wangscu

trader investor thinker

[Tech with Mak @techNmak]

You can read it here:
https://t.co/lMiuwbhzbv

[wangscu @wangscu]

@ryang_luckin 张嘴就来啊。

[Alex_感知 @Alex_perception]

https://t.co/fnR14oKpde

[Tom Dörr @tom_doerr]

Autoresearch runs autonomous improvement loops that plan, verify, modify, and fix changes to optimize projects continuously.

https://t.co/iW4uOae9r6

[MotherDuck @motherduck]

Your Semantic Layer is not a Context Layer. And neither of them is an Ontology.

If you are building data workflows for autonomous AI agents, it helps to know the difference.

-Semantic Layer: The rigid logic compiling to SQL (metrics, dimensions).
-Context Layer: The unstructured human knowledge (docs, wikis) agents desperately need to make decisions.
-Ontology: The "digital twin" mapping your real-world business entities.

Dive into Simon Späti's new primer to see how to organize your data architecture for the Agentic Era: https://t.co/occq09z3iP

[Frad @FradSer]

https://t.co/sUJG0TYaac

[tobi lutke @tobi]

Training tiny models for special purpose use cases works so incredibly well if you have a great self improving recursive flywheel. Shopify ML team is on fire.

finetuned 0.8b model beats GPT 5.6-sol xhigh in this very specialized task.

[Sudo su @sudoingX]

to every AMD owner running qwen 3.8 27b dense or thinking about it, my repo holds 12 amd speed submissions now, every number a paired baseline vs flag a/b measured by the person who owns the card.

here you go, you might find yours:

> rx 7900 xtx on windows vulkan: 41.0 → 85.4 tok/s, the amd record
> rx 7900 xtx on linux vulkan/radv: 28.8 → 70.7
> rx 7900 xtx on linux rocm 10: 36.3 → 62.6, landed tonight
> rx 7900 xtx launch row: 30.7 → 43.9
> rx 7900 gre 16gb: 28.7 → 47.8
> radeon ai pro r9700 32gb: 27.0 → 43.3
> 2x rx 9070 vulkan: 22.1 → 41.6
> rx 9060 xt 16gb: 15.2 → 28.7, nearly doubled
> strix halo, ryzen ai max 395: 11.9 → 28.7 vulkan, 11.5 → 23.7 windows, and a rocm rig holding 95%+ acceptance at draft depth 12
> radeon 890m igpu: 2.7 → 5.7, a laptop igpu doubled its own speed

look at the xtx block again. one card, four software stacks, 43.9 to 85.4 with the same flag. on amd the stack you serve from is worth more than the silicon you paid for, and this table is the only place that spread is measured side by side.

and the table has holes with names on them. no 7900 xt, no 7800 xt, no single 9070 or 9070 xt, the entire rx 6000 generation missing, not one instinct card. running 27b dense on any amd metal, open a pr, your row becomes the reference

https://t.co/omwN7wRqUf

[GitHubDaily @GitHub_Daily]

这两年 Agent 架构越来越多，Reflexion、GraphRAG、MemGPT，真到选型时哪个合适，心里没底。

all-agentic-architectures 把 35 种主流架构全实现成能跑的 Python 类，接口统一，换个类名就换一套架构。

更狠的是自带排行榜，拿 17 个任务把 35 种架构互相比了一遍，谁强谁弱直接看排名，不用自己猜。

GitHub：https://t.co/9y81YstDR0

每种架构配一份教程，全部拿真实大模型跑出来的结果写的，没有一处是编的示例。

OpenAI、Anthropic、Ollama 在内的 9 家模型服务都能接，换家模型代码不用动。

在做 Agent 开发、纠结选哪套架构的，动手前先翻一眼它的排行榜，能少踩不少坑。

[Xudong Han @Xudong07452910]

