Pinned Tweet
卧槽,居然有人在 GitHub 上做了一个美股崩盘风险监测仪!
它把:
巴菲特指标
席勒市盈率(CAPE)
美债收益率曲线
200日均线乖离
恐慌与贪婪指数
全部塞进一个模型,最后算出一个 Crash Risk Score(崩盘风险分数)。
目前支持 VOO 和 QQQ。
当然,它不可能精准预测哪天崩盘,但拿来当一个美股风险仪表盘,真的很有意思。
github.com/middletoo/US_Stoc…
做美股的建议收藏。
卧槽!谁说老项目想用 Rust 提速,就得推倒重写?
有人真把「渐进式 Rust 迁移 + AI Agent + 自动行为验证」做成了开源工具!
项目叫 rust-anything,专治开发者最头疼的问题:
Python、TypeScript 项目越跑越慢,想换 Rust,又怕重构后 Bug 满天飞。
它的思路很聪明:不一次性重写,而是一块块迁移,每一步都拿原版行为做验证。
核心能力相当硬核:
1、Profile 性能分析:自动定位性能热点,优先优化最慢的代码。
2、AI Agent 集成:支持 Claude Code、Codex、Cursor、Gemini CLI,让 AI 参与 Rust 迁移。
3、Record + Diff:记录原始行为,逐条对比 Rust 实现,发现不一致立即报告。
4、Bench + Gate:验证性能、测试和代码质量,支持渐进式切换。
5、多语言支持:覆盖 TS/JS、Python、C、Go、Ruby、Java 六大语言!
数据更有说服力:
1、项目公开 Benchmark 中,50,000 个 key 的搜索从 10ms 降到 0.5ms,提速 20 倍!
2、README 还展示了 38,251 个录制用例回放,0 个不一致。
当然,这些是特定测试结果,不代表所有项目都能获得同样提升。
上手只需两行:
cargo install rust-anything
rust-anything setup
然后给 AI Agent 一句 Prompt:
用 rust-anything 分析当前项目,找出性能热点,优先迁移最慢的模块到 Rust,验证与原版行为一致,并运行 Benchmark。
注意,它不是自动代码翻译器,而是给 AI 重构装上一套验证系统。
以前重写靠勇气,现在迁移靠证据。
GitHub:github.com/erkamyaman/rust-a…
#Rust #OpenSource #AIAgent #ClaudeCode #DevTools
最近玩 Agent 还真玩出点意外收获了
之前黑客松的时候,用 Agent 在 Bitget 的 Agentic 账户跑了几笔交易,本来就是想测试一下 AI 自动下单到底好不好用。
结果前两天翻邮箱,发现多了一封 150U Anthropic 股票代币的奖励通知。
属实没想到,测试个新功能还能顺便薅到羊毛。
而且 @Bitget_AI 最近又开了一轮活动,这次门槛比之前低不少,简单交互一下就有机会拿到 5-105U 的 Anthropic 股票代币。
具体规则是:
前 3000 名完成基础任务并有效报名的用户,每人保底 5U;额外完成转发、评论、关注任务并提交链接,还能参与抽奖,50 个 100U 的名额。
我用的是 Grok Bot,整个流程其实没那么复杂,给想试试的兄弟整理一下:
① 先把这段话丢给你的 Agent:
「请阅读 bitget.com/support/articles/…,并完成 Bitget Agentic 账户授权」按提示完成授权,把 MCP 接好。
② 在 Bitget APP 里划转至少 10U 到 Agentic 账户。
③ 直接让 Agent 帮你成交一笔交易,现货合约都可以,金额也不限。
④ 最后去活动页报名提交信息,想抽额外 100U 的记得把转评和关注任务也做了。
活动到 12 月 11 日,感兴趣的可以自己去试试,操作截图我也放下面了。
现在感觉 Agent 交易还是挺值得多折腾的,除了体验新功能,时不时还能碰上点意外福利。
听说后面还会有类似活动,可以继续关注一下。
至于之前那 150U,等 IPO 后代币真正到账了,我准备直接把卖出的时机也交给 Claude 决定。
让 AI 决定什么时候卖 AI 公司的股票代币,想想还挺有意思的哈哈。
活动入口:
bitget.com/campaigns/e8e673d…
Anthropic IPO is coming. Want a piece of it? It's on us!
1.Create Agentic Account & complete one trade.
2.Follow @Bitget_AI and post Agentic account experience on X.
Earn up to 105 USDT Anthropic stock tokens!
Time: Nov 11 – Dec 11
👇 Click the image below to join now!
