Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

如果你还在问 AI：这只股票能不能买，那基本用错方向了。真正的 AI 投研，不是让它当算命先生。而是把一家公司丢进一套可复盘的研究流程里：段永平看商业模式，巴菲特看财务估值，芒格看行业竞争，李录盯风险管理。再让多个 Agent 并行研究、互相质疑、互相拆台。这个开源项目把 Claude Code / Codex 变成了一套“AI 时代的伯克希尔”：从深度研究、买入清单、产业链扫描，到实时检索、财务计算、报告抽检，最后输出结构化研究报告。它不是荐股机器人。是把“拍脑袋问 AI”，变成一套可质疑、可追踪、可审计的投研流程。 GitHub：

Ada哒哒哒🐬

4,343 subscribers

12,813 Aufrufe • vor 1 Monat •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

买不起彭博终端，不代表只能靠财经群和截图做研究。我把 GitHub 上 4 个开源金融项目交给 Codex，结果真能拼出一套 “私人版彭博 + AI 私人投研团队”。合计 122K+ Star，全部免费。我找出四个最能打的： daily_stock_analysis｜58.8K Star 覆盖 A 股、港股、美股等多个市场和 ETF，每天自动生成评分、趋势、买卖点、风险警报和研究报告。支持 15 种分析策略，GitHub Actions 约 5 分钟部署，不需要服务器。 FinceptTerminal｜29.1K Star 真正的开源金融终端。内置 37 个 AI Agent，覆盖巴菲特、格雷厄姆、芒格、宏观和地缘分析；还有 100+ 数据连接器，可接 FRED、IMF、世界银行、Yahoo Finance 等数据源。不只给数据，还能直接做估值、组合优化和风险分析。 Lean｜20.8K Star QuantConnect 的开源量化交易引擎。支持 Python 和 C#，从策略研究、历史回测到实盘执行全部打通。想认真学量化，这个基本绕不开。 ai-berkshire｜14.1K Star 专门为 Claude Code 和 Codex 设计的价值投资 Skill 合集。把巴菲特、芒格、段永平、李录的方法论塞进多个 Agent，同时分析商业模式、护城河、管理层、估值和风险，再汇总成完整投研报告。这四个项目刚好覆盖四个场景：每日简报、专业终端、算法交易、深度研究。严格来说，它们并不全是 Skill。但 Codex 可以通过 Skill、代码和命令行把它们串起来，从看盘、研究到回测，一套流程直接跑通。但对于个人研究来说，已经够狠了。下面视频展示了具体效果～

买不起彭博终端，不代表只能靠财经群和截图做研究。我把 GitHub 上 4 个开源金融项目交给 Codex，结果真能拼出一套 “私人版彭博 + AI 私人投研团队”。合计 122K+ Star，全部免费。我找出四个最能打的： daily_stock_analysis｜58.8K Star 覆盖 A 股、港股、美股等多个市场和 ETF，每天自动生成评分、趋势、买卖点、风险警报和研究报告。支持 15 种分析策略，GitHub Actions 约 5 分钟部署，不需要服务器。 FinceptTerminal｜29.1K Star 真正的开源金融终端。内置 37 个 AI Agent，覆盖巴菲特、格雷厄姆、芒格、宏观和地缘分析；还有 100+ 数据连接器，可接 FRED、IMF、世界银行、Yahoo Finance 等数据源。不只给数据，还能直接做估值、组合优化和风险分析。 Lean｜20.8K Star QuantConnect 的开源量化交易引擎。支持 Python 和 C#，从策略研究、历史回测到实盘执行全部打通。想认真学量化，这个基本绕不开。 ai-berkshire｜14.1K Star 专门为 Claude Code 和 Codex 设计的价值投资 Skill 合集。把巴菲特、芒格、段永平、李录的方法论塞进多个 Agent，同时分析商业模式、护城河、管理层、估值和风险，再汇总成完整投研报告。这四个项目刚好覆盖四个场景：每日简报、专业终端、算法交易、深度研究。严格来说，它们并不全是 Skill。但 Codex 可以通过 Skill、代码和命令行把它们串起来，从看盘、研究到回测，一套流程直接跑通。但对于个人研究来说，已经够狠了。下面视频展示了具体效果～

爱吃折耳根的Ace

15,876 Aufrufe • vor 7 Tagen

看到浙工大研究生课开始讲「全自动科研工具」，挺开心的。这个视频主要讲的是：怎么用 AI Agent 把科研里的数据处理、代码执行、结果整理、论文写作和复现包串成一条可追溯的工作流。很多研究生还在手工整理文献、跑实验、做表格的时候，有人已经开始用 Agent 把这些流程自动化了。科研最有价值的部分从来不是重复劳动，而是提出问题、设计实验和产生洞见。真希望国内研究生教育能多一些这样的内容。工具是在提高生产力，不是在降低科研门槛。把时间从重复工作里解放出来，才能把更多时间留给思考、创造和生活。视频已经得到老师转载的许可，老师的小红书账号是“爱练腿的龙脖（AI版” #AI科研 #科研自动化 #Agent #研究生教育 #claudecode #codex

看到浙工大研究生课开始讲「全自动科研工具」，挺开心的。这个视频主要讲的是：怎么用 AI Agent 把科研里的数据处理、代码执行、结果整理、论文写作和复现包串成一条可追溯的工作流。很多研究生还在手工整理文献、跑实验、做表格的时候，有人已经开始用 Agent 把这些流程自动化了。科研最有价值的部分从来不是重复劳动，而是提出问题、设计实验和产生洞见。真希望国内研究生教育能多一些这样的内容。工具是在提高生产力，不是在降低科研门槛。把时间从重复工作里解放出来，才能把更多时间留给思考、创造和生活。视频已经得到老师转载的许可，老师的小红书账号是“爱练腿的龙脖（AI版” #AI科研 #科研自动化 #Agent #研究生教育 #claudecode #codex

