楓葉

[arc. @arceyul]

Un consultor de ventas de 29 años de China dejó su trabajo gracias a la IA: ahora gana en solo dos semanas lo que su jefe gana en todo un año.

$306,000 de beneficio en el último mes.

Reemplazó a todo un equipo de analistas cuantitativos con Claude y un enjambre de agentes de IA, y construyó su propio motor de simulación del precio de ETH.

Cada uno de los 6 agentes valida sus propias decisiones de trading y, gracias a su precisión, está generando al menos $15,000 al día.

La velocidad de cobertura y análisis de su sistema de agentes supera con creces a la de cualquier equipo de trading de primer nivel.

Recopilan datos 24/7 y ejecutan simulaciones con esos datos en el motor MiroFish, de forma completamente autónoma.

Memorizan cada patrón, cada reacción del mercado y cada señal de trading. Esto marca un nuevo hito en el trading algorítmico.

Cada operación es un ciclo perfecto. Cada dólar ganado es pura explotación de ineficiencias del mercado.

No predice el futuro: las matemáticas ya lo conocen. Simplemente interpreta correctamente los números y se lleva el dinero.

Guarda esta publicación si realmente quieres aprender a construir algo parecido.

[lis @lisaknowsai]

CLAUDE AHORA OPERA MI TRADINGVIEW SOLO.

NO TOQUÉ EL RATÓN NI UNA VEZ

Le pedí:

"Encuéntrame todos los futuros de BTC con RSI por debajo de 30 y volumen +200% a la vez"

14 segundos después:
→ 6 contratos encontrados
→ Gráficos cargados automáticamente
→ Soportes dibujados
→ Script de Pine corriendo backtest
→ Zonas de entrada marcadas

Luego: "Reproduce la semana pasada y enséñame dónde habría entrado mi sistema"

Pasó solo a modo replay. Vela por vela, marcando cada entrada y calculando PnL en directo.

9 operaciones. +4.780$ teóricos en el backtest. 83% de acierto (en esa prueba, ojo, backtest no es real).

También le pido indicadores:
"Escríbeme un oscilador de momentum que cruce actividad de ballenas con tendencia de precio"

40 segundos. Script listo, indicador en el gráfico.

La mayoría sigue pasando 50 gráficos a mano.

Esto barre 200+ en un minuto.
Escanea, dibuja, testea, calcula.

No reemplaza tu estrategia.

La ejecuta mucho más rápido.

El tutorial del post de abajo te enseña cómo montar tu propio bot de trading

[me @twetsfyp]

This guy just LEAKED the EASIEST way to make money in 2026:

Claude Code + YouTube = $62,000/Month 💰

Nothing complicated. (Just 13 minutes)

Save this in favorites so you don’t lose it.

[Álvaro J @jota_snchez]

Elon Musk explicó su algoritmo de 5 pasos para construir cualquier cosa.

Es el mismo paso a paso con el que construyo SpaceX

1) Cuestiónalo todo.

[rob. @robiartec]

HICIERON UN CAPCUT GRATIS Y SIN MARCAS DE AGUA, Y TIENE 55K STARS EN GITHUB

CapCut te mete marca de agua, te bloquea funciones y encima te cobra suscripción. Un grupo de devs se cansó y construyó la alternativa open source.

→ Editor de vídeo completo, sin marcas de agua ni paywalls

→ Compatible con web, escritorio y móvil → Open source con licencia MIT

→ Servidor MCP incluido para agentes de IA

→ Se está reescribiendo en Rust desde cero con API, plugins y scripting

Se llama OpenCut y es exactamente lo que CapCut debería haber sido desde el principio.

Te lo explico abajo (link de la repoo también) ⬇️

[nini @nini_incrypto_]

世界公认十大顶级思维

1. 第一性原理：回归本质，拆解到最基础原理

2. 复利思维：做时间的朋友，抵御短期诱惑

3. 奥卡姆剃刀：如无必要，勿增实体，极简是最高效的

4. 贝叶斯思维：根据新信息不断修正你的根概率

5. 遍历性：只要有一次出局，基础概率就毫无意义

6. 幸存者偏差：不要只看成功者，死人不会说话

7. 熵增定律：系统不主动输入能量，必将走向混乱，自律的物理本质

8. 二八法则：死磕那20%的核心高价值区

9. 逆向思维：反过来想，查理芒格的最爱

10. 反脆弱：从不确定性和波动中获益

[Geloria @gelorria]

DUOLINGO NO PUDO ENSEÑARME INGLÉS EN 4 AÑOS.

