CKen(💙,🧡)

I love Web 3. | Crypto | NFTs | DeFi | Art | ⚙️

[Guillermo Casaus @_guillecasaus]

Un desarrollador chino ha creado una "maquina de imprimir dinero".

Se trata de una herramienta capaz de generar vídeos completos para TikTok, Reels y YouTube Shorts de forma automática.

Acumula más de 13k stars en GitHub, es gratis y open-source.

Aquí te explico cómo funciona 👇

[Huan @Huanusa]

周末别只刷抖音了！

强烈推荐花3小时认真看完这场演讲：
李录北大演讲：全球价值投资与时代

时隔5年，李录罕见公开的160分钟思想盛宴，真正让人醍醐灌顶！
李录是谁？
查理·芒格的黄金搭档，被芒格称为“中国的巴菲特”，
喜马拉雅资本创始人，管理规模80亿美元，长期年化回报超20%。
巴菲特和芒格重仓比亚迪，就是他力荐的结果（30倍+收益）。

这场演讲干货极重，核心内容包括：
-我们这个时代的最大困惑是什么？
-中等收入陷阱与国际关系
-全球价值投资人如何应对贸易战、关税等挑战
-价值投资的六条核心理念
-优质公司高估时怎么办？
-年轻人如何在不确定中决策？优秀企业家的共性……

推荐指数：★★★★★
值得珍藏、反复刷的一课！

[断浪 @waveking1314]

卧槽兄弟们，GitHub 上真的有一堆免费到离谱的项目。

很多能力已经能直接干掉你正在月付的软件。

1. TradingAgents
AI 多 Agent 量化交易框架
https://t.co/1KWK86Rm5Z

2. LibreChat
一个界面接入 ChatGPT、Claude、Gemini 等多个模型
https://t.co/MDeFpgsGgb

3. HyperFrames
HeyGen 开源的视频生成引擎
https://t.co/XHwTWxQ7DA

4. Fincept Terminal
开源版彭博终端
https://t.co/XuodvoJJVs

5. MoneyPrinterTurbo
AI 一键生成短视频
https://t.co/GAoWUyfwWj

6. Agentic Inbox
Cloudflare 开源 AI 邮件助手
https://t.co/rGyqHR2CZ8

7. VoxCPM
AI 声音克隆工具
https://t.co/sjlxTv7Iwf

8. Flowsint
开源 OSINT 情报分析工具
https://t.co/tRXkg2uoBX

9. agent-skills
Claude Code 技能库
https://t.co/TYJEkoNnS0

10. Nango
开源 API 集成平台
https://t.co/fAVHqXr3qW

兄弟们，这些真不是玩具项目。

很多你还在交月费的软件，GitHub 上已经有人做出开源平替了。

一句话：

别只会收藏 AI 工具网站了。

真正狠的东西，很多都藏在 GitHub 里。

[周大侠 @youngerbest]

教各位一个抄底小技巧，

USDT.D 抵达 9%以及9.5%，开始买入大饼即可，

没有废话，全是价值

[姿勢矯正トレーナーRegulus🇯🇵｜オリンピック選手や医師も通う姿勢矯正の専門家 @shisei_trainer]

サッカー日本代表の選手、バスの降り方を見るだけで体の使い方が分かるって知ってましたか？

ほとんどの選手は膝を支点にしてバスのステップを降りていました。
でも佐野海舟選手だけ、支点が股関節。
たった一段の段差なのに、体の使い方の差がはっきり出ていたんです。

これ、地味に見えてかなり大事なポイントです。

そしてここは、後からでも変えられる部分です。

Regulusが指導しているのは、姿勢改善、痛みや不調の根本改善、スポーツ動作指導、この3つを統合した体づくり。

膝重心から股関節重心へ変わると、パフォーマンスも痛みも驚くほど変わります。

#サッカー日本代表
#股関節重心
#膝重心

[Star@Day1Global Podcast @starzq]

AI 超级周期经济学(一)：我们现在在哪里，下个 10 年如何投资？

补一个视频版本

01:41 - 斯坦福开了什么课？Altimeter Capital 合伙人 Apoorv Agrawal 主讲的 AI 超级周期经济学，嘉宾阵容覆盖芯片、能源、模型、应用全栈