Xudong Han

124,370 Aufrufe • vor 2 Monaten

别再问不知道买哪只股票了如果巴菲特、芒格、段永平、李录四个人同时坐在一个投研会议室里分析，答案不就清楚了？分享一个超级硬核的 GitHub 项目 —— AI Berkshire 这个项目两年实盘收益超146万，背后是一套内置 16 个 Skill、把巴菲特、芒格、段永平、李录四位大师方法论硬编码成 AI 的价值投资框架。装上你的 Claude / Codex，它就能按照大佬的思维帮你分析股票。核心亮点：顶级投资人的围炉对审：把四个人的投研逻辑硬编码成不同的 sub-agents，它们不仅各司其职，还会像真人一样在会议室里互相交叉质询，拿底层的商业逻辑和数据对账，专治大模型的幻觉。芒格式的财务扒皮与排雷：自动穿透几百页的复杂财报，不听故事，不看 PPT 画饼。像拿着放大镜一样去扒财务水分、看上下游真实账期，帮你把可能隐藏的雷区全部挑出来。巴菲特式的安全边际死磕：拒绝市场情绪面，老老实实去测算真实的商业壁垒与内在价值。严格跑 DCF 现金流折现，用数据告诉你当下的价格到底是一地泡沫还是黄金坑。段永平/李录式的商业本质穿透：深入洞察企业文化、管理层靠谱程度以及商业模式的底层不变量。用极简、直击要害的逻辑，判断这家公司未来 10 年是不是还能躺着赚钱。最终会直接交付你一份逻辑极严密、只讲干货的投研报告。感兴趣的可以看看～dyor！地址：

别再问不知道买哪只股票了如果巴菲特、芒格、段永平、李录四个人同时坐在一个投研会议室里分析，答案不就清楚了？分享一个超级硬核的 GitHub 项目 —— AI Berkshire 这个项目两年实盘收益超146万，背后是一套内置 16 个 Skill、把巴菲特、芒格、段永平、李录四位大师方法论硬编码成 AI 的价值投资框架。装上你的 Claude / Codex，它就能按照大佬的思维帮你分析股票。核心亮点：顶级投资人的围炉对审：把四个人的投研逻辑硬编码成不同的 sub-agents，它们不仅各司其职，还会像真人一样在会议室里互相交叉质询，拿底层的商业逻辑和数据对账，专治大模型的幻觉。芒格式的财务扒皮与排雷：自动穿透几百页的复杂财报，不听故事，不看 PPT 画饼。像拿着放大镜一样去扒财务水分、看上下游真实账期，帮你把可能隐藏的雷区全部挑出来。巴菲特式的安全边际死磕：拒绝市场情绪面，老老实实去测算真实的商业壁垒与内在价值。严格跑 DCF 现金流折现，用数据告诉你当下的价格到底是一地泡沫还是黄金坑。段永平/李录式的商业本质穿透：深入洞察企业文化、管理层靠谱程度以及商业模式的底层不变量。用极简、直击要害的逻辑，判断这家公司未来 10 年是不是还能躺着赚钱。最终会直接交付你一份逻辑极严密、只讲干货的投研报告。感兴趣的可以看看～dyor！地址：

爱丽丝呀！

18,227 Aufrufe • vor 26 Tagen

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

爱吃折耳根的Ace

18,508 Aufrufe • vor 1 Monat

🚨 卧槽！白毛股神 Serenity Serenity 的研究方法，被做成了开源 Skill Serenity 在 A 股和美股圈子里以供应链深度研究着称，很多人都把她当成「白毛股神」级别的存在。她最强的地方在于：不追热点，而是把一个赛道拆解成供应链各环节，找到真正的瓶颈和稀缺环节，再去匹配公司和证据。现在有人把她的这套研究框架，做成了一个可直接用的 serenity-skill，这个 Skill 能做什么： > 把一个热门赛道（AI、半导体、机器人等）拆成供应链各层级 > 自动识别瓶颈环节（供应商少、验证周期长、扩产难等） > 要求 AI 用公告、财报、订单、专利等证据来验证，而不是空谈逻辑 > 输出带优先级排序的股票/基金列表 + 风险提示简单来说，它把 Serenity 那种「先找瓶颈、再找证据」的硬核研究方法，变成了 AI 可以直接调用的结构化流程。对做 A 股、美股、港股量化或者主题投资的人来说，这个 Skill 可以作为研究辅助工具，帮你把模糊的赛道 hype，变成更有逻辑和证据支撑的个股筛选，所以建议保存

🚨 卧槽！白毛股神 Serenity Serenity 的研究方法，被做成了开源 Skill Serenity 在 A 股和美股圈子里以供应链深度研究着称，很多人都把她当成「白毛股神」级别的存在。她最强的地方在于：不追热点，而是把一个赛道拆解成供应链各环节，找到真正的瓶颈和稀缺环节，再去匹配公司和证据。现在有人把她的这套研究框架，做成了一个可直接用的 serenity-skill，这个 Skill 能做什么： > 把一个热门赛道（AI、半导体、机器人等）拆成供应链各层级 > 自动识别瓶颈环节（供应商少、验证周期长、扩产难等） > 要求 AI 用公告、财报、订单、专利等证据来验证，而不是空谈逻辑 > 输出带优先级排序的股票/基金列表 + 风险提示简单来说，它把 Serenity 那种「先找瓶颈、再找证据」的硬核研究方法，变成了 AI 可以直接调用的结构化流程。对做 A 股、美股、港股量化或者主题投资的人来说，这个 Skill 可以作为研究辅助工具，帮你把模糊的赛道 hype，变成更有逻辑和证据支撑的个股筛选，所以建议保存

