muce

[Whisper @Whispertgx]

这个skill硕博们必须收藏起来：耶鲁大学 CS PhD、多篇 Nature MI / ICML / NeurIPS 作者 Chen Liu 把他发顶会的做图方法论开源了！

57 套真实论文配图模板直接打包，覆盖柱状图、趋势线、热力图、3D 球体等。它不只是简单的 Python 脚本，而是一套完整的出版级 House Style 规范： 🎨 专业规范：严格的 Helvetica 字体、语义化配色（蓝目标、绿增量、红对比）、去除多余轴线、支持 300-600 DPI 及 SVG 矢量导出。 🤖 Skill 化配置：支持无缝接入 Claude Code、Cursor 或 Codex。装好后给它数据，AI 就能自动按这套顶会标准帮你出图，告别反复手动调参

正在写论文、急需提升图表质感的科研党千万别错过这个skill
👉 GitHub：https://t.co/4mcT2OnwZv

[Miles Ma @miles_mazy]

哥，删了吧，这玩意在市面上至少卖四位数的......

[爱吃折耳根的Ace @_zheergen]

离谱！有人把量化研��整理成了 218 项 AI Skills 和 Agent 资源！

从股票数据、Alpha 因子挖掘、策略回测，到风险监控、自动化交易，整套研究流程都有对应的工具目录。

QuantSkills，2.5K Stars，由 PandaAI 发起的开放量化社区，收录 10 大类量化技能与智能体资源。

以前用 AI 做量化，数据处理、因子研究、回测和风控都得自己找工具，再一点点整合。

这个项目直接按量化工作流程分类，把相关 Skills、Agent 和研究工具集中起来，方便查找、筛选和组合。

核心内容：

1️⃣ 44 项因子研究资源：Alpha 因子生成、机器学习挖掘、因子评价与筛选

2️⃣ 45 项市场分析资源：覆盖 A 股、美股、港股、ETF、期货和宏观研究

3️⃣ 26 项策略交易资源：策略信号、组合优化、回测引擎、交易成本与执行

4️⃣ 22 项风险监控资源：资金拥挤、流动性风险、市场状态和组合压力测试

5️⃣ 30 项��研模型资源：量化论文复现、策略复现、机器学习与实验管理

6️⃣ 15 项 AI Agent 资源：自动化投研、风险监控、交易执行和工作流编排

比较有意思的是，它还提供了可搜索的网页目录，可以按业务分类、运行平台、兼容性和接口状态筛选。

比如想研究 A 股 Alpha 因子，可以先找因子生成工具，再寻找因子评价和回测相关资源，按自己的需求搭建研究流程。

不过要注意，目前 218 项主要是社区资产目录，并非全部已经开放可安装。最新快照仅标记 1 项已发布端点，其他工具需要分别确认可用性。

做股票量化、AI Agent、因子挖掘或者自动化投研的，这份资源库值得收藏！

GitHub：
https://t.co/YSaO5VMMsC

[Gk @0xGky]

本量化交易入门的开源书：《XQuant：人人都是量化交易员》。

不少人想碰量化，可一见金融理论、数学公式加上策略代码就打了退堂鼓，这本书恰恰适合零基础起步。

它打量化交易的基础讲起，每章都配着动手实验，一边学一边写策略、一边跑结果，绝非开局就先灌你一堆公式。

想学量化又摸不清从哪儿下手，不妨先把这本免费的开源书啃起来。

阅读：https://t.co/7CFFWXobM9

[govin.eth | G哥 @goan999999]

卧槽！Codex 又有新外挂了！这次连代码都不用自己翻了！

GitHub 超逆天！开源项目：CodeGraph（colbymchenry/codegraph）【视频有安装教程和使用说明】

实测数据：7 个开源仓库参与测试，Token 消耗平均降低 62%，执行成本降低 44%，工具调用次数减少 88%，部分任务耗时缩短 53%

它能把代码库转换成一张可查询的知识图谱，让 Codex 不再依赖传统的逐文件搜索，而是直接理解代码之间的关联。

它到底能做什么？

以前让 Codex 修改一个功能，可能需要先读十几个文件，再追踪函数、寻找依赖，来回折腾好几轮

现在 CodeGraph 可以提前建立代码索引

快速摸清代码结构，直接查询类、函数和模块之间的关系。

1.精准追踪调用链，知道一个函数被哪些地方调用
2.减少无效搜索，不用反复读取相同文件
3.辅助排查 Bug，快速找到关联代码和潜在影响范围
4.加快开发节奏，减少 AI 探索代码所花费的时间

相当于给 Codex 配了一个随时可以查询的代码地图

不想手动折腾的，直接把这段任务交给 Codex：

帮我将 colbymchenry/codegraph 接入当前 Codex 环境。检查运行依赖和兼容性，完成安装、MCP 配置与代码索引初始化。随后验证代码搜索、函数调用追踪和依赖关系查询是否可用，确保 Codex 能正常调用。不要覆盖现有配置，完成后给出测试结果和日常使用说明