22
23
6,619
NVDA财报要来了!美股期权交易,终于不用只等正式开盘?
11月17日 NVIDIA(NVDA)将在美股盘后公布财报,紧接着11月18日美联储会议纪要出炉。AI行情、降息预期,市场接下来恐怕又有不少看点。
但有做美股期权的朋友应该都懂,有时最尴尬的不是看错方向,而是消息已经出来,期权却还没到常规交易时间,只能等开盘。
最近留意到,uSMART 盈立证券 App 11.0 已经支持美股期权夜盘+盘前+盘中交易!
1. 夜盘+盘前交易
美东冬令时间 00:00–16:00,对应香港时间下午1点至次日凌晨5点,覆盖长达16小时的交易窗口,包括夜盘(13:00–17:00)、盘前(17:00–22:30)及盘中(22:30–次日05:00)。
相比以往,现在部分美股期权下午就能交易,不用一直等到美股正式开盘。无论是突发消息还是市场波动,都多了一个提前布局或调整仓位的机会。
2. 热门美股及ETF期权
涵盖 NVDA、TSLA、AMD、QQQ 等多个热门标的,无论是科技股财报,还是CPI、非农数据等宏观消息引发的市场波动,都多了一个调整策略的时间窗口。
而且支持在相应交易时段开仓、平仓,遇到市场突发变化,也能更灵活地调整仓位,不一定非要等到常规交易时段。
3. 美股期权0佣
交易佣金 US$0,其他适用费用另计。
我觉得这次升级最有意思的,不是鼓励大家时时刻刻交易,而是当市场突然有变化时,投资者终于多了一些时间上的选择权。
尤其是最近AI板块波动不小,接下来又有英伟达财报、美联储会议纪要等重要事件,对于平时关注美股财报、科技股和期权交易的朋友,这个功能确实值得了解一下。
当然,交易时间更长不代表风险更低,特别是夜盘和盘前,流动性和买卖价差还是需要注意。
更新 uSMART App 11.0:onelink.to/r2q8eq
#美股 #美股期权 #NVDA #NVIDIA #美股财报 #uSMART #盈立证券
优惠受条款及细则约束。本广告内容仅供参考,不构成任何投资邀约、招揽或建议。投资涉及风险,请审慎评估。交易期权可能亏损超过保证金,大市波动时指令未必能成功执行,必须充分了解期权运作、到期及行使权利的责任与程序。
🤝 Paid partnership
21
20
9,264
离谱!有人把一整套专业量化交易研究系统开源了,连高性能回测引擎都给你准备好了!
这个项目叫 Hikyuu(海龟量化),基于 C++ 和 Python 开发,专门用于量化策略研发、历史回测和投资组合分析。
它把:
• 量化交易策略开发
• 技术指标与交易信号分析
• 高性能历史数据回测
• 多策略组合与资金分配
• 仓位管理与止盈止损
• 多因子选股与策略优化
• 交易成本、滑点及风险控制
全部整合进一个开源量化框架。
最夸张的是它的性能。
根据项目官方测试,在一台 ARM 单板计算机上,对3547只证券进行长达11年的策略回测,单进程运行仅需约13秒。
而且底层使用 C++ 保证计算性能,上层支持 Python 编写策略,不需要自己从零开发整个回测系统。
更重要的是,它还会考虑手续费、除权除息、成交时点等细节,尽量避免回测收益看起来很漂亮,实际交易却完全不是一回事。
当然,它不是一个下载就能自动赚钱的交易机器人。目前内置数据导入主要面向 A 股,美股需要自行接入数据源。
但对于想学习量化交易、研究策略或者搭建个人量化研究系统的人来说,确实是个值得研究的项目。
项目地址:
github.com/fasiondog/hikyuu
做量化、研究交易策略的建议收藏,非投资建议~
卧槽,GitHub 上居然还有人做了一个美股泡沫与崩盘风险监测仪!
它把:
• VIX 恐慌指数
• 席勒市盈率(CAPE)
• SKEW 尾部风险指标
• 市场泡沫温度
• 历史回撤数据
• ETF 均线乖离
全部整合进一个可视化仪表盘。
不仅能计算 Bubble Temperature(泡沫温度),还能估算 Crash Risk(崩盘风险),甚至可以查看 QQQ、SPY、TQQQ、IWM 的均线偏离情况。
最有意思的是,它还能结合历史数据进行回测,看看类似的市场风险信号过去出现时,后续市场表现如何。
而且完全开源,还有在线体验版!
