泰德搞薯条 TD

交易员 | 链上数据分析 | 专注加密、美股、AI三大赛道

实测硬核AI工具 +记录真实使用与实践

[泰德搞薯条 TD @TiedGST]

@Ice_Frog666666 人生就好比k线，没有波动了，就没有意义了。

[泰德搞薯条 TD @TiedGST]

被很多人小看的 N 字结构，其实才是最基础的形态

视频中又提到一个很基础但常被忽略的东西：
N 字结构

很多人对复杂形态研究得很深，却把最简单的 N 字结构看轻了。

其实 N 字才是价格运动的基本单元：
• 一波推动
• 一波回调
• 再一波推动

看起来简单，但几乎所有大级别趋势、中继形态，底层都是由一个个 N 字组成的。

把 N 字结构看懂了，很多复杂形态反而会变得清晰。基础不牢，后面学再多形态也容易乱。

[泰德搞薯条 TD @TiedGST]

把 Claude、Gemini、OpenAI、开源模型的溯源水印一起清掉，会得出什么结论？

发现一个开源项目：watermarks-remover

它是专门清理多厂商 AI 溯源标记的工具，支持文本隐形 Unicode、统计水印重写，以及 PNG/JPEG/PDF/DOCX 等文件的 C2PA / EXIF / XMP 元数据剥离，保护你自己内容的隐私与卫生。

1️⃣ 文本 Layer A
确定性清除隐形 Unicode、奇异空格、双向控制符等不可见痕迹，无损清洗。

2️⃣ 文本 Layer B
针对统计型（token 采样）水印，支持 Agent 重写或本地模型改写，破坏检测特征。

3️⃣ 文件元数据清理
一键剥离 PNG、JPEG、SVG、PDF、DOCX、HTML、Markdown 等格式的 C2PA、EXIF、XMP 和文档属性。

4️⃣Agent 友好 + Docker
提供无代码 Skill（HTTP 调用），服务端可 Docker 一键部署，还支持可选 SynthID 打分与像素级清理后端。

它不是万能「去水印神器」，但对你自己拥有的内容做多厂商溯源标记清理非常实用，隐私优先。

支持 HTTP API、CLI、Docker，开源 MIT。

[泰德搞薯条 TD @TiedGST]

@AdonisJoyCheng 水印本质上只是提高一点传播成本，很难真正阻止内容流通。

只要用户有需求，去水印就一定会出现。最后真正能建立壁垒的，还是内容本身、品牌认知和产品体验，而不是那几个像素。

[泰德搞薯条 TD @TiedGST]

把 Claude、Gemini、OpenAI、开源模型的溯源水印一起清掉，会得出什么结论？

发现一个开源项目：watermarks-remover

它是专门清理多厂商 AI 溯源标记的工具，支持文本隐形 Unicode、统计水印重写，以及 PNG/JPEG/PDF/DOCX 等文件的 C2PA / EXIF / XMP 元数据剥离，保护你自己内容的隐私与卫生。

1️⃣ 文本 Layer A
确定性清除隐形 Unicode、奇异空格、双向控制符等不可见痕迹，无损清洗。

2️⃣ 文本 Layer B
针对统计型（token 采样）水印，支持 Agent 重写或本地模型改写，破坏检测特征。

3️⃣ 文件元数据清理
一键剥离 PNG、JPEG、SVG、PDF、DOCX、HTML、Markdown 等格式的 C2PA、EXIF、XMP 和文档属性。

4️⃣Agent 友好 + Docker
提供无代码 Skill（HTTP 调用），服务端可 Docker 一键部署，还支持可选 SynthID 打分与像素级清理后端。

它不是万能「去水印神器」，但对你自己拥有的内容做多厂商溯源标记清理非常实用，隐私优先。

支持 HTTP API、CLI、Docker，开源 MIT。

[泰德搞薯条 TD @TiedGST]

给 AI 编程 Agent 加了真正的长期记忆

ai-memory 是一个专门解决「Agent 换会话就失忆」问题的开源项目，目前 2.3k star。

核心痛点它解决得很直接：
• 不同 Agent（Claude Code、Codex、Cursor 等）之间可以无缝交接上下文
• 会话结束时自动把关键观察整理成 wiki 页面
• 下次启动直接读之前的记忆，不用反复解释项目背景

特点：
• 用 Rust 写的，轻量且安全
• 记忆以 git 版本管理的 Markdown 形式存储
• 支持跨 Agent、跨会话持续开发
• 自带简单 Web UI 可以搜索历史记忆

对经常用多个 AI 编程工具、或者项目周期较长的人来说，这个方向很实用。

[泰德搞薯条 TD @TiedGST]

@CryptoTied 是的，尤其是自己改过、二次发布的内容，这些看不见的标记清不干净后面很容易踩坑。

[泰德搞薯条 TD @TiedGST]

@_zheergen 同意，没有跨会话、跨工具的长期记忆，Agent 就永远只是一次性工具，很难真正变成能持续跟进项目的助手。

[泰德搞薯条 TD @TiedGST]

