Edison

[路飞 🏴‍☠️ AI 研究员🧐 @0xluffy_eth]

https://t.co/1fe7LkCllk

[辣条味奶糖 @spicycandy00]

付费彭博终端：$24,000 一年。GitHub 平替：Star 29k，免费。

四个最猛的，按 Star 排。

daily_stock_analysis | 58k Star🌟
https://t.co/omwXWGxLsb

美股、A 股、港股、ETF 六个市场全通。每天早上自动推一份报��到你面前：评分、趋势、买卖点、风险警报，15 种策略随便切。GitHub Actions 五分钟部署，零服务器。之前每天早上翻数据那半小时，它帮你吞了。

FinceptTerminal | 29k Star🌟
https://t.co/IUJPZbIHWd

37 个 AI Agent，巴菲特看价值、格雷厄姆拆安全边际、宏观和地缘各有一套框架。100+ 数据连接器直通 FRED、IMF、世界银行。不止数据，是有观点的终端。

Lean | 21k Star🌟
https://t.co/YCW2lQcy4k

QuantConnect 的开源引擎，量化社区最成熟的框架。回测实盘都通，社区里大量公开策略可以拆着学。搞量化的应该绕不开这个。

ai-berkshire | 14k Star🌟
https://t.co/a9qT2xydME

四大师方法论塞进 AI，多 Agent 并行出深度报告。实盘验证：2024 年 +69%，2025 年 +66%。收益是特定时期的，不代表以后。

四个覆盖四个场景：每日简报、专业终端、算法交易、深度研究。可以查漏补缺。

以上不构成投资建议。

[曹山石 @caolei1]

A股公募基金半年持仓占比：电子、通信满配。美容护理、服装服饰、商贸零售三个行业加总0.3%——还比不过煤炭一个行业（0.36%）。
持仓K型割裂到达历史峰值。

[Geek @geekbb]

Pi-Agent 教程：10 章把 Agent Loop、工具系统、消息系统、事件驱动、会话管理和上下文工程全部拆了一遍。每章都讲三层：概念是什么、源码怎么写的、为什么这么设计。三种���读方式：Web 在线版带三栏配图、本地 Markdown 和 PDF 离线版。

https://t.co/g59onKXo7m

[路飞 🏴‍☠️ AI 研究员🧐 @0xluffy_eth]

🚀一人公司必备，跨境业务福音：
英文邮件一键翻译、智能总结的宝藏工具

接触了海外甲方，你会发现：
他们偏好邮件沟通！且是英文。
报价、合同、修改确认，来来回回十几封。

之前：都是GPT 翻译 → 复制 → 粘贴回邮箱，
现在：直接在邮箱，就可以一键翻译、智能总结、AI 回复

只需要打开一个开关👇

一、如何才能打开翻译功能？
网易邮箱针对跨境业务，提供了「外贸版」和「跨境版」邮箱服务。
可以一键翻译邮件、智能润色邮件。

设置很简单：
只需要在网易邮箱里，修改「设置 → 邮箱类型 → 选择外贸版」，如图1

然后收到英文邮件的时候，右上方就会出现【翻译】按钮

二、高阶用法：客户管理、跨境业务管理
切换了版本后，也就解锁了高阶用法👇

管理客户-- 按客户归类邮件，跟踪客户邮件
客户跟进提醒 -- 二次提醒跟进
外语邮件一键翻译 -- 支持常见小语种
多店铺邮箱管理 -- 按店铺排序，清晰明了
重要邮件识别 -- AI 识别重要邮件

三、高频功能：
网易邮箱大师 App 底部 -> AI 助理
✅ 外文翻译：外文（英、日、韩等）邮件一键翻中文
✅ 英文优化：按场景 + 收件人 + 语气重写，不是直译，是地道商务英文
✅ 撰写邮件：冷启动发开发信，输入关键词直接成稿
✅ 邮件总结：品牌方发来长篇 brief，AI 秒出重点
✅ 智能分类：不同品牌邮件自动归类，重要邮件不会被淹没

