walton

ByteDance

[walton @walton929]

硅基生命比碳基生命强的系统论述！

[yv @yvbbrjdr]

推荐大家读一下MAI-Thinking-1的technical paper，里面有详细的怎么训出一个SOTA LLM的（几乎）所有细节。

https://t.co/it5mCFd6v3

[Tony HK🇭🇰 @Ningqian6688]

看不清楚的，我全写下来了哦

AI Clouds（AI 云）：
firmus、Indosat、GMO、NAVER Cloud、Walton、SoftBank、CoreWeave、Lambda、AWS、NECPLE、ResetData、Mitsubishi、Toyota、Ministral AI、Weib

AI Factory Software（AI 工厂软件）：
edbn、emeroid、HUMANITAS、veris、open source、xeno、phoenix、RAFAY、Red Hat、SUSE、TrendAI、VAST、WEKA

Design and Construction（设计与建设）：
AVEVA、cadence、etap、Jacobs、PHOENIX、ptc、SIEMENS

Energy and Cooling（能源与冷却）：
ABB、CATERPILLAR、MEIKA、GE VERNOVA、HITACHI、Mitsubishi、nationalgrid、Schneider、TRANE、VERTIV

Infrastructure and Facilities（基础设施与设施）：
EATON、C&C、DAYONE、Equinix、NERITO、WTT、sify 等

Compute Systems（计算系统）：
ASUS、DELL Technologies、FOXCONN、GIGABYTE、HPE、Lenovo、PEGATRON、Supermicro、wistron、wiwynn 等

[土豆本豆 @Potatoloogs]

张小珺和真格基金戴雨森最新一期播客，两个多小时，聊了AI行业复盘、创业机会和投资思考。

一、Return问题没有被解决，只是下推了一层

Anthropic的收入大涨让很多人觉得回报问题已经解决了。

戴雨森的看法是：Anthropic的收入其实是它客户的投入。客户买了token烧了token，是要做出软件、降本增效、最��产生利润的。

现在进来尝鲜的人远多于发现token没有带来价值离开的人，所以收入涨得很快。但这个漏水最终是要堵住的：来吃螃蟹的人得能赚到钱，而且赚钱的周期不能太长。

投入→产出→结果，这是一个三步的链条。现在所有人都在拼命投入，产出多了一些，但产出还没带来结果。

二、Coding不是垂直领域，是水平能力

去年以前很多人把coding和医疗、金融并列，当作一个垂直方向。连一些研究员如果自己不做coding，也觉得coding就是垂直方向中的一个。

现在大家发现coding是horizontal的，它能加强办公、医疗、研究等所有领域。这个认知的转变让coding的意义完全不一样了。

三、Harness更像OS，模型更像CPU

三年前做一个AI应用，得自己处理agentic loop、memory、guardrail。

现在在Claude Code或Codex上做一个Skill，这些都不用管了，harness帮你处理。

就像Windows出现之后开发者不用自己跟硬件通信了。而且用户可以在harness里插拔模型：哪个便宜用哪个，哪个新用哪个。

用户对harness的忠诚度反而比对模型高，因为记忆和context存在harness里。

四、Agent网络效应可能正在出现

六个月前大家都用同一个Claude Code，没有理由交换。但现在每个人的harness里沉淀了不同的context、skills和记忆。

同一个任务交给不同人的agent会得到不同结果。这就出现了一种可能：我的agent雇佣你的agent来做某件事，其中一部分是token费用，另一部分是你的agent积累的专有知识的溢价。这可能是一种agent之间的marketplace。

