rd xu

[lumxss @bkdgiffug]

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、加密货币数据全都有，打开就能跑，不套壳也不臃肿。

核心功能主要有四块：

1️⃣ CFA级别的DCF估值、VaR计算，机构同款分析框架
2️⃣ 37个专项AI智能体，兼容主流大模型，支持本地离线跑，数据不外传
3️⃣ 接入了百家数据源+多家券商，股票和加密货币的实盘与模拟两不误
4️⃣ 海事追踪、地缘政治分析、卫星数据联动，宏观冲击的概率可以直接量化

以前这种工具光订阅费就把散户挡在门外了，现在个人非商业用途可以免费使用。
🔗 https://t.co/FQEBVJ7XdS

[海洋馆馆长 @CycleDecoded]

斯坦福这波有点狠，直接把全网文献调研和深度写稿给彻底自动化了。

GitHub 上狂揽 3 万多 Star 的 STORM（来自 Stanford OVAL 实验室，MIT 协议开源），就是个全自动“研究员”系统。你给它扔一个生僻主题，它自己上网搜资料、让多个 AI 角色多角度互骂对质、画逻辑大纲，最后直接给你吐出一篇带真实引用脚标的维基百科级长文报告。

模拟专家对话：多视角深度拆解问题，拒绝 AI 废话水文

自带联网检索：实时抓取资料并嵌入出处，保真度拉满

全流程自动化：从头提问、建大纲到撰写润色一键搞定

支持本地部署：零代码能直接用，懂代码还能接自己的大模型

👉 GitHub：https://t.co/jVFx43hsT5
👉 网页端：https://t.co/GCfs2sgj6u

[Jealousy 尼卡 @eastweb3eth]

个人 AI 投研系统（A股/美股/港股）

这个库是我从天津回来那天就开始用了，先说体验：夯爆。 虽然是个新库，但是已经彪到了1.1k星。作者也是大名鼎鼎的 @linsizhen ，他之前的几个库我都分享过，比如 a-stock-data 7.7k 星，TradingAgents 2.6k 星，global-stock-data 1.2k星。

说回这个库本身，Vibe-Research 是一个开源的 AI 投研系统，覆盖 A 股、美股和港股。它整合行情、财报、研报、公告、资金流、资讯等数据，支持每日复盘、自选股管理、多空辩论、持仓分析等功能，并可接入 Claude、Codex 等 AI 模型。它不提供买卖建议，而是把数据准备好，让你的 AI 帮你完成更高效、更系统的投资研究。

仓库地址：https://t.co/2UWLdcga1V

还是那句话，现在一定要学会使用工具，真是事倍功半。而且市面上90%的好工具都是免费的。不一定非要用收费的工具一样可以达到好的效果。

我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

[Koda @wadezone]

不同阶层父母的教育真相：格局决定孩子的天花板
1、底层父母：教孩子“吃苦”
核心逻辑：听话、努力、靠体力换生存
教育重点：听老师话、考大学、学手艺
底层逻辑：把人生交给规则，靠“吃苦”换出路
结果：孩子成为听话的执行者，一生为生存奔波
2、中层父母：教孩子“价值”
核心逻辑：懂人性、有能力、靠价值换资源
教育重点：学经济、法律、管理，提升个人价值
底层逻辑：看清社会规则，靠能力立足
结果：孩子成为优质打工人，靠专业能力立足社会
3、上层父母：教孩子“收割”
核心逻辑：利用人性、掌控资源、靠规则谋利
教育重点：雇佣劳动力、制造消费、利用金融杠杆
底层逻辑：把人当工具，用规则收割财富
结果：孩子成为规则的受益者，靠资本和模式赚钱
4、顶层父母：教孩子“掌控”
核心逻辑：制定规则、影响他人、靠领导力掌控全局
教育重点：运动、演讲、社交、金融、讲故事
底层逻辑：掌握人心、制定规则、用影响力掌控世界
结果：孩子成为规则制定者，靠领导力和资源整合掌控

[rd xu @xrd0987]

@imwsl90 我的怎么没有thinking，只能选Max那种

[AI搞钱Hacker @gaoqian2580]

做一份垂直行业AI周报，订阅加广告两头赚。

选一个你懂的窄行业：跨境电商、律师、牙科诊所、宠物店主都行。每周用AI扫行业新闻、政策、工具更新，Claude整理成一份10分钟能读完的周报，发在公众号、知识星球或竹白上。