给 AI 编程 Agent 加了真正的长期记忆

ai-memory 是一个专门解决「Agent 换会话就失忆」问题的开源项目，目前 2.3k star。

核心痛点它解决得很直接：
• 不同 Agent（Claude Code、Codex、Cursor 等）之间可以无缝交接上下文
• 会话结束时自动把关键观察整理成 wiki 页面
• 下次启动直接读之前的记忆，不用反复解释项目背景

特点：
• 用 Rust 写的，轻量且安全
• 记忆以 git 版本管理的 Markdown 形式存储
• 支持跨 Agent、跨会话持续开发
• 自带简单 Web UI 可以搜索历史记忆

对经常用多个 AI 编程工具、或者项目周期较长的人来说，这个方向很实用。

[泰德搞薯条 TD @TiedGST]

把选股、回测、监控、AI分析拉进同一个自托管工作台，会得出什么结论？

发现一个开源项目：tickflow-stock-panel

它是自托管、零运维的 A 股「选股 + 监控 + 回测」量化工作台，基于 TickFlow 数据源，支持 LLM 驱动策略生成、个股四维分析和盘后复盘，Docker 一键部署。

1️⃣ 选股引擎
18 个内置策略 + 自定义信号 + AI 生成策略，Polars 毫秒级扫描全 A 股，一次算完指标落盘。

2️⃣ 回测引擎
支持个股 / 策略组合 / 自由信号三种模式，完整计入 T+1、手续费、滑点、止损，SSE 实时流式进度。

3️⃣ 监控中心
策略信号、价格、异动多条件监控（AND/OR），支持语音播报和飞书推送，信号不漏。

4️⃣ AI 分析与复盘
个股技术 / 基本面 / 财务 / 消息面四维解读，盘后自动生成复盘报告，支持飞书推送和 Markdown 下载。

它不是荐股软件，也不对标同花顺/通达信，更适合个人散户和量化爱好者本地研究策略与复盘流程。

支持 Docker 单容器部署、第三方数据扩展、OpenAI 兼容 LLM。

[泰德搞薯条 TD @TiedGST]

@yuyue_chris 抖音把 A8 刷成满地走，但真实基数摊到十四亿人里少得可怜，想走捷径的人往往最先吃亏

[泰德搞薯条 TD @TiedGST]

@_zheergen C++ 核心加 Python 接口，还把 A 股涨跌停、T+1 这些坑都处理好了，做全市场回测确实很难找到更合适的开源选择。

[泰德搞薯条 TD @TiedGST]

@dotey 手机远程指挥电脑上的 Agent，再加上互不干扰的虚拟桌面，这套体验确实把日常重复劳动甩给 AI 变得很自然。

[泰德搞薯条 TD @TiedGST]

@chairbtc 所以说电影下线之日就是牛来结束之日，就好比当时蹭labubu热度一样的

[泰德搞薯条 TD @TiedGST]

@_FORAB 怪不得把脾气都撒到用户身上了😂

[泰德搞薯条 TD @TiedGST]

@_FORAB 交叉董事席位在竞争公司里确实容易踩红线，司法部这刀砍得挺准

[泰德搞薯条 TD @TiedGST]

@_zheergen finmarketpy 把季节性分析和事件研究直接做进回测框架，能快速发现很多策略亏损其实只是没避开季节性规律

[泰德搞薯条 TD @TiedGST]

把选股、回测、监控、AI分析拉进同一个自托管工作台，会得出什么结论？

发现一个开源项目：tickflow-stock-panel

它是自托管、零运维的 A 股「选股 + 监控 + 回测」量化工作台，基于 TickFlow 数据源，支持 LLM 驱动策略生成、个股四维分析和盘后复盘，Docker 一键部署。

1️⃣ 选股引擎
18 个内置策略 + 自定义信号 + AI 生成策略，Polars 毫秒级扫描全 A 股，一次算完指标落盘。

2️⃣ 回测引擎
支持个股 / 策略组合 / 自由信号三种模式，完整计入 T+1、手续费、滑点、止损，SSE 实时流式进度。

3️⃣ 监控中心
策略信号、价格、异动多条件监控（AND/OR），支持语音播报和飞书推送，信号不漏。

4️⃣ AI 分析与复盘
个股技术 / 基本面 / 财务 / 消息面四维解读，盘后自动生成复盘报告，支持飞书推送和 Markdown 下载。

它不是荐股软件，也不对标同花顺/通达信，更适合个人散户和量化爱好者本地研究策略与复盘流程。

支持 Docker 单容器部署、第三方数据扩展、OpenAI 兼容 LLM。

[泰德搞薯条 TD @TiedGST]

只用 2 个指标，做出 2.7 万美元的交易策略

视频分享了一个很简单的 5 分钟剥头皮策略，核心就两个指标：
9 EMA + 21 EMA

用法很直接：
• 9 EMA 上穿 21 EMA → 看多信号
• 9 EMA 下穿 21 EMA → 看空信号

但光靠交叉会有很多假信号，所以他加了两层过滤：

1、支撑/阻力位确认（价格要在关键位置附近交叉才做）

2、斐波那契 50% 位置（尽量在折扣价区域入场，提高盈亏比）

视频里展示了真实交易案例，包括盈利和亏损单，适合做黄金、外汇的人参考。整体逻辑清晰，不复杂。

[泰德搞薯条 TD @TiedGST]

