Reality_Investor

Truth seeker

[沉浸式翻译 @immersivetran]

拒绝书荒，像比尔盖茨和马斯克���样深度阅读

BookAuthority 不是普通的图书榜单，它是全球公认的非虚构类书籍权威推荐网站。

核心逻辑非常硬核：通过抓取全球顶级思想领袖（如 Elon Musk, Jeff Bezos, Warren Buffett 等）在公开场合、社交媒体及采访中的推荐，结合销���、读者反馈和社交媒体热度，用算法筛选出各领域最值得读的作品。

面对琳琅满目的新书，普通读者很难判断哪本是干货，哪本是口水书。它替你完成了第一轮的高阶筛选。

成功路径不可见：很多人想学习创业、AI、领导力，但不知道行业大牛都在读什么。这个网站直接公开了顶级 CEO 们的私人书单。

非虚构类领域细分缺失：相比于虚构类作品，高质量的专业书（如 Apache Spark、数值分析 等）很难在普通平台上找到精准排名，而它涵盖了从科技到商业的数百个细分垂直领域。

这里的推荐人是 马克·扎克伯格、蒂姆·库克 和 萨��亚·纳德拉。如果你想提升认知水平，紧跟这些思想领袖的阅读脚步是最快的路径。

权威的垂直榜单：它不仅有畅销书榜单，更有诸如“史上最佳 商业传记”、“2026年必读 人工智能 书籍”等极具深度的专项排名。

数据驱动的公正性：它的评分不只看好评率，还整合了提及频率和市场表现，有效过滤了刷榜干扰。

https://t.co/fmFuiGUzEC

[stockbee @PradeepBonde]

A cluster of sale days in the last five days, a sign of transitioning into stalling action here.

[Lone Stock Trader @LoneStockTrader]

https://t.co/2haFhBI7r0

[Michael McDonough @M_McDonough]

If you have @TheTerminal paste this query into excel, quite cool
=BQL.QUERY("GET(DROPNA(CALENDAR(TYPE=ECONOMIC_RELEASES,SUBTYPE=ALL,VIEW=Standard),REMOVE_ID=1)) FOR('US Country') WITH(DATES=RANGE(2026-01-28,2026-02-28))", "showallcols=true")

[Yanhua @yanhua1010]

如果说Obsidian只安装一个插件的话，我推荐Claudian

最近将之前Muset中笔记全部迁移到了Obsidian，发现Obsidian+Claudian 就可以完美实现Muset功能：

1. 笔记维度的Agent上下文，而不是整个workspace
2. 笔记之间使用 [[wiki links]] 连接起来，组成思想网络
3. 搭配Skills生成不同平台风格的内容、图片

[AI奶爸 @zstmfhy]

奶爸最近一直在琢磨怎么打通图书馆与NotebookLM的最后一公里！📚✨

为了方便大家，我直接搜集+实时验证了这些实用电子书下载站点集合（2026年1月19日最新可用）：

1⃣Anna's Archive（Boss级搜索引擎，超1亿书籍+论文，整合Z-Lib/LibGen/Sci-Hub）：当前可靠镜像：https://t.co/4T3AaBvuiO / https://t.co/Vip8wLj9RP
2⃣Z-Library：https://t.co/ujfIZXlMxy 或 https://t.co/XAdKgaWCIT （资源海量，多语言支持）
3⃣OceanofPDF：https://t.co/WXMh3kuQkL （小说/流行书多）
4⃣Welib：https://t.co/iAkWsHCNqa
5⃣SoBooks：https://t.co/qjPKj5yZUS （Kindle中文资源超友好）
6⃣鸠摩搜书：https://t.co/Nna4UbvJDj （文档搜索神器）
7⃣Genesis (LibGen)：https://t.co/tQxlRk9hF9 （学术/非虚构最强

感谢我的教�� @GoSailGlobal 给我提供相关资料，大家可以关注他，一个宝藏博主

[Jackywine @Jackywine]

简体中文里最权威的 Obsidian 教程（也有可能是最美观的），推荐给你阅读！

[YJ @YJstacked]

https://t.co/rz3z9wgAWI

[向阳乔��� @vista8]

朋友做了一个提示词收集分享网站。

过去一年整理了宝玉老师、李继刚、歸藏和我等很多朋友的提示词。

而且他真的很认真的在维护收集整理，推荐收藏。

https://t.co/UN6G35fZaS

加油！大力支持 @CharlesC_ai

[数字生命卡兹克 @Khazix0918]

https://t.co/IKU9InNMe7

[Yuker @YukerX]

https://t.co/ie9xuXIDYQ

[sysls @systematicls]

If you've used machine learning to solve problems, one of the common questions you will have is how to do feature selection?