前期免费攒500到1000个精准订阅者，然后两条路：星球收199一年的付费版，或者接行业供应商广告，一条软广500到2000。海外做英文版用beehiiv，广告单价还能翻几倍。

垂直比大而全值钱十倍，选行业就选你能接触到从业者的，冷启动全靠行业群转发。

[尤可欣Isadora @isadora288881]

阿这。。。

这么社死的吗🥵🥵🥵

[BruceBlue 🌊 @BruceBlue]

目前非 Max 用户，还可以通过 /advisor 来使用 Fable 5。

额度还是走 Pro 订阅里面的，希望还能继续偷偷苟下去😂

#claudecode #fable #opus

[Pike时政财经分析 @BigbirdflyChan]

老兄这个例子非常好，非常值得存储企业投资者思考。房地产泡沫破裂之前PE也很低，所以现在存储PE低也是泡沫？我认为这其实是把相关性当成了因果关系。

股价 = EPS（每股盈利） × PE（估值倍数）。

因此，股价见顶有两个原因：要么盈利开始下降，要么估值倍数下降，很多时候两者会同时发生。

房地产企业就是典型案例。碧桂园2015年开始上市，2018年1月股价顶峰，但是2018年末PE才达到PE倍数最低点。但是我们要区分清楚碧桂园后面股价下跌原因不是因为PE低，而是市场提前判断房地产周期已经进入尾声，未来销售、利润和现金流都不可持续，所以虽然当期利润还在增长，市场却开始下调未来预期，估值倍数率先收缩，股价提前见顶。

也就是说，房地产股价见顶，是因为市场预期未来EPS会下降，所以先压缩PE。PE低只是结果，不是原因。PE低只是结果，不是原因。

如果按照这个逻辑，那么今天存储行业是不是泡沫，关键也不是看PE，而是看AI投资的底层逻辑有没有被证伪。

如果未来Hyperscaler发现AI投入没有ROI，大幅削减资本开支，不再采购HBM、DRAM、SSD，不再建设数据中心，那么市场自然会提前下调存储公司的估值，即使当时利润还很好，股价也会提前见顶。

但如果AI商业化持续推进，推理需求不断增长，全球AI资本开支仍在持续上修，那么低PE更可能意味着市场仍然按照周期股定价，而不是说明泡沫已经破裂。

所以，判断存储行业，真正应该讨论的是AI需求是否还能持续，而不是简单拿一个PE数字去类比房地产。

[壹新 @Missle8z]

https://t.co/fQVpuTnLUv

[雪踏乌云 @Pluvio9yte]

接入anysearch后，我的agent搜索效率提高了

Parallel、Perplexity、Tavily 这些搜索工具给 Agent 用，有个一直没解决好的问题——返回的是链接加摘要，Agent 拿到之后还要自己点开网页、筛选内容、判断哪条有用。金融、学术、代码这些垂直领域的搜索质量更差。输出没有结构，光解析内容就要烧掉大量 token。

分享一个我一直在用的为 AI Agent 设计的搜索基础设施 —AnySearch，一个为 Agent 量身打造的「搜索 Skill」：
- 实时网页搜索
- 支持金融、学术、代码、社会媒体等垂直领域搜索
- 直接把网页转成干净的 Markdown（extract）
- 输出结构化，Agent 能直接拿来用

安装 AnySearch SKILL 超级简单：复制下方提示词并发送给你的 Agent，即可自动完成安装：

[Tibo @thsottiaux]

Or… what if we gave you $100 in Codex credits if you tell us what you love about GPT-5.6 Sol or why you switched?