ChatGPT lo hizo en menos de 4 semanas.

Sí, GRATIS.

Te comparto los 6 Prompts exactos que utilicé 👇🏼

[Serena @369Serena]

Serenity 火了以后，很多人第一反应是去抄作业。

但其实我们可以给 Codex 它装上这些投资类 Skills 和 AI 投研框架后

它可以变成一个股票研究助理：

帮你拆产业链、读财报、看情绪、查风险、做估值、写反方报告，甚至把策略拿去回测。

先收藏这 5 个 GitHub 项目!
别让 AI 直接替你买股票，先让它帮你把研究做扎实。

1️⃣ UZI-Skill⭐ 2.4K

中文投资者最值得先看的一个!

它把 A股、港股、美股分析做成了一套完整流程：深度分析、陷阱排查、龙虎榜、投资大佬评审团、22维数据、180条量化规则。

适合拿来做个股初筛、风险排查和中文市场研究。

GitHub：
https://t.co/1Dq2yXMLhq

2️⃣ TradingAgents⭐ 83.7K
GitHub 上最火的 AI 金融交易框架之一。
它把一个投研团队拆成多个 Agent：基本面分析、情绪分析、新闻分析、技术分析、研究员、交易员、风控团队。

如果你想看看“AI 投研团队”到底怎么协作，这个项目最有代表性。

GitHub：
https://t.co/N0VMCVroA9

3️⃣ Serenity Skill⭐ 731

最近 X 上讨论很多的投资 Skill。

它复用 Serenity 的核心研究路径：从热点出发，拆产业链，找供应链瓶颈，再回到股票和基金方向，检查公告、财报、客户、产能和风险。
适合研究 AI 半导体、CPO、机器人、算力、电力设备、创新药这类“产业链很长、信息很乱”的方向。

GitHub：
https://t.co/YGgiXR6aZr

4️⃣ Buffett Skills⭐ 512

这个 Skill 适合在你心动之前泼一盆冷水。

它会逼你检查：

这家公司是不是好生意？
有没有护城河？
现金流可靠吗？
管理层可信么？
价格有没有安全边际？

适合长期投资者做质量审查。

GitHub：
https://t.co/pDMtWc6LTB

5️⃣ QuantDinger ⭐ 7.4K

一个更完整的 AI 量化交易工作台。

它覆盖从 AI 研究、策略代码、回测、模拟盘，到实盘执行和监控的完整链路。

如果你不满足于“让 AI 分析股票”，想把想法变成策略并验证，QuantDinger 更适合继续研究。

GitHub：
https://t.co/cZqOdURO5u

别让 AI 替你买股票。

让 Codex 替你拆产业链、读财报、查证据、找风险、写反方报告、做回测。

这才是普通投资者最该抄走的用法。
#codex #skills #Serenity

[robert. @robrtcode]

Un nerd de 33 años acaba de convertir $1.000 en $946.207 operando Bitcoin, con un truco que robó de los pronósticos de huracanes.

Sin título en finanzas. Sin mesa de trading. Solo un truco que todo meteorólogo aplica y todo trader olvida.

Wallet pública:
https://t.co/J65WvxHpdC

El truco: los meteorólogos nunca pronostican el mañana con un solo modelo. Corren 31 y cuentan los votos. Él apuntó exactamente ese mismo truco hacia Bitcoin.

Un agente de Claude lee cada mercado de BTC de 5 minutos y lo mete en MiroFish, una simulación que corre 31 rutas de modelo y solo dispara cuando 28 de ellas coinciden. Por debajo de 26 votos, mata la operación.

La velocidad de cobertura del sistema de agentes es muchísimo mayor que la de cualquier equipo de trading de élite.

Recopilan datos 24/7 y corren simulaciones con esos datos en el motor de MiroFish, de forma completamente autónoma.