爱吃折耳根的Ace

16,165 Aufrufe • vor 1 Monat

最近看到一个很牛逼的 AI research 产品，能帮助我们验证产品可行性，避免陷入自嗨陷阱，它叫atypica。你丢给它一个商业问题后，它会先澄清你的需求，像研究团队规划研究，再去搜公开信息、找合适的persona、模拟用户做访谈，最后给你一份结构化报告。能站到目标用户视角，去提前验证一个产品值不值得做。比如： 1. 你可以用它研究，自己的受众到底更想看教程、案例，还是观点类内容 2. 你也可以用它研究，一个AI产品在真实 persona 眼里，到底哪里有吸引力他们现在底层有100w+ 基于真实社媒内容分析拟合成的AI personas，也有基于真实深度访谈构建的 10 万+ 高质量 persona。如果这个方向继续成熟下去，我觉得它最有价值是帮更多创作者、营销人、产品团队，在真正花时间和预算之前，先把明显错误的方向排掉。接下来我来拆解atypica.AI ，讲一下这个产品为什么有点东西，🔗放评论区：

最近看到一个很牛逼的 AI research 产品，能帮助我们验证产品可行性，避免陷入自嗨陷阱，它叫atypica。你丢给它一个商业问题后，它会先澄清你的需求，像研究团队规划研究，再去搜公开信息、找合适的persona、模拟用户做访谈，最后给你一份结构化报告。能站到目标用户视角，去提前验证一个产品值不值得做。比如： 1. 你可以用它研究，自己的受众到底更想看教程、案例，还是观点类内容 2. 你也可以用它研究，一个AI产品在真实 persona 眼里，到底哪里有吸引力他们现在底层有100w+ 基于真实社媒内容分析拟合成的AI personas，也有基于真实深度访谈构建的 10 万+ 高质量 persona。如果这个方向继续成熟下去，我觉得它最有价值是帮更多创作者、营销人、产品团队，在真正花时间和预算之前，先把明显错误的方向排掉。接下来我来拆解atypica.AI ，讲一下这个产品为什么有点东西，🔗放评论区：

余温

32,272 Aufrufe • vor 3 Monaten

千万别拿我和张雪峰这个大傻逼作对比。网友：我想学AI相关的专业，我对AI很感兴趣，请问我应该选计算机还是数学？我：你一定要选计算机，先把python和数据结构基础打好，然后从deep learning这门课开始学，可以在家配置一个nvidia GPU的笔记本或者台式机，或者用google colab，先从最简单的 CNN 开始训练，找一个dataset，自己安装好pytorch和cuda、cudnn，抄一个经典CNN model，训练你的第一个神经网络，然后可以学习transformer，学习encoder only的BERT，学习decoder only的GPT模型，从minGPT开始，训练你的最小版本的GPT模型，如果你对训练模型感兴趣，可以读个PhD，如果你的inference感兴趣，可以多花点时间看cuda，简单学习一下nvidia tensor core architecture，可以了解GPT后续的模型的架构，如果你对inference感兴趣，你也可以直接看vllm的架构，读里面的代码，理解vllm是如何load一个用pytorch训练好的LLM模型，如果你对AI Agent感兴趣，可以从ReAct Agent开始看，然后看SWE Agent，知道一个Agent是如何抽象出来的，如何调用function call，如何自己做reasoning，如何把一个软件开发的任务用agentical的方式拆分和执行的，然后你可以看codex的架构，看看codex是如何设计memory、auto compact、multi agent、background task这些现代coding Agent功能的。张雪峰（下面视频中可以找到原话）：孩子，你一定要学数学，数学学好了可以转互联网、AI、科技、半导体、金融所有专业，数学是一切专业之母，所有专业的老祖宗！孩子，deepseek就是一群纯数学博士造出来的，这些人天天研究数学，就把deepseek造出来了！孩子，AI本质就是数学建模，就是一个个自变量，你只有研究数学，一直读到数学博士，才能把这些数学建模研究明白，计算机毕业生是永远研究不明白AI的！我的结论是，鼓吹“数学万能论”、“数学是一切专业的老祖宗”、“只有数学博士才能研究AI”的张雪峰和他们的粉丝，都是彻彻底底的大傻逼。

