Ray🇨🇳🇷🇺🇵🇸🇵🇰🇮🇷🌏🚀🌌

争取世界和平，驶向星辰大海

[Amto @XAMTO_AI]

白嫖党的春天来了！

这个GitHub仓库直接把微信读书、京东读书、喜马拉雅的热门书全给你整明白了，整整10万本，经典文学、经管、心理学、技术手册……你能想到的基本都塞进去了。

最良心的是epub、mobi、azw3三种格式全给你备齐了，Kindle、手机、平板随便用，再也不用到处找转换工具。

🔗 ：https://t.co/vyrtLODyTr

赶紧去给个星标，以后找书直接搜，别再跑来问我要资源了。

[Civixplorer @Civixplorer]

⚡️ The fastest man-made objects.

[爱玩股票AiWanGuPiao @aiwangupiao]

光模块测试设备：百亿国产替代，藏不住了（附名单）

最近有家光模块龙头悄悄在产线边上多划了一块区域，专门用来放测试机台。产线负责人说，现在每下线10只800G模块，就有4只在检测环节“排队”——不是产品不行，是测试仪器不够用。

一块指甲盖大小的硅光晶圆，要在25℃到150℃之间反复烤，还得用亚微米级的探针一根根对准波导，偏0.1dB就算废片。

这背后是AI算力对光模块近乎疯狂的“催熟”：1.6T光模块今年刚量产，出货量就要冲到2000万只，硅光方案占了八成。测试设备在整条产线里的支出占比，从过去不到三成直接拉到四到五成。全球光通信测试仪器市场五年内要翻倍到20亿美金，中国吃掉一半。

但问题来了——当光模块速率突破1.6T，商用芯片跟不上了，采样示波器的带宽被卡在50GHz。谁来替AI算力“卖铲”？往下看，三家中国公司手里的底牌，比想象中硬得多。

01
行业概述

在AI算力需求驱动下，光模块行业正加速向800G、1.6T等高速率演进，带动上游光模块测试仪器设备需求显著增长。

测试仪器在光模块产线设备支出中占比高达40%-50%，被视为AI算力产业链中的“卖铲人”。光模块检测流程涵盖前道硅光晶圆级测试、中后道COC老化测试，以及光模块发射端（TOSA）和接收端（ROSA）的通信测试。其中，硅光晶圆级测试是制约良率和规模化制造的核心难点，采样示波器、误码分析仪、时钟恢复单元等为核心检测设备。

2026年Q1，光模块、光器件、光芯片三大板块资本开支同比大幅增长，行业扩产力度显著加大。CPO（共封装光学）技术的发展将进一步增加光信号检测量。

02
关键解读

1）检测环节拆分：从晶圆到模块，测试贯穿全流程
光模块测试设备覆盖芯片、晶圆、模块三大核心环节，技术壁垒较高。

硅光晶圆级检测：随着硅光技术成为800G、1.6T光模块的主流方案（预计2026年硅光方案占比达80%），测试重点前移至晶圆生产阶段。晶圆级测试需实现亚微米级光纤探针对准、光电信号协同测试，并模拟25℃至150℃的严苛热环境。当前，晶圆级测试仍是制约硅光良率优化与规模化制造的核心障碍。主要测试参数包括插入损耗（IL）、偏振相关损耗（PDL）、S参数等，涉及探针台、可调谐激光源、光网络分析仪等设备。

COC老化检测：COC（Chip-on-Carrier）封装形式体积小、集成度高，适用于高速光模块。老化测试通过对芯片施加高温、电应力等，加速暴露早期失效芯片，保障最终产品可靠性。一套完整的COC检测流程包括老化系统、测试系统和上下料系统。

光通信检测：针对光模块发射端（TOSA）和接收端（ROSA），核心测试仪器包括采样示波器、时钟恢复单元、误码分析仪、波长计等。采样示波器基于等效时间采样原理，在极低采样率下实现高带宽、低噪声，是高速测试领域的核心设备。与实时示波器相比，采样示波器更适用于周期信号的批量生产测试，具备高性价比优势。

2）行业景气度：资本开支爆发，测试设备需求高增
资本开支大幅增长：2026年Q1，光模块、光器件、光芯片板块资本开支同比增速分别达231%、54%、228%，扩产力度显著加大。其中，中际旭创一季度资本开支同比增380%。测试仪器设备在产线设备支出中占比约40%-50%，直接受益于下游扩产。