04:43 - AI 正在成为全球最大基建：AI 开支已超 6000 亿美金，仅次于美国国防预算；Anthropic 年收入连续三年 10 倍增长

09:28 - 钱在 AI 里怎么分布？云计算时代应用层拿走大头，AI 时代英伟达独占 80%——两张图看清价值捕获的翻转

18:17 - Star 自制 AI 产业 8 层全景图：从能源、制造、存储、芯片互联到算力服务、数据、模型、应用，逐层拆解代表公司与投资逻辑

35:05 - 用 1000 个研究员的比喻讲清 GPU 训练全流程：SRAM、HBM、NVLink、光模块、SSD，每一层存储为什么存在

38:26 - 你每月付给 Claude 的 $20 去了哪里？从模型公司到英伟达到台积电到 ASML，完整利润分配链拆解

42:31 - 选 AI 公司的三个维度：未来空间 × 利润获取力 × 不可或缺性；Crusoe CEO 的看多与看空建议：从第一性原理出发，警惕被 HYPE 的能源概念股

免责声明 & 风险提示：主持人与嘉宾在播客中的观点仅代表个人看法，有时可能会持有播客中讨论的某项目的头寸。此播客仅用于提供信息，不作为投资建议，Always DYOR (Do Your Own Research)

[奶牛叔 @WWTLitee]

做量化和投研自动化的人，可以看一下 TauricResearch/TradingAgents。

它是一个 Multi-Agents LLM Financial Trading Framework，市场研究、观点碰撞、交易判断这些环节会拆给多个 agent 协作。拿来研究金融场景里的 agent 分工会比较合适。

GitHub 现在约 78.6k stars，本月新增 26k stars。这个热度很高，但交易类项目一定要冷静看，别把框架热度当成收益证明。

适合做投研工作流、策略研究、金融 agent demo 的人。如果涉及实盘，先按研究框架看，不要直接信输出。

仓库：https://t.co/5ekwlzM6kI

[Khairallah AL-Awady @eng_khairallah1]

https://t.co/byOzZfUvFh

[Dr. Moyu｜摸鱼局长 @Jason23818126]

Codex 新手必看！5 分钟上手保姆级中文教程

很多朋友想用 Codex，但安装配置、英文文档、AGENTS.md 这些常常让人头疼
今天分享一个专为小白用户整理的详细中文资源

主要内容包括：
- 国内网络环境下一键安装配置指南
- Codex APP、CLI、Desktop App、VS Code 扩展的全形态保姆级图文教程
- AGENTS.md 模板编写方法 + MCP Server 配置实战
- Skills 使用案例与高效工作流技巧
- 常见问题排查和优化建议

内容以清晰的步骤和截图为主，从零基础到进阶都能快速跟上。特别适合新手快速入门，也方便有经验的用户查漏补缺

地址：https://t.co/0ayvXg0kvE

如果你正在学习或使用 Codex，建议收藏，方便以后随时参考

欢迎在评论区分享你的使用心得，一起交流～

[Movez @0xMovez]

Jane Street pays $750k/ year for quants who can answer how to use Stochastic Process and Markov Chains in quant trading.

This 1-hour MIT lecture on probability gives you the same insights quants get paid $60K/month for.

Bookmark & watch today. Then read the article below.

[Vincent | 信号＞噪音 @VincentLogic]

金融人狂喜，Anthropic 开源了金融全家桶

兄弟们，Anthropic 悄悄在 GitHub 开源了一个金融行业的 AI 工具仓库，我翻了一遍 README 直接惊了。

简单说就是：投行、研究、PE、财富管理、基金运营的常见工作流，他们全给你写好了 AI 代理和技能包。

亮点速览：
• Pitch Agent：从 comps 到 LBO 到 PPT，全自动生成
• Model Builder：DCF、三张表直接在 Excel 里搭，不用手敲公式
• Earnings Reviewer：财报出了直接喂进去，自动更新模型
• GL Reconciler：对账找差异不用人肉，效率拉满
• 11 个数据连接器：FactSet、S&P、Morningstar 都接上了，数据源不用愁

