Forest

236 posts

Forest

Forest

@Forest_GoGoGo

शामिल हुए Ağustos 2023
428 फ़ॉलोइंग47 फ़ॉलोवर्स
one
one@one0000u·
坏消息,印度人通过研究发现 $PRL @prlnet 是存在诈骗嫌疑,但大家信吗? 这篇论文说: 网络节点构成分析: 分析了 8012 个矿池节点,发现虽然这些节点的硬件都具备运行 AI 推理的能力,但主流的挖矿软件代码中根本没有任何 AI 推理的代码路径,完全基于随机种子生成矩阵。 主网真实挖矿测试: 作者在 Pearl 主网上运行了仅做随机矩阵乘法的挖矿软件,成功获得了矿池的认可,并获得了真实的 PRL 代币奖励。 统计学与对抗性逃避: 协议层面无法通过简单的统计学来封堵漏洞。虽然均匀的随机矩阵在统计特征(如峰度)上与真实的神经网络权重不同,但矿工可以零成本地使用“对抗性高斯采样”来伪造出符合特征的随机矩阵,轻松绕过检查。 经济学驱动因素: 在当前的代币价格下,Pearl 挖矿只有在廉价的低端 GPU 上才勉强盈利,在高端数据中心 GPU 上甚至是亏本的。如果执行真实的 AI 推理,会带来 10%-30% 的算力损耗,因此矿工在经济利益的驱使下必然会放弃真实的 AI 负载,转而只做毫无意义的矩阵运算。 跨平台硬件验证(打破厂商锁定): 作者开发了首个跨平台开源矿机,证明这种挖矿算法只是普通的整数运算,不仅能在英伟达 GPU 上运行,也能在 AMD GPU、普通 CPU 甚至 Apple M2 芯片上运行,打破了挖矿必须依赖英伟达专用 AI 硬件的假设。 对 AI 研究社区的负面影响(资源挤占) 论文强调,Pearl 这种挂羊头卖狗肉的模式对真正的 AI 开发者造成了实质性的伤害。挖矿软件发布后短短两周内,导致去中心化平台(如 vast.ai)上的廉价 GPU 租赁价格飙升了 38%,GPU 利用率从 57% 飙升至 94%。这不仅没有像宣传的那样为 AI 行业提供算力,反而挤占了科研人员所需的硬件资源,估计每年给研究社区带来了约 60 万美元的额外成本损失。 结论与建议 论文得出结论,这种“实用性鸿沟”在基于哈希的协议底层是无法修复的,因为哈希函数本身无法识别输入数据的现实语义。 作者呼吁: 项目方在营销时应当诚实,明确区分协议是“强制要求实用性”(如 Filecoin)还是仅仅“允许实用性”(如 Pearl)。”
one@one0000u

印度人是真爱研究矿币,都出了预印本论文专门研究 $PRL @prlnet arxiv.org/pdf/2606.04819

中文
16
6
43
14.9K
CryptoCat|猫姐🎒
CryptoCat|猫姐🎒@Crypto_Cat888·
白毛股神Serenity @aleabitoreddit Serenity的产业链框架从不把任何一个环节称为"最重要",而是讲传导顺序和瓶颈在哪——这才是关键。大白话就是:AI最缺什么就买什么 AI产业链的4层传导框架 按资金轮动顺序: 第1层:算力/GPU(已充分定价) - 标的:NVDA、TSM、AVGO - 逻辑:AI训练的算力底座,所有需求的起点 - 状态:从2023年炒到2025年中,Fwd PE 17.6x已经不贵但$5.4T市值弹性空间有限 - 瓶颈位置:CoWoS封装、HBM产能 第2层:存储/HBM(正在交易中) - 标的:MU、SNDK、WDC、三星、SK海力士 - 逻辑:HBM是GPU的"内存瓶颈",每块H100/B200需要搭配6-8颗HBM - 状态:2025下半年到2026上半年是主升段,MU等已经大幅跑赢 - 瓶颈位置:HBM3E产能、DRAM晶圆供给 第3层:光通信/互联(2026H2最大Alpha) - 标的:MRVL(交换机芯片)、AVGO(SerDes)、NOK(远距)、AAOI、AXTI、LITE、COHR - 逻辑:Marvell CEO Computex 2026明确表态——"下一个瓶颈不是算力或存储,而是互联" - 原因:铜缆物理极限 → 硅光/CPO需求爆发 → InfiniBand→以太网切换需要大量光模块 - 状态:机构刚开始建仓阶段,散户关注度低,这正是Serenity说的"第三层潜在超额收益" 第4层:电力/基础设施(最远期但最确定) - 标的:BE、GEV、OKLO、UUUU、CCJ - 逻辑:AI数据中心每2年翻倍的电耗,核能+天然气+储能是硬需求 - 状态:叙事阶段,等2027-2028实际发电项目落地 --- 那Serenity自己怎么看? 我自己大概总结了下,Serenity完整的AI供应链瓶颈排序: InP衬底(光子学)> 光收发器/CPO封装 > HBM3E > 先进封装(CoWoS) > 电力他核心的"225倍回报"案例是IntelliEPI(InP衬底供应商)——因为Serenity在2024年就识别出InP是光通信的"最上游瓶颈",当时没人看。CEO在2026Q1才公开承认"InP短缺是AI基础设施的瓶颈"——市场确认,股价爆发。 关键洞察: - 2024年的瓶颈是HBM/CoWoS(存储+封装层) - 2025-2026的瓶颈已经转移到光通信/互联层(铜缆→光纤→硅光) - 2026-2027的瓶颈正在向电力/能源层移动 --- 核心结论 AI框架里哪个最重要? • 回答: 没有固定"最重要",瓶颈在动态转移——谁被卡住谁最贵 现在最大的超额收益在哪? • 回答: 🟢 光通信/互联层(MRVL/NOK/AAOI/光子学),第3层机构刚开始建仓 存储还能不能买? • 回答: 🟡 观望——MU等已被充分定价,需要等下一个催化剂(HBM4、周期复苏确认) 长期最确定? • 回答: 💰 电力(核能+储能)——2027-2028才到业绩爆发期,现在布局太早但值得跟踪 一句话:先确定超级趋势(AI基建),拆成物理供应链(4层),找到当前资金还没充分定价的瓶颈(互联/光通信),提前站到轮动位置
潘驴邓晓闲缺一@JohnsonZ91127