千万别拿我和张雪峰这个大傻逼作对比。网友：我想学AI相关的专业，我对AI很感兴趣，请问我应该选计算机还是数学？我：你一定要选计算机，先把python和数据结构基础打好，然后从deep learning这门课开始学，可以在家配置一个nvidia GPU的笔记本或者台式机，或者用google colab，先从最简单的 CNN 开始训练，找一个dataset，自己安装好pytorch和cuda、cudnn，抄一个经典CNN model，训练你的第一个神经网络，然后可以学习transformer，学习encoder only的BERT，学习decoder only的GPT模型，从minGPT开始，训练你的最小版本的GPT模型，如果你对训练模型感兴趣，可以读个PhD，如果你的inference感兴趣，可以多花点时间看cuda，简单学习一下nvidia tensor core architecture，可以了解GPT后续的模型的架构，如果你对inference感兴趣，你也可以直接看vllm的架构，读里面的代码，理解vllm是如何load一个用pytorch训练好的LLM模型，如果你对AI Agent感兴趣，可以从ReAct Agent开始看，然后看SWE Agent，知道一个Agent是如何抽象出来的，如何调用function call，如何自己做reasoning，如何把一个软件开发的任务用agentical的方式拆分和执行的，然后你可以看codex的架构，看看codex是如何设计memory、auto compact、multi agent、background task这些现代coding Agent功能的。张雪峰（下面视频中可以找到原话）：孩子，你一定要学数学，数学学好了可以转互联网、AI、科技、半导体、金融所有专业，数学是一切专业之母，所有专业的老祖宗！孩子，deepseek就是一群纯数学博士造出来的，这些人天天研究数学，就把deepseek造出来了！孩子，AI本质就是数学建模，就是一个个自变量，你只有研究数学，一直读到数学博士，才能把这些数学建模研究明白，计算机毕业生是永远研究不明白AI的！我的结论是，鼓吹“数学万能论”、“数学是一切专业的老祖宗”、“只有数学博士才能研究AI”的张雪峰和他们的粉丝，都是彻彻底底的大傻逼。

lidang 立党（劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人）

268,050 Aufrufe • vor 4 Monaten

Anthropic 官方亲自发布的这个金融工作流 GitHub 仓库，可以让华尔街80%的员工都失业了这个仓库将所有的金融服务工作都做成了工作流，包括投研分析、财务管理、私募股权等视频中，我只是输入了「帮我做一个英伟达的投研分析报告，并产出 word 文档给我」它输出了一个堪比彭博级别的投资报告，内容包括了： - 投资逻辑 - 投资风险 - 公司概览 - 产品分析 - 行业分析 - 竞争格局 - 财务分析 - 估值预测等我的专业也是金融，对这个报告的评价一个字：夯仓库地址：

Anthropic 官方亲自发布的这个金融工作流 GitHub 仓库，可以让华尔街80%的员工都失业了这个仓库将所有的金融服务工作都做成了工作流，包括投研分析、财务管理、私募股权等视频中，我只是输入了「帮我做一个英伟达的投研分析报告，并产出 word 文档给我」它输出了一个堪比彭博级别的投资报告，内容包括了： - 投资逻辑 - 投资风险 - 公司概览 - 产品分析 - 行业分析 - 竞争格局 - 财务分析 - 估值预测等我的专业也是金融，对这个报告的评价一个字：夯仓库地址：

Sac

129,162 Aufrufe • vor 2 Monaten

有人把最近爆火的白毛股神大 V Serenity（ Serenity ）的投研思路蒸馏成 AI Agent Skill，并且全开源了直接装进 Claude / Codex / Cursor，AI 就能直接按照Serenity的硬核工作流，帮你拆解产业链➡️锁死真正卡脖子的单点垄断➡️过滤蹭热点公司➡️回到财报/客户/产能/公告核实证据➡️交付研究清单全网实测了几十个skill，真正有价值的是这 5 个： 1. 直击最底层逻辑：找那个最难扩产、最难替代、供应商最少的 Chokepoint，适合拿来做第一轮产业链拆解 2. 不只是 Serenity，还融合了 51 位投资大佬逻辑、22 维数据、180 条量化规则、17 种机构方法。支持 A股/港股/美股全市场 3. 从 Serenity 全文章存档（6000+ 帖）提炼而成，包含 follow、method、radar 等模块。能实时追踪她的研究矩阵、主题轮动和注意力流向，帮你观察下一个可能升温的方向，双语友好 4. 自动抓取她的全部文章，沉淀到 SQLite，生成可视化 Dashboard + 单票 Serenity 信号打分（0-100）。适合想长期积累自己的投研数据库 5. 结构非常清晰，通用性强，适合直接套用来做单票深度拆解、行业板块与 Thesis 逻辑推演 Serenity 这套方法真正有用的地方，是逼你利用 AI 的信息吞吐量，让agent学会用工程思维问6个问题——刚需性、扩产壁垒、认证时间差、垄断度、财报验证、Price-in等 Skill 是研究工具，不是买卖信号哦～以上内容仅为工具分享和研究参考，dyor～

有人把最近爆火的白毛股神大 V Serenity（ Serenity ）的投研思路蒸馏成 AI Agent Skill，并且全开源了直接装进 Claude / Codex / Cursor，AI 就能直接按照Serenity的硬核工作流，帮你拆解产业链➡️锁死真正卡脖子的单点垄断➡️过滤蹭热点公司➡️回到财报/客户/产能/公告核实证据➡️交付研究清单全网实测了几十个skill，真正有价值的是这 5 个： 1. 直击最底层逻辑：找那个最难扩产、最难替代、供应商最少的 Chokepoint，适合拿来做第一轮产业链拆解 2. 不只是 Serenity，还融合了 51 位投资大佬逻辑、22 维数据、180 条量化规则、17 种机构方法。支持 A股/港股/美股全市场 3. 从 Serenity 全文章存档（6000+ 帖）提炼而成，包含 follow、method、radar 等模块。能实时追踪她的研究矩阵、主题轮动和注意力流向，帮你观察下一个可能升温的方向，双语友好 4. 自动抓取她的全部文章，沉淀到 SQLite，生成可视化 Dashboard + 单票 Serenity 信号打分（0-100）。适合想长期积累自己的投研数据库 5. 结构非常清晰，通用性强，适合直接套用来做单票深度拆解、行业板块与 Thesis 逻辑推演 Serenity 这套方法真正有用的地方，是逼你利用 AI 的信息吞吐量，让agent学会用工程思维问6个问题——刚需性、扩产壁垒、认证时间差、垄断度、财报验证、Price-in等 Skill 是研究工具，不是买卖信号哦～以上内容仅为工具分享和研究参考，dyor～

