newwanger.eth🦇🔊(💙,🧡)🛸 🐡

100TB 教育资源，从幼儿园到大学毕业论文，全部免费。 edu-knowlege 这个仓库把学而思、猿辅导、作业帮、万维等多家机构的资料整合到了一起。 覆盖范围： - 幼儿园 → 小学 → 初中 → 高中 → 大学 - 毕业论文资料 - 纪录片、电子书 - 20+ 语言版本 按月更新，持续维护，不是那种丢上去就不管的仓库。 家里有娃的、正在考研考公的、或者单纯想找学习资料的，直接收藏。 GitHub 2.8k 星，MIT 开源。 github.com/mswnlz/edu-kno…

从入门到精通Claude code的最优路线分享给你！ 摸鱼老师 @SunNeverSetsX 的这四个帖子，绝对是入门 Claude Code 的最佳路径！ 1. Claude Code 最友好的入门视频 这个直观的视频教程，从 Claude 的基础界面使用、落地页构建，逐渐进阶到 Skiils 编写复用、迷你 App 开发、 推特自动化等高端技法的运用，看完就能上手 AI 工作流自动化，非常适合刚接触 Claude 的小白！ x.com/SunNeverSetsX/… 2. claude-howto 课程 如果你是连电脑都少接触的小白，看不懂上面这个视频，那我推荐你先从这个课程开始。 这个课程从最简单的斜杠命令和 CLI 基础，循序渐进到 Skills、Hooks、MCP、Subagents 的调用。 每个模块课后还有知识测验，绝对是零基础小白最佳的入门课程。 x.com/SunNeverSetsX/… 3. learn-claude-code 项目 这个项目跟上面两个完全不同！这个课程不是在教你使用 Claude code，而是教你从零构建一个 Claude Code。 项目从最简单的 Agent loop 开始，通过 12 个递进的 session，让你真正理解Agent的底层设计逻辑。 x.com/SunNeverSetsX/… 4. Claude Code 官方文档精华版 这个帖子的资源是一本 Claude Code 百科全书。 学完文档后做项目卡住了？ 遇到“MCP 如何调用外部 API”等问题？ 直接打开帖子里面的 “技术字典” 和 "案例字典“，搜具体问题的关键词或者对照案例快速复现，几秒定位答案，迅速解决你项目开发时的卡点痛点。 x.com/SunNeverSetsX/…

港大最新开源了一个金融 AI 交易项目。 原生打通了加密货币、美股和 A 股三大市场。 它把复杂的量化投研，精简成了自然语言交互。 现在只需一句话，就能调度专属 AI 团队跑回测。 带你速览 Vibe-Trading 的核心机制 👇 这不仅仅是一个对话框，底层是一套多智能体协作网络，预设了 29 种 AI 交易团队配置。 以 Crypto 或美股为例 输入“回测过去 30 天 BTC 的 MACD 策略”，它会自动调取 OKX 等数据接口、生成策略代码，并输出收益对比图。 比较有看点的是它的内部辩论设计 面对具体行情，系统能调度基本面分析师、技术派和风控总监等 AI 角色交叉评估。结合资金费率、清算热力图等指标，给出一个相对综合的参考。 几个实用的特性 🔸 技能库全面，涵盖各大市场的 64 种金融分析技能。 🔸 试错成本低，用大白话就能驱动复杂的投研流程。 🔸 工具链友好，支持 MCP 协议，可作为插件直接接入 OpenClaw、Cursor 或 Claude Desktop。 对于想研究量化，但不想去硬啃代码的朋友，这是一个可以跑起来测一下的辅助工具，DYOR。 🔗 仓库地址：github.com/HKUDS/Vibe-Tra…

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% 的利润分成。 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。

