shryze

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

比尔·阿克曼是一位美国亿万富翁和对冲基金经理。

阿克曼要求新员工阅读 11 本书，以提升他们的投资能力。

这里有 11 本能提升你投资水平的书（外加 1 本额外推荐）：🧵

[Bill The Investor @billtheinvestor]

Anthropic 团队把构建带记忆 AI Agent 的门槛，从几百美元的课程直接压到了 24 分钟。不需要理解复杂的底层架构，直接用他们官方提供的免费方案，你就能在不到半小时内跑通一个具备长效记忆的自动化流程。

这不再是所谓的‘氛围编程’，而是实实在在的生产力平替。建议先收藏这个流程，作为你构建自动化工作流的底座。

[Arb_知微 @queen_nunaa]

对于量化研究员来说，华尔街对冲基金开出的年薪十分诱人，通常在20万至65万美元之间。

近期，Jane Street的一名量化交易员，在YouTube上分享了一条50分钟的视频，完整梳理了量化学习的全流程路线图，还隐含了Polymarket等实操场景的相关技巧。

建议你收藏好，今天就抽时间看完，相较于X上那些夸大其词的“神奇公式”文章，这条视频更具参考意义，也更值得你花时间去钻研。

[Movez @0xMovez]

Jane Street pays $750k/ year for quants who can answer how to use Stochastic Process and Markov Chains in quant trading.

This 1-hour MIT lecture on probability gives you the same insights quants get paid $60K/month for.

Bookmark & watch today. Then read the article below.

[bodila @51bodila]

Jane Street hired this junior at $220k-$600k /year because he uses AI to analyse TRILLIONS of data

in this 1-hour lecture - he show how to research trillion of data points thanks to his machine

Bookmark & watch it, instead of Netflix to learn how to do the same!

[币世王 🦅 @0xKingsKuan]

开源 DESIGN.md 神器让 AI 设计大跳跃🚀

https://t.co/vcqb7tL1zf

这是来自顶级产品的 2000+ 𝗗𝗘𝗦𝗜𝗚𝗡.𝗺𝗱 神器，随便挑一个风格丢进你的 repo，你的 AI 就能瞬间读取：
颜色方案、排版规则、间距系统、组件规范全拉出来、设计一致性直接拉满、Claude Code / Cursor / Lovable / Bolt 用户必备。

100% 免费，用了就回不去了 😭

[Tom Huang @tuturetom]

正式开源 open claude design 🚀 超 95% 以上的还原度！

浓缩和逆向所有 claude design 最先进的设计，最好看的模板💥

历时 72 小时，18700+ 行代码，30+ 设计 Skills，支持超过 71 套 设计系统，支持所有的 code agent，包括 claude code、codex、openclaw 等 🔥

[郭宇 guoyu.eth @turingou]

今天非常高兴和大家正式介绍并开源我的第 14 款 vibe 产品 https://t.co/EEvBOgiCmu

它的理念很简单，让世界上所有人，都能在 AI agents 团队的帮助下，从零创办或接管任何组织，围绕用户的核心意图，持续自动化地运营一人公司。

为了实践这种理念，wanman 必须设计的尽可能简单，不需部署，不用买 mac mini，不用操作复杂的权限，只要打开网站，输入想法，即可运行。

wanman 有两种工作模式，第一种是从故事目标自治运行，它会分析目标，规划任务并邀请 AI 员工，自动开会并对齐目标，每个虚拟工作日结束后，wanman 会主动进行创意发散，从而保持任务持续运行。

第二种是 wanman 接管（takeover）目前支持任何 GitHub 仓库，它会分析代码仓库，围绕目标进行自动优化和测试，在持续运行的基础上，不断提交代码到远端仓库。

无论哪种工作模式，wanman 都会运行到目标达成。它和许多流行的 harness 产品相似，均支持：agents 消息通信、自进化 skill、沙箱隔离环境运行、多模型架构等功能，和其他产品不同的是，wanman 的设计哲学是，让人类用户退居二线，仅作 AI 团队的观察者。它的核心架构和组件已在 GitHub 开源：https://t.co/fVswg8vvAn

