鸟哥 Bluebird Labs
#蓝鸟会 发起人/Bluebird Labs 创始人
289 Ακολούθηση
20.0K+ Ακόλουθοι
4.3K+ Μου αρέσει
2.4K+ Κοινοποιήσεις
Δημοσιεύσεις
Όλες
Παραθέσεις
Βίντεο
Ζωντανά
巴菲特70年的投资智慧，被一个人用两天时间做成了知识图谱。建议每个投资者都需要看一遍！
这个网站把巴菲特从1956年到2025年的全部98封股东信，拆解成了一个可交互的知识库👇
📊 数据量：
- 98封信（合伙人信+伯克希尔股东信，跨越70年）
- 49个投资概念（内在价值、护城河、资本配置…）
- 61家公司（从可口可乐到苹果）
- 7位关键人物（芒格、格雷厄姆…）
- 4726+条交叉引用
最强的地方在于：每个概念、每家公司、每个人物都链接回原文出处，一键溯源。不是二手总结，是直接指向巴菲特原话。
比如"内在价值"这个概念，在98封信里出现了83次，每一次引用的上下文都能点进去看。
还有一张核心思想图谱，把巴菲特的投资理念之间的关联可视化呈现。
做投资的、做研究的、想系统学巴菲特思想的，这个比读原文效率高十倍。
🔗 https://buffett-letters-eir.pages.dev
这个网站把巴菲特从1956年到2025年的全部98封股东信，拆解成了一个可交互的知识库👇
📊 数据量：
- 98封信（合伙人信+伯克希尔股东信，跨越70年）
- 49个投资概念（内在价值、护城河、资本配置…）
- 61家公司（从可口可乐到苹果）
- 7位关键人物（芒格、格雷厄姆…）
- 4726+条交叉引用
最强的地方在于：每个概念、每家公司、每个人物都链接回原文出处，一键溯源。不是二手总结，是直接指向巴菲特原话。
比如"内在价值"这个概念，在98封信里出现了83次，每一次引用的上下文都能点进去看。
还有一张核心思想图谱，把巴菲特的投资理念之间的关联可视化呈现。
做投资的、做研究的、想系统学巴菲特思想的，这个比读原文效率高十倍。
🔗 https://buffett-letters-eir.pages.dev
币圈人必须收藏的10个网站，少知道一个亏钱都不冤!
1️⃣宏观经济数据：https://en.macromicro.me
CPI、利率、就业…炒币不看宏观等于闭眼开车。
2️⃣BTC减半/关机价/恐慌指数：https://fuckbtc.com
名字糙，但数据全，BTC周期必看。
3️⃣融资信息查询：https://rootdata.com
哪个项目拿了谁的钱，一查便知。
4️⃣合约数据/清算地图：https://coinglass.com
资金费率、多空比、清算热力图，合约玩家不看这个就是送钱。
5️⃣DeFi数据：https://defillama.com
TVL、协议排名、收益率，DeFi玩家标配。
6️⃣链上数据分析：https://dune.com
自定义看板，链上侦探必备工具。
7️⃣代币解锁：https://tokenomist.ai
哪个币什么时候解锁多少量，提前知道提前跑。
8️⃣聪明钱追踪：https://intel.arkm.com
巨鲸地址、机构钱包动向，跟着聪明钱走。
9️⃣空投项目：https://airdrops.io
空投信息聚合，别再错过白捡的钱。
🔟行情数据总览：https://coingecko.com
币种信息、市值排名、链上数据，最基础也最重要。
1️⃣宏观经济数据：https://en.macromicro.me
CPI、利率、就业…炒币不看宏观等于闭眼开车。
2️⃣BTC减半/关机价/恐慌指数：https://fuckbtc.com
名字糙，但数据全，BTC周期必看。
3️⃣融资信息查询：https://rootdata.com
哪个项目拿了谁的钱，一查便知。
4️⃣合约数据/清算地图：https://coinglass.com
资金费率、多空比、清算热力图，合约玩家不看这个就是送钱。
5️⃣DeFi数据：https://defillama.com
TVL、协议排名、收益率，DeFi玩家标配。
