tim

80后大叔，对钱和色仍充满好奇，去体验不同的事物，见各种各样的人，脑子才会思考，才能感觉到自己是在活着。

[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��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，
���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��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。

[tim @tim29064792]

@MarybelleK86470 滴滴一个

[tim @tim29064792]

@MarybelleK86470 滴滴一下

[tim @tim29064792]

@MarybelleK86470 滴滴一个

[tim @tim29064792]

@MarybelleK86470 滴滴一个

[tim @tim29064792]

@MarybelleK86470 滴滴一个

[白骏知识分享 @cj3214567667]

如何在X/推特学��识的终极指南(2026)

说实话，很多功能我也是第一次知道

来自于B站up主：大吃一顿鲸

[爱丽丝呀！ @BTCqzy1]

别再为选哪只股票发愁了！

GitHub 上已收获 50k Stars 的AI 股票分析项目 ai-hedge-fund，直接在你电脑里模拟了一个由 18 位投资大师 组成的 AI ��研团队！

它包括巴菲特、芒格、Cathie Wood（木头姐）、Michael Burry（大空头）等风格的 Agent。你只需输入股票代码，各 Agent 就会按自己的投资哲学独立分析，最终由投资组合经理汇总生成交易信号���议。

大多数 AI 炒股工具还在折腾脆弱的新闻情感分析或黑盒般的深度学习模型，结果大盘一波动就彻底抓瞎。

ai-hedge-fund 核心逻辑极其优雅：用人格碰撞，取代单线预测。

核心玩法体验：

我简单试了一下，让这个“全明星团队”分析几只科技股。结果非常硬核：寻找安全边际的“巴菲特 Agent”和死盯泡沫的“Burry Agent”经常意见相左，碰撞感极强！这其实就是在模拟专业投研团队的真实决策过程。

核心杀手锏：

专业级辩论机制：除了大师人格，还有估值、基本面、技术、情绪、风控等专业 Agent 共同参与，最终由“投资组合经理”汇总并生成交易信号。

完全本地可跑：告别繁琐的爬虫脚本，只需配置简单的 API Key，即可获取实时的财务和市场数据（主流股票部分免费）。

信号生成与回测验证：系统内置强大的 Backtester，支持自定义时间段，让你用历史数据真刀真枪地检验这些“AI 投资大师”的决策成色。

感兴趣的朋友可以看看，dyor～
#量化选股 #AIAgent #GitHub
传送门：https://t.co/GXymIj8ymi

[花叔 @AlchainHust]

你的下一个员工，何必是同事。

同事.skill这几天火了，把同事蒸馏成AI Skill。这个项目证明了一件事：蒸馏一个人的能力，是可行的。

但我想问一个问题：既然我们已经有了蒸馏人的能力，为什么要蒸馏身边的同事？

去蒸馏各领域最强的人。

而且幸运的是，这些人留下了大量可以被蒸馏的材料。芒格有《穷查理宝典》和几十��的股东会演讲。费曼有全套讲义和自传。Naval有几百条推文和长篇播客。塔勒布有五本书和无数公开辩论。这些都是高纯度的思维原矿，等着被提炼。

我之前就一直在干这件事。今天把方法论开源了，叫女娲。

使用极其简单：输入一个名字就行。女娲自动启动6个Agent去找书、找播客、找推文、找批评者，自己调研、自己提炼、自己验证。你不需要准备任何材料。

6个Agent并行采集著作、播客、社交媒体、批评者视角、决策记录、时间线。然后三重验证：一个观点要被收录为心智模型，必须跨2个以上领域出现过、能预测新问题立场、不是所有聪明人都会这么想。三条全过才留。

决策前问芒格，写教程问费曼，评估��险问塔勒布。你想蒸馏谁就蒸馏谁。

GitHub: https://t.co/MNTlj88uww
安装: `npx skills add alchaincyf/nuwa-skill`

MIT协议，随便用，随便改，随便造。

[看不懂的SOL @DtDt666]