从现在开始，任何用户都可以登录 https://t.co/EEvBOgiCmu 免费体验，目前支持授权 codex 使用，未来会逐步支持多模型授权与自动调度。

这是我今年以来开发最久，也是最重要的产品之一，为了开发 wanman，我做了 sandbank cloud，chatben，tuwa 等基础设施，这些产品的 vibe 经验，最后都成了 wanman 的一部分代码。

wanman 的命名来自于日语的 one man（ワンマン）的罗马音，在日本的乡间，经常能看到ワンマン電車在田野中悠然自得地穿行，我相信在不久的将来，也会有许多人使用 wanman 创建自己的ワンマン会社。

祝大家都能借助 https://t.co/EEvBOgiCmu 告别创业的烦恼，享受创造的乐趣！

[paulwei @coolish]

今天我把近6年BTC历史交易数据，开源到Github了：
https://t.co/Ukhd9Gt8te

2020年5月1日至今4万多条订单，17万多条成交明细，
两轮完整牛熊2000多天日夜博弈，全在这套数据里。

AI时代，最宝贵的就是上下文。
你在整个互联网，可能都很难找到这种等级的
真金白银二级市场交易上下文数据，任你下载使用。

去年11月，我把Bitmex只读Api Key公开一两周时，
还没龙虾，就少数网友vibe了一些数据分析、产品。
比如：
@WeWill_Rocky 做的 https://t.co/De723I3ukG
我自己做的交易时光机：https://t.co/3lIVpxBfGL
当时其他一些相关内容：https://t.co/O6iIV9KbQ0

现在更多人有了龙虾、爱马仕，
把个人二级交易真金白银数据喂给AI Agent这件事，
门槛大大降低，更多人能做了，也有了更高的含金量。

所以秉承Open Intelligence理念，
我想向这个混沌的世界贡献自己的减熵Legacy，
在Hermes-Agent的帮助下，
开源了这个数据仓库，
后续可能尝试自动化定期更新。

只要把这个Github网址
https://t.co/Ukhd9Gt8te
发给你的龙虾爱马仕，就能指挥它做任何角度的分析，
很好奇，大家对这样一份数据，
能炼化出些什么奇趣的角度？
希望能在后续看到一些有趣的回响。
Happy vibing & Happy birthday to myself

[Bitturing @Bitturing]

创业路上，最难的不是执行，
而是系统学习融资、管理、产品这些核心能力。
网上信息太碎，很难拼成完整框架。

我在 GitHub 挖到一个宝藏资源库：awesome-ceo
🔗 https://t.co/mLGPAZXOCL

覆盖 8 大模块：
融资 / 产品 / 销售 / 营销 / 管理 / 招聘 / 财务 / 创业
内容来自 YC、a16z、Sequoia 及一线创业者。

[数字生命卡兹克 @Khazix0918]

https://t.co/nnEQCW6HJr

[GOLD @Honcia13]

华尔街花300万训练的金融AI，
普通人现在0成本就能白嫖！

FinGPT来了——
AI4Finance基金会又一个重磅开源项目，
直接把“金融大模型”从机构专属变成了人人可用的工具。
它和BloombergGPT的区别简单粗暴：
Bloomberg砸300万刀从零训一个模型，
而FinGPT只在开源大模型上用LoRA轻量微调，
每次迭代成本不到300美元，还能每周更新最新金融数据！

目前19k+ Star，NeurIPS 2023正式收录，不是野路子，是真硬核。

核心五层架构一目了然：

数据源层：实时抓取市场资讯
数据工程层：NLP处理海量高频金融数据
大模型层：针对时效性做高效微调
任务层：严格基准测试
应用层：直接上线生产环境

最亮眼的几个能力：
FinGPT v3情绪分析：一张RTX 3090就能跑，
准确率直接干翻GPT-4微调版，FPB数据集F1得分0.882
FinGPT-Forecaster：
输入股票代码和时间范围，就能综合新闻+行情给出走势预测，HuggingFace有在线Demo
FinGPT-RAG：检索增强，让情绪判断更有深度和上下文支持Llama-2、Qwen、ChatGLM2等主流基座，你甚至可以做RLHF个性化微调，训出只属于你投资风格的私人AI投顾。它能干的事儿太多了：