爱丽丝呀！

60,653 Aufrufe • vor 1 Monat

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型，而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。它不是再去造一个新的 Agent framework，而是想把那些散落在各处的 SKILL.md，变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是，先把 skill 从零散文档里抽出来，做成一个本地优先的共享 skill pool，然后再按不同 Agent、不同框架去组合和分发。这样一来，skill 就不再只是 prompt 附件，而是开始变成真正可复用的能力基础设施。说白了，它想推动的一件事就是：让 Agent 的技能，从“写一份文档自己用”，变成“写一次，到处复用”。我觉得这个方向很值得看。因为当 skill 开始像包管理一样被组织起来，多 Agent 工作流才会真正开始像工程系统，而不是一堆 prompt 和脚本的临时拼装。如果你在关注 AI Agent、Multi-Agent、技能复用，或者正在想怎么管理越来越多的 SKILL.md，这个项目值得研究一下。👇

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型，而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。它不是再去造一个新的 Agent framework，而是想把那些散落在各处的 SKILL.md，变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是，先把 skill 从零散文档里抽出来，做成一个本地优先的共享 skill pool，然后再按不同 Agent、不同框架去组合和分发。这样一来，skill 就不再只是 prompt 附件，而是开始变成真正可复用的能力基础设施。说白了，它想推动的一件事就是：让 Agent 的技能，从“写一份文档自己用”，变成“写一次，到处复用”。我觉得这个方向很值得看。因为当 skill 开始像包管理一样被组织起来，多 Agent 工作流才会真正开始像工程系统，而不是一堆 prompt 和脚本的临时拼装。如果你在关注 AI Agent、Multi-Agent、技能复用，或者正在想怎么管理越来越多的 SKILL.md，这个项目值得研究一下。👇

axiaisacat

46,330 Aufrufe • vor 4 Monaten

这可能是今年最值得看的一堂AI课程。全程40 分钟，Kimi创始人杨植麟，把未来几年 AI 发展的关键逻辑讲透了。从 Scaling Law，到下一代模型架构，再到 Agent 智能，他没有只讲一个产品，而是在拆解一个更大的问题：未来的 AI，究竟会如何进化？过去几年，大模型竞争靠的是更大的参数、更强的算力。但下一阶段，真正决定胜负的，是模型效率、推理能力，以及能不能从“聊天工具”变成真正能够完成复杂任务的智能体。如果你想理解 GPT、Kimi、Claude 等大模型未来会走向哪里，这 40 分钟非常值得收藏。看懂这堂课，可能就看懂了未来几年 AI 行业最大的变化。

这可能是今年最值得看的一堂AI课程。全程40 分钟，Kimi创始人杨植麟，把未来几年 AI 发展的关键逻辑讲透了。从 Scaling Law，到下一代模型架构，再到 Agent 智能，他没有只讲一个产品，而是在拆解一个更大的问题：未来的 AI，究竟会如何进化？过去几年，大模型竞争靠的是更大的参数、更强的算力。但下一阶段，真正决定胜负的，是模型效率、推理能力，以及能不能从“聊天工具”变成真正能够完成复杂任务的智能体。如果你想理解 GPT、Kimi、Claude 等大模型未来会走向哪里，这 40 分钟非常值得收藏。看懂这堂课，可能就看懂了未来几年 AI 行业最大的变化。

0x鸣人

37,868 Aufrufe • vor 7 Tagen

英伟达Nvidia黄仁勋： AI，让平凡的人不再平凡。一个年轻人加上AI，就是全新的“超级个体”。不拼资历，不靠背景，AI成了这个时代最大的“能力放大器”。它不是替你工作，而是教你变强，像导师、像助手，甚至像一整个研究团队。以前，成为专家要花十年，现在，用AI做研究，年轻人正在用几年甚至几个月的速度追赶。程序员用它写代码、调试逻辑；研究员用它读文献、生成模型；医生用它分析病例、辅助诊断。几乎所有专业的人才，搭上AI这台引擎，都跑得更快。哪怕是在偏远小镇的医生，或是发展中国家的工程师，手里只要有AI，就能站上世界一线的能力标准。但这，也压力山大。对那些在某个领域苦练二十年的人来说，现在，刚入行的新人搭上AI，可能一年就追平你辛苦十年的经验积累。 AI不是取代你，而是逼你进化。越早拥抱它，你越可能成为被放大的那一个。

英伟达Nvidia黄仁勋： AI，让平凡的人不再平凡。一个年轻人加上AI，就是全新的“超级个体”。不拼资历，不靠背景，AI成了这个时代最大的“能力放大器”。它不是替你工作，而是教你变强，像导师、像助手，甚至像一整个研究团队。以前，成为专家要花十年，现在，用AI做研究，年轻人正在用几年甚至几个月的速度追赶。程序员用它写代码、调试逻辑；研究员用它读文献、生成模型；医生用它分析病例、辅助诊断。几乎所有专业的人才，搭上AI这台引擎，都跑得更快。哪怕是在偏远小镇的医生，或是发展中国家的工程师，手里只要有AI，就能站上世界一线的能力标准。但这，也压力山大。对那些在某个领域苦练二十年的人来说，现在，刚入行的新人搭上AI，可能一年就追平你辛苦十年的经验积累。 AI不是取代你，而是逼你进化。越早拥抱它，你越可能成为被放大的那一个。