6️⃣链上数据分析：https://dune.com
自定义看板，链上侦探必备工具。
7️⃣代币解锁：https://tokenomist.ai
哪个币什么时候解锁多少量，提前知道提前跑。
8️⃣聪明钱追踪：https://intel.arkm.com
巨鲸地址、机构钱包动向，跟着聪明钱走。
9️⃣空投项目：https://airdrops.io
空投信息聚合，别再错过白捡的钱。
🔟行情数据总览：https://coingecko.com
币种信息、市值排名、链上数据，最基础也最重要。
你的经验，正在被公司"蒸馏"成AI，你知道吗？
这两天推特上炸了——"同事.skill"火了之后，越来越多公司开始要求员工把工作经验写成AI Skills文档。
说白了，就是把你脑子里的东西掏出来，喂给AI，然后你就可以被替代了。
美其名曰"知识沉淀"，实际上是"知识抢劫"。
有人坐不住了。
GitHub上刚出了一个项目——anti-distill（反蒸馏），专门对付这种事👇
🛡️ 它干了什么：
1️⃣ 你交给公司的Skills文档，它帮你自动"脱水"——结构完整、术语专业、看着像那么回事，但核心经验全部替换成"正确的废话"
2️⃣ 同时生成一份私人备份，真正的判断力、踩坑经验、人脉资源，全部留给你自己
3️⃣ 三档强度可选：轻度保留80%、中度60%、重度只留40%
举个例子：
"Redis的key必须设TTL，否则PR会被打回" → 蒸馏后变成 "缓存遵循团队规范"
技术上完全正确，但操作层面毫无价值。这才是反蒸馏的精髓。
说真的，这个项目戳中了所有打工人的痛点——你的经验是你的核心资产，凭什么免费交出去，换一张裁员通知书？
AI时代，保护好自己的不可替代性，比学任何工具都重要。
🔗 https://github.com/leilei926524-tech/anti-distill
这两天推特上炸了——"同事.skill"火了之后，越来越多公司开始要求员工把工作经验写成AI Skills文档。
说白了，就是把你脑子里的东西掏出来，喂给AI，然后你就可以被替代了。
美其名曰"知识沉淀"，实际上是"知识抢劫"。
有人坐不住了。
GitHub上刚出了一个项目——anti-distill（反蒸馏），专门对付这种事👇
🛡️ 它干了什么：
1️⃣ 你交给公司的Skills文档，它帮你自动"脱水"——结构完整、术语专业、看着像那么回事，但核心经验全部替换成"正确的废话"
2️⃣ 同时生成一份私人备份，真正的判断力、踩坑经验、人脉资源，全部留给你自己
3️⃣ 三档强度可选：轻度保留80%、中度60%、重度只留40%
举个例子：
"Redis的key必须设TTL，否则PR会被打回" → 蒸馏后变成 "缓存遵循团队规范"
技术上完全正确，但操作层面毫无价值。这才是反蒸馏的精髓。
说真的，这个项目戳中了所有打工人的痛点——你的经验是你的核心资产，凭什么免费交出去，换一张裁员通知书？
AI时代，保护好自己的不可替代性，比学任何工具都重要。
🔗 https://github.com/leilei926524-tech/anti-distill
看视频学语言（英语、日语），这才是AI该有的打开方式！不会枯燥！任何你喜欢的视频内容！
GitHub上一个3.5k⭐的开源项目——LLPlayer，专门为语言学习打造的视频播放器，功能直接拉满👇
🎬 核心能力：
1️⃣ AI实时生成字幕——基于Whisper，任何视频/音频都能自动出字幕，不需要字幕文件
2️⃣ 双语字幕同屏显示，文本+图片格式都支持
3️⃣ 实时翻译——接Google、DeepL、Ollama、OpenAI等多个引擎，还能用LLM做上下文感知翻译，比普通机翻准太多
4️⃣ OCR识别——硬字幕也能实时转文字，Tesseract加持
5️⃣ 字幕侧边栏支持搜索、跳转、查词，边看边学
6️⃣ 内置yt-dlp，YouTube直接播放+学习
💡 最关键的：ASR和OCR全部本地运行，隐私安全，支持NVIDIA GPU加速。
说实话，拿来刷美剧学英语、看日综学日语，比任何语言学习App都实在。免费开源，不收你一分钱。
唯一的遗憾——目前只支持Windows。