金融情绪分析、新闻分类、命名实体识别、金融问答、报告摘要……
连中文金融考试评测（FinEval）都支持。

更良心的是开源数据集：76.8K条情绪分析、82.2K条标题分类、17.1K条金融问答，随便拿去练手。为什么这个项目牛？
因为金融市场一天一个样，模型必须低成本快速迭代——FinGPT完美解决。
它把华尔街级别的金融AI能力，真正民主化了。
和他们之前的FinRobot是绝配：FinGPT做底座大模型，
FinRobot做上层智能Agent。
想在AI时代不被金融信息碾压的朋友，

这个项目必须星标+收藏！
GitHub：https://t.co/2iY1SsDY0j

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

帆书、微信读书、京东读书、喜马拉雅上的电子书，这个仓库基本都有。

ebook-treasure-chest，GitHub 9000+ 星，目前最全的中文电子书下载索引库。

每本书提供三种格式：epub、mobi、azw3，Kindle、手机、平板都能看。

分类覆盖：

- 文学（2711 本）、历史（1748 本）、科普（743 本）
- 管理、经济、社会、推理、经典
- 职场、创业、投资、心理学、技术手册

还有在线搜索页面，输入书名或作者实时匹配，支持多关键词搜索：
https://t.co/AfXyGCwBhZ

不想翻页的话直接 Ctrl+F 也行。

以前花几百块开的读书会员，现在可能用不上了。

[sitin @sitinme]

现在很多人在用Claude Code ，但大部分人其实只用到了它很小一部分能力。

GitHub 上有人专门做了一个项目，把 Claude Code 怎么用、怎么配置、怎么选工作流，全部整理成了一份系统化的指南，叫 claude-code-best-practice，

目前已经 3.2 万 Star 了，连 Claude Code 的创造者都在推特上多次引用。

干的事情很简单：把 Claude Code 的各种使用技巧、工作流、配置模板，系统化地整理成了一份完整指南。

目前收录了 86 条以上的实战技巧，不是翻译官方文档那种，而是社区真实踩坑后总结出来的经验。

Agents、Commands、Skills、Hooks、MCP Server、Subagents，每个模块都有现成的模板，Clone 下来直接往自己项目里搬就行。

我觉得最有价值的是它做了一个主流工作流的横向对比。Everything Claude Code、Superpowers、Spec Kit、Get Shit Done 这些热门方案，每个的侧重点、Star 数、核心特色都标得很清楚。

简单说就是：追求代码质量选 Superpowers，追求速度选 Get Shit Done，想要全家桶选 Everything Claude Code。

还有个 Hot Features 表格，实时追踪 Claude Code 最新的 Beta 功能，比如云端规划 Ultraplan、后台自动权限确认 Auto Mode、macOS 屏幕控制等等。

[loonggg @KengGuangLong]

最近读到一篇很有意思的文章，作者是腾讯云开发者，一位很早就开始拥抱 AI 的开发者，付费用过的产品超过十几款，前前后后花了上万块。他把自己这一年折腾 AI 的经历、工具和思考都写了出来，读完确实有不少启发。

先说工具层面。他围绕 Mac 搭了一套高效的工作环境，核心是 AeroSpace 做窗口管理、Raycast 做快捷启动和剪贴板管理，再加上 Ghostty 终端和一堆命令行工具。最有意思的是他自己开发了一个叫 Cockpit 的仪表盘，专门用来同时监控多台机器上跑着的 AI Agent 状态，防止某个 Agent 卡住了自己还不知道。

然后他聊到怎么把 Agent 用好。他梳理了一条演进路线：从最早的 Prompt Engineering（写好提示词），到 Context Engineering（管好 Agent 能看到的所有信息），再到 Spec-driven Development（先写清楚需求契约再让 Agent 动手），最后到 Harness Engineering（给 Agent 搭一整套约束体系）。OpenAI 有个团队就是用 3 个工程师、5 个月、完全零手写代码，靠搭建这套"缰绳"体系做出了百万行代码的产品。核心比喻特别形象：Agent 是马，Harness 是缰绳，马跑得再快，没有缰绳就只会横冲直撞。

最让我觉得有价值的是他关于"让 Agent 替我学习"的思路。他发现现在技术迭代太快，传统的手动收集、整理笔记的方式已经跟不上了。所以他搭了一套 Agent 工作流：AI 每天自动从十几个信息源抓取新闻、转录播客、提炼最佳实践，然后把这些知识沉淀到 Agent 自己的技能库里。等到真正干活的时候，这个 Agent 已经是一个吸收了最新方案的"武装版"了。他甚至让 Agent 帮他打 Kaggle 比赛，春节旅游期间远程托管，4000 支队伍里最高冲到过第六名。