市场空间：2024年全球光通信测试仪器市场规模为9.5亿美元，预计2029年达20.2亿美元；中国市场约33.0亿元，预计2029年达65.9亿元，约占全球市场50%。

产品升级驱动：数据中心光模块迭代周期已缩短至2年左右，800G成为主流，1.6T进入商业化。检测设备性能需同步提升：例如采样示波器通道带宽从400G的30GHz提升至1.6T的65GHz；时钟恢复单元最高恢复速率从28GBaud提升至120GBaud。在50GHz及以上阶段，商用芯片已无法支持性能要求，仪器企业需自研专用芯片。

CPO带来新增量：CPO（共封装光学）将光引擎与交换ASIC集成在同一电路板上，需测试的通道数量从传统可插拔收发器的4-8个大幅增加至32个（以3.2T光引擎为例），光信号检测量显著提升，需用到采样示波器、光谱分析仪等设备。

3）竞争格局与国产替代
国内厂商如联讯仪器已成为全球少数、国内极少数能量产400G/800G/1.6T核心测试仪器的企业，并具备晶圆级老化测试、裸芯片分选测试、精密源表等自主能力。鼎阳科技在电源、源表、矢量网络分析仪等领域已有布局，并具备采样示波器的技术基础。普源精电在光模块行业拥有国内大客户基础，持续推动高带宽示波器等高阶产品研发。

03
核心公司
第1家：联讯仪器
细分领域：光通信测试仪器、半导体测试设备（中上游设备）
概念关联：业内极少数覆盖光通信产业链中模块、芯片、晶圆等核心环节测试需求的厂商。全球少数、国内极少数能量产供货400G/800G/1.6T高速光模块核心测试仪器的企业，全球第二家推出1.6T光模块全部核心测试仪器。同时是国内极少数实现晶圆级老化测试设备、裸芯片级分选测试设备产业化应用的厂商，具备精密源表等核心测试部件的自主能力。产品直接受益于AI算力驱动下的光模块扩产与速率升级。

最新进展：截至2025年三季度末，在手订单6.43亿元；2025年四季度新增订单5.91亿元。主要客户海信集团、中际旭创、Lumentum明确提出扩产需求，新易盛、光迅科技持续做产能布局。预计2025年四季度及以后合计可确认收入约12.34亿元。

第2家：鼎阳科技
细分领域：通用电子测试测量仪器（上游设备）
概念关联：全球少数具有数字示波器、信号发生器、频谱分析仪和矢量网络分析仪四大主力产品全线进入高端领域的企业。在光通信方面，电源产品主要应用于光模块生产环节，源表产品应用于光芯片生产线的集成测试系统。矢量网络分析仪在高速铜缆连接器和PCB厂商中具有国产替代空间。公司已具备采样示波器所需的等效采样等技术基础，将采样示波器作为长线品类布局。

最新进展：2026年第一季度，电源及源表类产品收入同比增长56.82%，其中光通信客户使用的电源系列产品收入同比增长166.16%。公司矢量网络分析仪品类和档次齐全，已具备切入高速连接器相关市场的技术条件。

第3家：普源精电
细分领域：通用电子测量仪器（上游设备）
概念关联：专注于数字示波器、微波射频仪器、直流精密仪器、模块化仪器等电子测量产品。在光模块与光通信测试领域拥有较好的国内大客户基础，已实现多年持续产品销售和业绩成长。公司新一代自研核心技术平台持续推动高带宽、超高带宽示波器和微波射频产品的高端化进程，满足光模块速率提升带来的测试需求升级。

最新进展：面向通信、新能源、半导体等行业持续提供解决方案。在光模块行业已积累头部行业客户。2022年及2026年第一季度归母净利润增速分别达2472.87%和512%，显示高端化战略成效显著。

[Amto @XAMTO_AI]

传统的RAG已经不够看了，别再用那种“每次都要从头检索”的低效模式了。

GitHub上这个LLM Wiki项目已经突破1万星，它让AI帮你增量构建结构化的知识维基——知识只编译一次，越用越聪明，这才是真正意义上的第二大脑。

几个真正硬核的点：
① 四信号知识图谱，自动建立高质量关联
② Louvain社区检测，帮你发现自己都没意识到的知识盲区
③ Chrome一键剪藏，好网页直接丢进去
④ 完美兼容Obsidian，颜值在线
搞研究、做笔记的朋友，这波必须冲。
🔗 https://t.co/6pKfwiCcoE