GitHub:
github.com/YichengYang-Ethan…
在线体验:
yichengyang-ethan.github.io/…
太离谱了!华尔街那些专业金融终端的功能,现在居然被整合到了一起!
这个项目叫 Fincept Terminal,简直像是把彭博终端、TradingView 和 AI 投资分析师塞进了同一个软件里。
它把:
• 全球股票、加密货币行情
• 财务报表与公司估值分析
• 宏观经济与美联储数据
• 投资组合分析与风险管理
• AI 投资研究助手
• 量化策略、回测与模拟交易
• 地缘政治与全球经济情报
全部整合进一个桌面金融终端。
更夸张的是,它还能接入 OpenAI、Claude、Gemini、DeepSeek 等 AI 模型,让 AI 参与金融数据分析和投资研究。
不仅能看行情,还能做 DCF 估值、分析公司基本面、研究宏观经济,甚至搭建自己的 AI 投资研究工作流。
以前要打开好几个网站才能完成的研究,现在可以集中在一个界面里。
当然,它还不能真正替代彭博终端,部分数据服务和 AI 功能也需要额外配置。
但能把这么多专业功能整合到一个开源工具里,确实有点东西。
项目地址:
github.com/Fincept-Corporati…
做美股、量化交易和 AI 金融研究的可以看看,非投资建议~
卧槽,GitHub 上居然还有人做了一个美股泡沫与崩盘风险监测仪!
它把:
• VIX 恐慌指数
• 席勒市盈率(CAPE)
• SKEW 尾部风险指标
• 市场泡沫温度
• 历史回撤数据
• ETF 均线乖离
全部整合进一个可视化仪表盘。
不仅能计算 Bubble Temperature(泡沫温度),还能估算 Crash Risk(崩盘风险),甚至可以查看 QQQ、SPY、TQQQ、IWM 的均线偏离情况。
最有意思的是,它还能结合历史数据进行回测,看看类似的市场风险信号过去出现时,后续市场表现如何。
而且完全开源,还有在线体验版!
GitHub:
github.com/YichengYang-Ethan…
在线体验:
yichengyang-ethan.github.io/…
卧槽,GitHub 上居然还有人做了一个美股泡沫与崩盘风险监测仪!
它把:
• VIX 恐慌指数
• 席勒市盈率(CAPE)
• SKEW 尾部风险指标
• 市场泡沫温度
• 历史回撤数据
• ETF 均线乖离
全部整合进一个可视化仪表盘。
不仅能计算 Bubble Temperature(泡沫温度),还能估算 Crash Risk(崩盘风险),甚至可以查看 QQQ、SPY、TQQQ、IWM 的均线偏离情况。
最有意思的是,它还能结合历史数据进行回测,看看类似的市场风险信号过去出现时,后续市场表现如何。
而且完全开源,还有在线体验版!
GitHub:
github.com/YichengYang-Ethan…
在线体验:
yichengyang-ethan.github.io/…
跟着巴菲特和华尔街投资大佬买股票,真的能亏吗?
最近挖到一个超实用的网站,专门追踪巴菲特、桥水基金等华尔街投资大佬和机构公开披露的股票持仓,买了哪些股票、持有多少、仓位占比多大,都能查得一清二楚!
除此之外,还能查看机构最新披露的增持、减持记录,分析历史持仓变化,甚至能发现哪些股票被多家知名投资机构共同持有。
这些信息普通人也能查询,相当于把华尔街大佬的投资组合摆在你面前!不过数据主要来自季度披露,存在延迟,并非实时跟单。
网站地址:stockcircle.com/
仅供交流参考,不构成任何投资建议。
跟着美国国会议员买股票,你还会亏吗?
最近挖到一个超牛逼的网站,专门追踪美国国会议员公开披露的股票交易,谁在买、谁在卖、买了什么股票,都能查得一清二楚!