🔗 https://github.com/umlx5h/LLPlayer
GitHub上一个3.5k⭐的开源项目——LLPlayer，专门为语言学习打造的视频播放器，功能直接拉满👇
🎬 核心能力：
1️⃣ AI实时生成字幕——基于Whisper，任何视频/音频都能自动出字幕，不需要字幕文件
2️⃣ 双语字幕同屏显示，文本+图片格式都支持
3️⃣ 实时翻译——接Google、DeepL、Ollama、OpenAI等多个引擎，还能用LLM做上下文感知翻译，比普通机翻准太多
4️⃣ OCR识别——硬字幕也能实时转文字，Tesseract加持
5️⃣ 字幕侧边栏支持搜索、跳转、查词，边看边学
6️⃣ 内置yt-dlp，YouTube直接播放+学习
💡 最关键的：ASR和OCR全部本地运行，隐私安全，支持NVIDIA GPU加速。
说实话，拿来刷美剧学英语、看日综学日语，比任何语言学习App都实在。免费开源，不收你一分钱。
唯一的遗憾——目前只支持Windows。
🔗 https://github.com/umlx5h/LLPlayer
2026年Q1，谁才是加密世界真正的王？最新报告！
CoinGlass最新报告给出了答案——币安，全维度碾压。
宇宙第一大所不是白给的！
这不是吹，是数据说话👇
1️⃣衍生品市场份额34.9%，断层第一
2️⃣合约持仓量（OI）占比29.9%，资金沉淀最深
3️⃣用户资产份额73.5%——注意，七成以上的钱都放在币安
4️⃣流动性深度遥遥领先，大单交易滑点最低
什么概念？
全球Q1加密总交易量20.57万亿美元，币安一家吃掉三分之一。用户资产更夸张，其他所有交易所加起来都不到它的零头。
说白了，加密行业的终局竞争早就结束了。剩下的只是谁当老二的问题。
唯一的变量？链上。Hyperliquid这类DEX正在悄悄蚕食CEX的地盘，但要动摇币安的王座，还早。
🔗
https://coinglass.com/en/learn/2026-q1-mktshare-report-en
CoinGlass最新报告给出了答案——币安，全维度碾压。
宇宙第一大所不是白给的！
这不是吹，是数据说话👇
1️⃣衍生品市场份额34.9%，断层第一
2️⃣合约持仓量（OI）占比29.9%，资金沉淀最深
3️⃣用户资产份额73.5%——注意，七成以上的钱都放在币安
4️⃣流动性深度遥遥领先，大单交易滑点最低
什么概念？
全球Q1加密总交易量20.57万亿美元，币安一家吃掉三分之一。用户资产更夸张，其他所有交易所加起来都不到它的零头。
说白了，加密行业的终局竞争早就结束了。剩下的只是谁当老二的问题。
唯一的变量？链上。Hyperliquid这类DEX正在悄悄蚕食CEX的地盘，但要动摇币安的王座，还早。
🔗
https://coinglass.com/en/learn/2026-q1-mktshare-report-en
今天还有人私信问我如何下载X上的视频，这个开源工具全网视频都能下载！
没有广告、没有追踪、没有付费墙，这才是下载工具该有的样子。
Cobalt，一个纯粹的媒体下载器——粘贴链接，拿到文件，走人。39.4k Star。
支持的平台👇
🎬 YouTube
📸 Instagram
🎵 TikTok
🐦 Twitter/X
📱 Reddit
🎧 SoundCloud
📹 Vimeo
🎶 Spotify
📎 VK
…还有更多
它不是什么都想做，就干一件事：你给它一个链接，它给你原始文件。
跟其他下载工具的区别：
1⃣ 零广告、零追踪、零付费墙——不靠你赚钱
2⃣ 作为代理工作，不缓存你的内容
3⃣ 只处理公开可访问的内容，跟浏览器开发者工具能做的事一样
4⃣ AGPL-3.0开源，代码全透明
Svelte + JavaScript + TypeScript写的，前后端分离，支持自部署。3,248次commit，维护非常活跃。
做内容搬运、素材收集、资料备份的，这个比那些满屏弹窗的下载站干净太多了。
⭐ 39,400 | 🍴 3,300
🔗 github.com/imputnet/cobalt
没有广告、没有追踪、没有付费墙，这才是下载工具该有的样子。