x.com/i/article/2067…

中文
23
65
283
58.9K
烟花老师
烟花老师@teach_fireworks·
Loop Engineering 精华文章汇总! 2026 年 Agent 开始聚焦在长任务后,重点慢慢变成了: 如何设计一个能够持续思考、执行、观察、验证和演进的循环系统? 从 Codex 到 Claude Code,从 OpenHands 到各种 Coding Agent。 业余项目和生产级系统之间最大的差距是Harness 工程,包括 Loop。 Agent 能不能持续工作几十分钟甚至几个小时? 能不能在失败后恢复? 能不能控制成本? 能不能知道什么时候停下来? 这些问题,最终都落到了 Loop 设计上。 📚 推荐阅读 1. Loop Engineering — Addy Osmani addyosmani.com/blog/loop-engi… 2. Loop Engineering — Firecrawl firecrawl.dev/blog/loop-engi… 3. What Is the AI Agent Loop? — Oracle blogs.oracle.com/developers/wha… 4. Harness Engineering — OpenAI openai.com/index/harness-… 5. Harness Engineering for Coding Agent Users — Martin Fowler martinfowler.com/articles/harne… 6. Agentic Loops: From ReAct to Loop Engineering datasciencedojo.com/blog/agentic-l… 7. Loop Engineering for AI Agents (Memory-First) — Mem0 mem0.ai/blog/loop-engi… 📄 推荐论文 1. Agentic Harness Engineering arxiv.org/abs/2604.25850 2. From Agent Loops to Structured Graphs arxiv.org/abs/2604.11378 🛠 推荐研究的开源项目 Codex CLI github.com/openai/codex OpenHands github.com/All-Hands-AI/O… PydanticAI github.com/pydantic/pydan… OpenAI Agents SDK github.com/openai/openai-… 重点研究: Loop 如何运行 Loop 如何停止 Loop 如何验证 Loop 如何恢复 Loop 如何调试 Prompt 决定 Agent 如何开始。 Context 决定 Agent 能看到什么。 Loop 决定 Agent 最终能走多远。 Loop Engineering: Think ↓ Act ↓ Observe ↓ Verify ↓ Evolve ↓ Repeat 你设计循环。 Agent 在循环中持续改进。 每完成一次循环,系统都会比上一次更接近目标。 Agent 从来不缺 Loop。 缺的是 Loop 的工程学。
烟花老师 tweet media
中文
38
128
565
37.5K
套利豪仔🗽
套利豪仔🗽@pritipatelfgoo·
Polymarket 临近结算优势:如何利用实时 METAR,在最后 6–18 小时交易并榨取近乎无风险利润(NEAR-LOCK 策略) Polymarket 天气市场中,最干净、最稳定的优势,通常出现在结算前最后 6–18 小时 到了这个阶段,当天最高温基本已经形成,不确定性会急剧下降,但市场价格往往仍然存在滞后 这是典型的日内温度周期。最高温通常出现在当地时间 14:00–16:00 之间 在这之后,气象站的实测数据会比模型预测更可靠 > 为什么最后几个小时是黄金区间? • 大多数城市的日最高温通常出现在当地时间 14:00–17:00 之间 • 在这之后,来自结算气象站的最新 METAR 观测数据,已经能反映真实情况 • 即使是 HRRR 这类短临模型也已经开始滞后,而散户和弱机器人仍然在根据早上的预测交易 结果就是:真实胜率已经达到 92%–97% 的温度区间,市场价格却可能还停留在 65–85 美分 > 实际操作方式 1. 监控结算气象站的实时数据 使用 aviationweather 或 Open-Meteo 的 METAR API。 这些数据正是来自 Polymarket 用于结算的机场气象站,例如 KLGA、EGLC、LFPB、VHHH 等 2. 计算当天剩余的上行空间 • 如果当地时间已经是 15:00–16:00,当前温度 + 典型日内变化已经不支持再上涨 2–3°F,那么更高温区间的概率就会迅速崩塌 • 如果温度仍在上升,或者正卡在某个上限附近,那么较低温区间可能会变得几乎免费 3. 简单进场规则 当当前观测最高温 + 当天剩余预期变化显示某个区间胜率 >90%,但市场价格仍然只有 70–80 美分时,可以积极买入 风险很低,因为距离结算已经很近,留给意外变化的时间已经很少 真实案例:纽约市,KLGA,昨天的市场 • 当地时间 15:40:气象站已经显示 84.2°F,剩余时间预测最多再上涨 +0.8°F • 84–85°F 区间当时价格为 68 美分 • 最终结算为 84°F → 100 美分 • 这个机会是在结算前约 4 小时捕捉到的,几乎无风险 > 机器人迷你公式 remaining_potential = forecast_max_remaining + diurnal_adjustment prob_bucket = calculate_prob_from_current_and_remaining( observed_high, remaining_potential, historical_variance ) if prob_bucket > 0.92 and market_price < 0.82 and hours_left < 18: enter_long() # 或者做空被高估的区间 再加入 TAF 中的云量和风速检查,可以显著提高准确率 > 这个优势在什么情况下最有效? • 具有清晰日内温度周期的夏季天气,例如纽约、洛杉矶、伦敦 • 有锋面经过的过渡天气日,模型不确定性较高,但最终由实测数据决定结果 • 只适用于 Today 市场,也就是 D+0 市场。临近结算策略在这里命中率最高,利润也最接近无风险 这种方法几乎不需要和延迟套利机器人正面竞争,而且可以和校准优势完美结合 很多顶级机器人每天的大部分利润,正是在最后几个小时里赚到的,因为这时候噪音最少,真实信息最多 记得收藏,别把它弄丢了!
套利豪仔🗽 tweet media
套利豪仔🗽@pritipatelfgoo