发现一海外老哥的深度分享，
今晚别再刷抖音消磨时间了
抽出一小时，沉下心来看完这套 Claude AI 完整教程

它能教会你自主搭建、自动化处理各类事务
今晚认真学完的兄弟，明天醒来就会掌握一项
未来两年里绝大多数人都不具备的硬核ai���力。

而选择跳过的人，或许明年此刻
还在刷着剧，困惑着生活为何始终毫无起色
路怎么走，全看你自己的选择。

积极学习 拥抱ai！

[阿川 | AI thinking @AI_jacksaku]

多智能体 LLM 金融交易框架出中文版了，针对 A股/港股/美股做了深度的优化。

核心设计是模拟人类投资团队：六个 AI 智能体分别扮演基本面分析师、技术分析师、情绪分析师、宏观分析师、风控官、投资经理。
各自独立研究，然后开"投委会"讨论达成共识。

技术栈也很扎实：FastAPI 后端+Vue3 前端，支持OpenAI、Gemini、国产大模型多后端，MongoDB+Redis 双数据库架构。

最用心的设计是配套学习中心——不是让用户盲目跟从 AI 建议，而是教多智能体分析原理、模型选择、风险提示。工具定位是"学习与研究用途"，强调人工最终决策权，合规定位清晰。

v2.0 接近完工，但作者说可能不开源——发现有商业机构盗版冒充官方。这种困境在开源社区很常见hhh

所以这对个人投资者的价值不是"赚钱机器"，而是观察 AI 如何系统分析股票的学习平台。信息差正在缩小，竞争变得更公平。

想搭建自己 AI 投研系统的，可以看看。https://t.co/GtfySLMW0C

[dontbesilent @dontbesilent]

通过我的一万多条推文做的 dbskill，更新到 v2 版本了，践行开源精神

1️⃣ 你可以在 claude code 里面通过 /dbs 来进行对话，这个入口会自动路由到其他的各个 skill

比如 diagnosis 发现心理问题信号，会建议你去 unblock，你不需要特别关心你正在用哪个具体的 skill

2️⃣ 如果你不愿意用我的 skill，我公开了 skill 知识包，你可以拿去做你自己的 skill

diagnosis_公理与诊断框架.md
diagnosis_问题消解案例库.md
benchmark_对标方法论.md
benchmark_平台运营知识.md
content_内容创作方法论.md
content_平台特性与案例.md
unblock_心理诊断框架.md
unblock_信号案例库.md
deconstruct_语言与概念框架.md
deconstruct_解构案例库.md

3️⃣ 推文原始内容以「知识原子」的形��，通过 jsonl 文件分享了，总共有 4176 个结构化的知识原子，每个都标注了主题、类型和来源推文

[danny @agintender]

https://t.co/2ASoaxrXM6

[墓碑科技 @mubeitech]

华尔街的对冲基金经理现在恨死这个人了。
有人刚把一整家交易公司的底层架构发到了网上。

它叫 TradingAgents。
年化收益率 30.5%。
GitHub 标星已经突破三万。

里面装的根本不是一个自动下单软件。
是一个完整的虚拟华尔街机构。
四个 AI 分析师疯狂扫读财报和全网情绪。
看多和看空的研究员在系统里互相吵架。
交易员负责综合意见。
风控团队随时准备一票否决。

最新版本直接接入了 GPT-5.4 和 Claude 4.6。
它在最大回撤和夏普比率上打爆了所有传统基准策略。

华尔街收你 2% 的管理费加 20% 的利��分成。
他们雇一帮常青藤毕业生做的也就是这套流程。
现在这套体系一分钱不要。
金融圈的暴利壁垒被几行开源代码直接砸穿。

[花叔 @AlchainHust]

这两天已经不下5个出版社编辑老师找我合作出版OpenClaw的书了。

但自从去年完成过出版这件事之后，我确实对「出书」这事没啥光环了。所以呢，干脆整了份98页的OpenClaw橙皮书📙开源（链接见评论区）

简单说一下里面有什么👇
Part 1-2 讲清楚OpenClaw的本质。它不是又一个聊天机器人，是一个开源的、可以自托管的AI Agent系统。三层架构、四层记忆系统、Heartbeat心跳机制，这些让它和ChatGPT完全不同的东西，我都画了��解释清楚了。

