robot

[野径 @chirs_pro]

双色球这边我也有路子💰💰💰，单注一等奖最高 1000 万元，税后约 800 万元！

本周日也就是11月15日，双色球第2026131期的中奖号码是：
【鼠 · 龙 · 猴】 红球：03 11 15 19 23 27 蓝球： 11
【牛 · 蛇 · 鸡】 红球：02 06 10 14 22 30 蓝球： 14
【虎 · 马 · 狗】 红球：01 05 17 21 25 33 蓝球： 13
【兔 · 羊 · 猪】 红球：04 12 16 24 28 32 蓝球： 12

PS：生肖里的"三合"，把十二生肖分成四组，每组三个互为贵人。

祝兄弟们发财🎉🎉🎉

[Ralph Sueppel @macro_synergy]

"Introducing a Novel Financial Uncertainty Index (FUI) for 57 Countries":
"Applying the context window method to monthly EIU country reports... the FUI offers a usable measure of financial system uncertainty." https://t.co/A9PK9CPxob

[robot @jiayongbest]

@chirs_pro 一会下楼

[发财小李 @Deelu179242]

端侧AI核心公司梳理！

端侧AI指在终端本地硬件上执行模型推理，不依赖云端实时传输，能够降低时延、保护数据隐私，常见于手机、穿戴设备、智能车载等终端。

高性能SoC

瑞芯微：国内SoC芯片领跑者。公司的SoC芯片主要应用于平板电脑、智能盒子、智能手机等消费电子产品。

2026年三季报营收44.49亿，同比增长41.64%；净利润13.32亿，同比增长70.90%。

全志科技：国内音视频SoC主控芯片领域的领导者，从事智能应用处理器SoC、高性能模拟器件和无线互联芯片的研发与设计。

2026年三季报营收27.98亿，同比增长29.49%；净利润6.592亿，同比增长136.76%。

星宸科技：公司主营端边侧AISoC、IoTSoC、汽车电子SoC的设计、研发及销售，IPC SoC及NVR SoC出货量全球第一。

2026年三季报营收45.75亿，同比增长111.21%；净利润15.64亿，同比增长673.71%。

富瀚微：公司主营高性能视频编解码SoC芯片和图像信号处理器芯片。

2026年三季报营收25.54亿，同比增长123.94%；净利润7.752亿，同比增长845.02%。

晶晨股份：多领域芯片赋能，全球智能终端SoC芯片领导者。公司主营智能多媒体及显示SoC芯片、AIoT SoC芯片等。

2026年三季报营收71.35亿，同比增长40.70%；净利润12.94亿，同比增长85.38%。

翱捷科技：公司具备提供超大规模高速SoC芯片定制及半导体IP授权服务能力，定制业务覆盖云侧AI、端侧AI、智能穿戴、RISC-V服务器及存储等领域。

2026年三季报营收38.14亿，同比增长32.43%；净利润3.585亿，同比增长209.49%。

低功耗SoC

博通集成：公司主营业务为无线通讯集成电路芯片的研发与销售。公司推动无线连接芯片在端侧AI与AIoT场景持续拓展。

2026年三季报营收8.881亿，同比增长42.29%；净利润5429万，同比增长482.69%。

乐鑫科技：物联网领域的专业芯片设计企业及整体解决方案供应商，为用户提供AIoTSoC及其软件。

2026年三季报营收23.70亿，同比增长23.94%；净利润5.529亿，同比增长46.76%。

恒玄科技：低功耗无线计算SoC芯片领域的龙头厂商，主营无线音频芯片、智能可穿戴芯片、智能硬件芯片。

2026年三季报营收21.47亿，同比增长-26.81%；净利润2.155亿，同比增长-57.03%。

润欣科技：公司在智能穿戴领域的SOC芯片和近场扬声器件，有应用于客户的AR眼镜和AI眼镜产品。

2026年三季报营收21.51亿，同比增长0.20%；净利润7493万，同比增长62.62%。

炬芯科技：全球蓝牙音箱SoC芯片的重要供应商之一，公司端侧AI芯片已落地AI音频、智能穿戴AI交互、AI智能办公等场景。

2026年三季报营收9.432亿，同比增长30.61%；净利润1.818亿，同比增长19.91%。

泰凌微：无线芯片市场细分低功耗蓝牙芯片领域全球市占率前三。

2026年三季报营收8.496亿，同比增长10.86%；净利润1.274亿，同比增长-8.79%。

中科蓝讯：无线音频SoC芯片领域主要供应商，白牌市场市占率头部企业。

2026年三季报营收14.47亿，同比增长11.19%；净利润762.2万，同比增长-96.39%。

安凯微：公司主营物联网智能硬件核心SoC芯片的研发、设计、终测和销售。