如何把集合预报的离散度不足转化为 Polymarket 温度市场中的稳定利润(黑箱策略) 如果你现在交易 Polymarket 温度市场时,仍然只看 GFS 或 ECMWF 给出的单一温度数值,那你其实正在错过 2026 年最肥、最可持续的套利优势之一 在 24–48 小时这个时间窗口里,真正的量化 alpha 并不在温度本身,而是在集合预报的离散度,尤其是离散度不足上 所谓离散度不足,就是模型给出的预测范围过窄,但现实中的不确定性其实更大 > 为什么这个方法在短周期市场中特别有效? 在明天和后天的温度市场里,天气混沌效应还没有完全释放,所以: • 集合预报经常低估真实不确定性,也就是出现离散度不足 • 市场看到一个很集中的预测后,会严重高估中间温度区间的概率 • 极端温度区间,也就是尾部区间,价格会被压得非常便宜 这是一种几乎每天都会重复出现的错误定价 > 实战中如何利用离散度不足? 1. 观察原始集合预报的离散范围 GEFS(31 个成员)和 ECMWF ENS(51 个成员)是你的主要数据来源 2. 对比分布宽度 • 如果集合预报的温度范围只有 3–4°C,但从历史上看,在类似天气形势下真实波动范围通常应该有 6–8°C,那么这就是很强的离散度不足信号 • 当模型过于自信时,市场中的尾部区间几乎总是被低估 3. 简单进场规则 高离散度不足 + 尾部区间价格低于 12–14 美分 = 激进买入 在这种情况下,中间温度区间通常是被高估的 > 真实案例:纽约市后天最高温市场 • ECMWF 均值 = 23°C,离散范围只有 3.8°C • 但在这种天气结构下,历史离散范围大约是 7°C • 市场把 >27°C 这个区间定价为 7 美分 这个尾部区间被严重低估了。这类结构通常能提供非常好的优势 > 给你的 Bot 用的迷你公式 dispersion_ratio = historical_typical_spread / ensemble_spread if dispersion_ratio > 1.6 and tail_price < 0.13: edge = high # 进场 你还可以在这个基础上叠加 NGR,也就是非齐次高斯回归 它可以快速修正离散度不足的问题,让概率估算变得更真实 > 什么时候这个优势最强? • 天气转换日,比如锋面经过、气团变化 • 受复杂局地因素影响的城市,比如纽约、洛杉矶、香港、开普敦 • 后天市场,也就是 day-after-tomorrow markets,因为这个时间窗口里离散范围的价值最大 这个方法几乎不依赖低延迟 甚至在新模型运行结果出来几个小时后再进场,你仍然可能保留优势 离散度不足 + 正确校准是 2026 年少数仍然能持续有效的策略之一 尤其是在大多数延迟套利优势已经消失之后,这类策略依然能稳定发挥作用 保存这篇文章吧 以后你会想回来重新研究这个黑箱策略