除此之外,还能按党派、国会委员会筛选,查看交易金额、买卖日期,甚至能查到哪些议员买卖过英伟达、特斯拉等热门股票。
可以说是最近发现最有意思的美股信息差工具之一!不过交易披露存在延迟,并非实时跟单。
网站地址:capitoltrades.com/
仅供交流参考,不构成任何投资建议。
2
3,395
华尔街对 NVIDIA 的态度正在发生明显变化。
从11月11日至12日最新公布的投行评级来看,整体看涨情绪依然占据主导,但一个值得警惕的信号正在出现:
越来越多的投行开始下调 NVIDIA 的目标股价,部分机构甚至直接下调投资评级。
更值得关注的是,即使维持“买入”评级的机构,也在明显降低未来的股价预期。
这意味着华尔街并没有完全失去对 NVIDIA 长期增长潜力的信心,但正在重新评估它的估值、增长前景以及未来的不确定性。
市场最值得警惕的,或许不是分析师开始看空,而是他们仍然看多,却不再愿意给出过去那么高的估值。
1
2
4,854
回顾黄仁勋过去33年的贡献,才真正意识到他对整个科技行业产生了多么深远的影响。
1993年,他与两位伙伴共同创立 NVIDIA,开启了图形计算的新篇章。
1999年,NVIDIA 推出 GeForce 256,推动 GPU 成为现代计算的重要基础。
2006年,他带领 NVIDIA 推出 CUDA,让 GPU 不再局限于游戏和图形处理,而是进入科学计算、工程模拟和超级计算领域。
2012年,NVIDIA 的 GPU 为 AlexNet 深度学习突破提供了关键算力支持,推动人工智能进入新的发展阶段。
2018年,RTX 实时光线追踪技术改变了游戏画面和计算机图形的未来。
进入2020年代,从 A100、H100 到 Blackwell 架构,他带领 NVIDIA 不断突破算力边界,为大语言模型、生成式 AI、自动驾驶和机器人技术的发展提供了重要基础设施。
从一家图形芯片公司,到支撑全球人工智能发展的核心计算平台,黄仁勋用三十多年证明了长期主义、技术信仰和战略远见的价值。
我们今天所见证的 AI 革命,离不开他和 NVIDIA 无数工程师数十年的坚持与积累。
无论未来如何,黄仁勋的名字都将被写入计算机科技发展的历史。
感谢 Jensen Huang 为这个时代所做的一切。
2
5
2,144
黄仁勋花了33年,把 NVIDIA 从一家显卡公司变成了 AI 时代最重要的公司之一。
但现在,一个更有意思的问题出现了:
NVIDIA 的成功,究竟来自它建立的技术体系,还是来自黄仁勋这个人?
接下来的几年,或许会给我们答案。
1
252
突发!黄仁勋已递交辞职申请…
NVIDIA announces CEO transition. Read the release: nvidianews.nvidia.com/news/n…
@elonmusk Jensen Huang really resigned! Any chance we'll see him join your team?
3
544
跟着美国国会议员买股票,你还会亏吗?
最近挖到一个超牛逼的网站,专门追踪美国国会议员公开披露的股票交易,谁在买、谁在卖、买了什么股票,都能查得一清二楚!
除此之外,还能按党派、国会委员会筛选,查看交易金额、买卖日期,甚至能查到哪些议员买卖过英伟达、特斯拉等热门股票。
可以说是最近发现最有意思的美股信息差工具之一!不过交易披露存在延迟,并非实时跟单。
网站地址:capitoltrades.com/
仅供交流参考,不构成任何投资建议。
好家伙!百度创始人李彦宏直接把未来互联网打工人的岗位归成了两类
🔹 Builder(创造者):负责创造新东西,把想法变成产品、服务和解决方案。
🔹 Seller(连接者):负责人与人之间的沟通、建立情感和信任,让别人愿意接受你的产品和服务。
不过我已经能脑补未来的招聘现场了:
HR:你是 Builder 还是 Seller?
打工人:都不是,我是 Biller。
HR:什么意思?
