Mei

[Hux @huxlab]

这28分钟视频直接把我点醒了。

Anthropic工程师说得很清楚：

“你不需要更好的提示词。你需要的是图工程：持久的记忆，这样你的代理永远不会忘记任何事情。”

他完整演示了Anthropic内部到底怎么搭agent、怎么组织工作流。

不是那种堆prompt的玩法，而是真正把记忆做成持久图谱，任务之间能互相引用、互相��错。

比市面上那些收费agent课强太多了。

强烈建议存下来反复看。

[Mulight 沐光🌟 @Mulight]

原来A股还能这样研究，7个AI分析师帮你辩论出结果。

TradingAgents-Astock是专门给A股做的开源投研的工具。它基于原版TradingAgents做了深度改造，把数据源全部换成免费直连：mootdx、东方财富、新浪、腾讯财经、同花顺，一个API Key都不用。

7个AI角色各管一摊：市场分析师看K线和量价，舆情分析师监测社交媒体情绪，新闻分析师跟踪行业公告，基本面分析师读财报三表。额外加了3个A股特化角色：政策分析师跟行业政策、游资追踪盯龙虎榜座位、解禁监控预警减持压力。

分析后，多头和空头研究员会来N轮辩论，研究主管综合研判输出投资计划，交易员再按T+1和涨跌停规则做方案，最后资产配置经理给Buy/Hold/Sell决策。

安装好后配置.env里的LLM API Key，支持MiniMax、DeepSeek、智谱、通义千问、OpenAI、Claude、Kimi，streamlit run web/app.py 打开浏览器就能用。不想写代码可以直接跑 tradingagents 进CLI交互模式。

LLM必须用API Key模式，ChatGPT/Claude订阅版不行，一次分析要调用30-50次。推荐用MiniMax M2.7，国内直连不用翻墙，速度快也便宜。

下次分析股票行情的时候试试这个工具，七个分析师吵完给你结论。

[Sirius @rollingSirius]

开源一个自己在用的股票投研 Skill，五分钟出一份完整研报，业务数据、竞争分析、管理层治理、财务分析、估值方法、分析师评级都有，抓不到的数据直接标 "未获取到" 而不是帮你编一个，更适合长期价值投资风格。

GitHub 链接自取： https://t.co/x9FqfZBs80

[Bojie Li @bojie_li]

去年 8-10 月在图灵讲的《AI Agent 实战营》课程，终于整理成书啦，在 GitHub 开源发布了。《深入理解 AI Agent：设计原理与工程实践》欢迎大家下载传播 PDF，欢迎大家提意见、提 issue！
https://t.co/6VBSv9Mete
全书围绕核心公式 Agent = LLM + 上下文 + 工具 展开，十章内容��下：
- 第 1 章 · Agent 基础知识：从"模型即 Agent"的新范式出发，建立 Agent = LLM + 上下文 + 工具 的核心公式，并引入 Harness 工程——模型之外的一切工程能力，才是真正的竞争力所在。
- 第 2 章 · 上下文工程：上下文决定 Agent 的能力上限。深入大模型 API 的上下文结构、KV Cache 友好设计、提示工程、动态提示词与 Agent Skills、状态栏元信息，以及上下文压缩策略。
- 第 3 章 · 用户记忆和知识库：让 Agent 跨会话记住用户、并接入外部知识。涵盖用户记忆系统、RAG 基础管道，以及超越扁平文本的知识组织与检索（结构化索引、知识图谱等）。
- 第 4 章 · 工具：工具是 Agent 的双手。讲工具分类与通用设计原则、MCP 协议与工具选择的挑战、感知/执行/协作三类工具，以及事件驱动的异步 Agent。
- 第 5 章 · Coding Agent 与代码生成：代码是"能创造新工具的工具"，是通用 Agent 的元能力。以生产级 Coding Agent 为例，展示这一最强通用工具的完整实现。
- 第 6 章 · Agent 的评估：把 Agent 的表现变成可比较的信号。从评估环境、数据集设计、指标体系，到统计显著性、可观测性、评估驱动选型，直至生产级内部评估与仿真环境。
- 第 7 章 · 模型后训练：预训练、SFT、RL 三阶段全景。何时选 SFT、何时选 RL，RLHF、算法比较、数据与环境，以及让模型学会工具调用、提升样本效率的前沿探索。
- 第 8 章 · Agent 的自我进化：不改权重也能成长。三种学习范式，从经验中学习、主动工具发现，到"从工具使用者到工具创造者"，让 Agent 从"聪明"走向"熟练"。
- 第 9 章 · 多模态与实时交互：把感知与行动从文本扩展到语音、GUI 与物理世界。语音三范式（级联/端到端全模态/全双工）、流式语音感知与合成、Computer Use 与机器人操作。
- 第 10 章 · 多 Agent 协作：群体的智能可以高于个体。多 Agent 分类框架、何时真正优于单 Agent、共享与不共享上下文的协作、失败模式，以及涌现的"Agent 社会"。
Repo: https://t.co/6VBSv9Mete