Cada operación es un ciclo perfecto. Cada dólar ganado es pura explotación de la ineficiencia del mercado.

Esa es toda la ventaja. No una predicción. Un quórum.

Dimensiona con Kelly y aprieta un botón. La mayoría de las señales nunca pasan la votación, así que la mayoría de los días se queda quieto.

Pasó años aprendiendo que la certeza es una estafa y el consenso es la ventaja.

[断浪 @waveking1314]

说真的，美股别只靠自己硬刷。

很多机会不是你看不懂，而是你压根没刷到对的人。

这 7 个账号建议直接丢进一个单独 list。

1. @aleabitoreddit
白毛股神
AI 半导体和供应链挖得很深，尤其擅长找冷门小票。

2. @AntonLaVay
Manchurius Hao
期权老手，波动率和 Greeks 讲得很清楚，想学期权可以看他。

3. @labubu_trader
3X Long Labubu
老大哥型交易员，不花里胡哨，主要看大方向和持仓节奏。

4. @yuyue_chris
Yuyue
币圈转美股期权，视角不太一样，成长很快，值得长期观察。

5. @qinbafrank
qinbafrank
AI、Crypto、宏观、财报一起看，产业链拆得很细。

6. @xiaomustock
川沐
纯实盘交易员，赚亏都敢发，真实感很强。

7. @yijiangren
一江人
8 年交易经验，文章长但有框架，适合看 AI、Web3 和新赛道。

这几个账号搭起来，基本就够用了。

白毛和 frank 看深度研究。
Anton 和 Yuyue 看期权。
labubu 看大方向。
川沐看真实实盘。
一江人看 AI 新赛道框架。

别天天刷情绪单。

你关注的人不对，行情来了你也只能看别人赚钱。

[Serenity @aleabitoreddit]

For people out there citing Bank of America quotes now about selling.

Just remember:

They said $EWY/ KOSPI (SK Hynix/Samsung) was an extreme bubble back in March.

And blamed retail for the cause, then implied they should sell Korean memory equities: comparing it to the 2008 financial crisis, .com bubble, and Silver crash.

Then shortly after retail sold their longs, memory rallied to all time highs.

Institutions are not your friends.

Usually when an unusual flood of negative news, they need liquidity.

[YuliaSss @TENSHIChizumi]

换装人偶。

[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。

[楓葉 @mapleshlf]

@GuoShenCN7 BTC

[rob. @robiartec]

GOOGLE CREÓ LA MEJOR HERRAMIENTA DE ESTUDIO DEL MUNDO

Es gratis. Lleva meses disponible.

Y el 90% de la gente no la conoce.

Te doy 6 prompts de NotebookLM para aprender lo que sea en tiempo récord.

📌Guárdalo, te salvará en tu próximo examen

[0x鸣人 @LuBtc888]