五、下一个字节���动级的公司不会长得像字节

很多人在找下一个字节，做一个AI信息流，刷来刷去，里面是AI生成的内容。

戴雨森觉得在字节的游戏规则里打败字节是极难的。Agent时代的关键指标已经从attention（用户看屏幕的时长）变成了agent能持续完成有价值任务的时长。

如果为了优化DAU让用户多上来看一看，反而说明产品不能让用户省心。

六、AI毁灭旧价值的速度远高于创造新价值的速度

降本在发生（裁员），但增效还需要时间：因为增效需要新产品、新需求，而这需要人的想象力，不是多了十倍工程师就能立刻多出十倍收入。

移动互联网后期大家已经不知道该做什么了，这是产品创新的问题。现在硅谷有的公司因为编程能力过剩开始互相进入对方领地，但复制已有功能和创造全新品类是两回事。

七、三步走：Agent的落地路径

第一步，让人类拥有更多更好的agent：现在各家都在做这件事。

第二步，让agent更好地适应人类的数字世界：支付、身份验证、使用人类软件。

第三步，建设agent专属的数字基础设施：agent之间的支付、通信、协作方式可能跟人类完全不同。

八、思考需要刻意练习，创新也需要刻意练习

戴雨森有一个观察：作为一个快40岁的人，想法比20岁创业时少了很多。虽

然坐拥各大coding agent的订阅，每天有很多AI等着打工，但做什么呢？他有个朋友每月烧一万美金token，做了个扫描器检测每天哪些域名到期没人注册，然后让AI给这些域名做产品。

这有点像Omakase：今天鱼市上看到什么鱼，就做什么菜。听起来荒唐，但其实是在刻意练习用AI创新。

[Sanbu 散步 @sanbuphy]

花了段时间写了 RL 教程 Hands-On Modern RL，路线是从 CartPole + PPO 入门，然后到 LLM 后训练（RLHF、DPO、GRPO）、Agentic RL。代码先行，公式用来解释现象。英文版很快更新。
目前是草稿版本，RLHF、Agentic RL 部分本地审校中。
欢迎提 PR 或 Issue & 显卡支持：https://t.co/PtgSByY96U

[小马 | 商业生存指南 @VibePonyAI]

🚨 突发：Google Gemini现在可以像华尔街分析师一样分析任何股票（免费）。

以下是10个疯狂的Gemini提示，可替代4000美元/月的彭博终端：

保存以供日后使用🔖

[Jason Zhu @GoSailGlobal]

Anthropic 真的惊为天人

直接把金融服务行业的 AI 工作流模板全开源了
投资银行 / 股票研究 / 私募 / 财富管理 / 基金管理 / KYC 风控
七大业务线的参考 agent / 技能包 / 数据连接器 全部公开

��超出了 demo 的范畴，是把「金融行业 AI 落地」的完整 SOP 摆出来 / 让全行业照抄

· 打开仓库 你会看到这些东西

10 个开箱即用的端到端 agent
- Pitch Agent / 自动做 pitch deck（comps + 先例 + LBO → 出品牌��版的 deck）

- Meeting Prep Agent / 客户会前自动出 briefing pack
Market Researcher / 行业或主题 → 行业概览 + 竞争格局 + peer comps + 标的清单

- Earnings Reviewer / 财报会议 + filings → 模型更新 → 研报草稿

- Model Builder / DCF / LBO / 三表 / comps / 直接在 Excel 里建模

- Valuation Reviewer / 私募估值 + LP 报告

- GL Reconciler / 总账核对 + 找差异 + 路由审批

- Month-End Closer / 月末关账 / accruals / 滚动 / 偏差解读

- Statement Auditor / LP statement 审计

- KYC Screener / KYC 文档解析 + 规则引擎跑 + 标记缺口

每个 agent 都是 self-contained 的，带自己用到的全部 skill，clone 下来直接装

· 7 个垂直行业插件
- financial-analysis（核心）：comps / DCF / LBO / 三表 / deck QC / Excel 审计

- investment-banking：CIM / teaser / 流程信 / 买方名单 / 并购模型 / 项目跟踪

- equity-research：财报笔记 / 首次覆盖 / 模型更新 / 投资逻辑跟踪

- private-equity：寻源 / 筛选 / 尽调 / IC memo / 投后监控

- wealth-management：客户复盘 / 财务规划 / 调仓 / 报告 / 税损收割

- fund-admin：GL 核对 / 差异追踪 / NAV 校验

- operations：KYC + 规则引擎

直接用 / 想改也行 / 全是 markdown + json / 没有 build 步骤

· 11 家金融数据商的 MCP 连接器

Daloopa / Morningstar / S&P Global / FactSet / Moody's
MT Newswires / Aiera / LSEG / PitchBook / Chronograph / Egnyte

