本文是 trading 开源库实测系列第 3 期，评测两类共 13 个开源项目：Equity Research（AI 投研研判）6 个和 Dashboard（市场看板）7 个。结论是投研类可复现的极少，大部分只输出无法追溯的文字；唯一可核验的 Maverick MCP（704 星）得 83 分居首，Equity Research Skill 得 60 分，Serenity 和 UZI 分列其后，作者自家的库只得 38 分；2 万星的 OpenStock 因匿名访问被重定向登录只获 30 分，27,659 星的 Dexter 未实测不排名。评测按可复现、可核验等 5 条标准打分，强调星数不代表质量。
作者提出在 AI 时代执行成本越来越低，eval（评估）才是一等公民。他建立了 repo-evals 项目，系统测评各类工具和 skill，并详细介绍了完整的评估方法论：先看真实产出而非介绍；将工具分为原子、分子、复合物三个层级并采用不同检查标准；打分四档且分数拆开可解释；明确 who/when/how 使用场景；绘制工作流并与同类工具对比；标注部署成本和 license；把 README 承诺拆成一条条 claim 逐条核对实测证据；最后按层级使用不同检查清单（确定性、幂等性、工作流正确性、错误传播等）。文章以 guizang social card 为例演示了完整评估页面结构。
作者结合自身使用 Codex、Claude Code 数千小时的体会，指出 AI 能力已足够强，但尚未大规模落地的核心原因是人们只在旧流程上寻找赋能环节。文章引用蒸汽机到电力的转型案例，主张不要做 co-pilot 卖工具给从业者，而要做 auto-pilot 直接向 business owner 卖结果。AI 最佳切入点是替换已有预算、黑盒化的外包环节（vendor swap），而非重组内部员工（reorganization）。价值正从 intelligence 迁移到判断力，拉长工作流、融合多模态与线下供应链能力才是最大壁垒。未来电商与内容生产领域将围绕 AI 重塑整个供应链。
作者总结了 AI 开发中四个关键的二元选择：一是优先使用现成的开源能力（skill）而非从零开发，通过 GitHub star 数判断成熟度；二是 OpenClaw（龙虾）适合已搭好管道的日常自动化（BAU），而搭建复杂系统应使用 Claude Code、Codex、Jules 等开发工具；三是多 agent 并非越多越好，应先单 agent，确实不够用再逐个增加，复杂度是敌人；四是确定性逻辑用脚本执行，大模型只用于需要判断的环节，高风险决策需人工审批，最终形成脚本+大模型+human approval gate 的结构。正确选择可节省大量时间。