翻遍上千份财报，未来十年能让你阶层跨越的，其实就看这33只美股了。

英伟达 $NVDA
AI时代最大的卖铲人，几乎所有大模型训练都离不开它的GPU，是AI世界的发动机。

超威半导体 $AMD
英伟达最有力的挑战者之一，AI芯片市场的第二增长极，性价比路线正在获得越来越多客户认可。

博通 $AVGO
AI网络和定制芯片的双重受益者，大型科技公司疯狂扩建算力时的核心供应商。

迈威尔科技 $MRVL
高速互联芯片龙头，AI服务器之间的数据传输离不开它，相当于数据中心里的高速公路。

英特尔 $INTC
虽然掉队多年，但正在全力押注AI与晶圆代工，一旦翻身，弹性巨大。

美光科技 $MU
HBM高带宽内存的核心玩家，AI服务器越多，对内存的需求就越夸张。

闪迪 $SNDK
存储需求爆发的直接受益者，大模型训练和推理都需要海量数据存储。

西部数据 $WDC
全球硬盘与数据存储巨头，AI时代的数据仓库管理员。

康宁 $GLW
光通信与特种玻璃龙头，AI数据中心高速连接的重要受益者。

Applied Optoelectronics $AAOI
光模块黑马，AI算力扩张推动高速光通信需求暴增。

Navitas Semiconductor $NVTS
第三代半导体代表企业，高效电源解决方案有望成为AI数据中心的标配。

Vertiv $VRT
AI数据中心散热龙头，卖水人中的卖水人，没有散热，再强的AI也得宕机。

超微电脑 $SMCI
AI服务器爆发的最大受益者之一，被称为AI时代的军火商。

戴尔 $DELL
企业级AI服务器和数据中心解决方案持续增长，正在重新获得市场关注。

Nebius Group $NBIS
欧洲AI云计算新势力，直接受益于全球算力需求扩张。

IREN $IREN
从比特币矿企转型AI算力运营商，拥有大量电力和数据中心资源。

伊顿 $ETN
电网升级的核心受益者，AI最终拼的不是算力，而是电力。

Quanta Services $PWR
美国电力基础设施建设的龙头，未来十年电网投资的重要受益者。

哈伯 $HUBB
输配电设备龙头，电网现代化绕不开的企业。

GE Vernova $GEV
能源与电气化超级平台公司，AI耗电时代的重要赢家。

自由港麦克莫兰 $FCX
全球铜矿巨头，新能源、电网和AI都离不开铜。

泰克资源 $TECK
铜资源储量丰富，受益于全球资源品长期需求增长。

南方铜业 $SCCO
全球成本最低的铜矿企业之一，现金流能力极强。

MP Materials $MP
美国稀土龙头，稀土自主供应链战略的核心标的。

Energy Fuels $UUUU
美国铀矿龙头之一，核能复兴的重要受益者。

NuScale Power $SMR
小型模块化核反应堆概念龙头，被视为未来AI供电方案之一。

Oklo $OKLO
由OpenAI创始人奥特曼、英伟达黄仁勋支持的新型核能公司，市场关注度极高。

特斯拉 $TSLA
机器人、自动驾驶、AI大模型三张牌同时打，想象空间极大。

Palantir $PLTR
AI软件平台龙头，正在帮助政府和企业真正把AI落地赚钱。

Rocket Lab $RKLB
SpaceX之外最受关注的商业航天公司，未来太空经济的重要参与者。

AST SpaceMobile $ASTS
卫星直连手机赛道的明星企业，有机会改变全球通信格局。

Intuitive Machines $LUNR
月球经济概念的核心标的，率先参与NASA月球商业化计划。

BlackSky $BKSY
实时卫星数据服务商，AI+航天数据结合的重要受益者。

你最看好哪一只？

[marcus @marcusyul]

atlassian factura $1.79 mil millones al trimestre.

despidieron al ingeniero que construyó su infraestructura.

¿la respuesta del ingeniero? publicar un vídeo de 38 minutos contando exactamente cómo lo hizo.

gratis, para todo el mundo.

lo que reveló:
→ Envoy proxy en vez de load balancers de empresa
→ arquitectura sidecar para auth, logs y rate limits
→ DynamoDB + SQS para aprovisionamiento asíncrono
→ Packer + SaltStack para desplegar VMs a escala

atlassian cobraba a 350.000 clientes diferentes.

el señor que lo diseñó acaba de darte el mismo manual por cero dólares.

sí, 0$.

les acaba de destruir.

guarda esto.

[RamenPanda @IamRamenPanda]

黄仁勋的开卷考，写在黑板上的标准答案。

英伟达 DSX AI工厂生态系统主要上市公司列表

1.戴尔科技（美国，DELL）
2.慧与科技（美国，HPE）
3.思科系统（美国，CSCO）
4.Cadence设计系统（美国，CDNS）
5.PTC（美国，PTC）
6.Ansys（美国，ANSS）
7.卡特彼勒（美国，CAT）
8.雅各布斯解决方案（美国，J）
9.富士康（台湾，2317）
10.技嘉（台湾，2376）
11.华硕（台湾，2357）
12.纬创资通（台湾，3231）
13.英业达（台湾，2356）
14.联想集团（香港，0992）
15.NAVER（韩国，035420）
16.西门子（德国，SIE）
17.施耐德电气（法国，SU）
https://t.co/LPUHNVOz86（瑞士，ABBN）
19.日立（日本，6501）
20.三菱电机（日本，6503）
21.丰田汽车（日本，7203）