四、适合谁用？
→ 外贸 / 跨境电商：询盘、报价、跟单
→ 出海创业者：跟海外合作方、投资人沟通
→ 自媒体博主：接海外品牌合作
→ 留学生 / 海外求职：写给教授、HR 的邮件

帮助我们高效处理好，跨语言的商务沟通

[路飞 🏴‍☠️ AI 研究员🧐 @0xluffy_eth]

Claude Fable 5 才上线不到24小时

用户已经开始做出一些离谱的东西了

27个疯狂案例整理好了

(第5个最绝)

[路飞 🏴‍☠️ AI 研究员🧐 @0xluffy_eth]

https://t.co/jiYwSH7FIf

[宝玉 @dotey]

开源项目推荐：Claude Code From Scratch

这是一本学习 Claude Code 的开源电子书，严格来说不仅仅是电子书，还有代码，不需要你去看 Claude Code 的 50 万行代码。

用 ~4300 行代码（TypeScript 和 Python 两个版本分别实现）复现了 Claude Code 的核心架构——Agent Loop、13 个工具（含并行执行 + 流式早期启动）、4 层上下文压缩、语义记忆召回、技能系统、多 Agent、MCP 集成……每一步都对照真实源码讲解��怎么做的 → 我们怎么简化的。

有 13 章内容，每一章都是一份分步教程，跟着动手写几千行代码，快速理解 Claude Code 这样最好用的 coding agent 的精髓。

读完你就能大致理解了 coding agent 的工作原理，我跟着快速浏览了下都有了些新的收获，推荐有兴趣的可以看看。

有中英文版：
https://t.co/x2F11US2g0

[唐华斑竹🦅 @uniswap12]

Claude Code 用到这个程度，我算是开眼了

Matt Van Horn 最近写了一篇长文，把他用 Claude Code 的所有技巧和工作流全盘托出了。这篇文章在开发者社区引起了不小的反响，因为他展示的东西已经远远超出了“用 AI 辅助写代码”的范畴。他的核心主张只有一句话：不用 IDE，只用 plan.md 文件和语音。听起来像是在吹牛，但看完他的整套操作之后，你会发现这句话是认真的。

一切从计划开始，代码是最后才写的东西

Matt 说他学到的最重要的一件事就是：脑子里一冒出想法，第一反应永远是 /ce: plan。不管是一个疯狂的产品创意、一个 GitHub 上的 bug 报告，还是终端里弹出的一条报错信息，他都是先截图或者复制链接，扔进 Claude Code，让它先出一份计划。

这个 /ce: plan 命令背后的机制挺有意思的。它会同时启动好几个研究 Agent 并行工作，一个去分析你的代码库，读文件、找模式、检查代码规范；另一个去翻你以前修 bug 时积累的经验文档；如果话题需要，还会有更多 Agent 去查外部的最佳实践和框架文档。全部同时进行，最后汇总成一份结构化的 plan.md，里面写清楚了问题是什么、用什么方案、要动哪些文件、验收标准带勾选框，而且这些内容全部是基于你自己的代码库和���史记录的，不是泛泛而谈的通用建议。

然后 /ce: work 接过这份计划去执行，拆任务、写代码、跑测试、逐条勾掉验收标准。如果中间上下文丢了，开个新会话指向那份计划就能继续。计划文件就是一个永远不会丢的存档点。

传统开发是 80% 写代码、20% 做规划，Matt 把这个比例完全反过来了。思考发生在计划里，执行交给机器。这个理念其实不只适用于写代码，做任何复杂的事情，花更多时间想清楚要做什么、怎么做，然后把执行层面的事情尽可能自动化，效率都会高得多。很多人习惯上来就动手，边做边想，结果经常做到一半发现方向不对，推倒重来。先规划再执行这个道理大家都懂，但 Matt 用工具把它变成了一个强制性的流程，这才是关键。

Compound Engineering：让计划驱动开发成为现实的插件

让这套 plan 优先的工作流真正跑起来的，是一个叫 Compound Engineering 的插件，来自 Every 公司。安装命令就一行：/plugin marketplace add EveryInc/compound-engineering-plugin.