一个 9B 模型，只加一套会持续进化的 Skill，平均表现就超过了没有 Skill 的 27B 模型。

Google Research 这篇 WikiSkill，研究的是一个大家都一直关注的问题：

Agent 每轮任务都在产生经验，但这些经验如果一直散落在执行轨迹里，下一轮其实很难真正复用。

WikiSkill 给 Agent 加了一层持续积累的「Wiki」。

整个系统分成三层：

Raw 保存原始成功/失败轨迹；

Wiki 把这些轨迹整理成失败模式、有效策略和历史经验；

Skill 再把稳定下来的知识编译成 Agent 可以直接执行的流程。

每轮 Skill 更新都会经过验证。有效的留下，效果变差就回滚；但 Wiki 不会清空，所以失败的尝试也会成为下一轮进化的经验。

实验覆盖数学、搜索、Excel、长文档和具身任务等 5 个 benchmark、5 个模型。

结果是 Qwen-3.5-9B + WikiSkill 平均达到 47.4%，超过没有 Skill 的 Qwen-3.6-27B 的 39.4%。

而且 Skill 还能跨模型迁移。有些由其他模型进化出来的 Skill，甚至比模型自己的 Skill 效果更好。

这会让我比较关注 Wiki 这一层。

Agent 自进化如果只有「轨迹 → Skill」，很容易反复重新理解过去。中间多一层持续整理的知识库，才能让成功、失败和被拒绝的修改真正积累下来。

Skill 开始有点像独立于模型权重的知识资产：可以积累、验证、版本化，还能跨模型迁移。

📎 arxiv: https://t.co/ihDiNrRtTl

[远方青木 @jglcn1991]

把中国古代文献全部装进一块硬盘，需要多大？

答案：不到 5GB。

GitHub 上的殆知阁古代文献（daizhigev20），1.7k star 的老牌语料库：16000 种古籍、20 万卷、约 20 亿字，全部 txt 纯文本，一次 clone 全带走。

什么概念？《四库全书》收书 3503 种——它的收录量是四库全书的四倍还多。

整个文库按传统方法分作十藏： 📜 易藏 · 儒藏 · 道藏 · 佛藏 · 子藏 📜 史藏 · 诗藏 · 集藏 · 医藏 · 艺藏
经史子集、佛经道藏、历代医书、诗词文集，基本你想得到的中国古代文献都躺在里面。
能干嘛？ 🤖 做 RAG 国学知识库，喂给 AI 答四书五经 📊 古文 NLP 研究的现成大规模语料 📚 当私人电子文库，GitHub 页面里直接全文检索

一个小提醒：文本来自多年网络协作录入，质量参差，拿去做学术引用前记得自行校对。

项目地址：https://t.co/f94ZqJxM4K
你会先钻进哪个“藏”？

[Ang Yu @AngYu_soci]

This is such an evergreen classic

[Time Horizon📊 @Time_HorizonX]

民企去杠杆

[wangscu @wangscu]

https://t.co/YEdL0UFfoN

[wangscu @wangscu]

https://t.co/LLNQUgxyC5

[wangscu @wangscu]

https://t.co/N82JIlhmuU

[Summer 在交易 @Summer_trading]

两件反常的事正在中国发生

一边是银行存款利率已经跌破了1%，钱放进银行收益越来越低。

另一边是人民币兑美元却一路升到6.8以内，创下近三年的新高。

按经济学最基本的常识，一个国家利率越低，本币应该越没人要，汇率越该往下走才对。

可现在偏偏反过来，利率往地板上走，汇率往天花板上顶。更奇巧的是，刚刚过去的2025年，中国挣回了1.2万亿美元的贸易顺差，外汇储备三万多亿，是全世界最不缺外汇的国家之一。

可就在同一时间，监管关闭了富途、老虎等一众海外投资平台。钱明明多的花不完，为什么反而要看的更紧？这两件看似矛盾的事，其实是同一只手在背后操作，它有个专门的名字叫金融意志。

现在往境外汇钱，单笔超过5000块人民币或者$1000，银行就要核实你的身份，想拆成小额多走几次，绕开额度，会被列入关注名单。

这些动作针对的根本不是外汇不够，而是钱想往外跑。

那钱为什么想往外跑？因为国内利率被压到了1%以下，而同期美元资产的利率明显更高，一边几乎没利息，一边回报更高。

这么大的利差摆在那，资金天生就有外流的冲动。问题就出在这，假如真放开让资金自由流出去会发生什么？

第一步，大量资金换成美元出境，人民币需求下降，利率开始承压。

第二步，钱抽离境内，国内流动性被抽干，利率被重新顶上去。

第三步，才真正要命。利率一旦反弹，那套靠借新还旧、靠把高息债换成低息债维系的链条会当场断裂。

所以把钱往外汇管住，本质不是为了省外汇，而是为了把利率死死焊在低位，不让它弹起来。

这就是金融抑制的两只手：一只手压价格，把利率按到地板；另一只手控数量，把资本拦在境内。

两只手得同时用，松开任何一只，另一只就白费。

那为什么非要把利率压这么低？答案藏在一个更大的数字里，债务。

这些年地方上借的钱，光显性的国债加地方债，到去年底就已经接近百万亿的量级，再算上各类融资平台借的隐性债，体量更大。

这么大的盘子怎么处理？现实里基本不靠还，靠两个字：一个是拖：把到期的债展期置换成期限更长的；一个是降：把过去利率高达7%、8%的债，换成三个点出头的低息债，光这轮置换，利息成本就降了2.5个百分点以上。