文章最后他也很坦诚地说，写这篇文章本身就是最"不 AI Native"的事情，因为这些内容完全可以让 AI 来整理。他还引用了 Karpathy 的"Jagged Intelligence"概念，提醒大家 AI 的能力分布跟人类很不一样，最好的办法就是持续使用、慢慢建立直觉，把 AI 当成一个无话不谈的好朋友，越了解它，协作起来就越顺畅。

原文地址：https://t.co/vj6t3h62U6

[HK•L_牛英俊 @abyssofgambling]

终于看到一个我查证过的用 Claude Code + Binance Skills 赚钱的案例。
@lanaaielsa
🔸8天实现了100u到4.8wu的480x收益。

大概策略（meme/AI 题材里流量热度高、正费率、OI 数据不错的妖币 → Claude 抓取 + 固定 200U 小止损 + 收资金费）
但是通过查看所有交易数据得到结论，转折点siren非常关键，直接促成容错资金从100—5000。天秀开局。
有其他跑策略的人天崩开局连续止损的分享出来让大家放心一下的吗？
ai跑合约这套玩法的核心配置是不是眉逼。

#Claude #AI交易 #Binance #合约策略 #妖币 #ClaudeCode

[摸鱼巨匠🔨 @SunNeverSetsX]

关注这些优质 AI 博主和优质资讯源，从此你不再有信息焦虑

一、优质AI博主推荐（排名不分先后）
1. 雪踏乌云 @Pluvio9yte
技术大牛。分享 AI 实战和出海知识的干货达人，各种《Hermes Agent 从 0 到 1 教程》、《Harness Engineering 驾驭工程》质量都非常高。

2. Rachel @Zesee
前微软和亚马逊员工，现 AI 营销平台创业者。不仅分享很多 AI 实用干货，也分享 AI 产品的开发过程和行业洞察。

3. 柿子 @yaohui12138
AI 产品经理。擅长用产品思维拆解 AI 产品，日常分享AI搞钱实战、编程系列教程以及AI工作流实操等干货内容。

4. 鱼总说AI @AI_Jasonyu
中文独立开发者 + AI 实战内容创作者。专注于 AI 工具实战、出海产品经验、SaaS & APP 变现等内容。

5. Ashlyn @AshlynHe1129
AI配饰创业者。既被何一主动问候并关注，也被竞品高调抄袭，已经充分说明了这个账号的含金量。平时分享个人成长、品牌历程和行业思考。

6. Jason @skaas777
ManuCN AI 社区创始人、AI 创业者。正在进行 365 天开发 365 个项目的挑战，我从他的项目开发中学到了非常多的干货。

7. ServaHuang @servasyy_ai
古早程序员出身。分享 AI 生图、Openclaw 和 Claude Code 实战技巧、AI 出海干货，涵盖的领域非常广。

8. 小将 @nftbanker
欧洲 GenAI 大会主办方、最大的欧洲华人出海社区创始人。如果你对 AI 副业、出海创业、Web3 感兴趣，他的推文是高质量的信息源。

二、优质资讯源推荐
1. Bestblogs
汇集顶级编程、人工智能、产品、科技文章和微信公众号文章，专为开发者提供优质内容。
链接：https://t.co/rc9Eh7dsbv

2. Follow-builders skill
如果嫌 Bestblogs 的信息还是太多太杂，张咋啦老师的这个 Follow-builders skill，精选了 8 个顶级 AI 博客、25 个 Builders 在社媒平台上的关键帖子和见解。
如果不想看完整内容，还可以让你的 Agent 总结摘要，每日/每周给你推送。
链接：https://t.co/KiibJ016XD

3. 由 @Saccc_c 老师精选的 25 个 Tg 频道，点击链接即可一键关注。
链接：https://t.co/MAUzXGVqIw

以上 AI 资讯可能有部分重复，大家可以按需筛选，确保自己有优质的信息源紧跟浪潮！

另外，大家也可以关注一下我 @SunNeverSetsX，致力于挖掘优质 AI 博主和推送 AI 前沿资讯。

[加密韋馱｜Skanda 🔶 @thecryptoskanda]