墓碑科技

12,575 Aufrufe • vor 1 Jahr

很多人习惯把豆包当作是AI鄙视链最底端，就连调侃掉队的Gemini，都说它是“北美大豆包”！但字节跳动，绝对是最被低估的 AI 公司之一。我用 Apodex 跑了一轮“字节跳动技术和产品版图”的调研，最大的感受是：很多人还在用“短视频公司”的视角看字节。但它真实的版图，已经更像一个 AI-native 产品工厂。 TikTok / 抖音是流量入口，CapCut / 剪映是创作工具。 Lark / 飞书是组织协作，火山引擎是云和模型能力输出。豆包、Seed、Seedance、Seedream、Coze 这类产品，则是在把 AI 能力塞进内容、办公、开发、创作和企业服务里。这不是单点 AI 产品，而是一套从用户场景、内容分发、创作工具、模型能力到云基础设施的闭环。试问，还有哪一家公司能做得到？完整调研报告放在评论区，有兴趣可以查看！整个调研的过程，特别舒服！！我之前用其他Deep Research工具，方法很粗暴，直接一顿关键词检索，然后咔咔几下就搞个报告出来，而Apodex给我的体验很不一样，它先把问题拆开：哪些是流量入口，哪些是创作工具，哪些是模型层，哪些是企业服务，哪些能互相复用。然后用多 agent 分头查资料、核事实、找证据链，再由 verifier 去检查结论有没有跳步。过程不算快，但每一步都有迹可寻，看着就特别靠谱，就像一支研究团队，一支非常像真人团队的协作：有的 agent 负责产品线梳理，有的负责技术模型核查，有负责商业化路径，有的专门找反例，最后检查“结论是否真的由证据推出”。整个调研过程，可追溯，可验证，这才是正儿八经的 Deep Research，对了，Apodex 现在已经开放抢先体验，适合拿来做竞品研究、公司尽调、行业分析、这类高复杂度任务，特别适合用来做金融、医疗、法律方面需要强可信度的场景。抢先试用入口：

很多人习惯把豆包当作是AI鄙视链最底端，就连调侃掉队的Gemini，都说它是“北美大豆包”！但字节跳动，绝对是最被低估的 AI 公司之一。我用 Apodex 跑了一轮“字节跳动技术和产品版图”的调研，最大的感受是：很多人还在用“短视频公司”的视角看字节。但它真实的版图，已经更像一个 AI-native 产品工厂。 TikTok / 抖音是流量入口，CapCut / 剪映是创作工具。 Lark / 飞书是组织协作，火山引擎是云和模型能力输出。豆包、Seed、Seedance、Seedream、Coze 这类产品，则是在把 AI 能力塞进内容、办公、开发、创作和企业服务里。这不是单点 AI 产品，而是一套从用户场景、内容分发、创作工具、模型能力到云基础设施的闭环。试问，还有哪一家公司能做得到？完整调研报告放在评论区，有兴趣可以查看！整个调研的过程，特别舒服！！我之前用其他Deep Research工具，方法很粗暴，直接一顿关键词检索，然后咔咔几下就搞个报告出来，而Apodex给我的体验很不一样，它先把问题拆开：哪些是流量入口，哪些是创作工具，哪些是模型层，哪些是企业服务，哪些能互相复用。然后用多 agent 分头查资料、核事实、找证据链，再由 verifier 去检查结论有没有跳步。过程不算快，但每一步都有迹可寻，看着就特别靠谱，就像一支研究团队，一支非常像真人团队的协作：有的 agent 负责产品线梳理，有的负责技术模型核查，有负责商业化路径，有的专门找反例，最后检查“结论是否真的由证据推出”。整个调研过程，可追溯，可验证，这才是正儿八经的 Deep Research，对了，Apodex 现在已经开放抢先体验，适合拿来做竞品研究、公司尽调、行业分析、这类高复杂度任务，特别适合用来做金融、医疗、法律方面需要强可信度的场景。抢先试用入口：

沐阳

23,163 Aufrufe • vor 1 Monat

AI 股票分析开源了！！终于不只是“把股票代码丢给模型问一句”了！每天盯行情、翻新闻、看公告、查资金流，再手动整理自选股复盘，真的太低效了。分享一个很适合前端、独立开发者和 AI 工具玩家研究的 GitHub 开源项目 —— Daily Stock Analysis 它是一个基于 LLM 的多市场股票智能分析系统。支持 A 股 / 港股 / 美股 / 日股 / 韩股自选股分析能把行情、K 线、技术指标、资金流、筹码、新闻、公告、基本面等信息聚合起来，再自动生成结构化的「决策仪表盘」。核心结论、评分、趋势判断、风险警报、催化因素、操作检查清单，都能一屏看清。更厉害的是，它不是一个简单脚本。它自带 Web / 桌面工作台，支持手动分析、任务进度、历史报告、完整 Markdown、回测、持仓、配置管理、浅色 / 深色主题。对独立开发者来说，这不只是一个股票分析工具，更像是一套完整的 AI 金融研究工作流模板：数据聚合、模型分析、报告生成、Web 工作台、自动推送，全部都搭好了。地址：

