chen shiluan

[Codez @0xCodez]

Andrew Ng just released a 1-hour course on building agentic knowledge Graphs from scratch:

• 00:00 - Introduction to agentic knowledge Graphs
• 03:07 - Construction of agentic Graphs
• 14:00 - Architecture of multi-agent systems
• 23:00 - Building agentic graphs with Google ADK
• 01:06:03 - Why Graphsare the future of agentic AI

Worth more than 10 articles on loop engineering.

Watch it today, then read how to become a graph engineer in the article below.

[Movez @0xMovez]

Andrew Ng just dropped a 3-hour course on how to become an AI Engineer in 2026:

• 00:00 - How to build agentic AI systems
• 04:25 - Future of AI engineering
• 23:38 - AI Prompting full course
• 2:52:17 - Creating an app with AI in 30 minutes

This 3-hour watch could replace 10 AI engineering courses on the internet.

Watch it today, then read how to run a self-improving system in the article below.

[Machina @EXM7777]

https://t.co/IeIcbLNVCr

[Xiangyi Li @xdotli]

sharing my personal library on evals 1/n

i put together the highest quality blogs, podcasts, papers, and projects on evals. additions are welcome!

[Tomás Vendel @vendel_tomas]

Todavía lo releo cada semana.

Es, sin exagerar, uno de los artículos más valiosos que he le��do sobre cómo cambiar tu vida.

[Bilgin Ibryam @bibryam]

https://t.co/ZOVbJoqT2e

[Khairallah AL-Awady @eng_khairallah1]

https://t.co/a5aEmK7lE4

[Hasan Toor @hasantoxr]

https://t.co/tXLOrbzFRT

[Tw93 @HiTw93]

假如你的朋友最近需要更新简历，一定要把 Kami 推荐给他，我单独细致优化了一个版本，单独让 Kami 写简历变得非常好用好看清晰，让他把他的原生素材 md 准备好，然后对着 AI 说 /kami 帮我产出一个简历，然后调1-2下差不多就好了。
https://t.co/XB5mfwU9rX

[Vince 聊开发 @vincemask]

https://t.co/7M7EsJtQ1g

[0x_Miko @Mikocrypto11]

Anthropic 自己的团队，刚刚演示���如何搭建 production AI agents

37 分钟

免费
而且是由真正构建这套系统的 engineers 亲自讲
这不是又一个“AI 很强”的泛泛分享

而是直接展示：
怎么把 AI agents 从 demo，推进到 production
很多人过去 6 个月，还在手动管理每一个 workflow
自己拆任务
自己复制上下文
自己盯执行
自己检查结果

但 Anthropic 这次讲的是另一件事：
如何把这些 workflow 放到 autopilot 上
让 agent 不只是回答问题，而是参与执行、协作和持续推进任务

真正有意思的是：
AI agent 的关键，不是单次生成得多漂亮
而是能不能稳定接住真实工作流
能不能连接 tools
能不能处理上下文
能不能持续执行
能不能进入 production

先看这个 37 分钟 workshop
未来真正拉开差距的，是谁会用 AI 提问，还是谁能把 AI agents 接进自己的生产系统？

[Garry Tan @garrytan]

https://t.co/cRwIIexCa9

[Jared Friedman @snowmaker]

One night I quietly gave our AI agent full access to YC's production database. It made the agent 10x more useful. That's what convinced me that trust-by-default is the only way to get the most out of agents.

[Jason Zhu @GoSailGlobal]

Anthropic 真的惊为天人

直接把金融服务行业的 AI 工作流模板全开源了
投资银行 / 股票研究 / 私募 / 财富管理 / 基金管理 / KYC 风控
七大业务线的参考 agent / 技能包 / 数据连接器 全部公开

这超出了 demo 的范畴，是把「金融行业 AI 落地」的完整 SOP 摆出来 / 让全行业照抄

· 打开仓库 你会看到这些东西

10 个开箱即用的端到端 agent
- Pitch Agent / 自动做 pitch deck（comps + 先例 + LBO → 出品牌排版的 deck）

- Meeting Prep Agent / 客户会前自动出 briefing pack
Market Researcher / 行业或主题 → 行业概览 + 竞争格局 + peer comps + 标的清单