[christina @koto_nemu]

最近因为 GPT 老是写防御性代码，搜集总结了一份 AGENTS.md 大家有兴趣可以放在自己的项目里试试，这个要放在 codex 根目录，会话也要重新开一个才会生效，让你的 codex 帮你配置试试吧。不过个人的 AGENTS.md 的也备份一下

https://t.co/0G6l1E2xcS

[雪踏乌云 @Pluvio9yte]

花了大精力搞的Claude多号方案，光解决好几个apple id注册探索就花了几个小时，索性终于稳定了，没弹出KYC也没封号，把经验记录了下来，照着操作也很快，长文如下👇 https://t.co/0BZCjyYrjv

[muce @ChenZhe30653]

@anyinglonely @EthanW_0520 @dearemon 我说实话
贪污对社会���展不一定是坏事��

[K2 Kai @kaikaibtc]

我把Serenity和Crux这两个美股狂魔，蒸馏成了一个自动投研的Agent

上周我扒了 Serenity（@aleabitoreddit）的 1073 条推文，5 个月 32 倍。

这次我又扒了第二个人——Crux Capital（@crux_capital_），五个月 647 条原帖，126 个价值票。

Serenity窄而深：找一个制胜点，押死。
Crux 宽而有纪律：画一张六层栈，每层按执行力排仓位。

看完我有点难受，不是因为收益图太夸张。是我发现，这两个人干的根本不是传统意义上的“选股”。

他们是在搭一条投研流水线， AI 负责搬砖，人负责最后拍板。

1⃣ 他们的方法论：先拆机器，再找堵点

他们看一个赛道，不先问“谁会涨”。

先问的是：

这台机器到底长什么样��
BOM ���最难替代的零件是什么？
如果其中一家明天停产，下游要等多久？

这个问题一问出来，视角就完全变了。

大家还在盯 GPU、HBM、电力这些第一层热点时，
他们已经往下抠第二层、第三层：

激光器、InP 衬底、外延、测试、连接、冷却、配电……

Serenity 最狠的地方，是死盯单点故障。
Crux 更像工程师，先画一整张栈，再给每层贴标签：

谁是龙头，
谁是瓶颈，
谁只是会讲故事，
谁又是那种没人聊、但每台机器都得用的“无聊必需品”。

2⃣AI 在他们手里，不是军师，是苦力

普通人用 AI 做投资，喜欢问：

“这票能买吗？”
“帮我总结一下财报。”
“这个赛道有没有机会？”

这种问法，说到底还是在等答案。

他们不是这么用的，他们让 AI 去干最脏最累的活：

拆机器，
顺着零件找供应商，
再找供应商的供应商，
横着读多家公司财报和电话会，
把“产能打满”“认证快结束”“明年放量”这些零碎信号拼成一张图。

说白了，AI 没替他们赚钱，AI 只是把研究量的上限硬抬上去了。

3⃣所以我把这套东西蒸馏成了一个 skill

https://t.co/V6OUO1IuJZ

它不干一件很俗的事：上来就给你甩股票代码。

它先跑五步：

L1 先确认终端，到底研究的是哪台机器、哪套系统
L2 再画供应链栈，搞清楚谁在第几层
L3 找真正的卡点，卡的是产能、认证、热、电、良率，还是材料
L4 用财报、产业新闻、研报交叉验证
L5 先给方向，再给名字，最后才谈仓位

我蒸馏的不是他们买了什么，我蒸馏的是他们怎么提问，怎么排除，怎么把热闹拆成一个个能验证的环节。

4⃣举个例子，人形机器人接下来该买什么

大部分人第一反应都是特斯拉、英伟达、总龙头。
但这个 skill 不会先看这些。

它会先问：

如果 Optimus 真开始放量，最先紧张的是哪一层？

如果谐波减速器已经被市场盯得很紧，
那下一步就该继续往旁边看：

每个关节都离不开的力传感器，有没有被认真定价？

重点不是马上得出“买谁”。
重点是先知道：你该查哪一层。

顺着这套方法继续往后推，
我现在最想深挖的，反而不是更拥挤的 GPU 叙事。
而是AI factory 的供电 + 液冷 + 物理交付层。

原因很简单。

芯片再猛，电接不进去也白搭。
柜子再多，热散不掉也白搭。
模型再聪明，机房交不出来，还是得排队。

这条线不性感，不热闹，也不太适合吹牛。
但真缺了它，项目就只能往后拖。

最后

看完 Serenity 和 Crux，我最大的感受其实挺扎心的：

AI 没有让投研变轻松。
它只是先把偷懒的人淘汰了。

以后谁再跟我说
“AI 会让投资越来越简单”

我大概只会回一句：

简单个屁，马太效应罢了，你有的他给你更多，你没有的，他把你已有的都给抢走。

[TZ @tzmc9700]