这个月被问最多的问题： OpenClaw这么贵，到底值不值 我的答案很简单：如果你只拿它当ChatGPT的替代品，那确实血亏。 但如果你把它当成多Agent共享的外接知识库，这笔投资会让你笑出声 先说我怎么用的 我在OpenClaw里跑了一套三层记忆模型： Tier 1 信息层 → 原始记录，学习笔记、对话记录，存在 memory/learning/ 目录下，只追加不删除，按需检索 Tier 2 知识层 → 每日提炼，工作日志、重要决策、提炼后的知识点，每天一个文件 memory/YYYY-MM-DD.md（OpenClaw自带） Tier 3 智慧层 → 长期记忆，跨领域洞察、底层规律、核心方法论，存在 MEMORY.md 里，控制在100行以内，每次session都加载 这套模型以前只服务我一个Agent。但接入有道云笔记后，事情变了 第一个认知升级：从本地记忆到云端知识中台 以前我的三层模型存在本地，换个设备就断片。 现在通过有道云笔记 × OpenClaw的MCP协议，Tier 1的原始素材实时同步到云端 这意味着什么？ 我在Telegram里对OpenClaw说：把这篇技术文章存到有道云笔记 youdaonote-clip自动完成网页正文提取、去广告、存图、归档 然后我在Cursor里写代码时，可以直接调取同一份素材。 在Claude中上规划产品时，也能访问同一套知识库 有道云笔记变成了多Agent共享的外接知识库和记忆，不再是一个人的记事本 第二个认知升级：从被动存储到主动加工 这里要提youdaonote-news这个Skill 它的价值不只是帮你存东西，而是让知识库具备了自我进化的能力 举个例子： 我对OpenClaw说：把我这周收藏的20篇RAG相关文章提炼成Tier 2的知识层笔记 它不只是罗列文章链接，而是： 提取每篇文章的核心观点 补充这个领域的最新动态（你存的是上周的，它会帮你跟进行业进展） 输出成结构化的技术笔记，直接存成 xxxx技术笔记.md 如果某个概念在Tier 3（智慧层）里有记录，它还会主动建立关联 你的知识库开始自我生长了 第三个认知升级：从单点工具到系统基础设施 到这一步，OpenClaw才算真正值回票价 大部分人把OpenClaw当聊天机器人用，问个问题、写段代码、生成点文案 但他们忽略了一个事实：OpenClaw支持接入3200+个MCP Skill 当你的有道云笔记作为中央知识库接入这个生态，你可以： 在Telegram里收集行业资讯 → 自动归档到Tier 1 每天早上9点，OpenClaw读取Tier 2的昨日总结 + 最新收藏的素材 → 生成今日待办简报推送到WhatsApp 在Cursor里写代码遇到报错 → Agent调取Tier 3里的核心方法论，给出基于你过往经验的解决方案 这才是超级个体的正确姿势 很多人担心知识存在有道云笔记会被锁定。但真相是： 用OpenClaw + MCP协议 + 有道云笔记这套组合，你的知识反而更自由了 数据在你自己的有道云笔记账号里，随时可以导出 OpenClaw是开源的，Skill是插件化的，模型是可以换的 你积累的知识资产，真正属于你自己。换工作、换设备、换Agent框架，都能带走 这才是外接知识库的终极意义： 不是把信息存到一个App里，而是把经验沉淀成可以复用的基础设施 让每个Agent都能调用你的智慧，而不是每次从零开始 与其让那些收藏夹继续吃灰，不如现在就开始搭建你的三层记忆模型 用有道云笔记 × OpenClaw，把你的大脑外接到云端 让过去的积累，为未来的所有Agent工作

发现个宝藏网站 Stock Circle，免费看投资大佬的持仓。 巴菲特 2630 亿美元的组合，165只股票，苹果占 22%，一笔一笔买卖记录都有。达里奥、木头姐的持仓也能查，连交易时间、估算成本价都给你标出来。 这些都是 SEC 强制披露的 13F 文件，Stock Circle 把它整理得清清楚楚。你能看到谁在加仓，谁在减持，哪些股票被多个大佬同时看中。 不是让你无脑跟单，而是学习他们的选股逻辑。为什么巴菲特重仓金融和消费？为什么木头姐押注科技成长股？看多了，你对不同投资风格就有感觉了。 网站界面简洁，数据翔实，比自己去 SEC 官网翻文件省太多时间。 stockcircle.com

今天看了一篇号称 NotebookLM 神级使用教程的，里面全是基础使用。 我这篇做数字人的才是神级技能，NotebookLM没有幻觉。 我最近在开发另一个神级技能，使用 @IceBearMiner 的NotebookLM CLI做论文无幻觉检索，结合autoresearch自动强化循环，输入一些研究课题，可以研究的透透的

同学跟你讨论，还能导出课件。 现在清华团队把这个软件开源了，广大的学生老师群体都可以免费体验。 OpenMAIC 免费体验： open.maic.chat OPenMAIC 开源项目地址： github.com/THU-MAIC/OpenM… by