AI 股票分析开源了！！终于不只是“把股票代码丢给模型问一句”了！每天盯行情、翻新闻、看公告、查资金流，再手动整理自选股复盘，真的太低效了。分享一个很适合前端、独立开发者和 AI 工具玩家研究的 GitHub 开源项目 —— Daily Stock Analysis 它是一个基于 LLM 的多市场股票智能分析系统。支持 A 股 / 港股 / 美股 / 日股 / 韩股自选股分析能把行情、K 线、技术指标、资金流、筹码、新闻、公告、基本面等信息聚合起来，再自动生成结构化的「决策仪表盘」。核心结论、评分、趋势判断、风险警报、催化因素、操作检查清单，都能一屏看清。更厉害的是，它不是一个简单脚本。它自带 Web / 桌面工作台，支持手动分析、任务进度、历史报告、完整 Markdown、回测、持仓、配置管理、浅色 / 深色主题。对独立开发者来说，这不只是一个股票分析工具，更像是一套完整的 AI 金融研究工作流模板：数据聚合、模型分析、报告生成、Web 工作台、自动推送，全部都搭好了。地址：

Ada哒哒哒🐬/买美股上币安

175,295 Aufrufe • vor 1 Monat

我对国产 AI Agent 一直没抱太大期待，直到这次它干了件让我意外的事。我让 Tencent WorkBuddy 做个竞品调研，它派出一整个研究团队，其中一个 AI 专门审稿。它把同伴写好的报告退了回去，理由是里面有个数字查不到来源。一个 AI，自己抓出自己编的数据，要求重做。最后我拿到的，是一套能直接演示的 10 页 slides，一个字都不用改。 WorkBuddy，全程录屏在这👇

我对国产 AI Agent 一直没抱太大期待，直到这次它干了件让我意外的事。我让 Tencent WorkBuddy 做个竞品调研，它派出一整个研究团队，其中一个 AI 专门审稿。它把同伴写好的报告退了回去，理由是里面有个数字查不到来源。一个 AI，自己抓出自己编的数据，要求重做。最后我拿到的，是一套能直接演示的 10 页 slides，一个字都不用改。 WorkBuddy，全程录屏在这👇

Yanhua

82,698 Aufrufe • vor 1 Monat

字节开源了一个 AI 团队大脑：DeerFlow 2.0 刚发就冲上 GitHub Trending 第一，43k ⭐。它是一个开源的超级代理框架，它让 AI 不再是工具，而是一个能干活的团队。你只需要一句话： “帮我研究 AI 行业趋势，并做一份 PPT” 它会自动完成：拆任务 → 分配 Agent → 并行执行 → 汇总交付不是建议，是直接把结果做出来。更关键的是：它通过 Agent 协同 + 内存 + 沙箱执行 + 可扩展技能可以完成几乎任何事情核心能力就三点： - 多 Agent 协作：一个 AI = 一个团队 - 技能驱动（可扩展）：报告、PPT、网站、视频都能做 - 完整工作流执行：从任务到交付，一步到位 DeerFlow 2.0 不是提升效率，是把几乎所有工作流程交给 AI。

字节开源了一个 AI 团队大脑：DeerFlow 2.0 刚发就冲上 GitHub Trending 第一，43k ⭐。它是一个开源的超级代理框架，它让 AI 不再是工具，而是一个能干活的团队。你只需要一句话： “帮我研究 AI 行业趋势，并做一份 PPT” 它会自动完成：拆任务 → 分配 Agent → 并行执行 → 汇总交付不是建议，是直接把结果做出来。更关键的是：它通过 Agent 协同 + 内存 + 沙箱执行 + 可扩展技能可以完成几乎任何事情核心能力就三点： - 多 Agent 协作：一个 AI = 一个团队 - 技能驱动（可扩展）：报告、PPT、网站、视频都能做 - 完整工作流执行：从任务到交付，一步到位 DeerFlow 2.0 不是提升效率，是把几乎所有工作流程交给 AI。

开发者Hailey

62,129 Aufrufe • vor 4 Monaten

今天好郁闷，发生了一点不愉快的事情！人生第一次为了自己的愚蠢进了叔所！期待明天的好结果！！！ ⸻ AI 的下一关，不在能力，而在可被证明在模型规模不断被刷新纪录的阶段，有一个问题始终被刻意回避： AI 的结论，是否真的来自它声称的计算过程？ Inference Labs 选择从这个问题切入。他们关注的不是模型性能，而是推理行为本身是否可信、是否可复现、是否可审计。 Proof of Inference 的意义，在于把“我相信模型没问题”变成“模型必须给出证明”。通过零知识证明，系统可以在不暴露模型结构和参数的前提下，确认一次推理： •确实由指定模型完成 •计算过程未被替换或篡改 •输出结果与真实推理一致这不是提高透明度，而是引入约束。在工程层面，DSperse 做的事情同样关键。它把原本高度定制化、专家依赖的 zkML 开发流程，拆解为可复用组件，使“可验证 AI”从研究范畴，进入实际应用范畴。否则，再正确的理念也只能停留在白皮书。目前，可验证推理在性能上的代价仍然明显，但这更像早期加密系统的计算成本问题，而不是路线错误。融资的用途，也正是针对这一层进行系统级优化。如果说过去的 AI 竞争是“谁能算得更快”，接下来的竞争，很可能是：谁的推理能被证明、被追溯、被承担责任。 Inference Labs 所搭建的，不是价值观，而是一层让 AI 输出进入现实系统所必需的验证基础设施。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