- Earnings Reviewer / 财报会议 + filings → 模型更新 → 研报草稿

- Model Builder / DCF / LBO / 三表 / comps / 直接在 Excel 里建模

- Valuation Reviewer / 私募估值 + LP 报告

- GL Reconciler / 总账核对 + 找差异 + 路由审批

- Month-End Closer / 月末关账 / accruals / 滚动 / 偏差解读

- Statement Auditor / LP statement 审计

- KYC Screener / KYC 文档解析 + 规则引擎跑 + 标记缺口

每个 agent 都是 self-contained 的，带自己用到的全部 skill，clone 下来直接装

· 7 个垂直行业插件
- financial-analysis（核心）：comps / DCF / LBO / 三表 / deck QC / Excel 审计

- investment-banking：CIM / teaser / 流程信 / 买方名单 / 并购模型 / 项目跟踪

- equity-research：财报笔记 / 首次覆盖 / 模型更新 / 投资逻辑跟踪

- private-equity：寻源 / 筛选 / 尽调 / IC memo / 投后监控

- wealth-management：客户复盘 / 财务���划 / 调仓 / 报告 / 税损收割

- fund-admin：GL 核对 / 差异追踪 / NAV 校验

- operations：KYC + 规则引擎

直接用 / 想改也行 / 全是 markdown + json / 没有 build 步骤

· 11 家金融数据商的 MCP 连接器

Daloopa / Morningstar / S&P Global / FactSet / Moody's
MT Newswires / Aiera / LSEG / PitchBook / Chronograph / Egnyte

这一行单独值得讲

意味着 Anthropic 已经跟全球最重要的金融数据基础设施都谈完了，你接进 Claude / 这些数据全是开箱即用的，没有这些连接器 / 你自己接每一家的 API / 光人天就要好几个月

LSEG 和 S&P Global 还各自做了 partner-built 的高级插件
一个跑债券相对价值 / 利率曲线 / FX carry / 期权波动率 / 宏观利率监控
一个跑 tear sheet / 财报预览 / 融资 digest

· 部署方式两种，一个仓库

方式一：Claude Cowork 插件
装在分析师电脑上 / 个人工作流

方式二：Claude Managed Agents API
跑在公司自己的工作流引擎后面 / 整个公司用
同一份 system prompt / 同一份 skill / 你选在哪儿跑

还附带一个 Microsoft 365 安装工具，让公司 IT admin 把 Claude 部署进 Excel / PowerPoint / Word / Outlook

而且可以走你公司自己的云（Vertex AI / Bedrock / 内部 LLM gateway），不强制走 Anthropic API

· 金融是企业 AI 落地最大也最难啃的市场，合规要求高 / 数据敏感 / 流程复杂

Anthropic 这一手
直接把整个行业的 AI 落地 SOP 写明白了

谁照这套搭 / 谁就在 Claude 的轨道上长
谁不照这套搭 / 谁要从零开始踩半年坑

最值得对比的是 OpenAI
OpenAI 上周刚上线广告平台
Anthropic 这周直接开源金融行业全套 agent

两家公司的路线分化在这种地方又看得清清楚楚
OpenAI = 大众消费 + 广告
Anthropic = 企业场景 + 开源行业模板

链接 https://t.co/4eWZZiGVpc

[梭哈.AI @SUOHA_AI]

34秒的视频 —— 用 Claude Code 直接分析股票/财报

Claude Code现在支持原生接入 financial-datasets 官方 MCP 服务器，把股票实时价格、财务报表、SEC filings、新闻、加密货币价格等大量金融数据全部集成到一个插件里，接入了 17,000+ 只股票的实时价格....

两步安装：

打开终端里直接粘贴： claude mcp add --transport http financial-datasets

再打开claude code ，输入 /mcp 完成 OAuth 认证，用 claude mcp list 验证连接

完成了!
你现在可以用 Claude Code 原生插件直接做股票分析、加密货币分析和基本面研究，直接提问即可

以前要砸几万买 彭博社终端，或者自己搭复杂 API ，现在？一个 MCP 命令搞定公司信息、收益/利润、财务指标、财务报表、内幕交易.......太舒服了

[陈成 @chenchengpro]