打工人:负责还房贷的。AI 抢不抢我工作不知道,反正银行每个月准时找我。
3
3
1,544
有点狠!有人想解决 AI Agent 的失忆问题,而且不是靠写更长的 Summary。
经常用 Claude Code、Codex 的应该都有体会:
一个复杂任务跑了很久,Agent 终于摸清了代码结构、踩过的坑和之前的决策。
结果一次 /compact,上下文被压成几段摘要,很多细节就丢了。
最近看到一篇论文 REMORY: Learning Residual Memory for Context Compaction,思路相当有意思。
它不打算替代现有的上下文摘要,而是在 Summary 后面额外增加一组通过神经网络学习出来的 Soft Memory Tokens。
技术上主要分成三个部分。
① Residual Memory Encoder:把历史压缩成连续记忆
传统 Compaction 是:
完整历史 → 文本摘要 → 继续执行
REMORY 改成:
完整历史 → 文本摘要 + Soft Memory → 继续执行
它通过一个独立的 Memory Network 读取历史上下文,并结合已经生成的 Summary,预测一组连续向量。
具体实现上:
1、从冻结的主模型中提取 Hidden States
2、使用 Learned Queries 提取历史信息
3、通过 Gated Cross-Attention,让记忆编码受 Summary 条件约束
4、每 1024 个历史位置生成 64 个 Soft Tokens
5、通过分层压缩,把最终记忆限制在最多 4096 个位置
这里有个关键点:Soft Tokens 不是人类可读的文字,而是能被主模型直接理解的连续向量。
Summary 负责保存明确的任务状态,Residual Memory 则尝试补上摘要没能完整保留的信息。
② 两阶段训练:让压缩后的模型尽量保持原来的决策能力
这是论文里我最感兴趣的部分。
第一阶段是 Reconstruction Training。
教师模型读取原始文本,学生模型只能读取压缩后的 Soft Memory。
通过训练 Memory Network,让学生尽可能复现教师对原始内容的预测。
第二阶段是 Summary-conditioned Continuation。
教师模型看到完整对话历史,学生模型只看到:
Summary + Residual Memory
然后对比两者在后续回答中的 Token 概率分布,用 Reverse KL 做蒸馏。
也就是说,它训练的不是“怎样写出一份更好的摘要”,而是“怎样让压缩后的模型继续做出接近完整上下文时的判断”。
更重要的是,整个过程中主 LLM 的权重保持冻结,只训练额外的 Memory Network。
③ 接入 Agent Harness:不需要重新设计整个 Agent
REMORY 可以接入现有的 Compaction 流程。
每次触发压缩时:
1、先生成常规文本 Summary
2、Memory Encoder 根据历史和 Summary 生成 Soft Tokens
3、保存两者作为新的 Memory Checkpoint
4、后续推理时,将 Soft Tokens 接到 Summary 后面
5、下次 Compaction 再把已有记忆和新历史一起处理
项目已经提供了 Codex 集成,以及基于 SGLang 的推理实现。
实验数据也挺值得看:
SummHay
1、完整上下文联合得分:43.41
2、普通 Summary:39.84
3、Summary + REMORY:43.39
4、后者仅使用完整上下文约 5.2% 的输入位置
Terminal-Bench 2.1
1、Qwen3.8-27B:71.9 → 76.4
2、GLM-5.3-Flash:84.3 → 87.6
在 BrowseComp 和 Terminal-Bench 中,重复工具输出和工具错误也有明显下降。
不过这不是零成本的压缩插件。它需要额外的记忆模型和推理支持,论文中的 Token 成本统计也没有计入全部记忆编码开销。
我觉得 REMORY 最有价值的地方,是改变了 Agent 压缩上下文的目标。
以前大家研究的是:
怎么用最少的 Token,尽可能完整地概括过去?
REMORY 研究的是:
怎么用最少的上下文,让 Agent 接下来仍然知道该做什么?
这两个问题看起来很像,但优化目标完全不同。
对于需要连续工作几个小时、反复调用工具的 Coding Agent,我觉得后者可能更重要。
论文:arxiv.org/abs/2610.11287
代码:github.com/fudan-generative-…
疯了!Claude 封号问题终于有解决方法了
Claude 有张良计,程序员有过墙梯!
Claude Cage,专门针对 Claude Code 的网络环境隔离问题。
它的解决思路其实很直接:
① 独立虚拟机:让 Claude Code、浏览器和开发工具在隔离环境中运行,不直接使用本机环境。
② 统一网络出口:所有网络流量交给独立代理管理,避免本机网络和代理出口混用。
③ 断网保护:代理断开或关键网络检查失败,就暂停外网连接,不会自动切回本机 IP。
④ 环境一致性:时区、语言等设置可以跟代理 IP 同步,减少环境信息不一致的问题。
还支持多账号管理、VPS 部署和手机远程操作。
说白了,它不是修改 Claude,而是把 Claude 的网络、运行环境和账号管理统一控制起来。
项目:github.com/Lee-xeo/Claude-Ca…
Anthropic 这次确实有点猛。
Claude Fable 5.2 (Max) 直接登顶 Agent Arena,净提升达到 +30.4%,领先第二名 Opus 5.5 一大截。
更夸张的是,Code、Work、Chat 三个类别全拿了第一。
相比上一代 Fable 5.1,排名从第 5 冲到第 1,单任务成本反而从 7.7降到了7.7 降到了 7.3,API 价格也便宜了 20%。
而且这次评测基于 4700 次真实 Agent 任务,不是单纯刷 Benchmark。
感觉现在模型之间的差距,越来越体现在实际干活的能力上了。
Anthropic 这波挺狠,接下来就看 OpenAI 和 Google 怎么接招了。
3
1,120






