今天好郁闷，发生了一点不愉快的事情！人生第一次为了自己的愚蠢进了叔所！期待明天的好结果！！！ ⸻ AI 的下一关，不在能力，而在可被证明在模型规模不断被刷新纪录的阶段，有一个问题始终被刻意回避： AI 的结论，是否真的来自它声称的计算过程？ Inference Labs 选择从这个问题切入。他们关注的不是模型性能，而是推理行为本身是否可信、是否可复现、是否可审计。 Proof of Inference 的意义，在于把“我相信模型没问题”变成“模型必须给出证明”。通过零知识证明，系统可以在不暴露模型结构和参数的前提下，确认一次推理： •确实由指定模型完成 •计算过程未被替换或篡改 •输出结果与真实推理一致这不是提高透明度，而是引入约束。在工程层面，DSperse 做的事情同样关键。它把原本高度定制化、专家依赖的 zkML 开发流程，拆解为可复用组件，使“可验证 AI”从研究范畴，进入实际应用范畴。否则，再正确的理念也只能停留在白皮书。目前，可验证推理在性能上的代价仍然明显，但这更像早期加密系统的计算成本问题，而不是路线错误。融资的用途，也正是针对这一层进行系统级优化。如果说过去的 AI 竞争是“谁能算得更快”，接下来的竞争，很可能是：谁的推理能被证明、被追溯、被承担责任。 Inference Labs 所搭建的，不是价值观，而是一层让 AI 输出进入现实系统所必需的验证基础设施。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 |上Gate玩事件合约

303,919 Aufrufe • vor 6 Monaten

🚨 卧槽！TradingAgents 中文增强版来了！ TradingAgents 原本是 GitHub 上 AI 股票分析的头部项目，目前已经拿到 90K star。现在有人做了它的中文增强版 —— TradingAgents-CN，目前也已经冲到 29K star。这个版本主要是为中文用户优化的多智能体股票分析平台，支持 A 股、港股、美股，它做了很多本地化增强： > 中文界面 > 完整 A 股支持 > 支持 A 股 / 港股 / 美股分析 > 支持国产大模型和多 LLM 提供商 > 支持 Tushare、AkShare、BaoStock 等数据源 > 支持 Docker 部署 > 支持专业报告导出 > 支持批量分析、自选股、模拟交易和智能筛选 TradingAgents-CN 的价值，就是让 AI 先帮你把几个主要视角跑一遍，再给你一份更完整的分析框架。更准确地说，它适合拿来做： A 股复盘、美股个股研究、港股分析、量化策略灵感、AI 投研流程学习、自动化研究报告。如果你平时研究股票，或者想把 AI Agent 接进自己的投研工作流，这个项目值得强烈收藏

🚨 卧槽！TradingAgents 中文增强版来了！ TradingAgents 原本是 GitHub 上 AI 股票分析的头部项目，目前已经拿到 90K star。现在有人做了它的中文增强版 —— TradingAgents-CN，目前也已经冲到 29K star。这个版本主要是为中文用户优化的多智能体股票分析平台，支持 A 股、港股、美股，它做了很多本地化增强： > 中文界面 > 完整 A 股支持 > 支持 A 股 / 港股 / 美股分析 > 支持国产大模型和多 LLM 提供商 > 支持 Tushare、AkShare、BaoStock 等数据源 > 支持 Docker 部署 > 支持专业报告导出 > 支持批量分析、自选股、模拟交易和智能筛选 TradingAgents-CN 的价值，就是让 AI 先帮你把几个主要视角跑一遍，再给你一份更完整的分析框架。更准确地说，它适合拿来做： A 股复盘、美股个股研究、港股分析、量化策略灵感、AI 投研流程学习、自动化研究报告。如果你平时研究股票，或者想把 AI Agent 接进自己的投研工作流，这个项目值得强烈收藏

爱吃折耳根的Ace

35,849 Aufrufe • vor 1 Monat

科研的门槛，正在被重新定义。以前做科研：熬夜刷论文、反复跑代码、写一周综述。现在只需要：一句话指令。 Feynman 这个开源 AI 代理，正在把博士级研究流程，压缩成自动执行任务。过去要花一周完成的 arXiv 调研、代码验证、文献综述，现在交给 Feynman，几分钟就能生成一份带完整引用、经过审稿式校验的研究简报。核心能力：四大智能体协同：Researcher 搜论文、Reviewer 挑刺、Writer 写报告、Verifier 核引用，几乎零幻觉一句话深度研究：feynman deepresearch "xxx"，自动完成检索、综述、共识与争议提炼真能干实验：论文审计（claim vs 代码）、一键本地或云 GPU 复现、主题持续追踪本地优先 + 完全开源：支持 Ollama 等本地模型，数据不离电脑，免费可自建不管你是 AI 研究员、独立开发者，还是学生党，Feynman 都能把重复劳动甩给 AI，让你专注真正有创造性的工作。

科研的门槛，正在被重新定义。以前做科研：熬夜刷论文、反复跑代码、写一周综述。现在只需要：一句话指令。 Feynman 这个开源 AI 代理，正在把博士级研究流程，压缩成自动执行任务。过去要花一周完成的 arXiv 调研、代码验证、文献综述，现在交给 Feynman，几分钟就能生成一份带完整引用、经过审稿式校验的研究简报。核心能力：四大智能体协同：Researcher 搜论文、Reviewer 挑刺、Writer 写报告、Verifier 核引用，几乎零幻觉一句话深度研究：feynman deepresearch "xxx"，自动完成检索、综述、共识与争议提炼真能干实验：论文审计（claim vs 代码）、一键本地或云 GPU 复现、主题持续追踪本地优先 + 完全开源：支持 Ollama 等本地模型，数据不离电脑，免费可自建不管你是 AI 研究员、独立开发者，还是学生党，Feynman 都能把重复劳动甩给 AI，让你专注真正有创造性的工作。

开发者Hailey

51,477 Aufrufe • vor 2 Monaten