[另一面 @OtherSideBJ]

兄弟们！还在被主力疯狂洗盘，亏得想哭？
别慌！这张MACD神图直接教你：
如何避开主力洗盘，稳稳搭上主升浪列车！
一图看懂MACD全部精髓：
MACD快线（DIF）→ 价格最敏感
DEA慢线（信号线）→ 捕捉趋势
MACD柱状图 → 力量强弱一目了然
零线 → 超级警戒线
看完这张图，你就知道什么时候该躲、什么时候该冲！
真正实战干货，散户必备！

[Gorden Sun @Gorden_Sun]

AI PPT赛道终结者，史上最最最强 PPT Skill：图片PPT转可编辑PPTX文档

我打磨了2个周的新技能：使用GPT生成豪华的图片格式PPT，然后转换为完全可编辑的PPTX文件，效果几乎完美。

Github：https://t.co/6XdJ3c8lz7

技能包里包含3个技能，可以分别使用
GordenImagePPTGen：生成「图片格式的 PPT」
GordenImage2PPTX：把「图片 PPT / 图片」还原成可编辑 pptx
GordenSuperPPTSkill：打包编排前两者，依次执行

[qinbafrank @qinbafrank]

一张图拆解全球机器人产业链，虽然老黄喊韩国机器人产业，但事实求是来看中国在机器人领域还是占据了绝对领先优势。最值得关注的三个要点：1、真正的壁垒往往不在“造一台机器人”，而在减速器、伺服系统、传感器、视觉、控制软件和场景集成能力；

2、机器人产业中最关键的上游环节包括减速器、伺服电机、控制器、机器视觉、LiDAR、力传感器、AI芯片和末端执行器。代表公司包括Nabtesco、Harmonic Drive、Yaskawa、Keyence、Cognex、NVIDIA，以及中国的汇川技术、绿的谐波、双环传动、禾赛、速腾聚创、奥比中光等。这些环节通常比单纯本体制造更有壁垒。

3、机器人下一阶段竞争不只是硬件成本，而是具身智能、边缘AI、仿真训练、感知决策和真实场景落地能力。确定性较高的是减速器、伺服、机器视觉、医疗机器人和工业软件；弹性最大的是人形机器人执行器、力传感器、LiDAR和边缘AI芯片；

[我是梦嫣❤️ @mengyan1234567]

来自外国网友的总结：
美国、中国、印度 三国的对比~

[Ray🇨🇳🇷🇺🇵🇸🇵🇰🇮🇷🌏🚀🌌 @neotechcn]

@aiwangupiao 基本上中国A股的大牛市都是两年左右就结束，后面暴跌一年到一年半，然后就是长达几年的长期震荡

[爱玩股票AiWanGuPiao @aiwangupiao]

A股每一次大牛市，历史上都遵循一定规律。回顾过往案例，我们会发现一些有意思的共性。

比如2005年至2007年的那轮牛市，沪指最终站上历史高点6124点。那一年5月底，半夜鸡叫，市场突然出现剧烈波动，热点板块连续跌停，投资者一时间人心惶惶。

但这并非牛市结束的信号。四个多月之后，也就是10月份，沪指才真正迎来顶点。

再看2013年至2015年的牛市，创业板在一年半的时间里翻了一倍有余，但沪指真正的拉升才刚刚开始。最终，这一轮牛市创业板涨幅接近七倍，成为当时市场最亮眼的板块。历史经验告诉我们，短期的调整和剧烈波动，往往只是牛市过程中的中途“休整”，并不意味着趋势逆转。

那么，结合本轮牛市来看，如果从2024年9月24日开始计算，时间上距离启动还不到两年，沪指涨幅也不过60%，从历史大牛市的时间和空间标准来看，都仍有很大差距。换句话说，本轮牛市还远未结束。按照历史规律，未来至少还有七八个月的延续期，核心板块和热点赛道仍有上行动力。

当然，必须意识到，牛市中依然存在风险。短期追高容易受市场情绪影响而被套，而低位布局优质标的，则可能带来长期收益。正所谓“追高毁三代，低吸富一生”，合理控制仓位，分批布局，才能在牛市中既享受收益，又降低波动带来的压力。

总之，A股牛市仍在路上，历史规律和当前行情都显示，核心逻辑未变，短期调整属于正常波动，耐心和策略比盲目追涨更重要。入市需谨慎，机会与风险并存。

[吴川 @WuChuanIJ]