Matt 从这个插件的死忠粉变成了 GitHub 上的第三大贡献者，提交了 21 个 commit。他现在有 70 个 plan 文件，过去 30 天提交了 263 个 commit。他给自己定了一条铁律：除非真的只改一行代码，否则一定先写 plan.md。

这个数字本身就很说明问题。70 个计划文件对应 263 个代码提交，意味着平均每份计划产出将近 4 个 commit。计划写得越清楚，执行的效率就越高，返工的概率就越低。这跟很多项目管理方法论里强调的“前期投入”是一个道理，只不过 Matt 把它落地到了每天的开发工作中，而且有工具来保证执行。

语音输入：当听的人足够聪明，说话就变成了最高效的输入方式

Matt 说他以前特别受不了语音备忘录，苹果自带的听写功能让他想摔手机。但语音转 LLM 完全不一样。转录不需要完美，因为 Claude Code 能理解上下文，它会猜出麦克风没听清的部分。你可以含糊不清、说到一半跑题、重新起头，都没关系。

他用的工具叫 Monologue，也是 Every 公司做的，能把你说的话直接输入到当前聚焦的应用里。你说话，它就往 Claude Code 里打字。他还专门买了个鹅颈麦克风放在办公桌上。更夸张的是，他写那篇文章的时候，有一段就是在特斯拉的 FSD 自动驾驶模式下一边送孩子一边口述的。

语音输入这件事之所以过去一直不好用，核心问题在于转录精度。你说的每个字都必须被准确识别，否则就会出错。但当接收方从一个死板的文字处理器变成一个能理解上下文的 AI 之后，这个瓶颈就消失了。AI 不需要你每个字都说清楚，它能根据前后文推断出你的意思。这个变化看似很小，但它实际上解锁了一种全新的人机交互方式：你可以像跟同事说话一样跟 AI 交流，不用字斟句酌，不用担心措辞，甚至不用担心语法。

四到六个窗口并行跑：一个人活成一个团队

Matt 日常的工作状态是同时开四到六个 Ghostty 终端窗口，每个跑一个独立的 Claude Code 会话。一个在写计划，一个在根据另一份计划构建代码，一个在跑 /last30days 做调研，一个在修他测试上一个功能时发现的 bug。

当一个窗口里 /ce: plan 正在启动研究 Agent 的时候，他切到另一个窗口 /ce: work 执行一份已经写好的计划。那边在构建的时候，第三个窗口又粘进去一个新 bug。等他切回第一个窗口，计划已经写好了，安静地等在编辑器里。

为了让这种并行工作模式跑得通，他改了三个关键配置。第一个是跳过权限确认，Claude Code 默认每个操作都要你点“允许”，他直接在配置文件里把所有权限都放���了，让每个会话完全自主运行。第二个是完成时播放提示音，这样他可以走开去干别的，听到声音再回来看结果。第三个是 Zed 编辑器每 500 毫秒自动保存，这样 Claude Code 改了文件，编辑器里立刻能看到变化，反过来他在编辑器里打字，Claude 一秒内就能感知到。整个体验就像在 Google Docs 上跟人协作，只不过协作者是个 AI。

这种工作方式的代价也很直观：他的 MacBook 大概一小时就没电了，六个 Claude 会话并行跑太耗电了，他刚下单了新款 MacBook Pro。但换个角度想，一个人同时推进四到六个任务，这在以前是不可想象的。过去你需要一个团队来并行处理不同的工作流，现在一个人加一组 AI 会话就能做到。

/last30days：做任何决策之前，先看看社区在聊什么
Matt 在做 /ce: plan 之前，经常先跑一个叫 /last30days 的调研工具。这个工具是他自己开源的，GitHub 上已经有 4500 ���星了。它能并行搜索 Reddit、X、YouTube、TikTok、Instagram、Hacker News、Polymarket 和网页，几分钟内把某个话题在过去 30 天里的社区讨论全部拉回来。