这一行单独值得讲

意味着 Anthropic 已经跟全球最重要的金融数据基础设施都谈完了，你接进 Claude / 这些数据全是开箱即用的，没有这些连接器 / 你自己接每一家的 API / 光人天就要��几个月

LSEG 和 S&P Global 还各自做了 partner-built 的高级插件
一个跑债券相对价值 / 利率曲线 / FX carry / 期权波动率 / 宏观利率监控
一个跑 tear sheet / 财报预览 / 融资 digest

· 部署方式两种，一个仓库

方式一：Claude Cowork 插件
装在分析师电脑上 / 个人工作流

方式二：Claude Managed Agents API
跑在公司自己的工作流引擎后面 / 整个公司用
同一份 system prompt / 同一份 skill / 你选在哪儿跑

还附带一个 Microsoft 365 安装工具，让公司 IT admin 把 Claude 部署进 Excel / PowerPoint / Word / Outlook

而且可以走你公司自己的云（Vertex AI / Bedrock / 内部 LLM gateway），不强制走 Anthropic API

· 金融是企业 AI 落地最大也最难啃的市场，合规要求高 / 数据敏感 / 流程复杂

Anthropic 这一手
直接把整个行业的 AI 落地 SOP 写明白了

谁照这��搭 / 谁就在 Claude 的轨道上长
谁不照这套搭 / 谁要从零开始踩半年坑

最值得对比的是 OpenAI
OpenAI 上周刚上线广告平台
Anthropic 这周直接开源金融行业全套 agent

两家公司的路线分化在这种地方又看得清清楚楚
OpenAI = 大众消费 + 广告
Anthropic = 企业场景 + 开源行业模板

链接 https://t.co/4eWZZiGVpc

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

卧槽，一天就能把Claude玩明白？这份指南我他妈直接跪了

我告诉你，这玩意儿不是人学的，是神学的。但是今天，只要你肯花一天时间，我保证你从菜鸡变成Claude高手。不吹不黑，这份教程简直是把饭嚼碎了喂你嘴里。

先来第1级，24分钟搞定基础（别嫌短，够用了）

🔹 Claude傻瓜指南：从零到入门，看完你就能跟别人吹牛逼了
🔹 Claude设��：别傻乎乎直接开干，先把环境调好

链接在这：
https://t.co/cOVLXKWzqk
https://t.co/IUXXX6HT1Y

接着第2级，1小时实战工作流（别只看，动手干）

1 Claude协作：一个人干活的效率，顶你团队三天
2 Claude团队版：别一个人吃独食，拉上兄弟一起干
3 Claude设计：从设计到出图，手把手教你做老板都点赞的东西
4 协作+项目：把Claude变成你的远程员工
5 Claude幻灯片：别再熬夜做PPT了，让AI替你打工
6 Claude技能：解锁隐藏功能

链接在这：
https://t.co/Uu81jWQ38g
https://t.co/W117GA8936
https://t.co/wN5PMdNIML
https://t.co/JUCG6z8Xlh
https://t.co/MuDoFnlDwX
https://t.co/FV0YB0djw9

然后是第3级，3.5小时专业技巧（这才是真干货）

🔥 避免奉承：别让AI拍你马屁，要让它说实话
🔥 Claude代码：写代码、改bug，它比你隔壁的程序员靠谱
🔥 Claude 101：官方培训课，必看
🔥 突破Claude限制：别再问“还能再回答吗”，直接打破天花板
🔥 停止瞎提示：别再发“帮我写个东西”这种废话

链接在这：
https://t.co/sITjoA2EqV
https://t.co/HWNrhaah2b
https://t.co/DrlGHtD4cD
https://t.co/2xPIANFVby
https://t.co/x9KnKwwXKa