这个票 开始筑底，随时可以买入

只亏时间，不亏钱

科技高位宽幅震荡，形成头肩顶出货形态

另外一部分老登和中登票就会形成底部

有句话反弹不是底，是底不反弹；

[周览💪｜实用工具分享 @grgerwcwetwet]

终于找到一个能替代 Wireshark 的开源神器。

GitHub 3.7 万 Star 的 Sniffnet，把网络监控做成了普通人也能看懂的样子。

很多人打开 Wireshark 的第一反应都是：
看不懂，直接关闭。

而 Sniffnet 完全不同。

实时显示上传下载流量、连接主机、访问域名、IP 地理位置，甚至还能查看正在偷偷联网的软件。支持流量过滤、PCAP 导入导出、多网卡监控。

最关键的是界面非常舒服。

不用研究抓包规则，不用学习复杂命令，打开就能看到电脑到底在和谁通信。很多用户直接把它当成 GlassWire 的免费替代品。(Windows Central)

Windows、macOS、Linux 全平台支持，Rust 编写，占用资源极低。(GitHub)

对于经常折腾代理、NAS、Docker、服务器的人来说，这绝对属于装机必备工具。

https://t.co/pXQHkfXRzU

[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。

[老杨啊 @yhslgg]

有人用 AI 把《史记》57万字变成了一个可以搜索、跳转、推理的知识图谱
兄弟们，今天看到一个让我直接愣住的开源项目——史记知识库，GitHub 1300 星。

一句话：有人用 AI 把《史记》57万字全部拆解标注，做成了一个可以交互、搜索、推理的知识图谱，让两千年前的文字像代码一样能语法高亮、跳转、消歧。

数据规模直接给你看清楚：

• 实体词条：14,065 个
• 标注次数：126,441 次
• 历史事件：3,198 条
• 事件关系：7,637 条
• Wiki 页面：20,830+ 页
这不是简单的文本处理，是真正的知识工程。

几个亮点真的值得单说：

（1）22类实体彩色语法高亮——人名、地名、官职、事件，每一类都有颜色标注，读《史记》像读代码一样清晰，想关哪类就关哪类

（2）史记地铁图——130条交互式时间线，支持缩放拖拽搜索，整个春秋战国到汉初的历史脉络一张图看清楚

（3）Butler AI Agent 自主维护——一个 AI Agent 持续跑了 12,000+ 轮自主更新 Wiki，不是人工录入，是 Agent 在干活

（4）矛盾检测——史记里前后记载有出入的地方，系统能自动检测出来，学术研究用这个太香了

背后的方法论也很牛：本体不是专家预先设计的，是从文本数据里"自下而上涌现"出来的，迭代速度从数周一轮压缩到数小时一轮。作者还出了两本 PDF 方法论手册，合计 863 页。

历史爱好者、做内容的、研究 AI 知识工程的，都值得去看看。

在线访问：https://t.co/Z9JoCt7KLU

GitHub：https://t.co/ARvGphJfU2

好东西转给需要的兄弟。🚀

#史记 #AI知识图谱 #开源 #老杨啊分享

[爱玩股票AiWanGuPiao @aiwangupiao]

“科技细分”核心概念全景梳理
当前科技产业的热点已不再局限于单一赛道，而是沿着算力、传输、封装、材料等多个维度同时展开。从附件梳理的20个细分领域来看，一条贯穿底层硬件到上层基础设施的链条逐渐清晰。

以AI芯片为起点，寒武纪、海光信息等企业承担着算力核心的突破任务；与之相伴的先进封装（通富微电、长电科技）则成为延续摩尔定律的关键手段，二者在产业链上实际互为支撑。

再看数据中心内部，光互联环节正从传统可插拔方案向CPO（中际旭创、新易盛）和OCS（腾景科技、福晶科技）演进，后者通过光开关矩阵重构连接拓扑，在降低功耗的同时提升带宽密度——这一点往往被外界忽略。

另一个值得注意的维度是上游基础材料。MLCC领域的风华高科、三环集团，以及PCB板块的胜宏科技、深南电路，其景气度直接取决于下游服务器与交换机出货量。而铜箔（铜冠铜箔）、树脂（东材科技）、电子布（宏和科技）这三类材料，虽不常出现在终端讨论中，却构成了覆铜板乃至整块电路板的物理骨架。换句话说，没有这些“幕后”材料的性能升级，AI服务器的高频高速特性无从谈起。