使用方式超简单：
可以装 Cowork 插件，也可以用 API 部署，还能在 Excel/PPT/Word 里直接用（微软 365 插件）
技术栈？不存在的
全是 Markdown 和 JSON，零编译。Fork 下来改改提示词就是你自己的，二次开发门槛极低。

Apache 2.0 协议，免费商用，这点很关键。

说实话看完感觉金融民工的春天要来了，以前搭模型写 memo 做 deck 的时间可以省一大半。

当然提醒一句，所有输出都需要专业人士审核，不能直接当投资建议用，工具是工具，决策还得靠自己。

往期GitHub合集：https://t.co/8disIOBo2d
项目地址放评论区了👇

[梭哈.AI @SUOHA_AI]

想自己做金融分析、股票研究？

这些完全免费、Github开源的工具推荐给你，适合低门槛快速入门系统化 + AI 驱动的金融/财报分析👇

1. OpenBB（67.4k stars） https://t.co/cpvnzYAXFw
号称一个真正能替代 Bloomberg Terminal 的开源金融数据平台，数据整合能力强、支持 Python/CLI/AI 代理，日常股票深度研究和项目报告效率极高。唯一小缺点是高级数据源仍需自行接入，但免费部分已经够大多数人用了

2. Freqtrade（50.2k stars） https://t.co/wZAnWOE2dp
免费开源的 Python 加密交易机器人，内置回测、机器学习策略优化（FreqAI）、Telegram 控制等全套工具，是目前交易机器人里最成熟的一个，但学习门槛较高（需要会 Python），用 AI 学也可以上手

3.FinGPT（20k stars） https://t.co/tPKuVmTF7R AI4Finance 基金会维护的金融专属大模型框架，成本极低。这是真正能本地跑的金融 AI，用来做财报分析、新闻解读和智能研究非常实用

这三个工具组合起来，基本覆盖了数据获取 → 量化回测 → AI 智能分析的完整流程，全程本地运行、不用付费、不用担心数据隐私

省下来的订阅费，都拿去多买几只股票了😂

[区块链行情研究 @qkl2058]

吉姆·西蒙斯这个人你可能没听说过，但他干了一件挺离谱的事：用数学把1亿美元滚到了1300亿。而且他用的那套方法论，核心就浓缩在MIT一场一小时的公开讲座里，完全免费。

普通人炒股，很多时候靠的是论坛帖子、市场情绪，或者一种说不清道不明的“感觉”。但西蒙斯不一样，他靠的是方程。靠这套东西，他做到了连续三十年、年化收益66%，这数字不是拍脑袋的，是真实战绩。

那场讲座真正值钱的地方，不是什么励志鸡汤。它把文艺复兴科技公司最底层的逻辑拆开了给你看，大概就这么几条：

· 找到人眼根本看不出来的统计优势；
· 只在数学明确给出信号的时候才动手；
· 同时跑大量小仓位，从来不押重注赌一把；
· 信号一弱就果断止损，不拖泥带水；
· 靠长期复利，持续迭代系统。

这些听着不算什么交易小技巧，而是现在所有AI交易机器人背后，真正该保留的那套原则。

1988年，想玩这套东西，门槛高得离谱。你需要五十个博士、几百万美元的硬件设施、好几年的数据和工程积累，还有那些普通人根本接触不到的定制数据源。

但到2026年，情况完全不一样了。

现在一个人、一台笔记本、用Claude Code，花七天时间，每个月二十美元的API成本，就能搭出一个能跑的版本。可以做跨资产的模式识别，能在噪音里抓信号，能自动执行，还带大规模风控。

周末的实操方案也很直接：

· 周五晚上，把西蒙斯那场讲座看了，把里面提到的信号全记下来；
· 周六，打开Claude Code，用历史价格数据搭一个回测框架，挑三到五个核心信号跑一遍；
· 周日，去Polymarket、Toobit或者Alpaca开模拟盘，先验证策略，别急着上真钱。

到了周一，只投你亏得起的仓位。一百块、五百块，都行。重点根本不是一开始能赚多少，而是你得先走通这个流程：验证、迭代、复利，最后才是放大规模。

这可能是历史上头一回，一个普通人和文艺复兴交易员之间的知识差距，被AI工具压到这么小。

真正的分水岭，不是看谁听过这场讲座，而是谁看完之后，真的把它变成了一个可运行的系统。

[0xkevin (🖤 , 💙) @0xKevin00]