Tweet it, claim your gift, enjoy more usage. First 10k get the free tokens!

https://t.co/8mU93eA13i

[Hux @huxlab]

Anthropic 刚刚发布了一门关于 Loop Engineering 的免费课程，推荐学习。 https://t.co/JmEimKECNj

[RicoUI @ricouii]

这是我目前看到最好的公众号排版 SKILL 了，推荐。

https://t.co/5x0EEzpAeZ

发布仅 7 个小时。 内置了 6 套设计和组件复杂程度很高的主题，并且支持用一句话描述或一张参考图，生成一套全新组件库并保存本地复用。

尤其是组件设计（含配图、引言卡、编号章节、金句、名词旁注等完整组件）。

这一块在公众号排版上很少见，大部分公众号排版工具的主题，老实说大多都是 AI 直出的，缺少打磨以及不会去设计功能性的小组件，特别是还要保证公众号展示上的视觉还原度，不是一件容易的事情。

✅ 适合：观点/深度分析 · 教程/操作指南 · 测评/工具盘点 · 知识整理/方法论 · 访谈/人物特稿 · 数据复盘/报告 · 生活/情感随笔 · 案例实战 —— 把 Markdown / Word / PDF / 纯文本长文，一键排成可直接粘进公众号编辑器的 HTML；也能按描述或参考图生成自定义主题。

—— 由 甲木 × 「摸鱼小李」 联名共建 —— 排版组件、主题设计与质量标准凝聚了两人的公众号实践与共同打磨。

[Miles.Ma @ma_zhenyuan]

这套WorkBuddy教程直接拿去小红书起号吧，轻轻松松月涨万粉

[ClaudeDevs @ClaudeDevs]

https://t.co/v694m8Eaj6

[rd xu @xrd0987]

@Lonely__MH @thsottiaux 没有啊

[mousepotato @iluciddreaming]

今天 GitHub 又疯了

AI Berkshire：把巴菲特、芒格、段永平、李录的价值投资思维，变成 Claude Code 可以执行的研究流程。

很多人问 AI 股票问题，得到的总是「一方面有机会，另一方面有风险」——看完还是不知道怎么判断。

AI Berkshire 解决的不是「AI 能不能写分析」，而是「AI 的分析能不能有纪律」。公司研究、财报分析、产业筛选、持仓管理、反向检查，拆成不同的 Skills，让 AI 照一套投资流程工作。

未来投资研究的差距，可能不是谁问 AI 问得多，而是谁能把自己的研究框架变成可以反复执行的 AI 工作流。

[Geek Lite @QingQ77]

给前端工程师用的股票数据库：不用搭后端、不用学 Python，浏览器里直接查 A 股、港股、美股和基金的行情数据。

https://t.co/hexdzJvTIP

在浏览器里就能拿 A 股、港股、美股和公募基金的实时行情和 K 线。零依赖，支持 ESM 和 CommonJS 两种打包格式，还自带命令行工具和 MCP server，可以接进 Cursor、Claude 这些 AI 工具。

[Phoenix Yin @Phoenixyin13]

Nature 期刊盖章：普通人到底怎么变有钱？

哈佛、斯坦福和 Meta 联手，直接调取了 Facebook上 7220 万人、210 亿条真实的好友关系链。我个人感觉，这数据量，基本把大半个美国翻了个底朝天。
他们想研究一个终极问题：到底是什么决定了一个人能不能打破阶层固化、逆袭变有钱？

结果发现，那些天花乱坠的因素，什么学校好坏、社区凝聚力、宗教信仰啊，诸如此类的。都不是决定性的。最硬核的指标只有一个，叫经济连接度，即Economic Connectedness, 简称 EC。
说白了，就是你的跨阶层朋友圈有多大。
更落地一点翻译，就是在低收入人群里，到底有多少比例的朋友是富人。

研究发现，这个指标和跨代收入向上流动的相关系数高达 0.65，
🚨在社科界，这几乎是统治级的超高相关性了。

我们可以得到一个黄金定律，即一个出身普通的普通孩子，如果在一个富人比例高、且大家玩得来的社区长大，他长大后的平均收入能直接暴涨 20%。

既然搞钱的密码是 EC，那普通人想逆袭，最该做的就是打破自己的社交舒适圈，换个环境蹭圈子，去富人或精英高频出现的社区、学校、甚至健身房，比如高强度的专业训练场、高质量的学术沙龙。
更重要的是，提升自己的被链接价值。毕竟富人也不傻，单纯的巴结没用。用你的专业能力、独特见解，哪怕是懂 AI懂技术、或者在某个小领域做到了极致去作为入场券，给高净值人群提供情绪价值工具价值。

想变有钱，先去看看你朋友圈里最厉害的 5 个人是谁。去主动连接那些比你富有、比你认知高的人，现在就行动起来。

这是一篇五年前的论文，但我记忆犹新。