他举了个例子。当时他在 Vercel 的 agent-browser 和 Playwright 之间做选择，没去翻文档，直接跑了 /last30days。几分钟后结果出来了：78 个 Reddit 帖子、76 条推文、22 个 YouTube 视频、15 个 Hacker News 讨论。数据显示 agent-browser 的上下文 token 消耗比 Playwright 少 82% 到 93%，Playwright 光工具定义就要吃掉 13700 个 token。

然后他把全部输出喂给 /ce: plan，写出来的计划是基于社区当下真实认知的，不是六个月前的训练数据。

这个做法的价值在于：AI 模型的训练数据总是有滞后的，但技术社区的讨论是实时的。先用工具抓取最新的社区共识，再让 AI 基于这些信息做规划，决策质量会高很多。这个思路不只适用于技术选型，做产品决策、市场调研、竞品分析的时候，先看看真实用户在聊什么，比自己闭门造车靠谱得多。

午餐聊天变产品提案：上下文的复利效应

Matt 讲了一个特别有意思的故事。他跟一个潜在候选人吃了顿午饭，聊了一个半小时，内容包括一个新产品想法、美食、餐厅、孩子，什么都聊。他全程开着 Granola 录音。

午饭后，他把完整的会议记录粘贴到 Claude Code 里，让它把这段对话变成一份产品提案。关键在于，Claude Code 已经知道他们公司的产品代码在 GitHub 的什么位置，还能访问他之前写的每一份战略 plan.md。所以它处理这段午餐对话的时候，不只是提取里面的产品想法，而是在跟实际代码库和过去所有战略决策做交叉比对。

结果一次就生成了一份非常出色的提案，目标、用户故事、技术方案、里程碑一应俱全，关于餐厅和寿司的部分自动忽略了。当晚发给了那个候选人，这个人后来全��加入了他们，现在就在做那个产品。

这个故事里最值得关注的概念是“上下文的复利效应”。每一份你写过的战略文档、每一个你做过的技术决策、每一次你积累的经验，如果都以结构化的方式存下来，它们就会成为 AI 做下一次决策时的参考依据。时间越长，积累越多，AI 给出的建议就越精准。这就像复利一样，前期看不出什么差别，但随着时间推移，差距会越来越大。

Mac Mini 变成 24 小时在线的 AI 工作站

Matt 有一台 Mac Mini 专门跑 OpenClaw，但他还用它做了两件很聪明的事。

第一件是通过 Telegram 远程操控。Claude Code 有 Telegram 集成，他从手机给 Mac Mini 发消息就行。吃饭的时候想到一个 bug，往 Telegram 里打一句 /ce: plan fix the timeout issue，等回到电脑前，计划已经在编辑器里等着了。

第二件是飞机上用 tmux。Claude Code 处理飞机 WiFi 的能力很差，连接一断会话就挂了。但如果先 tmux 到 Mac Mini 上，会话就跑在��台机器上，笔记本只是一个窗口。WiFi 断了 20 分钟？重新连上就行，会话还在原来的地方，而且一直在干活。他从欧洲飞回来的整趟航班都在发布功能。

一台几千块的 Mac Mini，加上一些配置，就变成了一个 24 小时在线、随时可以远程调度的 AI 工作站。这个思路的性价比极高，对于任何需要长时间跑 AI 任务的人来说都值得参考。

费用策略：Claude 负责思考，Codex 负责干活
这种高强度的使用方式自然会带来费用问题。四到六个 Opus 会话全天并行跑，每月 200 美元的 Claude Max 套餐很快就会烧完。

Matt 的解决办法是再买一个每月 200 美元的 Codex 套餐。他给 Compound Engineering 提交了一个 /ce: work --codex 功能，当 Claude 额度不够时自动切换到 Codex 执行。两个套餐互补：Claude 负责规划和编排，Codex 负责重度代码实现。

有些朋友用 Codex 来 review Claude Code 写的代码，反过来也一样。还有人更喜欢 Codex 的代码���出质量，但通过 Claude Code 来做编排调度。这种“让不同的 AI 各司其职”的思路���跟管理团队其实是一个逻辑：你不会让同一个人既做战略规划又做具体执行，AI 也一样，让擅长思考的去思考，让擅长执行的去执行。