One possibility is the Sequential Forward Selection (SFS), which builds a feature subset one feature at a time. However, it is not feasible when working with an enormous set of features AND has issues with path dependency!

In today's article we cover a strictly superior variant of the Sequential Forward Selection!

Find it at the bad place, or retweet for a chance at a free article!

[Boring_Business @BoringBiz_]

A few other AI prompts I have been using to look at stocks

> Create a summary of recent earnings calls and tell me what management is focused on

> Help me understand historical catalysts behind the stock price. What news or events moved the stock up or down more than 5% in the last 5 years?

> Give me a breakdown of revenue, EBITDA, earnings by segment

> Summarize any KPIs reported by the company and how those KPIs move topline and bottom line

> Give me a detailed background of the executive team and relevant experience they have in the sector

> Break down EBIT, EBITDA and net income margins. Create a table showing side by side margins of comparable companies

[David Orr @orrdavid]

Portfolio of a current ~$1 billion fund that has underperformed enormously for 5 years in a row. I'll give brief, honest, 2 minute thoughts on each stock in this thread.

[Finding Compounders @F_Compounders]

Ever heard of Graham Holdings Co?

Currently trading at a P/E of 6.86

[花叔 @AlchainHust]

https://t.co/Co0mUr37RL

[Ali Ansari @aliansarinik]

https://t.co/lPl6ove4sO

[sysls @systematicls]

As a PM looking for employment, you should often think about what potential employers want to know from you!

1. Do you provide exposure to an alpha that they lack or wish to scale up from?

2. Can you get to a size that is meaningful to them? For tier 1 hedge funds, 50mn - 100mn is meaningful. For prop shops, even 1mn might be meaningful. This depends on the scale of the prop shop, tiers matter. It will look very different at Tower vs Graviton.

3. How much do you cost? When can you GTM? What is their recoup rate like if things go according to plan? When can you scale to a size that is meaningful?

4. What are the unknowns here? Have you done THIS before? Were you an established PM? Is this your first PM gig? As a researcher, were you involved at all in monetization? Do you know all the data intricacies?

[Christian (Building @0xinfini) @Christianeth]

记得几个月前还看到某个硅谷顶级产品经理说，之后工程师和PM的比例应该会慢慢接近1:2。现在看来不太合理，ai提效更快的反而是产品经理的工作，因为工程实现一定需要准确度，但PRD是可以相对质量宽松的。

分享一下这两天从零开始实操的经验，如何快速产出一个中等级别复杂度功能的PRD：

1.确定完优先级和功能范围后，直接用自然语言几句话丢���Manus/GPT/Gemini等助手，要求产出全面的PRD，进行对比（耗时10分钟）
2.拿到结果后（通常肯定是不够好的），按照自己的理解删减部分功能以实现精简MVP，加一些边界case的考虑，加一些优秀竞品的参考。（耗时30-60分钟）
3.如果没有原型就只能丢给Lovable，如果是迭代需求就可以截屏UI图并把优化过的Prompt丢给Alloy，记得备注要严格按照现有的风格，记得事先想好会需要几个页面，分别是什么。（耗时15-20分钟）
4.拿到可交互的原型后再按照自己的审美习惯进行调整（耗时30分钟）
5.把最终版的原型（截图或代码）重新丢回给帮你出PRD的agent，要求他按照这个再修改PRD（耗时10分钟）
6.把两个相对满意的拼��到一个最终版的文档，交给设计师和研发来评估，进一步完善细节。

最近面试了很多大厂的资深PM，当听到他们冗长的一套产品流程，简直要翻白眼。这个时代属于拥有较好的直觉，快速理解需求，快速产出，快速验证的团队。

[⧫ Alan Chen ⧫(alanchentsla.eth） @alanchen]

7⃣投资最大的成本不是钱，是信息差和时间。 用 AI 把阅读财报的时间从 3 小时压缩到 5 分钟，你就有更多的时间去思考决策。

这就是属于普通投资者的“超级外挂”。🧠

如果你觉得这套 Prompts 有用：

关注我 @alanchen 获取更多 AI x 投资 实战技巧。

点赞 & 转推 这条 Thread，把它分享给你的投资搭子。

评论区告诉我：你准备用它读谁家的财报？👇