Ronin 提到 2026 年的最新行情很诱人。目前在美国入门 AI 工程师起薪有 12 到 15 万美元，自己接单做 RAG 整合的时薪也在 150 美元左右。 现在市场不缺纸上谈兵的人，极度缺能把 AI 功能稳定上线的人。 Ronin 和他的朋友花了几十个小时，整理的这个 6 个月 AI 工程师实战路线图非常硬核，整理了一个 5 分钟概览版： 第一个月打好代码地基。 AI 工程本质上还是软件工程。你得能熟练用 Python 写代码，搞懂文件操作和 HTTP 请求，并且能跑通一个简单的 FastAPI。 第二个月死磕大模型 API。 真实业务几乎不需要长篇大论的文本，而是结构化数据。去搞懂 OpenAI 的 Structured Outputs，或者用 Instructor 库输出标准的 JSON。 弄清楚 Tool calling 是怎么回事，学会让模型去调用你的函数。别忘了加上流式输出，真实用户没人愿意等十秒钟才看到字。 第三个月啃下 RAG 系统。 弄懂 Embedding 的计算原理。文本分块建议先用 LangChain 的递归分块，250 个 token 左右，保留 10-20% 的重叠，这是个很实用的默认配置。 检索不能只靠相似度。存入 Chroma 或 Qdrant 时必须加上 Metadata 过滤，再配上 Cohere 的重排机制，这才是企业级 RAG 和玩具的区别。 第四个月上手 Agent 和工作流。 Agent 本质只是一个带有大模型分支决策的 while 循环。建议脱离任何框架，直接用原始 API 手写一个 Agent 跑跑看。 但是实际业务中要克制用 Agent 的冲动。步骤固定的任务，用纯工作流串联 prompt 会快得多。另外，每次改动模型必须用 DeepEval 或 Ragas 跑评估测试。 第五个月把玩具变成生产级应用。 用 Docker 打包你的 FastAPI，配上 Gunicorn 和多进程 Worker。 加上 JWT 权限校验防止 API 额度被刷爆。把耗时的长请求扔给 Celery 做异步处理。最关键的是接上 Langfuse 或 LangSmith，记录每次调用的成本，再配上 Redis 缓存来省钱。 第六个月选定一个方向死磕。 想做产品就去用 Vercel AI SDK 调优流式 UI。想搞底层可以试试用 Unsloth 跑跑高效微调，或者用 Ollama 本地部署。想做商业变现，就去用 n8n 串联邮件和 CRM 做业务自动化。

📚 6 个把文档变成课程的提示词 1️⃣ 先讲解，再总结 “像老师一样阅读这份 PDF，而不是像总结者那样。 先解释核心概念，再逐步深入。 假设我很聪明，但对这个主题是新手。” 2️⃣ 把章节变成一节课 “将本章内容转化为一个 30 分钟课程计划。 包含：章节结构、示例、快速理解检查。” 3️⃣ 主动学习模式（非常好用） “每讲完一个重要概念就停下来问我一个问题。 如果我答错，请换一个比喻重新解释。” 4️⃣ 剔除学术噪音 “从这份 PDF 中提取 10 个真正对现实生活有用的观点。 忽略填充内容、理论赘述和学术废话。” 5️⃣ 注重应用，而不是应试 “用【你所在领域】的真实案例讲解这份文件。 假设我是要用它，而不是背它。” 6️⃣ 考官模式 “像考官一样测试我对这份文件的理解。 并解释我的答案暴露了哪些理解盲区。”

Day 23: Here are 12 DeFi tools I use regularly for yield farming DeFiLlama Yields - Yield finder Vaults fyi - Advanced yield analytics Yieldz io - Morpho loop opportunities Drops Bot - Airdrop claiming alerts INFINIT - AI-powered yield farming Turtle xyz - Curated DeFi yields DeFiLlama Airdrops - Tokenless apps Jupiter Portfolio - Portfolio tracker Debank - EVM portfolio tracker Revert Finance - LP analytics Jumper - bridging/cross-chain swaps Gas zip - Gas fee refuel With a few exceptions, almost all of these tools are free. It's worth giving them a try.

很多人以为 AI 的核心是模型。 其实很多时候 Prompt 才是 50% 的能力来源。 刚发现一个高达15万星的开源库： github.com/f/prompts.chat 里面整理了 大量已经验证有效的 Prompt 模板，例如： • Act as a Linux terminal • Act as a cybersecurity expert • Act as a startup idea generator • Act as a prompt engineer 本质上是一个 Prompt Engineering 模式库。 如果你在做： • AI Agent • OpenClaw / 自动化 • AI coding • AI 内容生成 这个库几乎可以当 Prompt 工具箱直接用。 很多时候 换一个 Prompt AI 的能力就能提升一倍。

@ashes_magician @okxchinese 太突然了 看看别的app.barker.money/campaigns

Give your agents DeFi Yield Download the skill, give him a wallet, and your agent will start to earn yield. Zyfai is the yield layer for the agentic economy.

今天刚收到淘宝买的国外流量卡 然后就看到了花轮姐姐的 @hualun 这个教程 给了我思路，去咸鱼找下有没有eSim卡 马上搜...真有...