从系统层面看，液冷（英维克、高澜科技）和电源（中恒电气、欧陆通）正随着单机柜功率攀升而成为AIDC建设的刚需。润泽科技、网宿科技等第三方数据中心运营商，在算电协同（豫能控股、协鑫能科）的框架下，开始将电力资源获取与绿电消纳纳入选址核心指标。至于算力租赁（利通电子、大位科技），其商业模式本质是对闲置算力的二次分配，市场担心需求波动，但从中期看，中小模型训练和推理需求仍会支撑这一细分市场。培育钻石（黄河旋风、惠丰钻石）出现在这份名单中看似跨界，实则因其在半导体散热衬底方面的潜在应用——这提醒人们，科技细分领域的边界往往比想象中更模糊，也更富有交织性。

[实践哥MinLi @MinLiBuilds]

Workflow 有 6 种形式。

我找到了原始prompt 放在评论区。

这六种形式分别是：

分类并执行：由一个 classifier agent 判断任务类型，据此路由到不同的 agent 或行为；也可以在任务完成时确定输出的分类。

扇出并综合：把任务拆成许多更小的步骤，每个步骤跑一个 agent，再综合所有结果。当大量步骤都能从干净、互不干扰的 context window 中受益时，这一模式尤其有用。综合这一步充当一个 barrier，它会等所有扇出的 agent 完成后，再合并它们的结构化输出。

对抗式验证：每生成一个 agent，就再跑一个单独的 agent，以对抗的姿态对照 rubric 或判定准则来验证它的输出。

生成并筛选：先就某个主题生成多个想法，再按 rubric 或验证来筛选，去重后只留下质量最高、经过检验的那些。
锦标赛：让 N 个 agent 用不同方法在同一个任务上互相竞争，而不是把工作分摊下去。由成对评判的 agent 决出胜者，直到只剩一个。

循环至完成：对工作量未知的任务，持续生成 agent，直到满足停止条件为止，比如不再有新发现、日志里不再有错误，而不是采用固定的遍数。

[GitHubDaily @GitHub_Daily]

想对 PDF 文件做些标注、合并拆分等这些基本操作，还得装个臃肿的 Adobe 全家桶，或用各种在线工具把文件传上去，总觉得不太放心。

偶然找到了 KillerPDF 这个开源工具，只有 6MB 左右大小，直接开箱即用，完全本地运行处理。

涵盖合并拆分、文字编辑、手绘批注、电子签名、插入图片、裁剪页面、加密 PDF等功能。

GitHub：https://t.co/OxdG391RSR

还有一个实用的签名功能，可以手写保存反复使用，也能直接导入图片当签名，点哪放哪。

侧边栏右键就能插入空白页、旋转、提取或删除页面，支持多页批量操作。

如果你受够了 Adobe 的订阅和弹窗，想要一个干净利落的 PDF 工具，试试这个。

[出海去孵化器 @chuhaiqu]

给 AI agent 补互联网能力，以前要逐个平台踩坑。Twitter 要 Cookie，Reddit 容易 403，YouTube 要字幕，小红书和 B 站还要处理登录、代理、清洗。

Agent Reach 把这些渠道装成一套 CLI。你丢给 Claude Code、Cursor、Windsurf 一句安装指令，它会自己装依赖、接 MCP、注册 skill。后面 agent 能直接读网页、搜推特、看 YouTube 字幕、查 GitHub、刷 Reddit、小红书、B 站、公众号和微博。

装完跑 agent-reach doctor，哪个渠道通了、哪个需要登录、哪个要代理，一条命令就能看出来。Cookie 留在本地，底层走各个平台的开源工具，能免费就优先免费🤣

[吴川 @WuChuanIJ]

兄弟们 我把量化因子选股页面

加了可以保存策略，并且共享了所有账号的策略在里面

供大家选择，觉得策略可以的点赞和不好的点踩； 点赞越多 就排在最前面；

相当于用策略从5000多只股票里面筛选出来几十只，
再从这些里面再根据板块再优中选优；

觉得不错 https://t.co/iF0g9NY76t

[番茄大叔🇨🇳 @uncleTomat0]

日本人做的中日军事力量对比，中国对日本形成全方位碾压。
最后一行是点睛之笔！堪称地狱笑话中的典范啊！🤔