中文
2
7
33
4.8K
CasualMine
CasualMine@CasualMineApp·
BTCC,00 后的比特币。 社区突破 2000 人,价格也站上 0.1 刀。 rent.casualmine.com 是 BTCC 社区指定算力租赁平台,算力价格继续下调。每一份算力背后,都对应真实矿机。 欢迎加入 BTCC 挖矿,一起体验爆块的快感。
CasualMine tweet media
中文
11
20
32
3.7K
Forest
Forest@Forest_GoGoGo·
@php_martin 真是手把手教我用codex
中文
0
0
0
7
Aron厚玉
Aron厚玉@aronhouyu·
自动搜索内容的开源agent 包括 b站,youtube,reddit,youtube,rss,github,x,b站,领英 不需要任何配置,直接和agent用人话说: b站搜一下xxx,订阅这个rss,全网搜一下xxx 又是哪位大神写的神器? 而且还在持续更新!真香! 地址:github.com/Panniantong/ag…
Aron厚玉 tweet mediaAron厚玉 tweet media
中文
26
86
351
27.2K
A9投研
A9投研@a9touyan5211314·
绿色比特币挖矿(硬盘挖矿)项目@PoC_Consortium(代币:BTCX),目前支持的矿池有H9、Rico等。建议@PoC_Consortium开通一个蓝v。 矿池链接: H9:h9.com/pools/pocx Rico:btcx-pool.cryptoguru.org
A9投研@a9touyan5211314