他还提到自己有一个“晚安模式”，能在睡觉的时候让 Agent 继续干活，但具体怎么做他说下次再讲。光是这个概念就已经够让人兴奋了，相当于你的工作时间从每天十几个小时变成了 24 小时。

迪士尼世界：这套工作流不只是用来写代码的

文章最后 Matt 讲了一个完全跟代码无关的实战案例，非常生动。他在足球场看孩子比赛，旁边一个家长跟他聊迪士尼世界的旅行计划。他当场掏出笔记本演示。

先跑 /last30days Disney World，两分钟后拿到了 66 个 Reddit 帖子、34 条推文、8 个 YouTube 视频的最新信息，包括价格趋势、哪些项目在维修、哪些即将重新开放。然后用 /ce: plan 输入自己的需求：一天跑四个园区、想玩哪些项目、预算多少、孩子多大。Claude 的研究 Agent 交叉比对数据后，写出了一份结构化的攻略，包括园区顺序、快速通道预订策略、提前一周要设的闹钟提醒，甚至还列了孩子的身高要求。

他还帮那位家长也做了一份三天的攻略，305 行，包含逐日行程和一条“这周先给你家五岁的穿着鞋量一下身高”的提醒。然后一句话让 Claude 把攻略部署成了一个 Vercel 网页，方便在手机上看。最后通过 Telegram 把计划扔给 OpenClaw，让它在日历上设好提醒，还做了 cron 定时任务作为双重保险。

语音到调研到计划到网站到自动提醒，全程在足球场边完成。

这个案例的意义在于，它证明了这套工作流的适用范围远远超出了软件开发。调研、规划、执行、部署、自动化，这个循环适用于任何需要处理复杂信息并做出决策的场景。旅行规划只是一个例子，换成市场调研、活动策划、投资分析，逻辑都是一样的。

Matt 在文章结尾总结了他的全部装备：

一个语音应用、一个计划文件插件、三个配置修改、四到六个并行会话、一台 Mac Mini，再加上能变成产品提案的午餐会议。没有 IDE，没有代码。说、规划、构建。在书桌前、在沙发上、在车里、在球场边。

这篇文章最大的价值可能不在于具体的工具和配置，而在于它展示了一种全新的工作范式：人负责思考和决策，AI 负责调研和执行。当你把这两者之间的协作流程打磨得足够顺畅的时候，一个人能做到的事情会远远超出你的想象。

而这一切的起点，只是一个简单的习惯：有想法的时候，先写计划。

#AI #AIAgent @grok

[宝玉 @dotey]

《图解Skill》需要复制粘贴的内容基本都在 GitHub Repo，包括一些我之前没开源的自己用的 Skills，比如从播客文字稿生成访谈稿的 Skill，理论上来说你不买书也可以的。

Repo地址：
https://t.co/L0CS14mua8
电子书版本已经发布了，购买链接：https://t.co/W6WNATGllm

[Xudong Han @Xudong07452910]

📘 高质量开源项目推荐：《Agents Best Practices》—— 生产级AI Agent Harness设计指南

这是一个 provider-neutral Agent Skill，专为 Claude Code、Codex 等 AI Coding 工具设计，提供构建可靠 agentic harness（运行时框架）的完整最佳实践参考。

核心理念非常清晰： “模型只负责提出动作，Harness 负责验证、授权、执行、记录并返回观察结果。”强调运行时严谨性而非仅靠 Prompt，让 Agent 从“偶尔能用”走向生产级可靠。

仓库包含大量实用内容：
1. Agentic Loop（模型-工具-观察循环）
2. 窄型工具与权限检查
3. 规划模式、流程编排
4. 上下文管理、记忆压缩
5. 技能/连接器、提示缓存、可��测性、评估体系
6. MVP Agent 蓝图生成、现有 Harness 审计清单等

特别适合正在使用 Claude Code、Codex 或构建多 Agent 系统的开发者、AI Agent 工程师和科研工作者。

与我之前推荐的《Learn Harness Engineering》和《Harness Books》高度互补，可作为理论+实践的进阶参考。目前已获得 1.2k+ stars ⭐。

https://t.co/RIGn5unrBe

#AIAgent #ClaudeCode #HarnessEngineering #Codex
#AI教程

[宝玉 @dotey]

