AI 股票分析系统 — 技术方案仅供交流
本文介绍了基于 ChatGPT Codex 搭建的 AI 股票分析系统的技术方案，该系统定位为 AI 投资研究与信息处理系统，非自动交易或涨跌预测。文章详细阐述了系统的整体架构（6层）、技术选型（数据源、AI模型、调度、推送）、核心数据流、评分体系、配置说明、运行部署、安全边界及关键风险。作者强调工程上先单模型跑通更稳，评分不等于涨跌概率，并提供了与主线项目（Codex 式 Agent 桌面应用）的关联建议。
相关文档
DeepSeek 弹性计算（DSec）：面向大规模智能体训练的多后端弹性沙箱基础设施
本文解读 DeepSeek-AI 与清华大学合著的 DSec 论文，这是支撑 DeepSeek V3.2 到 V4.1 智能体 RL 训练的生产级沙箱基础设施。文章分析了智能体训练负载的七大特性（突发创建、CPU 稀疏、有状态长寿命、高度异构等），介绍了其无状态控制面、分层代理数据面架构，以及可组合环境分层、高密度内存管理、QoS 感知 CPU 调度、按需镜像加载四大核心机制。还深入阐述了 agent loop 与训练解耦、暂停恢复协同、防 reward hacking 的安全对抗实践。作者认为这标志着智能体能力竞赛正在演变为基础设施竞赛。
使用Codex建立属于自己的AI股票分析系统
文章介绍如何用ChatGPT Codex结合Python、GitHub Actions、多个AI模型和Email，搭建一套全自动的AI股票分析系统。用户负责定义需求，Codex负责开发，系统每天自动获取行情、计算技术指标、调用多模型分别分析技术面、基本面、新闻与风险，加权生成综合评分和晨报，并通过Email发送。文章详细讲解项目搭建、模块化分层、API Key安全、自选股批量扫描等步骤，并强调该系统定位为投资研究辅助而非自动交易工具，核心价值在于让AI替代重复的信息处理工作。
想要吃上自媒体这碗饭你一定需要一条 AI 视频生产流水线
文章介绍了 GitHub 上的开源项目 OpenMontage，该项目利用 Codex、Claude Code 等 AI 编程助手构建了一个自动化的视频生产流水线。它能够从选题、脚本、分镜到素材准备、字幕生成、音视频合成及渲染，全流程自动化视频制作，非常适合内容创作者和短视频团队。
Obsidian+AI：如何搭建自动化内容生产线
本文介绍了如何利用 Obsidian 结合 AI（Copilot/Claude）搭建一套高效的内容生产流水线。通过“先积累后分类”的方法，利用本地文件确保数据安全，并借助插件和自动化脚本实现素材的自动归类、整理与选题生成。文章详细阐述了从零开始的安装步骤、避坑指南、实用分类法（PARA/Zettelkasten）以及具体的 AI 工作流配置，帮助内容创作者解决素材管理混乱和选题枯竭的问题。
英伟达推理份额大降，AI革命进入二阶段机会在哪？
文章深入分析了 AI 从训练时代进入推理时代的投资机遇。随着推理成本占比提升至 80%-90%，算力需求呈几何级增长，但英伟达在推理市场的份额已下滑至 60-75%。AMD 凭借大显存优势及 OpenAI 等巨头的订单，正在抢占市场。ASIC 定制芯片也成新势力。文章对比了英伟达与 AMD的投资逻辑：英伟达仍是行业 beta，而 AMD 是份额转移的直接受益者。
一文理清！Hermes 全部高阶工具配置
本文详细介绍了 Hermes Agent 的全套高阶配置方案。作者从实战角度出发，梳理了从底层逻辑到部署的各个环节，重点涵盖了五大领域：身份与记忆（SOUL.md、Hindsight）、感知能力（Jina Reader、Tavily）、表达能力（Whisper、Fal.ai）、效率与成本（Token 监控、RTK）以及生态导航。文章旨在帮助用户解决迁移痛点，实现 OpenClaw 到 Hermes 的无痛升级与效能最大化。
用 DeepSeek Harness 手搓一个自己的 Agent