最后第4级，8小时专家模式（装逼必备）

🚀 Claude电脑：把Claude装进电脑里，直接操控桌面
🚀 用Claude API构建：写代码、搭应用，你也能做二次开发

链接在这：
https://t.co/0ME7ckbQXa
https://t.co/sobW0u3H6P

专业提示：别他妈一口气看完，你消化不了。每次学一级，然后立马去用。学完一级就停下来，把学的东西用到工作中，用熟了再学下一级。

你想想，别人还在那儿发傻提问“Claude怎么用”的时候，你已经能一边用Claude写代码，一边用Claude做PPT，一边还用Claude调API。这不就是降维打击吗？

别废话了，赶紧收藏起来。今天不学，明天就落后。明天不学，后天就只能看着别人吃肉。

[Roland.W @rwayne]

Anthropic 这下直接把投行的活儿摊在 GitHub 上了。

官方仓库 anthropics/financial-services 11 周前上线，16493 stars，2067 forks。

9 个开箱即用的 Agent，Pitch、Earnings Reviewer、Model Builder、GL Reconciler、KYC Screener。分析师每天写的 pitch deck、earnings note、IC memo、LBO 模型，全在仓库里。

11 个 MCP 数据连接器一次接齐，Daloopa、Morningstar、FactSet、Moody's、PitchBook、LSEG、S&P 都进来了。彭博一个没有。

Anthropic 顺手还发了 Microsoft 365 add-in，Excel、PowerPoint、Word、Outlook 都跑 Claude。

唯一的护城河写在 README，所有输出要人类签字。

投行 30 万美金一年的初级分析师，活儿现在板上钉钉写在 README ��了。
https://t.co/ztu2kp4RuI

[Jason Zhu @GoSailGlobal]

你花钱买 AI 课的时候 Google 在偷偷把同一套东西免费给出来

推上 @RoyAmal 整理了一份 Google 官方 10 门免费 AI 课的清单
路径都在 https://t.co/68rZ8nmhR8（Google Cloud Skills Boost）上
注册 Google 账号就能学 一分钱不要

我把 10 门课整理一版中文索引 链接在每条下面

1）Generative AI Basics（生成式 AI 基础）
入门第一课 讲清楚什么是 GenAI 应用场景有哪些
https://t.co/n9GE2KdZhV

2）Large Language Models（大语言模型）
ChatGPT 这类系统底层怎么跑的
https://t.co/V598HiVf2G

3）Responsible AI（负责任的 AI）
伦理 偏见 真实世界的风险
这门很多人会跳 但它其实是 AI 工程师的护城河
https://t.co/6oyxspi9Ql

4）Full Learning Path（完整学习路径）
Google 官方排好顺序的 AI 学习路线 step by step
不知道从哪开始就直接走这条
https://t.co/Bj6qM0girs

5）Encoder-Decoder（编码器-解码器）
模型怎么把输入转成输出 翻译类模型的底层
https://t.co/B08AGM5iK8

6）Attention Mechanism（注意力机制）
Transformer 的核心 现代所有大模型的根基
这门是分水岭 听懂了再往后走 ���松一倍
https://t.co/S8TVS095c4

7）Image Generation（图像生成）
文生图系统的原理 Stable Diffusion / Midjourney 那一套底层
https://t.co/ol2zCtN1wF

8）GenAI Tools（生成式 AI 工具）
动手实验课 不光看视频
https://t.co/gIgWFIwkFF

9）AI Applications（AI 应用）
真实业务场景里 AI 怎么落地
https://t.co/gbiFK5E2ux

10）Vertex AI
Google Cloud 上怎么把 AI 模型 build + deploy 上线
这门最实用 直接对应工作技能
https://t.co/XYgQATmfO4

总入口 https://t.co/o8Tsrp5vmp
所有课程集合 也可以从第 4 条「Full Learning Path」那门进去 一条线学下来

@RoyAmal 在原推里的那句金句

大多数人的学习是 watch → forget（看完就忘）
这套路径给你的是 learn → practice → build（学 → 练 → 造东西）

如果你真打算认真学 AI，这是你免费版的 roadmap

[区块链行情研究 @qkl2058]

有人刚把一整家AI公司给开源了。里头塞了147个智能体，分成12个部门，搞工程的、做设计的、跑营销的、干销售的，还有财务、质检跟客服支持，全都齐了。每个智能体都有自己明确的角色定位、一套工作流程和要交付的东西。这玩意儿不是一个简单的聊天机器人，这分明是一整个团队。