这图是 Hermes Agent 内置的 baoyu-infographic Skill 画的，效果不错👍

[Yanhua @yanhua1010]

突然发现之前折腾什么OpenClaw，Hermes全他妈浪费时间。

这才是真正的AI Native，目前体验下来最舒服的产品

[宝玉 @dotey]

Anthropic 刚推出 Claude for Small Business，把 AI 直接集成到 QuickBooks、PayPal、HubSpot、Canva、DocuSign 这些小企业每天用的工具里。你只要打开 Claude 桌面端的开关，就能一键启动 15 个预设技能：工资核算、现金流预测、催款、做营销素材、签合同，甚至新员工入职全自动搞定。

收费方式很克制：不额外加钱，只要 Claude 订阅费加上 SaaS 工具的钱。安全方面也放心，工作流必须人为启动审批，Claude 拿不到你本来没有的权限，Team 和 Enterprise 用户数据默认不拿来训练模型。

最近 Anthropic 发布节奏很快：上周金融版发布，这周法律版更新，现在轮到小企业版了。理由也很直接：美国小企业撑起44%的 GDP，却一直没人专门给他们做 AI 产品。

5 月 14 日开始，Anthropic 会在芝加哥、达拉斯等十个城市办免费半天培训，每场限 100 个本地小企业主。线上还有和 PayPal 合作的免费课程，让老板们快速搞懂怎么用 AI。

不过，这招对传统 SaaS 厂商不算友好。Claude 把 QuickBooks、HubSpot 这些工具变成后台，用户界面都不用打开。过去几个月，Salesforce、DocuSign 等公司的股价已经一路下跌。Anthropic CEO Dario Amodei 甚至说过：“单个 SaaS 厂商很可能迅速失去市值，甚至倒闭”。

但讽刺的是，这次 Claude 接入的工具列表里，恰好有几家他刚刚点名的公司。一边说人家要倒闭，一边还要用人家的工具……

产品页面：https://t.co/DW6zPT4rxd

[宝玉 @dotey]

OpenAI 上线了官方命令行工具 openai-cli，开发者可以直接在终端里调 API，不用再写 SDK 代码。

项目开源在 GitHub (openai/openai-cli)，Apache 2.0 协议，可通过 Homebrew 或 Go 安装。命令走资源化结构，比如 openai responses create --input "..." --model <model> 这样的写法。

工具的几个核心能力：

调用 Responses API，并且支持所有 cloud tools，也就是 OpenAI 托管的内置工具，包括 web 搜索、代码解释器、文件检索、图像生成等。换句话说，agent 风格的工作流也能直接从命令行跑通。

输出走 Unix 风格的结构化格式（JSON、YAML、JSONL、pretty、raw 等），可以管道串联，再配合 GJSON 语法直接抽字段，跟 jq 类似，但是内建。

图像生成、图像编辑、语音转录、TTS 这些原本要写 Python 调 SDK 的事情，一行命令就能完成。

管理类操作也整合进去了，可以创建 project、配发 API key，对运维和团队管理者比较友好。

文件传参用 @ file.ext 语法，跟 curl 习惯一致；二进制内容可以用 @data:// 显式 base64 编码。

发布的人是 jxnlco（jason liu），他在 X 上把这个项目定性为 "small ship / passion project"，暗示是相对轻量的发布，更多文档稍后放出。

之前 OpenAI 官方只有 Python、Node 等语言 SDK，纯命令行用户要么裸写 curl，要么自己包脚本。这次把 SDK 能力直接搬到 shell 里，能拼进现有的自动化流程，也方便服务器端和 CI/CD 场景。

很适合 Agent 使用。

https://t.co/8vkfbaalC0

[鸭哥 @grapeot]