Bitcoin-PoCX(BTCX)投研报告 一、项目概览: 项目名称:Bitcoin-PoCX(BTCX) 核心定位: 在保持比特币经济模型(2100万总量、减半机制、UTXO体系、Bitcoin Core架构)的前提下,将比特币的共识机制从 PoW(工作量证明) 替换为 PoC(存储证明)。 简单理解:比特币靠电力挖矿,PoCX想让比特币靠硬盘挖矿。 项目希望解决的问题:PoW耗电过高,ASIC矿机中心化 普通用户无法参与挖矿,挖矿门槛持续提高。PoCX试图用存储资源(硬盘容量)代替算力资源(ASIC)。 二、核心创新总结: 1. Bitcoin + PoC 这是整个项目最大的叙事。 项目不是重新造一条链,不是Chia、Burst、Signum 而是Fork Bitcoin Core,保留Bitcoin生态,替换共识层。 目标:Bitcoin安全性、Bitcoin经济模型、Bitcoin开发生态,全部继承。仅替换PoW → PoCX。 2. 能耗下降99%以上 传统BTC矿机24小时不停计算Hash。PoCX仅需预生成Plot挖矿时读取硬盘因此能耗极低。 白皮书中写到,它认为挖矿从CPU/GPU/ASIC竞争变成硬盘竞争。这是PoCX最强的卖点之一。如果成立未来1PB硬盘农场可能取代ASIC矿场。 3. 抗ASIC中心化 当前BTC矿工 ≠ 普通用户而是Antminer、Whatsminer 大型矿场。PoCX希望任何人HDD、SSD、NAS都能参与挖矿。 叙事类似Chia + Bitcoin,但比Chia更强调Bitcoin兼容性。 4. Time Bending机制 PoC普遍问题,区块时间波动很大。 PoCX提出,Time Bending利用数学变换,指数分布、卡方分布、立方根压缩。目的让出块时间更稳定,理论上减少长时间不出块提升网络同步效率,降低孤块率,这是一个比较有创新性的设计。 5. Forging Assignment 这是PoCX最容易被忽略的亮点。本质非托管矿池,矿工可以授权矿池出块,但硬盘仍归自己,私钥仍归自己,矿池无法盗取资产。这解决了当前PoC矿池常见问题,托管风险、中心化风险。 6. 动态安全升级 PoCX认为未来硬件越来越强,如果不升级,有人可能实时计算Plot。因此提出Dynamic Scaling,X1 → X2 → X3 → X4随着减半周期提升Plot复杂度。类似Bitcoin提高难度,长期提高攻击成本。 三、技术可行性分析: 技术创新度: 评分:⭐⭐⭐⭐☆ 8.5/10 原因:PoCX并非简单复制Burst。增加了:XOR-Transpose、Dynamic Scaling、Time Bending Forging Assignment,技术设计明显高于传统PoC项目。 安全性分析: 优势:白皮书重点解决,POC1攻击,历史漏洞。部分数据可实时重算。PoCX修复,POC2压缩攻击。历史漏洞存储50%获得90%以上收益。PoCX通过XOR-Transpose试图彻底消除。这是目前最重要的安全升级。 风险注意: 白皮书是项目方自己写的。截至目前尚未看到独立学术审计顶级密码学家评审,大规模实战验证因此安全性目前属于“理论成立,实践待验证”。 四、经济模型分析 BTCX发行总量:2100万 减半:4年初始奖励10 BTCX 目标:完全复制Bitcoin叙事。最大优势,没有VC代币经济学,没有私募,解锁、团队增发。这是PoCX最大的叙事优势。对于Crypto市场,Bitcoin叙事永远最容易获得共识。 最大问题:BTC的价值来源。并非2100万。而是15年网络效应,包括、用户、开发者、算力、品牌等。PoCX只能复制代码,复制不了共识,这是其最大的挑战。 五、商业可行性分析 潜在市场目标用户,第一层BTC矿工,如果电费优势明显,部分矿工可能迁移。第二层Chia矿工,这是最有可能的用户来源。原因已有硬盘资源,已熟悉PoC。第三层BTC生态投资者,尤其环保叙事支持者,ESG资金。 潜在增长逻辑,最理想路径,BTC → ASIC时代,PoCX → 存储时代,如果形成“绿色比特币”叙事,有机会获得注。 六、关键风险 风险1:无法获得Bitcoin共识这是最大风险。事实Bitcoin社区极度保守。历史证明BTC社区甚至不愿修改区块大小。更不用说直接换共识机制。因此PoCX几乎不可能成为BTC主链升级方案。它本质上是新的Fork链。 风险2:存储中心化,项目认为硬盘更公平。但实际上大型数据中心同样拥有优势。未来可能出现100PB农场1000PB农场,形成新的中心化。 风险3:Plot预计算军备竞赛PoCX试图解决。但长期是否完全解决仍需观察。历史上Burst、Chia都曾遭遇相关攻击研究。 风险4:网络安全未经历考验BTC15年实战。PoCX刚刚诞生两者安全等级不可同日而语。 七、估值与投资视角 如果从投资角度看PoCX不是下一代Bitcoin,而更像Chia 2.0 + Bitcoin Narrative,其价值取决于是否获得矿工支持 是否形成真实算力(容量)网络,是否形成交易市场流动性,是否获得开发者生态。 八、最终结论投资评级 技术创新:8.5/10 有明显原创设计: Time Bending XOR-Transpose Dynamic Scaling Forging Assignment 安全可信度:6.5/10 理论较完整。 但缺乏长期实战、第三方审计、学术验证 生态成熟度:3/10 目前仍属于,极早期实验阶段。 叙事潜力:9/10 一句话就能讲清“把比特币从烧电改成烧硬盘。”这是极强的传播叙事。 一句话总结: Bitcoin-PoCX并不是在挑战比特币的货币模型,而是在挑战比特币的能源模型。它最大的价值不在于能否取BTC,而在于验证一个问题,如果中本聪当年选择的是硬盘而不是算力,比特币会变成什么样子。对于投资者而言,它属于典型的“技术理想主义+Bitcoin叙事”的早期实验项目,值得持续跟踪,但现阶段更适合作为高风险创新赛道观察标的,而非确定性投资标的。

中文
4
3
12
4.6K
老王霸 AI Lab
老王霸 AI Lab@laowangbabababa·
抖音祁博士那套数字人 Agent产品,一天居然能卖 50 万。同样的东西,老王2 分钟就在本地电脑部署好了。 用的就是 Pixelle-Video 这个开源项目,GitHub 上都 22k 星了。 数字人口播、动作迁移、图生视频全支持,底层接的是 ComfyUI。给它一个主题,从写脚本、配图、配音到加 BGM、出片,一条龙就跑完一条视频。 Pixelle-Video 最厉害的地方,是它把视频生产完全做成了可配置,支持本地部署模型和云端大模型。 文案、画面、配音、剪辑,它拆成四个可替换的模块,每块后面都能换模型,可以自由切换模型,使用非常方便。 简单说,就是四步:写稿、出图、配音、剪成片。 >写稿 你把主题扔给大模型,它给你一份分镜脚本。每句话都标了时间,还写清楚这句该配什么画面。后面全都围着这份稿子走。 >出图 脚本里每一句,再变成生图提示词,交给 ComfyUI 或 DashScope 出图。要动的就走图生视频,要真人出镜口播的走数字人。画面都在这一步搞定。 >配音 脚本原文直接进 TTS 念出来。换语言、克隆某个音色,也在这里做,不用自己录。 >剪成片 画面按语音时间轴一段段对齐,铺上 BGM,导出 MP4。 现在,立刻,跟你的 AI 去对话,让他帮你安装,本地就能运行了。
老王霸 AI Lab tweet media
老王霸 AI Lab@laowangbabababa