它兼容 Claude Code、Cursor、Copilot、Gemini CLI、Windsurf 这些工具，输一行命令就能把整套东西部署起来。

说起来，最开始就是 Reddit 上一个��子，现在攒了8.8万颗星，被分叉了1.4万次。用的 MIT 协议，完全免费。

现在彻底归你了。要知道，搁以前想整一套这配置，一年花个五万美金都算正常。

[Vincent | 信号＞噪音 @VincentLogic]

网文作者要失业了？这个开源AI Agent能自己写、审、改小说，玄幻仙侠都市全都能写，一个月下载量11k+。别慌，核心不是替代，是让你一个人干一个工作室的活！

1⃣ 终端运行inkos启动本地Web工作台
2⃣ 选风格（玄幻/仙侠/都市/科幻），输入大纲
3⃣ AI自动写、审、改，你只管审核把关
4⃣ 用市场雷达看数据，文风分析调质量
5⃣ 批量产出，多平台分发搞流量

别把AI当敌人，把它当你的免费员工。真正被淘汰的不是作者，是不会用工具的作者。
想搞网文矩阵的，一定要尝试！👇

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

年费二十多万的彭博终端，被开源社区直接平替了！

这个叫 FinceptTerminal 的项目，美股、A股、加密货币数据全覆盖，打开就能跑，不套壳不臃肿。

核心功能四板斧：
1⃣ CFA级DCF估值、VaR计算，机构同款分析框架
2⃣ 37个专项AI智能体，兼容主流大模型，支持本地离线保隐私
3⃣ 接入百家数据源+多家券商，股票和加密货币实盘模拟两不误
4⃣ 海事跟踪、地缘政治、卫星数据，宏观冲击概率直接量化

以前这种工具光订阅费就把散户拦死了，现在个人非商业用途免费。

🔗 https://t.co/e0Fgr7sK1S

[Bill The Investor @billtheinvestor]

有人刚刚开源了一整家 AI 公司。147 个智能体。12 个部门。工程、设计、营销、销售、财务、QA、支持。每个智能体都有其角色、工作流和交付物。这不是一个聊天机器人。这是一个团队。
Claude Code, Cursor, Copilot, Gemini CLI, Windsurf。一条命令部署一切。始于一个 Reddit 帖子。88,000 个 Star。14,000 个 Fork 之后。MIT 协议。免费。
属于你。这本该价值每年 50,000 美元。

[GOLD @Honcia13]

一个人，怎么做一家公司？

GitHub上这本《一人企业OPC方法论》已经14.5k Star，
把solo创业的完整框架讲透了！
不是鸡汤，
是干货满满的方法论：
规划阶段
用有限资源撬动最大结果
被动收入 + 资产化思维（别卖时间，要造资产）
赛道选择和竞争策略

搭建阶段
从零做产品
用副业模式控制风险（别上来就All in）
基建四件套：用户池、内容体系、收款能力、众包协作

还附赠：
一人企业画布（帮你结构化想法）
月度复盘工具
AI策略模拟器（动手前先跑一遍测试）

全文6万字，CC协议免费可读。
独立开发者、自由职业者、想搞副业的打工人，这套方法论值得认真读一遍。 真正教你一个人把公司跑起���。
GitHub：https://t.co/6uZFdZvMR4

[林晚晚的猫 @linwanwan823]

这是我今年见过最牛的「美股新股神」。

24岁的德国人，被OpenAI开除，
转头开基金，2亿变50+亿。

-先说这个哥们。Leopold Aschenbrenner。

我去年半夜跟朋友喝酒，
有个马来人按头推荐让我去看一篇
《Situational Awareness》，
说AI正在朝这篇写的方向发展。

后来我才知道，
这文章当时在硅谷VC圈里炸锅，
川普的女儿伊万卡也转了。

就是Leopold Aschenbrenner离职后写的。

-去年4月，这哥们据说因为泄密被OpenAI开除。
出来之后没多久，直接开了个对冲基金，
基金名字就叫那篇文章，
Situational Awareness Fund。