2026年三季报营收6.748亿，同比增长92.35%；净利润6751万，同比增长182.09%。

物联网模组

移远通信：全球物联网模组龙头，蜂窝物联网模块出货量全球第一。

2026年三季报营收238.0亿，同比增长33.13%；净利润12.12亿，同比增长65.21%。

美格智能：公司主要从事以高算力模组、智能模组、数传模组为核心的算力及通信模组，以及端侧AI、物理AI、泛物联网、智能网联车、无线宽带等行业解决方案业务。

2026年三季报营收35.26亿，同比增长24.99%；净利润1.869亿，同比增长65.19%。

广和通：无线通信模组全球市占率领先，主营无线通信模块及其应用行业的通信解决方案的设计、研发与销售服务。

2026年三季报营收59.41亿，同比增长10.72%；净利润1.764亿，同比增长-44.21%。

[神仙大鱼 @pcwler66]

AI硬件爆发过后，后面也会轮到AI应用，先硬后软，硬了之后就得软。

长期要赚钱，还是得落实到应用上去，不过目前股市的状态，AI软件、应用短期难有大的爆发，这是一个比较好的方向，可以做低位轮动。

AI应用目前爆发的两个赛道就是AIGC和游戏。

[Nora X @NoraX2026]

大佬预测的未来5-10年的风口👇

[张有若 @zhangyouruo]

Google 工程师把 2400 年中国史做成一张可拖动的地图，100 天拿了 2300+ 颗星

https://t.co/qNd1HIUpPt

[Muhammet Topal @mhmmt_tpl]

5 bin yıllık kronolojiyi tek sayfada özetlemișler, zoomladım şuna bakıyorum yarım saattir

[苍何 @canghe]

https://t.co/SjB7ziPFMY

[卡皮Cola🥤 @CapyCola]

https://t.co/50roYqxO1t

[娜美知识库 @fhwofjow51260]

GitHub 上发现一份非常硬核的「润学指南」，已经获得 1.4K Star！

项目叫 RUN，堪称一本免费的海外移居百科全书，整理了欧洲 36 个国家、110 条移居路线，还覆盖美国、加拿大、日本、澳大利亚等热门地区。

从技术移民、留学转工签、数字游民到创业自雇、投资居留，连申请门槛、生活成本、税收、永居年限和材料清单都整理好了。

最实用的是还汇总了 2025—2026 年各国移民政策变化，想了解海外生活或规划移居的朋友值得收藏！具体政策记得以官方最新规定为准。

https://t.co/HZLLCDTAEX

[楼Lou（满仓标普版 @Jackson_louu]

很受关注的南方红利低波50其实跟踪的是【标普红利低波50】008163

🌟非常优秀的指数：
✅成立6年，上涨99.19%
✅最大回撤9.87%，非常优秀
🐮🐮🐮股息率4.68%；PE 9.4；PB 0.9；ROE 9.63%
✅规模也不错，几千万的资金没问题

标普做指数编译，相当有两把刷子，值得长期跟踪。一只很难让人亏钱的产品。

[Trader✨Z007 @z0072024]

网传财务自由大佬的11月自选股，收藏验证。

[陆晨 @4gU8m]

支付宝纳指 100 C 类定投清单（可直接全选复制）

016453 南方纳斯达克 100C 定投 200 元
012752 建信纳斯达克 100C 定投 100 元
018044 天弘纳斯达克 100C 定投 100 元
018967 汇添富纳斯达克 100C 定投 100 元
019173 摩根纳斯达克 100C 定投 100 元
019548 招商纳斯达克 100C 定投 100 元
019737 宝盈纳斯达克 100C 定投 100 元
160213 国泰纳斯达克 100A 定投 100 元（无 C 类）
008971 大成纳斯达克 100C 定投 50 元
019442 万家纳斯达克 100C 定投 50 元

总额合计：1000 元/天，直接复制存备忘录，挨个在支付宝搜代码设定投就行。

[K 神 @KSKBTC]

卧艹！！！！！！！！

A11大佬又爆出大料了！

[山景城小路 @Zen_with_AI]

DeepSeek Harness 团队今天发了一篇讲 Super-agent 架构的长文，是我最近读到最有条理的 Agent 系统设计文章。

它几乎不谈模型多强，讲的是模型够强之后，系统该怎么搭。而且全文借用的都是计算机系统里的老办法：快慢路径、缓存、推测执行、计算存储分离、看门狗。

小路把全文读完了，想带您顺着作者的思路走一遍。文末的配图是我对全文的整理。

先说问题。现在的 Agent 以单个 session 为工作单位，session 之间互相隔离。同时跑几个任务，人就得手动在 session 之间切换，还要记住每个里面有什么。作者的经验是，一个人同时能跟住的活跃 session 大约 3 到 5 个。单个任务受限于模型能力，多任务则受限于人的注意力。