x.com/i/article/2061…

中文
35
85
313
37.6K
Ren
Ren@FakeMaidenMaker·
Codex 的最强 Skill 你都装了吗? 这 6 个 skill 装上(Codex、Claude Code、Cursor 都能装),它能干的活远超你想象,这些 Skill 的口碑早已被各大社区验证过: 1、Superpowers(obra,227k star) 给 Agent 装一整套资深工程师的干活方法论: 先脑暴、再写计划、按测试驱动开发、最后派一个子 Agent 回头审自己的代码。 最强 Skill,实至名归 github.com/obra/superpowe… 2、OpenAI 官方插件,把 Codex 变身不同岗位员工 这些 Skill 把 Codex 从写代码拽进全岗位。 数据分析接 Snowflake、销售接 Salesforce,外加投研、创意生产、PPT,开箱就接 62 个商业应用、110 个预置 skill。 现在非开发者已经占 Codex 用户两成,比例还在不断上升。 openai.com/index/codex-fo… 3、claude-mem(82k star) 给 Codex 装长期记忆。 每次对话的关键信息自动压缩存档,开新会话自动注入,不用再把项目背景从头讲一遍。 多个 Agent 通用。 github.com/thedotmack/cla… 4、Agent-Reach(27.7k star) 给 Codex 装上互联网的眼睛。一条 CLI 让它去读、去搜 Twitter、Reddit、YouTube、小红书、B站、公众号等 17 个平台,零 API 费。 否则 Agent 搜网页还行,一让它翻帖子看视频就抓瞎。 github.com/Panniantong/Ag… 5、GitNexus(42k star) 把几十万行的老项目建成一张代码图谱,让 Codex 看懂藏在深处的依赖关系和抽象的命名,接手代码仓库不再两眼一抹黑。 github.com/abhigyanpatwar… 6、Humanizer-zh(10.1 k star) 专门去掉 AI 写作的痕迹:滥用的破折号、空话套话。写文档、README、博客时过一遍非常好用。 github.com/hardikpandya/s…
Ren tweet media
Ren@FakeMaidenMaker

Youtube Codex 最强认知课今天新鲜出炉。 作者 Nate B Jones(AI 战略日报主理人,一天烧 5 亿 token 的重度玩家),20 分钟讲透 Codex,结合实战把所有电脑上的工作全部自动化。 章节: 00:00 开场 03:07 把 Token 消耗当成工作收据 04:45 工作单元正在变得越来越大 06:37 一种全新的计算范式 08:12 长任务工作流 09:44 如何使用 subagent 10:53 computer use、plugin 和 skill 12:04 dashboard 16:08 一个真正实用的 Codex 工作流 17:09 边界与责任 20 分钟,全部掌握。