LP是Stripe两兄弟和前GitHub CEO Nat Friedman。

去年Q4披露持仓2.5亿，今年再披露直接就55亿。
一年涨了20多倍。

-我们再来看他持仓。

第一仓 Bloom Energy。给数据中心卖燃料电池发电的。去年4月16块一股，今天279块。一年17倍。

我去年也盲跟着买了，
买了到今天一直没动，赚了5倍左右。

第二仓 CoreWeave看涨期权，
AI算力卖家，英伟达亲儿子，IPO半年股票翻了3倍多。

第三仓 Intel看涨期权。
去年所有人都说Intel完了的时候他进去重仓买CALL，结果Intel一年涨356%。

所以晚晚我现在有个新思路：
紧跟OpenAI离职人群。
看他们在做什么，基本上就能看到AI投资和下一个大方向的路标。

[爱丽丝呀！ @BTCqzy1]

量化交易的门槛，这次被 QuantDinger 彻底拆掉了。

你不再需要精通 Python、不用手动拉数据、不用自己搭回测框架，更不用担心代码调试。

只需要用大白话说一句策略想法，AI 就帮你完成剩下所有事。

QuantDinger 核心亮点：

· 支持加密货币、美股、外汇 全部打通
· AI 多智能体协作（策略师 + 风控 + 回测专家内部辩论）
· 自然语言生成 Python 策略 + 一键回测 + 可视化 + 自动交易
· Docker 两分钟部署，数据全在本地，隐私拉满

实际操作有多简单？

输入：“帮我用突破策略回测 BTC 过去 30 天”

→ 系统自动调度 AI 团队：拉取数据、生成策略代码、跑完整回测、输出图表和绩效报告。

进阶亮点⭐️：

预测市场分析：支持 Polymarket 等预测市场作为研究工作流。

输入市场链接或关键词，AI 可自动拉取赔率、做概率分歧分析���打机会分、给出 YES/NO/HOLD 建议（目前主要用于辅助研究和决策）。

GitHub：
https://t.co/elrN9rfO4v

感兴趣的可以直接跑起来试试，DYOR。

[GOLD @Honcia13]

太炸裂了，居然有人做了款能直接看懂K线交易的AI，
胜率还高达93%！

这款AI叫Kronos，靠45家交易所120亿条数据训练，是首个专门为金融市场打造的开源基础大模型，从底层就是为K线和交易逻辑设计，不是通用AI改出来的。

它能做价格预测、波动率预判，支持全资产零样本直接使用，覆盖币安、纽交所、纳斯达克等45家交易所，从400万到4.99亿参数共4个版本，笔记本就能跑。

实测效果很夸张：准确率比主流时序模型高93%，比顶尖非预训练模型高87%，而且不用微调，拿来就用。目前BTC实时走势演示免费开放，每小时更新。

对比之下，对冲基金定制模型要几百万，彭博终端年费2.4万美金，而Kronos完全免费，几行Python就能调用。

由清华团队研发，入选2026 AAAI顶会，现已上架Hugging Face，GitHub斩获1.16万星标、2400复刻，MIT协议，100%开源。

https://t.co/NBc5Gdcyo6

[周览资源分享 @grgerwcwetwet]

推荐一个开源项目 aimoneyhunter，一个整理 AI 赚钱思路的合集仓库。

里面汇总了各种 AI 副业方向、变现路径和案例，从内容创作到自动化工具都有，偏实战思路整理，适合找灵感或拓展方向。

GitHub：
https://t.co/c3WFZSIKfi

[Bitturing @Bitturing]

创业路上，最难的不是执行，
而是系统学习融资、管理、产品这些核心能力。
网上信息太碎，很难拼成完整框架。

我在 GitHub 挖到一个宝藏资源库：awesome-ceo
🔗 https://t.co/mLGPAZXOCL

覆盖 8 大模块：
融资 / 产品 / 销售 / 营销 / 管理 / 招聘 / 财务 / 创业
内容来自 YC、a16z、Sequoia 及一线创业者。