全有，直接导出存本地了。
用Tavily来过滤噪音保证信息质量，前端实时显示进度不用干等，报告还能直接下载。不错不错

https://t.co/UABs75aivW

[Gas留在链上 @cevenif]

让AI自己去网上查资料，这事比你想象的要麻烦得多。Twitter的API要钱，Reddit会封服务器IP，小红书不登录不让看，B站的反爬一套接一套，光是搞定一个平台就得折腾半天。

后来有人做了个叫Agent-Reach的开源项目，把这些平台的读取和搜索统一封装成一套命令行工具，不用官方API也不用花钱，一条命令装完就能用。它不只是把工具堆在一起，而是做了一层路由——每个平台都配了好几条路子，首选不行自动切备选，你不用管底层换没换。目前GitHub上已经快5.8万星了。

装完就能直接用的有网页阅读、YouTube字幕、GitHub仓库、RSS订阅和B站搜索。想解锁Twitter搜索、Reddit帖子、小红书笔记这些，跟Agent说一声"帮我配XXX"，它会一步步告诉你怎么操作。还带了一个doctor命令，跑一下就知道哪个接口通不通、不通的话怎么修。所有后端工具都是开源的，不花钱。只有一种情况可能要花一块钱美金——把服务部署到服务器上做代理的时候。

🔗 ：https://t.co/osN4ZzbjMY

[Indie Fox @indie_maker_fox]

朋友们，新概念 gragh engineering 来啦

感觉不是什么新东西，就是换了个说法，我们一起来消化下

prompt engineering （提示词工程）研究的是如何写个高质量的提示词，让模型输出更好的结果

context engineering （上下文工程）研究的是给模型看到哪些上下文信息，让模型输出更好的结果

harness engineering （驾驭工程）研究的是如何给模型套一个运行环境，让模型更好地完成任务

loop engineering （循环工程）研究的是如何让模型能够自动地长时间持续运行，且更好地完成任务

那 gragh engineering （图工程）是干嘛的？

最早我们理解 Agent 运行都是个简单的 while 循环结构的 agent loop，今年兴起的 loop engineering 其实就是在循环外面再套个 loop，也就是父循环套子循环，减少人工干预，让 agent 自己感知环境变化，持续执行，直到完成目标。

但是，实际场景中可能需要多个 agent 并行在跑，而且互相之间有所依赖，并非 while 循环的结构这么简单，对应计算机里面的概念就是图，Gragh。

这个 Gragh 是个有向图，某个 agent 跑完可能结果就要给到另一个 agent 继续处理，所以是个有向图 Directed Gragh。

注意不是 DAG（有向无环图），因为实际场景可能是有环的，某个节点处理完了可能会回到原来某个过去的节点继续。

这个其实更像是 FSM（有限状态机），它是一种图，让模型在一个图中的各种状态间切换，持续执行，直到到达目标。

最近有个大任务思来想去其实就是构建一个 FSM，前面的 agent 处理完成给到后面的 agent，但是后面处理完发现有问题可能又回到前面的 agent。

所以，不是什么新概念，确实是目前工程化阶段走到这里了，需要用图来描述和解决真实场景里面的问题。

[阿泽 AZe @Chenzeze777]

强烈推荐这个 skill，把你的项目文件夹丢进去，AI 自动把所有代码、SQL、文档、配置文件的调用关系串成一张知识图谱，想问什么直接问

用了 graphify 之后，我才发现原来接一个十万行的老项目不需要通宵读三周代码。问一句支付模块的完整调用链是什么，它连 SQL schema 到前端按钮全给你拉出来

https://t.co/z3bD7RREo5

[0xCrypto Tied @CryptoTied]

🚨卧槽！用 Fable 搭出来的“第二大脑”也太强了

Wes Roth 分享了他用 Fable 构建的终极 Second Brain 系统，并感叹“为什么我现在才开始做”。

视频里展示了一个高度可视化的知识图谱：AI 自动把文章、视频、笔记进行整理、链接、更新，形成可查询的 Wiki。他只需要不断喂入内容，AI 负责维护整个知识网络，并支持研究、复盘和内容创作。

核心价值：
→把传统手动整理笔记的方式，变成 AI 驱动的自动知识图谱
→结合 Obsidian + Claude Code + Fable，实现真正可用的第二大脑
→搭建流程被简化到“一个下午就能完成”

对想用 AI 系统化管理知识、提升内容创作和研究效率的人来说，这个演示很有冲击力。

[雪踏乌云 @Pluvio9yte]

强烈推荐这个skill，通过问答的形式把你不确定的每个点都榨干，最后出一版事无巨细的规划

用了grillme之后，我才发现原来有那么多需求是我跟ai没有聊透的

https://t.co/3OYDl85Sxx

[Nora X @NoraX2026]

近日，北京一大厂员工被裁，拿到了56万赔偿。其媳妇太兴奋，在某平台发图分享喜悦，结果截图里公司名称没打码。

等发现删帖的时候，已经被网友截图传遍。现在公司、部门、姓名全被同事扒出来了。

[Bandit and Bluey｜冠名就上薪火 @McGrady8898]

文章写的太好了，基本上是我们这种量化爱好者的起步必经之路！！

[AI 工具派 @GongJuPie]