作者给出的解法叫 Super-agent：一个持续在线的 Agent，跨 session 保持上下文，同时处理多个复杂任务，任务之间互不干扰。他们认为它要有四个特性：Continuous（连续）、Productive（高产）、Proactive（主动）、Persistent（常驻）。

整篇文章的骨架可以压成一条链：

两层架构 -> 事件驱动 -> 全双工多渠道 -> 计算/状态/环境分离 -> Watchdog （Router 和 Worker 分工 -> 环境事件当输入 -> 长任务不堵对话 -> 云端常驻 -> 外部看门狗）

下面一块一块看。

两层架构。 只用一个 session，上下文最连贯，但一步一步跑，吞吐上不去，不同任务的中间过程还会混在一起。每个事件开一个新 session，吞吐有了，任务之间又断了联系。作者的办法是拆成两层。Router 是长期存活的全局层，负责和人对话、分派任务，自己不执行任务，甚至可以没有 Bash 工具。Worker 是执行层，每个 Worker 只做一个任务，有独立上下文和完整工具。Worker 不直接和人说话，进度统一报给 Router，由 Router 回复用户。作者说，Router 的活比想象的简单，小而快的模型通常就够，Worker 才需要最强的模型。

事件驱动。 Agent 的主要输入不再是人敲的 prompt，而是环境里的事件，比如群消息、邮件、日历提醒、代码评审评论、CI 结果。论文里把这些叫 Trigger。真实的群聊里绝大多数消息不需要 Agent 动手，所以先过两道筛：第一道是代码里的确定性规则（来源、群、白名单），第二道才交给大模型判断要不要处理。同一个 PR 或同一个聊天话题里连续的事件叫一个 Thread。Router 给 Thread 创建 Worker 之后，Worker 订阅这个 Thread，后续事件由代码直接送到 Worker，不再经过 Router。
上下文当缓存用。 作者把有限的上下文窗口看成缓存，有两个操作。Inline 是把马上会用到的信息直接放进窗口，Spill 是把放不下的留在窗口外，只留一个引用。每个对象都带着相关对象的 ID，模型可以顺着 ID 一跳一跳往外找，论文称之为 Chain of Recall。比如从当前消息的 Thread，找到相关的 Worker，再找到另一个 PR 的评审 Thread。

提前动手。 借用了推测执行的思路。他们内部用户群里配了一条"静默复现并修复"的策略：有人报问题，Agent 先在后台试着复现、找修法，确认了问题并且修法简单，才出来交付结果，否则全程不出声。

全双工。 经典的 ReAct 循环里，同步调用工具时整个 session 都在等。作者把耗时的调用换成异步的 start() 和 stop()，start() 立刻返回"Started"，工具跑完再以新消息的形式把结果送回来。这样人在测试还在跑的时候，就可以继续发下一条指令。文中说明，DeepSeek Harness 已经实现了这个机制，但还没有默认开启。

不同渠道不同说法。 IM 里尽量少打扰，只在需要决策或签字时才找人，他们验证过的一条硬规则是每条回复不超过 100 个字。GitHub 和邮件这类异步渠道则要信息密集，写 PR 时把问题背景、改动和验证结果写全。
计算、状态、环境三者分离。 本地 Agent 通常把这三样绑在一台设备上，电脑一休眠，Agent 就停了。作者先把 Agent Loop 放进无状态的云端容器，会话状态存数据库，所以本地设备离线也不影响 Agent。再往下一步，环境本身（未提交的改动、私有凭证、内网依赖）很难同步到云端，那就不搬，让每台设备只跑一个轻量 daemon，负责执行命令、返回结果。他们称之为 BYOM（Bring Your Own Machine）。设备断线后重新连上，云端 Agent 会自动把需要在这台设备上跑的任务补上。

Watchdog。 长期运行的 Agent 系统，很多故障不是崩溃，而是进程还活着，模型却陷进了没有进展的循环，或者偏离了目标。所以需要一个独立的 Watchdog session，由定时消息驱动，既处理 API 报错、状态恢复失败这类基础设施故障，也用模型判断每个 Worker 有没有实质进展。因为它本身就是带完整工具的 Agent，维护者还可以直接用自然语言问它为什么失败。

再看实验。作者强调这是初步实验，用的是合成负载和简化环境，结果只作参考。设置是：约 300 条群聊和 GitHub CI 消息，其中约 20 条是真正的工作请求，编码工作用一个只消耗时间的工具模拟，每种设计跑 5 次。