只用 2 个指标，做出 2.7 万美元的交易策略

视频分享了一个很简单的 5 分钟剥头皮策略，核心就两个指标：
9 EMA + 21 EMA

用法很直接：
• 9 EMA 上穿 21 EMA → 看多信号
• 9 EMA 下穿 21 EMA → 看空信号

但光靠交叉会有很多假信号，所以他加了两层过滤：

1、支撑/阻力位确认（价格要在关键位置附近交叉才做）

2、斐波那契 50% 位置（尽量在折扣价区域入场，提高盈亏比）

视频里展示了真实交易案例，包括盈利和亏损单，适合做黄金、外汇的人参考。整体逻辑清晰，不复杂。

[泰德搞薯条 TD @TiedGST]

把本地跑模型、高效微调、Agent 接入、RAG 搜索拉进同一个工具，会得出什么结论？

发现一个开源项目：Unsloth

它是目前最强的本地 LLM / 扩散模型运行与训练框架，提供 Desktop App 和 Web UI，支持最新模型（Qwen3.8、Kimi K3、Gemma 4、DeepSeek-V4、FLUX 等），训练速度提升 2 倍、显存降低 70%，精度不掉。

1️⃣ 本地运行与训练
一键启动 Desktop / Studio，支持 CPU、NVIDIA、AMD、Apple Silicon、多卡。聊天、推理、微调全本地完成。

2️⃣极致效率
2× 更快训练 + 70% 更少显存（无精度损失）；MoE 模型最高 12× 加速；支持 500K 上下文、FP8、LoRA/QLoRA/全量微调、RL（GRPO/DPO）。

3️⃣ Agent 与工具集成
一键把本地模型接入 Claude Code、Codex、MCP；支持工具调用、代码执行，真正让本地模型成为可操作的 Agent。

4️⃣ 导出与部署
导出 GGUF / FP8 等格式，提供 OpenAI 兼容 API，支持 Cloudflare 远程访问；还能从 PDF/CSV 快速构建数据集。

它不是又一个聊天前端，而是把「本地跑大模型 + 高效微调 + Agent 能力」真正打通的完整工具链。

支持 Windows / macOS / Linux，一键安装，开源免费。

[泰德搞薯条 TD @TiedGST]

@0xKingsKuan 牛来 取决于这部电影会不会被下架，以及能持续多久的热度

[泰德搞薯条 TD @TiedGST]

@bookingX0 目前官方文档和实测反馈里 AMD 支持是真的，用 ROCm 跑，不过不同卡兼容性还是有差异，建议先看他们最新的 AMD 安装指南再试。

[泰德搞薯条 TD @TiedGST]

把本地跑模型、高效微调、Agent 接入、RAG 搜索拉进同一个工具，会得出什么结论？

发现一个开源项目：Unsloth

它是目前最强的本地 LLM / 扩散模型运行与训练框架，提供 Desktop App 和 Web UI，支持最新模型（Qwen3.8、Kimi K3、Gemma 4、DeepSeek-V4、FLUX 等），训练速度提升 2 倍、显存降低 70%，精度不掉。

1️⃣ 本地运行与训练
一键启动 Desktop / Studio，支持 CPU、NVIDIA、AMD、Apple Silicon、多卡。聊天、推理、微调全本地完成。

2️⃣极致效率
2× 更快训练 + 70% 更少显存（无精度损失）；MoE 模型最高 12× 加速；支持 500K 上下文、FP8、LoRA/QLoRA/全量微调、RL（GRPO/DPO）。

3️⃣ Agent 与工具集成
一键把本地模型接入 Claude Code、Codex、MCP；支持工具调用、代码执行，真正让本地模型成为可操作的 Agent。

4️⃣ 导出与部署
导出 GGUF / FP8 等格式，提供 OpenAI 兼容 API，支持 Cloudflare 远程访问；还能从 PDF/CSV 快速构建数据集。

它不是又一个聊天前端，而是把「本地跑大模型 + 高效微调 + Agent 能力」真正打通的完整工具链。

支持 Windows / macOS / Linux，一键安装，开源免费。

[泰德搞薯条 TD @TiedGST]

刷到个挺狠的小模型：Needle 2

45M 参数，整个模型压成 14MB，跑起来大概只吃 28MB 内存。

专为工具调用和设备控制设计，能直接跑在手机、手表、智能家居、机器人上，完全离线。

比同级别的 FunctionGemma、LFM 这些小了好几倍，benchmark 还不差。

感觉以后端侧 agent 真有可能不靠大模型硬扛了。

[泰德搞薯条 TD @TiedGST]

@BTCqzy1 Unsloth 把本地跑模型、高效微调、Agent 接入和 RAG 打通成一套完整工具链，训练提速 2 倍、显存降 70%，真正让本地模型好用起来