夯爆了！！这是我看过最全面的 AI 炒币网站

功能：AI选币、机会雷达、异动信号、获利复盘

这个网站秒杀市面上其他 AI 选币工具👇

它不只是纸上谈兵，而是把合约数据、链上数据，甚至把币安广场的营销数据都拉了出来。所有暴涨信号在 AI 监控下无所遁形

最关键的是作者拿这个数据开了实盘，几乎每天印钞！

打开网站左上角能看见作者的 AI 实盘日历，包括每天的盈利和具体的单子

链接：https://t.co/jQ3hzqSvoA
作者 @SexyMichill

[Lao Mao @Imlaomao]

另外一个网站，是监控美元流动性的，这个对做宏观交易的人有用，也是同一个作者。https://t.co/gOSGtGOseS

[jstin @jstin0502]

應該是這招讓我打到我的目標的

[🌞Sunny哥 @BTC__Sunny]

真心劝所有人，都去冲斯坦福这场两小时封神讲座

直接把ChatGPT，Claude所有主流大模型底层核心逻辑扒得底朝天，讲得通透到离谱！

全程全是硬核干货，含金量直接拉满

很多知识点就算是AI圈内老从业者，平时压根接触不到、根本没人肯讲

别再天天沉迷碎片化短视频瞎耗时间浪费生命了

赶紧先收藏码死，抽两小时沉下心一口气看完！

看完直接颠覆认知，这绝对是你这周最值最赚

提升最大的一次深度学习，没有之一！

[Crypto_Painter @CryptoPainter]

可以可以，进化系统经过一天的反复适应，似乎终于搞明白了如果专注于做短线，那么就应该灵活一些…

最近24h内它主动修改了短线策略的入场规则，将资金利用率提高到了极限，同时还学会了给保证金开启 OKX 的自动赚币…

虽然胜率依旧很低，但盈亏比弥补了这部分的劣势，开始持续稳定盈利了…

给他15000u的第三天，整体盈利居然到达了2000u，看来为了支付那些我虚构的服务器与API费用，它很努力！

顿时有点不好意思了😅……

[Nic @Nicjiang7]

最近看到大家都在发自己的量化，我也分享下自己的量化，大概跑了半个多月，从Openclaw 换成 Hermes 后就一直在构思这个系统，我没研究过现在和过去其他人的量化逻辑，但我这个目前胜率还凑合，从 1000u 的本金也跑到了 1600+，说下基本自己的思路，也能和大家碰撞想法和交流：

🌟AI 是 Claude + Hermes ，claude 搭系统，Hermes 来分析策略和执行，95% 是 7x24 服务器上跑不占用 大模型Token

🌟核心逻辑和共识是 —— 一个真正会自己学习的Agent。她能记住每一次判断对错，能从失败中提炼经验，能主动调整自己的判断逻辑。就像一个真正的交易员，刚入行时新手，做久了变老手。

就拿我自己来说，从 openclaw 出现以来就在不断的使用学习试各种skill 和方式让他变得更智能更主动的帮我做事，但是实际上他本质逻辑就是个定时器，时间到了开始做事，所以基于这个逻辑想要无缝 7 x 24 的跑下来就必须有个合理的闭环让他循环，我是这样思考的：

1⃣每次决策都留痕

简单来说我每一次跟我的 Hermes 聊天让他帮我每分析或开仓，系统会自动记录一份"决策快照"：

·当时的市场温度（恐贪指数、VIX）
·币种的技术指标（RSI、ADX、量价）
·订单簿的真实买卖情况
·聪明钱在做什么方向
·宏观环境（关税期？FOMC期？）
·Polymarket在赌什么/对应 token 是否有盘口
·为什么做这个判断（理由）
·预测的方向和目标价

这就像一个交易员的工作日记，每笔交易都写下"我为什么这么做，现在是什么环境的判断"。

2⃣24小时后回头看（可以根据我问的情况自动判断时间戳）

24小时后，系统自动回访这笔决策：

当时Hermes说"看多ETH，目标涨3%"
24小时后实际：ETH涨了2.5% → 标记为"判断正确"
24小时后实际：ETH跌了1% → 标记为"判断错误"