在这篇妖币量化研究之后，正好赶上这几天妖币大爆发

明显感觉推上讨论更多了，简中区对妖币alpha的认知遥遥领先于其他语种

而且同时也收到了很多同在一线trader的反馈，以下有几条启发我代入测试，并得出了一些有意思的发现：

1. @Arya_web3 羊姐的OI刷量+跨所爆仓

https://t.co/8H4Dhtu1l2

OI大多数都是刷出来的，刷OI成本低，但订单簿几乎没有单笔大单。爆仓主力不一定在Binance

按照这个思路提炼出了跨所间OI集中度和vol/OI这2个数据维度

得出两个结论：
- Binance的OI占比中位数越低，意味着操纵程度越高，V4A这种基于高度操纵特征的策略胜率越高（回测提高了170%）
- vol/OI 高就意味着刷量高。刷量在20x以上的币种，V4A表现最差

这同样意味着所有单纯监控合约交易量或者OI的策略都是不妥的，因为很有可能只是庄故意停刷引诱上车的。

这是一个非常好的潜在筛选标准

另外链上流入流出交易所也是可行指标，基本跟V4A信号同步

2. @wuk_Bitcoin Donato老师的“价OI背离”
https://t.co/916dygydiV

逻辑是价格不断被托着上涨，但是连续数个小时OI大幅单调下降。这个逻辑说明有聪明钱或者内幕在悄悄出货

数据试验了一下，这种状况相当多样本很多，而且更重要的一点：并不依赖于操纵币种和操纵事件，是一个独立出现信号并可以正EV的策略（当然绝大多数回测数据出现是熊市），与我之前的V4A策略重合度较低

当然也有局限性：
1.需要非常紧的反弹trailing平仓
2. 回测带上滑点成本后单笔PNL较低
3. 容易受到OI操纵的影响

3. @CryptoRounder 老师的急速插针+OI骤降
https://t.co/fDXG8GobTA

这个可能是对于V4A策略补充最好的发现 —— 在V4A的操纵币种+操纵区间筛选+插针顶部信号筛选基础上，检测30分钟OI是否出现骤然减少

这个策略的逻辑是，这个位置的价格触发了大量的清算导致OI骤降，因为空单对手盘消失，庄家失去维持高位价格的意愿开始下跌，是一个更确切的顶部信号

让我非常惊讶的一点，是这个策略我即使建立在V4A的顶部确认和操纵周期确认条件基础上，回测居然几乎不重合

经过回测确认，Rounder老师的策略触发要比我之前基于纯K的策略触发快2-4小时

我把Rounder和Donato老师的策略一并加到观察里作为V7和V8

总结一下，目前的三个策略V4A（还分老币和新币正在观察）、V7、V8策略如下图

最后再广告一下：测试你的妖币策略，就来 @Hertzflow_xyz 测试网

[DD 滴滴./ @rtk17025]

基本面有了，那筹码面呢：

底下一样精选一份美股聪明钱（Smart Money）追踪雷达清单给大家参考

涵盖巨鲸持仓、内部人买卖、国会议员交易、黑池大单、异常期权流向

1. 巨鲸底牌：机构持仓与 13F 申报

看华尔街大佬每季的底牌。注意 13F 有 45 天延迟，适合看长线趋势与板块轮动。

WhaleWisdom (最强 13F 聚合器与回测)：https://t.co/bchXnXKnZm

Dataroma (专追巴菲特等超级大咖，免费干净)：https://t.co/FLVfwSFtCg

TIKR (介面清爽，图表化基金持股)：https://t.co/x0gCahwLDt

Fintel (跨数据比对，含做空数据)：https://t.co/nCS7cgKqnl

HoldingsChannel (快速搜「这档股票被谁买了」)：https://t.co/hS0KwhVsyO

13Radar (纯粹的 13F 列表筛选)：https://t.co/uhnDvzEDbE

2. 春江水暖：内部人士交易 (Insider Trading)

高管自掏腰包买自家股票（Form 4），通常是胜率极高的反转讯号。

OpenInsider (免费首选，必看「集群买入 Cluster Buys」)：https://t.co/gaCsbIhio5

Finviz Insider (结合 K 线图看最直觉)：https://t.co/rxAnndBrWD

GuruFocus Insider (追踪大盘内部买卖比例)：https://t.co/dKQBUlj3Xl

SECForm4 (即时追踪高管与 5% 大户动向)：https://t.co/d1DgF2SaMV

3. 合法内线：国会议员交易 (Congressional Trading)