[LimboAI @limbopeng]

推荐一篇今年看到最系统的 Agent 评测文章：《Agent 评测：方法论与体系设计》。它不是讲“上线前跑几条 case”，而是把不稳定的智能行为收敛成可发布的工程质量：先按 Agent 类型和 Skill 设计指标，再用 Golden Set、Trace、规则 + LLM Judge + 人工评分做 Badcase 根因分析和标准化行动项，把线上失败持续沉淀成用例库、Trace 库和回归集，形成完整闭环。
https://t.co/tCiaWc7mn2

[章工 @435hz]

能力如何增长？
做项目。尤其复杂、要多人配合的大型项目，锻炼的能���特别多。
1.沟通能力：多人配合，必须沟通强。
2.逻辑能力：项目复杂，逻辑必须闭环。
3.抗压能力：各种人利益诉求一团乱麻，要抗压。
4.时间管理能力：项目有时间线，必须规定时间搞定。
5.学历能力：遇到新东西，逼着快速搞懂。

[Y11 @seclink]

字节对 AI 大模型人才的投入是真的大，
大一到大三的同学可以看看公司的能力要求，
然后自己去找 https://t.co/a0poG1a1s9 ，录入后可以免费看面试题，
大模型真的并不难，主要还是看自驱力，
现在豆老师 和 纪老师都这么强了，自学就够了。

[赵纯想 @chunxiangai]

赛博活佛

[Keane @keane42443]

@YuLin807 有啊，类pi agent + agent用���地文件夹做memory和记录artifacts：

https://t.co/hyWUthNKFx

[金尘马 @jinchenma_ai]

卡兹克写了一篇文章，

把斯坦福《人生设计课》做成了 Claude 提问流程，让 AI 按 4 个阶段带你走一遍。

先看清健康、工作、娱乐、爱的现状，再找到自己的指南针，然后区分哪些是改不了的重力问题，哪些是真正可以设计的问题。

最后让 AI 生成 3 个五年人生版本，再输出一份完整的人生设计蓝图。

这个方向有意思的地方在于，它不是让 AI 替你做决定，而是让 AI 变成一个持续追问和整理的人。

[Mei @RoniZeng7]

@dD0kT2kDb3GR7Ex @LabSpeculation 可能小���方过这种生活成本还好吧

[Mei @RoniZeng7]

@ImAcaiy @Alex8282019 想到韩国的素媛，星星之火，可以燎原

[GitHubDaily @GitHub_Daily]

拿到 Offer 到跟 HR 谈薪资一步，但如何面对 HR，为自己争取到最大的利益，是一大难题。

于是有人将谈薪这做成了 Skill 并开源，由快手、智谱等公司的几位工程师一起写的。

装上之后 AI 按五个阶段陪跑，从收集背景、制定策略，到模拟 HR 压力场景，再到评估 offer 该不该接。

内置了主流大厂的薪酬结构数据和谈判话术模板，筹码分析、期望薪资怎么报，都给得很具体。

GitHub：https://t.co/SkAQaFPKLq

不用写代码，下载 Skill 文件丢给 Codex、Claude Code 这些 Agent 工具就能跑起来。

刚毕业准备面试或者手上正拿着 offer 的同学，谈之前拿它练几轮，不亏。

[Smartpig @Smartpigai]

散户最缺的不是 AI，而是信息差的整理能力。

最近看到一个开源项目 Vibe-Research，不是简单套个聊天框，而是把 A 股 / 美股 / 港股投研里最烦的部分先配齐：

12 个赛道、108 个公开资讯源
A 股 40 个数据端点
美股 / 港股 18 个数据端点
每日复盘、资讯雷达、个股数据、板块资金、自选股、持仓、研报、研究记录
还能接 Claude Code / Codex / Qwen / DeepSeek CLI、API、MCP

以前做投研，要在行情软件、新闻、公告、研报、笔记工具之间来回切。

[Hoody @HoodyLiu]

发现一个网站，专门收集 starter idea 并公开收入

里面有不少 idea 还挺有意思的

[fatwang2 @fatwang2ai]