完成时间。 Super-agent 的任务完成时间 p50 是 12.4 分钟，p95 是 15.7 分钟。单 session 加 subagent 工具，用中性提示词时是 20.4 和 29.5 分钟，而且 5 次里模型一次都没有调用 subagent，活全在主 session 里干，不断被新消息打断。换成"优先交给 subagent"的提示词，是 13.8 和 29.0 分钟，5 次里有 1 次模型觉得活"小"，自己干了，拉出一条长尾。作者的解读是，单 session 要靠提示词和模型当场的判断来决定要不要分派，两层架构则把这个问题放到系统层解决。

代价。 Super-agent 每次运行的 cache-read token 是 23.2M，单 session 方案是 6.1M 到 10.8M。用更多 token 换更短更稳的完成时间。

透传。 去掉订阅透传，完成时间几乎没变（12.6 和 15.5 分钟），但 Router 的决策次数多了约 30%，cache-read token 从 23.2M 升到 31.8M，多了约 37%。所以透传的价值是减轻 Router 的负担，而不是让任务更快。

Router 批处理。 Router 单独压测，Trigger 到达速率从每分钟约 1 条升到约 40 条，平均批大小从 1.0 升到 2.8，每次请求的时间只从 2.5 秒增加到 3.9 秒，摊到每个决策上的推理时间从 6.4 秒降到 1.6 秒。原因是排队的 Trigger 会被合并进下一次调用，在 Prefill 阶段并行计算。结论是，以他们现在的团队规模，不需要急着拆分 Router。

作者自己列出的开放问题也值得看。

长期记忆。 Router 加 Chain of Recall 能覆盖近期的任务，系统跑上几个月之后，长期记忆会成为主要瓶颈。
Router 什么时候拆、拆多细。 拆得越细吞吐越高，共享的上下文就越少，这个取舍目前还没有定论。

安全。 云端 Agent Loop 不断接收外部事件，终端设备上又有私有代码和本地凭证。一旦 Agent Loop 被入侵或被提示词注入，所有连着的设备都可能被接管。凭证即使云端没被攻破，只要能进模型上下文，也可能泄露。作者的想法是，Agent 需要一种用凭证但看不到凭证的办法。

我读下来最有感觉的是 Router 那一层。我们平时和 Agent 合作，总想着把最强的模型放在最中心的位置。但这篇文章里，中心位置的活是接话、分派、记账，不碰执行，反而可以用小模型。真正吃力的活放到边上，一个任务一个 Worker。

简单总结一下就是，作者认为多任务 Agent 的瓶颈是人的注意力，所以让 Router 负责连续，让 Worker 负责并行，让 Trigger 把 Agent 从等指令变成看环境，再用云端状态加外部 Watchdog 保证它一直在线。实验显示，在他们的模拟负载下，这套设计把 p95 完成时间压到了 15.7 分钟，代价是 2 到 4 倍的 token。长期记忆、Router 拆分和安全，作者说都还没解决。

[Power｜资料过滤器 @Bifuzhuiqiuze]

小学英语有1000个核心词汇，但真正难的不是记住，而是学会在句子里用出来。这套资料把1000个小学核心词汇和40篇英语短文结合起来，还配了中英文默写本和40篇童话故事默写材料。我觉得比较实用的一点是：不再只是拿着单词表反复背，而是通过短文和故事，把单词放进具体语境里，边读边记、边学边练。对于正在积累词汇量的小学生，这种学习方式更值得尝试。家里有孩子正在学英语的，可以留着，日常复习时拿出来用。夸克🔗： https://t.co/xtv9uGhigp
提取码：YhRG

[小周同学 @hello_xiaozhou]

9科13000集，初中学习一站搞定

孩子一打开就想看的初中学习资源来了

语文、数学、英语、物理、化学、历史、生物、政治、地理九大科目一次集齐

超过13000集课程，数学和物理等科目还配有习题巩固

用生动有趣的动画和图文讲解，把原本枯燥的知识变得更好理解

从基础学习到重点复习，都能找到适合自己的内容

https://t.co/lanBcSAuOd

[小马 | 商业生存指南 @VibePonyAI]

2029 年 AI 泡沫破灭，2030 年遍地是黄金？

王煜全这场访谈，提问犀利，回答更敢说。

关于 AI 的未来、科技投资和下一轮机会，
有些观点值得反复听。

[TaoBuilds @Tao_Builds]

卧槽，一道高中数学题不会，居然能往前追到小学？😂

GitHub这个 cn-math-taxonomy 有点东西。

把数学等学科的知识点画成依赖关系图。

1644个知识点，6723道题。

某个知识点卡住了，就沿着关系往前追。

看看究竟是哪一块基础没打牢。

浏览器直接体验！

不过内容还是AI生成的初稿，没经过完整教师审核。

适合探索学习思路，别当权威答案。

https://t.co/WWiNax1r1S