有用户反应Codex开始要手机号验证了，我都是接码手机号注册的🤦‍♂️🤦‍♂️🤦‍♂️

得搞个海外手机号，英国的giff卡和美国的紫卡，哪个更好啊？

[0x_Miko @Mikocrypto11]

Anthropic engineer 这句话很关键：
“你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。”
这可能是最近看到最值得保存的 Claude workflow 之一

视频里她拆了很多人正在犯的同一个问题：
用了 Claude 几个月，但每次还是从零开始
新开 session
重新解释背景
重新贴上下文
重新写 prompt
然后关掉 tab，一切��止

她讲到几个细节：
CLAUDE.md 在你输入第一个字前，就可能吃掉 14%
95% 用户从来没装过的 plugins
不需要你手动输入 prompt，也能运行的 workflows
以及为什么“打一条 prompt 然后关掉页面”，等于把 90% 的能力留在桌上

真正有意思的是：
Claude 的价值不只是回答你的问题
而是你能不能把它放进一套系统里

让它记住规则
读取上下文
调用 plugins
跑 workflows
甚至在你不输入下一条 prompt 的时候，继续推进任务
如果你用了 Claude 几个月，但每次 session 还是从头开始

那你至少还有 28 个 untouched features
可能是 30 个
今晚与其再刷一集剧，不如看完这个视频
看完先 bookmark

[大梦想家迪士尼 @discountifu]

自用 codex 去屎设置
优化性能，节约 token
个人习惯，仅供参考

[Sac @Saccc_c]

这是我见过最好的Claude Code+Obsidian的教学视频。

花一个小时看完，你将学会用 Obsidian 打造第二大脑——让 AI 记住你所有的想法，帮你挖掘规律、生成创意、落地执行。

[Sac @Saccc_c]

Codex进阶记忆技巧：利用Obsidian知识库构建跨项目共享记忆

基础配置就是两步：

1、复制图1的提示词到Codex，让它在Obsidian里创建记忆文件夹

2、复制图2的指令并添加到设置的自定义指令中，作为全局AGENTS.md的一部分，让 Codex 能够在后续工作中自动将有价值的上下文沉淀到 Obsidian

（具体提示词和全局规则指令见评论区，基础记忆技巧和配置可以参考引用的文章）

[AYi @AYi_AInotes]

Open AI 认可的最完整的 Codex 入门教程

讲的好细啊，教你一个人干一个团队活的核心方法，从 IOS App 到投资者 deck 全搞定，

掌握自定义 skill 和自动化的指数杠杆，搞懂 AI 时代的真正工作方式。

OpenAI 官方都称赞，看完直接解锁一人团队模式

[Haoshan Hong @haoshanhong]

https://t.co/BRBX4B2uGp

[Henry 鸿锐 @HenryinvestX]

https://t.co/ZGreA6yS9s

[宝玉 @dotey]

Codex 大更新：从写代码工具变成能操作你电脑的助手

OpenAI 给 Codex 推了一次重大升级，把这个每周被 300 多万开发者使用的编程助手，从写代码的扩展成了能操作整台电脑的工作伙伴。

最核心的变化是后台电脑操作。Codex 现在能自己看屏幕、自己点鼠标、自己敲键盘，在 Mac 上跑多个 agent 并行干活，而且不会抢占你正在用的其他窗口。这对于那些没开放 API 的软件特别有用——以前 agent 碰到这类应用就歇菜，现在直接像人一样手动操作。

桌面 App 内置了浏览器，你可以直接在网页上圈点批注来给 agent 下指令，目前主要用于前端开发和游戏调试。图像生成也接进来了，用的是 OpenAI 新的 gpt-image-1.5 模型，做产品概念图、UI mock、游戏素材可以和写代码在同一个流程里完成。

另外新增 90 多个插件，把 JIRA、GitLab、CircleCI、微软全家桶、Databricks 旗下的 Neon 等工具都接了进来。桌面 App 本身也加了处理 GitHub review 评论、多终端标签、通过 SSH 连远程 devbox（开发沙箱）等功能，PDF、表格、幻灯片可以直接在侧边栏预览。

还有两个值得注意的功能。一个是记忆：Codex 会记住你的偏好、过往的纠正、花时间收集来的上下文，以后做类似任务不用每次都从头教。另一个是“自我排程”：它可以给自己安排未来的任务，自动在几天甚至几周后醒过来继续推进一件长期工作，团队已经在用它来追踪 Slack、Gmail、Notion 里没收尾的事情。

可用性方面，更新从今天开始推送给用 ChatGPT 账号登录桌面 App 的用户。电脑操作功能先上 macOS，欧盟和英国稍后开放；记忆和上下文感知推荐功能，企业版、教育版以及欧盟英国用户要再等等。

这一波更新的方向很清楚：Claude Code、Cursor 这些竞品都在往通用Agent 的方向走，OpenAI 要把 Codex 从编辑器里的编程助手，变成一个能跨应用、跨时间、跨工具链持续干活的数字同事。

[Vincent @Vincent_AINotes]

Claude Code安装教程，看这一篇就够了！建议收藏！