做了个 Mac 菜单栏上快速查看股价和盈亏的原生 App，安装后不到 10M，港美股和 A 股都支持，可直接下载安装，代码也已开源，发布地址：https://t.co/M4wK46LSSk

[鱼总聊AI @AI_Jasonyu]

我又学到了一个非常有用的小技巧。国外的很多银行或机构会要求我们提供国内的地址证明（比如水电账单或国内银行对账单）。但经常会遇到一种情况：你填写的地址和国内的实际地址不一致。

这时候有一个解决办法：你可以去招商银行的个人信息里，把地址修改成你需要的那个地址。这样导出的对账单地址就能保持���致了。

举个例子：
比如 Mercury 银行（水星银行）需要我提供一个和身份证地址一致的住宅地址对账单。但我实际的住宅地址和身份证上不一样，我招商银行填写的也是实际住宅地址，而不是身份证地址。

这时候，我就可以去把招商银行的地址修改成我身份证上的地址，然后重新导出对账单（在招商银行里这个功能叫“账单补寄”）。这样导出来的 PDF 文件就是我需要的地址了。

这个小技巧非常实用，大家可以收藏起来。具体操作步骤如下：

1. 修改个人地址：
去招商银行 App 的个人信息设置里，把个人的住宅地址修改成你需要的地址。

2. 申请账单补寄：
联系招商银行的在线客服，发送“账单补寄”，选择你最近一个月的账单并导出，然后去邮箱接收 PDF 文件。

3. 上传证明：
把收到的 PDF 账单上传到需要提供地址证明的地方就 OK 了。

[智享 @CycleDecoded]

离谱了，天下苦“强制注册”久矣，这老哥直接搞了个“去你丫的登录”神器。

GitHub 上这几天火起来的开源项目 FckSignups。主打一个一点废话都没有，专门对付全网各种“不登录不让看”的恶心限制。目前星标还在狂飙，MIT 协议，纯靠用爱发电。

🚫 秒杀弹窗：各种内容站的强制登录遮罩层，一键直接干碎。

🎭 自动糊弄：非要注册？自动填入临时邮箱和随机密码过审。

⚡️ 纯粹本地：脚本跑在本地，不连云端，不偷任何隐私。

🎁 白嫖党狂喜：保护主力手机号，从此告别垃圾营销短信。

🔗 GitHub 传送门：https://t.co/CHREYVWT2z

[0xkevin (🖤 , 💙) @0xKevin00]

极致单兵，来参考字节股神的炒股配置🧵

本地交易系统：MacBook + 40TB硬盘 + 2TB SSD + Studio Display XDR显示器，软件用DuckDB、vectorbt、NautilusTrade

这套东西要花多少？
- 14寸M5 Pro 起步 2199美元
- 40TB级别的硬盘 1,480美元
- 2TB高速SSD：300美元
- Studio Display XDR：3299美元起

配置详解

硬盘和SSD，一个存一个查

40TB硬盘存的是全市场的原始行情数据，每天收盘把当天所有股票和期权的每一笔成交、每一次报价都存下来

2TB SSD 只放重点盯的几个标的，比如存储和AI相关的股票。盘存得多但读得慢，SSD读得快但贵，所以常看的放SSD，其他全扔硬盘

三个软件，分别干嘛用

vectorbt：快速试策略用的。有个想法，比如放量突破就买，不用自己写交易系统，拿历史数据几秒钟跑一遍，看看这个想法历史上赚不赚钱。适合先筛一遍，不代表真实交易结果

NautilusTrader：比vectorbt更接近真实下单的环境，会算上滑点、手续费这些实际交易中会遇到的成本，用来验证vectorbt筛出来的想法是不是真的靠谱

DuckDB：本地查数据用的工具，不用装服务器，直接在电脑上用SQL语句查自己存的行情数据，比如查某天某只股票的所有成交记录

流程是这样，先用 vectorbt 快速试想法，靠谱的丢进NautilusTrader 再验证一遍，最后再实仓干

最后，如果要照抄，可以降低配置：
- 电脑32GB内存
- 硬盘8-16TB
- 数据先用分钟线和期权的日频数据就够，不用一开始就上tick级别

[链研社｜AI First🔶💧 @lianyanshe]

把之前做的东西搞了个网站全部塞进去了，之后会陆续更新，边学边做。->lianyanshe .com

- 两本交易相关的书籍，海龟交易法则和威科夫操盘法
- 三份投研报告，功率半导体、机器人产业分析、高盛 2026 上半年投资策略分析
- 两个加密量化策略网格交易和马丁策略
- 从加密货币到美股
- 加密期权从零到精通、期权收租策略入门(教你怎么自己做双币理财)
- ���股期权教程