中文
53
403
1.3K
115.6K
Forest
Forest@Forest_GoGoGo·
@BTCqzy1 股票数据源厉害啊
中文
0
0
0
121
爱丽丝呀!
爱丽丝呀!@BTCqzy1·
安装方式(两仓库可同时安装,互不冲突): 方式A 1️⃣ 安装基础依赖: pip install requests pandas numpy mootdx tqdm httpx python-dotenv 2️⃣ 下载 Skill 文件(直接塞进 Claude 脑子里): mkdir -p ~/.claude/skills/ # 下载 A股 Skill curl -o ~/.claude/skills/a-stock.md raw.githubusercontent.com/simonlin1212/a… # 下载 美港股 Skill curl -o ~/.claude/skills/global-stock.md raw.githubusercontent.com/simonlin1212/g… 3️⃣ 重启 Claude / GPT Agent 即可直接唤醒! 方式 B 如果你用 ChatGPT / Claude 网页版 / Cursor 直接把仓库里的 `Skill.md` 源码【全文复制】,作为 System Prompt(系统提示词)或塞进 GPTs的 Instructions 里。在本地电脑运行项目提供的数据服务,AI 就能隔空抓取数据!
中文
1
6
17
8.3K
爱丽丝呀!
爱丽丝呀!@BTCqzy1·
终于有人把 A 股 + 美港股 免费数据源彻底打通了! 两个极其硬核的GitHub开源项目,把原本散落在几十个源头的原始数据源,全部整合成一套 AI 直接能用的完整数据仓库。 从此,彻底告别繁琐的接口对接、反爬虫折磨和昂贵的数据费。封装成 Skill,直接让你的 Claude / GPT等agent 觉醒,瞬间变成你的专业量化分析师! ✅A 股版(a-stock-data) · 7 层架构 + 27 个端点 + 13 个数据源 · 覆盖:实时行情、资金流、股东户数、龙虎榜、全量公告、研报 PDF 下载、概念板块、北向、融资融券、大宗、解禁…… · 重点优化:东财统一限流防封 + 数据源优先级 github.com/simonlin1212/a… ✅美港股版(global-stock-data) · 8 层架构 + 18 个端点 + 5 个数据源 · 亮点:美股期权链、SEC EDGAR 结构化 XBRL(503 个 GAAP 指标)、纯 Python 技术指标计算、资金流、财报三表(中英文)、全市场列表…… github.com/simonlin1212/g… 直接省下几万块的专业数据费。感兴趣的可以看看哦~非投资建议,dyor
中文
149
500
1.8K
185.3K
Smartpig
Smartpig@Smartpigai·
美股投资者用 Codex,别只拿来写代码。 这 10 个 Skills 更适合美股研究、交易复盘、财经内容创作者: 1、stock-eval 快速评估一只美股:质量、ROIC、Piotroski、估值、买/看/放弃信号 GitHub: github.com/yennanliu/Inve… 2、fundamental-analysis 拆 10-K / 10-Q:收入、利润率、现金流、资产负债表、会计质量 GitHub: github.com/yennanliu/Inve… 3、dcf-valuation DCF 估值:WACC、终值、熊/基/牛三种情景、敏感性分析 GitHub: github.com/yennanliu/Inve… 4、earnings-analysis 财报季必备:业绩 beat/miss、guidance 变化、管理层口径、Q&A 风险点 GitHub: github.com/HHFinAi/claude… 5、edgar-change-interpreter 读 SEC 文件别只看总结,要看“变了什么”和“少说了什么”:10-K、10-Q、8-K 风险变化、披露陷阱 GitHub: github.com/cmdrvl/edgar-c… 6、technical-analysis 技术面辅助:MA、RSI、MACD、支撑阻力、周线结构、趋势确认 GitHub: github.com/tradermonty/cl… 7、sector-rotation 看板块轮动:科技、金融、医疗、能源、消费谁在走强,市场处在什么阶段 GitHub: github.com/tradermonty/cl… 8、canslim-vcp-screener 成长股筛选:CANSLIM、VCP、突破形态、成交量确认 GitHub: github.com/tradermonty/cl… 9、institutional-flow-13f 看机构持仓:13F 变化、聪明钱流向、增持/减持、集中度变化 GitHub: github.com/yennanliu/Inve… 10、portfolio-review 组合复盘:仓位集中度、行业暴露、风险指标、再平衡建议、持仓 thesis 是否失效 GitHub: github.com/tradermonty/cl… 美股研究链路就是: 宏观 → 行业 → 个股 → 财报 → 估值 → 技术面 → 组合 → 复盘 不要一次全装。 长期投资者先装:fundamental-analysis、dcf-valuation、earnings-analysis、edgar-change-interpreter。 交易型选手先装:technical-analysis、sector-rotation、canslim-vcp-screener、position-sizer。 财经内容创作者先装:stock-eval、earnings-analysis、portfolio-review、fact-check。 重点不是让 AI 替你荐股,而是把重复的投研动作变成标准流程。 #Codex #美股 #AI投研 #投资研究
Smartpig tweet media
中文
17
114
350
24.8K
Forest
Forest@Forest_GoGoGo·
@BTCqzy1 相当于预言机了
中文
0
0
0
45
爱丽丝呀!
爱丽丝呀!@BTCqzy1·
做股票和全球资产研究,最难的是信息整合。 美股、A 股、港股、商品、能源、加密货币,表面上是不同市场,背后却都被同一套全球宏观、地缘政治、政策变化和风险事件牵动。 但是这些信号全都分散在不同网站里:OpenSky、交易所、新闻源、政府数据库 等等~ 分享一个我一直在关注的开源项目:World Monitor,(GitHub 56.2k ⭐) 它把 65+ 外部数据源、500+ 精选新闻源、29 个股票交易所,以及军事、经济、灾害、网络、基础设施等信号打通,再用 AI 合成成可读的全球情报简报。 它像一个开源版的全球态势感知系统。 核心功能很硬: ✅双引擎地图:3D 地球仪 + WebGL 地图,支持 56 类地图图层,实时可视化全球风险。 ✅国家不稳定指数 CII:覆盖 31 个重点国家,用多维信号做综合风险评分。 ✅金融雷达:覆盖 29 个交易所、商品、加密货币和 7 信号市场综合指数。 ✅本地 AI:支持 Ollama,本地运行,不一定依赖 API Key。 ✅支持 24 种语言,包括原生语言源和 RTL 支持。 World Monitor 的价值就在于,把新闻、地图、金融、宏观和地缘信号收进一个统一面板里,让你更快看到全球发生了什么,以及它可能影响哪些资产。 感兴趣的可以看看~非投资建议,dyor~ 地址:github.com/koala73/worldm…
爱丽丝呀!@BTCqzy1