作者基于 DeepSeek Harness 从零搭建一个客服 Agent 的实战教程。文章梳理了客服 Agent 的四大核心能力：快速检索、记忆、人机协同与工具执行；并从交互模式接入、System Prompt 精简、Session 管理与持久化、工具与 Skill 的取舍、安全边界（接口鉴权与 Sandbox 只读）等方面逐步实现。作者强调通过收缩工具数量和精简 System Prompt 降低推理与 Token 开销，用 Skill 约束行为方式、用受控 Tool 约束能力边界，最后分享了利用 DSH 分步完成开发的流程与实用技巧。
用 AI 搭建流量上升词自动发现与批量选题流水线
文章针对出海团队每天人工盯热搜、找选题效率低、时间滞后的痛点，介绍如何用代码和 AI 搭建一套 24 小时自动巡检的选题流水线。核心思路是抓住搜索量短时间暴增但内容供给空白的上升词红利。流水线分三层：一是围绕种子词库做周期性快照轮询并计算趋势斜率，自动发现飙升关键词；二是通过黑名单过滤、商业意图词性筛选和聚类去重，剔除娱乐八卦等噪音，保留排查解决、选型对比、资源索取类高价值需求，并附完整 AI 过滤提示词；三是接入大模型，把上升词拆解为痛点解决方案、工具选型、成本风险、可交付资源四张选题卡，实现选题自动化裂变。文中提供了两段可直接复用的详细提示词。
我花了5天时间，对公司进行了一场AI化改造
作者作为一家30多人AI公司的创始人，用5天时间打造了一个基于Agent的企业中台。他先让Claude生成了品牌VI、UI设计组件和PPT模板，并将其封装为Skill；随后解决了同事们Vibe Coding应用部署与分享的痛点，将中台包装成MCP，接入飞书登录与权限体系，实现应用一键部署、子域名分配、权限管控。同时搭建了应用广场、Skill分发、资料库、OKR可视化面板及千人千面的个性化首页，并让Agent自动维护多维表格数据。作者认为数据和协同关系是企业未来的核心资产，期待AI原生的组织变革。
自动化工程师的崛起
作者提出，与其担忧AI夺走工作，不如关注它创造的新职业——自动化工程师。文章指出：工作需求无限，自动化需求也无限；构建自动化从未如此容易，但难点在于判断该自动化什么，并将其嵌入有真实人、流程与政治的企业环境中。以SeatGeek为例，部署AI后IT工单量暴增，通过自动化，三周内自动解决了40%的IT请求，六十天内超过50%，而原团队成员被重新部署到客服、合规和法务等部门构建新自动化，公司还因此增设了五个自动化工程师岗位。作者认为这是AI时代真正的新兴职业，并公开招聘首批百名自动化工程师。
DeepSeek Harness v0.2 桌面版发布
DeepSeek 发布 Harness v0.2 预览版，推出 macOS 和 Windows 桌面应用。新版本改进了文件显示、内容预览和代码变更展示，简化定时任务的设置与管理。核心亮点是插件系统：新增插件管理器，无需终端命令即可安装、禁用或卸载插件；实验性创作者模式允许用户用自然语言描述需求，自动创建插件。官方数据显示 Harness 是 DeepSeek API 用户中最广泛使用的编码 Agent。未来计划改进沙箱与安全、Agent 团队、长期记忆、浏览器自动化、远程访问，并建设官方插件市场，完善插件 API 兼容性。
The Future of Software Development
作者展望了未来5-10年软件开发的变化：AI模型正以每半年约10倍的速度变强，未来将极其智能、快速且廉价。开发模式将从IDE自动补全，演进到终端中的AI编码代理，最终只需用自然语言或语音告诉计算机想要什么，AI代理即可自动完成构建、测试、修复和上线。文章还探讨了为AI代理设计的意图式操作系统（无需UI）、为每个用户动态生成的应用界面、面向AI代理的新协议（如MCP），以及未来5-10年最抢手的技能，强调经验与意图表达能力将比手写代码更重要。