Cat Wu 说了一句话让我印象很深，「Jobs are fake.」

她是 Anthropic Claude Code 的产品负责人，刚上了 Lenny's Podcast。这期信息量很大，我试着把核心的东西压缩一下。

Anthropic 的产品节奏已经快到不讲道理，功能从构思到上线，最快一天。不是因为用了最强模型（虽然确实有帮助），核心是组织和流程。几乎零审批、所有功能先以「研究预览」上线降低发布承诺、工程师端到端自己看到 Twitter 上的用户反馈就能周末把功能做完发出去，不需要经过 PM。PM 的角色不是审批门，是给团队搭好发射台，让工程师想发就能发，营销和文档能在第二天跟上。

最反直觉的是她对新模型的态度。别人上新模型是加功能，他们上新模型第一件事是删功能，把之前给模型打的补丁一个个撕掉。to-do list、强制提醒、各种 prompting 干预，模型变聪明了就不需要了。比如早期模型做 20 个 call site 的重构会漏改，团队加了 to-do list 工具强制跟踪；到 Opus 4 之后模型自己就会用，根本不需要提醒。她说每次模型升级，团队都会通读整个 system prompt，逐段问「模型还需要这个提醒吗？」不需要就删。播客里引用了一句话，「模型会把你的 harness 当早餐吃掉。」

但更重要的是提前构建「还不能工作的产品」。代码审查功能他们尝试了好几个版本，早期模型准确率不够一直没正式发。直到 Opus 4.5/4.6，团队才觉得可靠到工程师可以信赖它在合并前发现大部分 bug。她的建议是，永远提前做好原型，新模型一出来直接换进去验证差距是否被填上。

关于 PM 未来最稀缺的能力，她反复提到一个词，product taste。代码越便宜，品味越值钱。GitHub 上几万条 issue 什么需求都有人提，知道该做哪个、怎么做最好，这个判断力才是最值钱的。工程背景短期有用（能判断实现难度从而更好地做优先级决策），但她刻意只说「未来几个月」，因为每隔几个月模型能力���跳一级，所需技能跟着变，没人能预测更远。她觉得最重要的是第一性原理思维，搞清楚技术环境怎么变了，团队最缺什么，然后低自尊地戴上任何需要的帽子。

Anthropic 能跑这么快还有一个原因，使命统一。如果两个优先级冲突，问哪个更符合 Anthropic 的使命，答案就出来了，全员立刻执行。Cat 说了一句很重的话，「如果 Claude Code 失败了但 Anthropic 成功了，我会非常开心。」整个团队都愿意为公司目标牺牲自己产品的 KR。这种文化让决策极快，也是为什么一家起步晚、融资少、没有分发优势的公司能跑到 110 亿美金 ARR。

她对从业者几条比较实在的建议。

1/ 把重复劳动交给 AI，但别只做到 95% 就放弃。95% 准确率的自动化不是自动化，最后那 5% 才是真正值得投入的地方。

2/ 构建你真正每天在用的应用。One-shot 一个原型发个推然后再也不打开，你既没学到东西，也没获得杠杆。

3/ 别沉迷于炫耀 setup。她原话，「简单的配置往往效果更好。」有一群人花大量时间堆 skill 和 MCP，结果核心工作反而没做。

4/ 2024 的产品是对话式的，Claude Code 这一代产品是行动式的。当 AI 真正能代你执行而不只是告诉你该怎么做，那才是真正的顿悟时刻。

她的人生信条回到开头那句话，Just do things。理解约束，推导行动，然后直接去做。不要等许可，不要被岗位定义限制。这大概也解释了为什么 Anthropic 能跑这么快。

[AI探路者Tim @AIExplorerTim]

https://t.co/0TEsiOjVxt

[Anne Lee Skates @anneleeskates]

How a company gets its first 1,000 users often isn’t what will get them its next 10k or 100k users.

Founders need to realize early GTM channels are often not scaleable, and that’s OK. So, how should consumer companies think about GTM in the 0 to 1, pre-PMF stage?

Read on👇

[杀破狼 WolfyXBT @wolfyxbt]

知名视频博主 —— 小 Lin 说

今天上传的 “中国的房地产怎么了” 视频被下架

狼仔找到了视频备份

[AI Will @FinanceYF5]

上周，麦肯锡发布了他们的生成式AI报告。

以下是每个人都必须知道的10个关键要点：