做美股研究,数据这关最难过。行情、财报、宏观指标分散在几十个网站,手动拼凑既费时又容易出错。 GitHub 上狂揽 65.1k Star、6.4k Fork 的顶级开源项目 OpenBB,最近支持了 MCP 协议,可以直接接入 Claude 等众多大模型——相当于给 AI 装上了一套实时金融数据库,让它帮你干数据收集这件脏活。 一句话概括:它给开发者和分析师提供了一套工业级的全球金融数据与资讯基础设施。 它绝不仅仅是一个看新闻的网页,而是一个把全球金融市场数据打通的超级枢纽。通过 MCP 协议,你的 AI Agent 能瞬间调取核心信息,直连华尔街日报、Seeking Alpha、Benzinga、美联储(FRED)、IMF、SEC、Cboe 等 30多 家数据源: 全球资讯:实时抓取公司新闻和市场情绪,例如来自华尔街日报、Seeking Alpha、Benzinga、Biztoc 等众多资讯源。 全品类行情:美股、A股、港股、期权(Cboe、Tradier)、外汇、加密货币(Deribit)等市场的历史与实时数据一网打尽。 深度基本面:秒拉 SEC 财报、FMP 估值指标、Intrinio 深度数据等专业平台的海量基本面信息。 宏观经济:无缝对接美联储(FRED)、IMF、OECD、欧洲央行(ECB)、美国劳工局(BLS)、美国政府数据等权威机构的宏观指标。 这意味着,无论是 OpenAI 的 ChatGPT、Anthropic 的 Claude,还是 Google 的 Gemini,都能通过 OpenBB 获得实时、准确、全面的金融数据支持,成为你专属的金融分析师。 以前做投研,是自己当"人肉爬虫"和"网页切换员",在几十个财经网站里苦哈哈地拼凑数据;现在,有了 OpenBB,可以把收集行情、清洗数据、提取财报的脏活累活全交给 AI,把精力全部压在市场逻辑和交易决策上。 如果你想搭一套自己的金融数据基础设施,或者让 AI 帮你做投研的数据层,这是目前开源里最成熟的选择~有需要的可以看看。#美股 #AI投研 #OpenBB 🔗 项目地址:github.com/OpenBB-finance…

中文
98
25
105
34K
Forest
Forest@Forest_GoGoGo·
@XAMTO_AI 不过时间学习
中文
0
0
0
949
Amto
Amto@XAMTO_AI·
白嫖党的春天来了! 这个GitHub仓库直接把微信读书、京东读书、喜马拉雅的热门书全给你整明白了,整整10万本,经典文学、经管、心理学、技术手册……你能想到的基本都塞进去了。 最良心的是epub、mobi、azw3三种格式全给你备齐了,Kindle、手机、平板随便用,再也不用到处找转换工具。 🔗 :github.com/jbiaojerry/ebo… 赶紧去给个星标,以后找书直接搜,别再跑来问我要资源了。
Amto tweet media
中文
68
390
1.3K
98.3K
Smartpig
Smartpig@Smartpigai·
内容创作者用 Codex,别只拿来写代码。 这 10 个 Skills 更适合自媒体、博主、知识创作者: 1、content-research-brief 选题调研、竞品拆解 github.com/Affitor/affili… 2、seo-aeo-outline SEO/AEO 大纲、关键词布局 github.com/rampstackco/cl… 3、viral-hook-title 爆款标题、开头 hook github.com/evolution-foun… 4、script-writer 短视频/口播/播客脚本 github.com/Affitor/affili… 5、platform-repurpose 一稿多发,多平台改写 github.com/Affitor/affili… 6、brand-voice-guard 统一品牌语气和人设 github.com/anthropics/kno… 7. fact-check-citation 事实核查、补引用 github.com/petar-nauka/fa… 8、content-calendar-planner 内容日历、发布节奏 github.com/rampstackco/cl… 9、asset-prompt-pack 封面图、分镜、素材提示词 github.com/Affitor/affili… 10. publish-metadata-ops 标题、描述、标签、字幕、发布清单 github.com/AgriciDaniel/c… 创作链路就是: 选题 → 大纲 → 脚本 → 标题 → 分发 → 复盘 不用一次全装,先按自己的内容流程补短板。 #Codex #AI创作 #内容创作者 #自媒体
Smartpig tweet media
Smartpig@Smartpigai

Codex 最强实战课来了,建议直接收藏。 不到 2 小时,带你彻底玩转 Codex + GPT-5.5 这套“AI 开发外挂”: 从技能与插件配置、自动化工作流搭建,到多任务并行实战,全程手把手演示。 如果你想快速掌握真正高效的 Vibe Coding,这可能是目前最值得刷的一条免费中文实战教程。 连 OpenAI 官方都点名认可。

中文
74
267
1.1K
77.2K
Forest
Forest@Forest_GoGoGo·
@yupi996 厉害的,很清楚
中文
0
0
0
759