ChatGPT有个隐藏模式叫'无限私教'，能在3小时内从零教会你任何技能。

这是8个超实用的提示词。

[魏一刀 @ChangS84493]

安装 Skill 的卖家，可能要集体失业了。

我发现一个网站，直接收录了上万条 AI Skill。

程序开发、日常办公、设计、内容创作、自动化流程，基本都能找到现成的。

最狠的是：
它不只是给你一个名字。
很多 Skill 还配好了安装说明。
以前小白想给 AI Agent 加能力，最容易被卡在两步：
不会找。
不会装。

所以才有人靠“代安装 Skill”收钱。

但这个网站出来后，很多事情就变了。
你想让 Agent 会写代码、做表格、处理文件、生成内容、自动化办公，先别急着花钱。

先去这里搜一下。

很可能别人早就把 Skill 整理好了，安装步骤也写好了。

以后 AI Agent 缺能力，不一定要找人买。
先来这个网站翻一圈。

[LanfAI @Huahuazo]

华尔街的量化圈其实早就悄悄用上了一款微软出品的利器，只不过大众市场还鲜有人知。

Qlib 低调潜伏了好几年，没有铺天盖地的宣传，却一直在专业量化团队的手中稳稳地跑着。

这可是微软研究院的正规军作品，跟GitHub上那些个人玩具级别的开源项目完全不是一个量级，是真正扛得住生产环境考验的硬核框架。

从最底层的因子挖掘，到模型训练、回测验证，再到实盘上线，整条链路给你安排得明明白白。

它的核心战力主要体现在这几个维度：

1️⃣ 内置SOTA模型矩阵——LightGBM、Transformer、TabNet、HIST、IGMTF、KRNN等前沿模型即插即用，根本不需要你从轮子造起

2️⃣ 全链路闭环——数据清洗、特征工程、模型训练、回测、组合优化、实盘部署，覆盖全生命周期

3️⃣ 动态市场自适应——金融市场永远在变，框架内置Concept Drift机制持续跟随，绝不是训练完就一劳永逸的静态模型

4️⃣ 高频场景支持——1分钟级K线照跑不误，高频交易策略同样能驾驭

5️⃣ 集成RD-Agent——让大语言模型自己去挖因子、做优化，微软已经在探索AI自动化量化研发这条路了

架构设计上藏着几个关键心思：点时间数据库专门用来防止未来数据泄露——很多人回测出来的漂亮收益曲线，其实都栽在这个隐形大坑里。模块之间松耦合，用不着整套端走，哪个模块对胃口就拿哪个用。模型还支持滚动更新，上线之后照样能持续迭代。

安装相当友好：一条pip install pyqlib搞定，Python 3.8到3.12全系适配，官方Docker镜像也给你备好了。

GitHub上45.6k星、7.3k fork，这数据本身就已经说明问题了。
🔗 https://t.co/FbVXSgXAbx

[Crypto陈生 @SusChan0x]

分享一个开源选股神器！自动AI分析自选股 ZhuLinsen —— LLM驱动的多市场股票智能分析系统，A股/港股/美股/日韩台全覆盖！每天自动给你：
· 专业决策仪表盘（评分、趋势、买卖点、风险提示）
· 实时新闻 + 舆情分析
· 多源行情 + K线 + 技术指标
· 企业微信/飞书/Telegram 等推送
支持零成本 GitHub Actions 定时运行，也能本地/Docker部署，超适合个人投资者和量化爱好者！
直达地址：https://t.co/Lv8zXavjow自选股分析从此解放双手，每天早上醒来就有AI报告，爽！#股票分析 #AI选股 #DailyStockAnalysis #开源神器

[GitTrend @GitTrend0x]

Hermes插件又进化了！这次是 SRE自愈 + 链上风控 + Agent社交三连杀！

Lethe044的Incident Commander生产自愈，beiyuii的Personal API身份层、rugpullnet的Solana Rug链上检测、0xAaronx0的PingPong Agent本地社交、Moshe-ship的Hurmoz阿拉伯63技能包……全网玩家把Hermes玩成了下一代「24/7运维守护神 + 专属第二大脑 + 链上安全哨兵 + 去中心化社交网络 + 阿拉伯文化技能专家」：

1️⃣ Lethe044/hermes-incident-commander（https://t.co/qoxfaVHPQ7）

生产SRE自愈插件，监控+诊断+自动修复。
“24/7运维守护神上线”！

2️⃣ beiyuii/personal-api-skill（https://t.co/jePeh6gIyR）

Obsidian秒变AI身份层，30秒打造专属知识库。
“你的第二大脑插件”！

3️⃣ rugpullnet/solana-rug（https://t.co/7k78D3M2AV）

13因素链上rug检测，无需API Key即用。
“Solana安全哨兵”！

4️⃣ 0xAaronx0/pingpong（https://t.co/4G7pb1OPuz）

Agent自发本地社交，双向确认匹配聚会。
“去中心化Agent社交网络”！

5️⃣ Moshe-ship/hurmoz（https://t.co/R5NTGv37BU）

阿拉伯语优先63技能包，伊斯兰工具+方言NLP全覆盖。
“区域化文化技能专家”！