美股最魔幻的风景，跟着国会山庄的「股神」们上车。

Quiver Quantitative (最强另类数据，含议员交易回测)：https://t.co/rnJqZ8Ce7m

StockCircle (介面好读，追踪政客买卖明细)：https://t.co/2Qbqkt5XdW

4. 刀口舔血：期权流向与黑池 (Options Flow & Dark Pools)

短线战场。抓出机构隐藏在场外交易（ATS）与期权市场的异常大单。

Unusual Whales (散户最爱，抓异常期权与黑池神器)：https://t.co/vhLDJKkUp9
WhaleStream (主打黑池 Dark Pool 与大宗交易流向)：https://t.co/gZWocRqdz6
InsiderFinance (期权与黑池数据整合)：https://t.co/bSMZRc1Ph2

OptionStrat (提供免费延迟数据，适合新手测试)：https://t.co/zJkpgvcR0m

BlackBoxStocks (进阶日内交易者专用扫描器)：https://t.co/BGku51Nfo9

5. 综合火力：中文友好与共识平台

不想看全英文或想一次看多种讯号的懒人包。

Growin (中文首选，整合机构与内部人筹码)：https://t.co/QbbLqIpy0F

TipRanks (整合分析师评级与 Smart Money 共识)：https://t.co/UbsujJDgUu

[超级个体｜柿子 @yaohui12138]

去年底在北京饭局上认识个朋友，专门帮AI创业者对接投资人

他说去年靠一份投资人动态表撮合了七八单，每单抽几个点

这份表记着：谁最近在看哪个赛道，谁刚投了什么，谁手里还有钱

但维护这表得养3个实习生，每天手动盯着36氪、LinkedIn、即刻、小红书更新现在这个活，AI已经能干了，而且比人干得更快更准

现在这个活，Lev8直接给你干了

它做的事很简单：把整个互联网变成你的实时人脉情报系统

不是关键词匹配，是理解你真正想找的人

举两个场景你就懂了：

场景一：AI创业者找投资标的，追踪最新的风口

你在做AI Agent方向的投资

以前你得这么干：

翻遍crunchbase找2026年新成立的公司

一个个去看有没有发布产品

再去查创始人背景

最后还不知道邮箱在哪

现在你直接跟Lev8说：

"帮我找视频生成或API网关类的AI创业公司，要2026年成立的新公司，或者正在融资的，别给我那些已经成熟的大厂"

5分钟，结果出来了

不只有公司名单，连创始人邮箱、团队背景、最近产品动态都给你标好了

场景二：中国品牌出海北美找本地化合作伙伴

你是做生产力SaaS的，正在铺北美市场

现在不想只靠投流量了，想找本地化的营销生态合作

你需要四类人：

DTC渠道商或代运营
Affiliate联盟合作方
本地MCN机构
高转化的垂类KOL

以前你得这么找：

去Google搜一堆agency名单，打电话过去发现一半不接你

去LinkedIn搜关键词，结果出来一堆不相关的

找朋友介绍，靠运气

现在直接跟Lev8说：

"帮我找北美的生产力工具代运营商，有DTC经验的；再找几个Affiliate网络的负责人；还有专门做SaaS推广的MCN和科技类KOL，要有真实带货数据的"

Lev8直接帮你扫：

谁最近在帮中国品牌做北美本地化

谁的客户组合里有你的竞品

谁的KOL资源池跟你的目标用户画像匹配

然后把这四类人的决策人、邮箱、过往case全给你标好

这就是AI和传统数据库的本质区别：

静态数据 vs 实时情报

以前的工具，卖给你的是一个"死"的名单

Lev8卖给你的，是一个会主动追踪目标人物动态的雷达

它甚至有个Follow功能：

你可以设置监控规则，当目标人物有关键动态时（换工作/拿融资/发新品），自动提醒你

然后AI还能基于对方最近的动态，帮你生成个性化的破冰话术

不是群发模板，是真正contextualized的开场

这玩意儿要是早两年出来，猎头行业得少活一半人

现在试用窗口期还在，https://t.co/u6PRkEjGiW可以直接体验

如果你正在做销售、招聘、投资、或者自己在创业找资源

花10分钟感受一下什么叫把信息差优势直接拉满

工具代差这个事，真的不讲武德