Part 3 部署方案。本地安装、Docker、Mac mini、云服务器，我对比了9家国内云厂商的方案，包括阿里云、腾讯云、火山引擎、扣子编程等等，价格、优劣势、适合什么人，全部列出来了。��论是服务器一年也就一两百块，真正花钱的是模型API。

Part 4 渠道接入。飞书、钉钉、QQ、企业微信、Telegram、Discord，20多个平台的接入方式我都整理了。国内用户重点看飞书和钉钉，配置过程不复杂，但步骤容易漏，我把每一步都写清楚了。微信的话，不建议接，容易封号。

Part 5 Skills系统。这是真正「养虾」的核心。ClawHub上现在有1万3千多个技能，但不是装越多越好。我筛了一些值得装的推荐给大家，也写了怎么自己建Skill。另外特别提醒了Skill的安全问题，有些第三方Skill会偷你的API Key，别乱装。

Part 6 模型配置。21个模型和平台的配置方法、价格对比，国内国外都有。DeepSeek、GLM、千问、豆包、Claude、GPT，哪个性价比高、哪个效果好、哪个适合轻度使用，我都给了建议。

Part 7-8 安全���坑和生态社区。已经发生过的安全事件、成本控制策略、国内的养虾政策支持，都在里面。

信息截至2026年3月8日。这个项目更新很快，后续有重大变化我会更新这份手册。

[tim @tim29064792]

@5JGKhBonfG90216 怎么进小圈子啊

[0xSun @0xSunNFT]

分享一下自己最近在做的几件事：

1、学习股票：随着资金量增大，了解新的投资领域很有必要，并且股票也是我认为普通人最有机会吃到AI红利的地方。我的做法是从基础开始，例如看美股市值Top200公司的资料，了解PE、EPS、期权这些概念，同时开始在链上进行一些美股交易，建立盘感。

2、Vibe Coding了一个每日全球新闻摘要：涵盖全球热门、科技/AI、金融/宏观、美股/A股/港股、风投、国际政治、大宗商品等板块，消息来源是各大权威媒体以及一些付费Newsletter。

3、了解投资Pre-IPO的渠道：美国顶尖科技公司从成立到上市的年份逐渐变长，很大一部分价值增长在私募投资阶段被消化。但是经过我这段时间的了解，目前非美国身份的个人投资者参与私募投资还是比较困难的，有合规、资金、渠道等各方面障碍。

4、咨询律师：包括用于跨境投资的实体设立和身份规划等等。

这几件事并行推进，同时又息息相关，例如新闻摘要有助于建立美股的投资逻辑，身份规划对投资Pre-IPO能起到帮助，虽然是加密熊市，反而每天都觉得时间不够用。

[Leo｜一个人 + AI @runes_leo]

本周最大的工程输出：终于把散落在各处的采集脚本揉成了 x-reader。

在这个 AI 递归进化的时代，比起“读什么”，更重要的是“怎么读”。我不想在微信、Telegram 和 X 之间来回切，也不想被算法投喂。

我需要的是：一个高度定制化的“数字漏斗”。

x-reader 产品级交付清单：

- 微信 & 小红书：Puppeteer 绕过反爬抓长文，XHS 搞定了 Session 持久化，避开 403 封锁。
- X (Twitter)：直接包装 puppeteer-mcp 的采集能力，告别 API 限制。
- YouTube & B站：前者直连 Whisper 字幕提取，后者 API 级 Meta 信息结构化。
- Telegram：直连 MCP 服务，秒级同步频道情报。
- 聚合输出：管你来自哪里，进门统一转成��准化 Markdown，直存 Obsidian 归档。

刚才实测了一下全链路：从公众号长文、X 深度 Thread 到小红书休息指南，整个过程 0 手动操作。

做这个工具的初衷：

Builder 应该把时间花在“处理信息”，而不是“寻找入口”。当 AI 进化加速，唯一能抗通胀的资产就是你的“私域知识库”。

目前所有代码已入库，x-reader 正式成为我工作流的底座。

保持好奇，保持 Shipping。

[tim @tim29064792]

@xmanreturn 麻烦jimmy拉我一下😄谢谢

[tim @tim29064792]

@qimenfashi 2026年我要发大财！