这个回访不是简单看价格，而是要分析复盘为什么对、为什么错。

3⃣让AI自己复盘

这里是最关键的一步。如果判断错了，系统会自动把错误的分析和实际结果发给MAKIMA本人，让她自己复盘：

"你24小时前分析ETH看多，给出Conviction 72分 当时你的依据是：RSI超卖、订单簿买盘强、聪明钱方向一致但实际ETH跌了2%
请复盘：
1. 哪个信号判断失误？
2. 当时忽略了什么？
3. 下次遇到类似场景怎么处理？"

Hermes会给出复盘结论，比如：
"忽略了Polymarket 的反向信号，当天 ETH 的盘口预期不足以造成拉盘，市场预期ETH会跌 聪明钱信号有滞后性，不能完全依赖 下次遇到 Polymarket 反向时应该谨慎做多"

这条复盘自动归档到经验库，带上标签：

「币种：ETH
RSI区间：超卖
宏观环境：FOMC前
失败原因：Polymarket反向被忽略
教训：Polymarket反向时聪明钱信号需折扣」

4⃣下次遇到类似情况，自动调取经验

这是真正让她"成长"的核心。

下次Hermes要分析任何币种时，系统会智能搜索经验库，找到Top3-5条最相关的历史经验，注入到她的判断上下文：

"现在分析ETH，参考你的历史经验：

「经验1（30天前，类似场景）：
ETH超卖+宏观平静期，做多成功，关键是订单簿买盘强
经验2（45天前，反面教材）：
ETH超卖但Polymarket反向，做多失败，被打止损
经验3（15天前，类似场景）：
ETH超卖+聪明钱共识，做多成功率高」

请结合这些经验给出判断"

她不是从零开始判断，而是带着"过去同样情况下的经验"做决策。

🌟这套闭环的意义：

普通量化：人写规则 → 静态系统
我的量化：自己积累经验 → 动态成长

第1周：按基础逻辑判断
第4周：积累了几百条经验后，遇到熟悉场景能直接调取 第3个月：经验库足够丰富，胜率开始指数级提升
第6个月：成为这个特定市场环境下的"老手"
理论上，操作越多，胜率应该越高。每一次错误都不是浪费，而是在喂给她未来的判断力。

💡一个具体的例子

4月15日：MAKIMA分析BTC，看多，结果跌了 归档经验：BTC在RSI=42+ADX=20的震荡市做多，失败

4月22日：又遇到BTC RSI=44+ADX=22+震荡市 系统调取

4月15日的经验作为反面教材 Conviction从60分扣到48分（不开仓） 后来BTC确实又跌了 → 避免了一次亏损

5月5日：BTC RSI=38+ADX=45（这次是趋势市） 系统调取经验时，发现4月15日的反面教材"市场状态不同" 权重降低，不影响这次判断 正常开多，赚了

「她学会了区分场景，不是机械套用经验，而是判断"过去的经验在当前是否适用"。」

·不让Agent绕过规则，而是改进规则

我们最初遇到一个问题：Hermes有时会觉得系统设的门槛太严，自己绕过去开仓。

我们没有限制她，而是给了她一个"反馈机制"：

觉得门槛过严？写入feedback.log 觉得规则不合适？告诉系统 "你不是在忍受规则，你是在训练系统"

每周日系统自动统计这些反馈：

如果"觉得过严但实际开仓胜率>55%" → 门
槛自动降低

如果"按门槛开仓胜率<45%" → 门槛自动提高
她的每个想法都被听到，每个反馈都在改进系统。

弄这套东西的原因是我比较懒，但是在不了想学习外面的量化系统策略和逻辑，那么我就想弄一套东西不断的跑，我甚至懒得告诉他怎么跑。
这套系统我第一件事就是让他把现在到过去 2 个周期的 K 先放量价格等所有数据跑一个遍，然后把关键节点价格做上坐标，然后根据这个坐标找相对于宏观事件都发生了什么，分析原因，快速积累经验。每天和 claude 聊的最多的就是 Hermes 还缺什么，如何继续完善，怎么让他成长的更精准

下面发几个自己的面板（我为了他在干什么我能看得见，还建立了个模板清晰看到他在做什么）