[楓葉 @mapleshlf]

@Rabbitttt20 有一種特別的感覺，讚

[K三 凯 @kaikaibtc]

我把Serenity和Crux这两个美股狂魔，蒸馏成了一个自动投研的Agent

上周我扒了 Serenity（@aleabitoreddit）的 1073 条推文，5 个月 32 倍。

这次我又扒了第二个人——Crux Capital（@crux_capital_），五个月 647 条原帖，126 个价值票。

Serenity窄而深：找一个制胜点，押死。
Crux 宽而有纪律：画一张六层栈，每层按执行力排仓位。

看完我有点难受，不是因为收益图太夸张。是我发现，这两个人干的根本不是传统意义上的“选股”。

他们是在搭一条投研流水线， AI 负责搬砖，人负责最后拍板。

1⃣ 他们的方法论：先拆机器，再找堵点

他们看一个赛道，不先问“谁会涨”。

先问的是：

这台机器到底长什么样？
BOM 里最难替代的零件是什么？
如果其中一家明天停产，下游要等多久？

这个问题一问出来，视角就完全变了。

大家还在盯 GPU、HBM、电力这些第一层热点时，
他们已经往下抠第二层、第三层：

激光器、InP 衬底、外延、测试、连接、冷却、配电……

Serenity 最狠的地方，是死盯单点故障。
Crux 更像工程师，先画一整张栈，再给每层贴标签：

谁是龙头，
谁是瓶颈，
谁只是会讲故事，
谁又是那种没人聊、但每台机器都得用的“无聊必需品”。

2⃣AI 在他们手里，不是军师，是苦力

普通人用 AI 做投资，喜欢问：

“这票能买吗？”
“帮我总结一下财报。”
“这个赛道有没有机会？”

这种问法，说到底还是在等答案。

他们不是这么用的，他们让 AI 去干最脏最累的活：

拆机器，
顺着零件找供应商，
再找供应商的供应商，
横着读多家公司财报和电话会，
把“产能打满”“认证快结束”“明年放量”这些零碎信号拼成一张图。

说白了，AI 没替他们赚钱，AI 只是把研究量的上限硬抬上去了。

3⃣所以我把这套东西蒸馏成了一个 skill

https://t.co/V6OUO1IuJZ

它不干一件很俗的事：上来就给你甩股票代码。

它先跑五步：

L1 先确认终端，到底研究的是哪台机器、哪套系统
L2 再画供应链栈，搞清楚谁在第几层
L3 找真正的卡点，卡的是产能、认证、热、电、良率，还是材料
L4 用财报、产业新闻、研报交叉验证
L5 先给方向，再给名字，最后才谈仓位

我蒸馏的不是他们买了什么，我蒸馏的是他们怎么提问，怎么排除，怎么把热闹拆成一个个能验证的环节。

4⃣举个例子，人形机器人接下来该买什么

大部分人第一反应都是特斯拉、英伟达、总龙头。
但这个 skill 不会先看这些。

它会先问：

如果 Optimus 真开始放量，最先紧张的是哪一层？

如果谐波减速器已经被市场盯得很紧，
那下一步就该继续往旁边看：

每个关节都离不开的力传感器，有没有被认真定价？

重点不是马上得出“买谁”。
重点是先知道：你该查哪一层。

顺着这套方法继续往后推，
我现在最想深挖的，反而不是更拥挤的 GPU 叙事。
而是AI factory 的供电 + 液冷 + 物理交付层。

原因很简单。

芯片再猛，电接不进去也白搭。
柜子再多，热散不掉也白搭。
模型再聪明，机房交不出来，还是得排队。

这条线不性感，不热闹，也不太适合吹牛。
但真缺了它，项目就只能往后拖。

最后

看完 Serenity 和 Crux，我最大的感受其实挺扎心的：

AI 没有让投研变轻松。
它只是先把偷懒的人淘汰了。

以后谁再跟我说
“AI 会让投资越来越简单”

我大概只会回一句：

简单个屁，马太效应罢了，你有的他给你更多，你没有的，他把你已有的都给抢走。