OpenAI 和 Cursor 同时在 2026 年 4-5 月把重心从 Skill 转向 Plugin。

驱动这个动作的原因完全不同——OpenAI 在防守模型商品化，Cursor 在逃离供应商陷阱。这篇文章拆了三层：Skill 为什么赚不到钱、Plugin 补了哪三个缺口、两种策略为何走向不同方向。

https://t.co/EbqLixI9lI

[爱丽丝呀！ @BTCqzy1]

港大又放大招了！

量化投研的门槛，这次被港大开源的 Vibe-Trading 直接干穿。

你不再需要精通 Python、不用手动拉数据、不用自己写回测框架。

只需要用大白话说一句想法，AI 多智能体团队就自动帮你把事情干完。

分享一个我最近一直在用的项目：Vibe-Trading

核心优势：

· 全市场原生打通：加密货币、美股、A股全部支持（OKX、Futu、Tushare、yfinance 等）

· 29 种 AI 交易团队：策略师、技术分析师、基本面研究员、风控官……随便召唤

· 它们会内部辩论、互相挑刺，把 AI 幻觉大幅减少

· 生成策略后可一键导出 Pine Script（TradingView）和 MQL5（MT5）代码，直接复制使用～

实际试了试： 输入【ETH 这周有啥机会？把技术面和资金费率都考虑进去】→ 几个 AI ��色开始吵架，最后给了我一份带收益曲线和风险评估的完整报告。

而且Docker 本地部署，数据不离开自己电脑，安全隐私拉满。

GitHub： https://t.co/jSBlcQPscR

感兴趣的朋友们可以跑起来试试～ DYOR

[Berryxia.AI @berryxia]

兄弟们！Google 刚刚更新了Code Wiki！

Google 直接把开发者最头疼的“读代码”瓶颈，一键干掉了。

他们刚刚发布的 Code Wiki，让任何一个代码仓库Github都能瞬间拥有一个永远最新、结构化、 智能可聊的 Wiki。

核心三招狠活：

- 自动扫描仓库，代码一改文档就实时更新，再也不用担心文档过时

- Gemini 驱动的智能聊天，直接把整个 Wiki 当知识库，回答问题还能超链接跳到具体代码行

- 自动生成架构图、类图、时序图，点一下就能从解释直达源码

新手第一天就能上手，老代码没人维护也能秒懂，大库小库通吃。

Google 自己都说：“读现有代码是软件开发里最大、最贵的瓶颈之一。”

现在，这个时代终于要结束了。

公共仓库已开放预览：https://t.co/3hCQKlozkl

你觉得 Code Wiki 会不会成为下一代���码理解标配，把“读代码”从痛苦变成享受？

[加密小韭菜 @Luckyjudy666]

上周Github涨星最快的金融相关项目：

1. TradingAgents：涨星7.9k，UCLA、MIT搞的多智能体交易框架。里面有基本面分析师、情绪分析师、技术面分析师、风控师，还支持Deepseek V4的思维模式。
https://t.co/6kHZLIErGg

2. FinceptTerminal：涨星4.3k，用C++20和Qt6写的开源版Bloomberg。内置37个AI智能体，风格分别是巴菲特、芒格、林奇、格林厄姆那一套，支持16家券商实时交易，还自带MCP和AI量化标签项。
https://t.co/fO98CeoitC

3. Daily_Stock_analysis：涨星2.3k，覆盖美股、A股、港股的LLM股票分析器，自动生成包含入场点、出场点的每日决策仪表盘，通过github actions推送到微信、TG、Discord、邮箱。
https://t.co/LeAQoeq2vG

4. Vibe-Trading：涨星1.9k，个人交易智能体，自然语言写策略、回测、导出到Trading View或MT5，一条pip install 命令就能搭起你自己的AI交易台。
https://t.co/GXtnbGU23A

5. QuantDinger：涨星837���，自托管的AI量化操作系统，能研究市场、生成python策略、回测想法、跑实盘。支持加密货币、股票（通过IBKR)、外汇（通过MT5）。一个Docker Compose搞定，���础设施和数据都属于你自己。
https://t.co/NoTVjQhmZa

6. TradingAgents-CN：涨星641：TradingAgents的中文版，针对A股市场、中文数据源和国产大模型做了完全本地化。
https://t.co/nQgMrgFhl5