而降能成立的前提是，整个社会的利率得跟着一起往下走，债务人才换得动。

所以利率下行不是顺其自然的结果，是被需要的。

谁因此受益？是背着债的地方政府、企业，还有几千万背房贷的人，利息负担实实在在轻了。

谁买单？是把钱老老实实存在银行里的储户，你拿着1%的利息，相当于在用自己的购买力，悄悄补贴那笔正在被慢慢化解的债务。

这才是金融意志最不动声色的地方：它不抢你的钱，只是让你的钱不值钱。

讲到这，再回头看人民币升值，你会发现它也没那么简单，很大程度上不是人民币自己变强了，是美元变弱了。

刚过去的一年里，美元指数跌了将近百分之十，所有非美货币都跟着对美元抬了头。一个能说明问题的细节是：人民币对美元是涨了，但对欧元、对一篮子货币反而是贬的，衡量综合汇率的那个指数全年都在往下走。

说白了是对美元强，对一篮子弱。甚至连央行自己都不希望它升太快，一直在用偏低的中间价、用国有大行出手买美元的方式，给升值踩刹车。

一个国家一边把利率压到地板，一边还要亲自下场防止本币升值，这件事本身就说明：这盘棋的核心从来不是汇率，是利率。

这条路30年前，有个国家已经完整的走过一遍，就是日本。90年代泡沫破裂后，日本央行从1991年开始连续降息，1999年直接进了零利率，后面更是搞了20多年超宽松，一度负利率。

那么大的政府债务谁来扛？

靠的是国民的储蓄，居民和企业的钱通过银行、保险、养老金源源不断买进日本国债，等于全体国民在给政府的债务输血。

但最值得琢磨的是日元的走势，按常理，零利率20年日元早该一泻千里了吧？现实恰恰相反，在前面差不多20年里，日元不但没怎么贬，反而因为日本长期通缩、又有避险属性，成了全球公认的避险货币，一度升到75对亿美元的高位。

真正的大幅贬值是最近十来年才发生的事。当美国开始大幅加息，美元之间的利差被彻底拉开之后，日元才从75一路贬到160附近，几乎腰斩。

日本这30年告诉我们的，不是低利率就一定让货币崩盘，而是另一句更冷静的话：低利率能撑多久？本币会不会贬？取决于你的产业还顶不顶得住，利差的口子会不会失控。

说回我们自己：存款破1%，不是银行变抠；人民币创新高，也不是经济突然变强。

这一次你的钱没有变少，它只是被放进了一个利息极低、又不太搬得出去的房间，替一笔更大的债，慢慢付着时间的利息。

[wangscu @wangscu]

https://t.co/EkbjU8eo8M

[0xSero @0xSero]

Cut your Claude/Codex token usage with this one trick

1. Download https://t.co/sxGYmdolH6 (free & oss)
2. Drop 20$ in https://t.co/auNHh6Y6CR
3. Make a skill called delegate-wave
4. In Agents.md note: "always use delegate wave"

"Use pi in tmux with deepseek-v4-pro/deepseek-v4-flash" All read, discovery, and changes should be delegated to pi. Your role is to review and delegate"

95%+ reduction in costs

[Antonio Lupetti @antoniolupetti]

"Everything You Always Wanted to Know About Mathematics" is a freely available, almost 700-page book that provides a broad introduction to abstract mathematics and mathematical reasoning.

It starts with a fundamental question, "What is mathematics?", and develops the tools needed to think and write mathematically. It covers mathematical induction, sets, logic, functions, relations, modular arithmetic, combinatorics, proof techniques, and much more.

I find it a particularly interesting and substantial resource, worth keeping as a reference and consulting whenever needed.

https://t.co/dU5UjXWgfo