Cobalt，一个纯粹的媒体下载器——粘贴链接，拿到文件，走人。39.4k Star。
支持的平台👇
🎬 YouTube
🎵 TikTok
🐦 Twitter/X
🎧 SoundCloud
📹 Vimeo
🎶 Spotify
📎 VK
…还有更多
它不是什么都想做，就干一件事：你给它一个链接，它给你原始文件。
跟其他下载工具的区别：
1⃣ 零广告、零追踪、零付费墙——不靠你赚钱
2⃣ 作为代理工作，不缓存你的内容
3⃣ 只处理公开可访问的内容，跟浏览器开发者工具能做的事一样
4⃣ AGPL-3.0开源，代码全透明
Svelte + JavaScript + TypeScript写的，前后端分离，支持自部署。3,248次commit，维护非常活跃。
做内容搬运、素材收集、资料备份的，这个比那些满屏弹窗的下载站干净太多了。
⭐ 39,400 | 🍴 3,300
🔗 github.com/imputnet/cobalt
爬了22000篇华尔街日报，想用新闻情绪预测股市，结果很打脸。
Philippe Heitzmann做的一个数据科学项目：用Python+Selenium爬了2019-2020年间22,772篇WSJ全文，做NLP情绪分析，看能不能预测标普500走势。
研究了两个问题👇
📰 文章情绪 vs 读者参与度
→ 负面情绪越强的文章，评论越多（VADER负面评分在1%水平显著）
→ 但整体预测力很弱，R²只有0.014
📉 文章情绪 vs 市场走势
→ 测了当天到T+3四个时间窗口
→ 结果：R²约等于0.01，几乎没有预测能力
→ 结论很诚实——单靠WSJ情绪预测股市，基本没用
技术栈：Selenium爬虫、VADER + TextBlob情绪分析、Jupyter Notebook、R Shiny可视化、Docker部署。
这个项目值得看的不是结果，是过程——它用数据证伪了一个很多人深信不疑的假设："新闻情绪能预测股价"。
做量化的都知道，情绪因子单独用基本是废的，得跟其他因子组合才有可能有效。这个项目就是最好的反面教材。
⭐ 56 | 🍴 15
🔗 github.com/philippe-heitzmann/WSJ_WebScraping_NLP
Philippe Heitzmann做的一个数据科学项目：用Python+Selenium爬了2019-2020年间22,772篇WSJ全文，做NLP情绪分析，看能不能预测标普500走势。
研究了两个问题👇
📰 文章情绪 vs 读者参与度
→ 负面情绪越强的文章，评论越多（VADER负面评分在1%水平显著）
→ 但整体预测力很弱，R²只有0.014
📉 文章情绪 vs 市场走势
→ 测了当天到T+3四个时间窗口
→ 结果：R²约等于0.01，几乎没有预测能力
→ 结论很诚实——单靠WSJ情绪预测股市，基本没用
技术栈：Selenium爬虫、VADER + TextBlob情绪分析、Jupyter Notebook、R Shiny可视化、Docker部署。
这个项目值得看的不是结果，是过程——它用数据证伪了一个很多人深信不疑的假设："新闻情绪能预测股价"。
做量化的都知道，情绪因子单独用基本是废的，得跟其他因子组合才有可能有效。这个项目就是最好的反面教材。
⭐ 56 | 🍴 15
🔗 github.com/philippe-heitzmann/WSJ_WebScraping_NLP
微软亲自下场做的量化投资平台，华尔街的量化团队都在用！
Qlib，从因子挖掘到模型训练到回测到实盘部署，整条量化研究链路全覆盖。
不是玩具级Demo，是微软研究院出品的生产级框架。
核心能力👇
🧠 内置一堆SOTA模型 — LightGBM、Transformer、TabNet、HIST、IGMTF、KRNN，开箱即用
📈 全流程覆盖 — 数据处理 → 模型训练 → 回测 → 投资组合优化 → 在线部署
🔄 市场漂移适应 — Concept Drift技术，应对金融市场动态变化
⚡ 高频交易支持 — 1分钟级K线数据，HFT策略可跑
🤖 RD-Agent — 最新集成的LLM自动化系统，AI自己挖因子、优化模型
`pip install pyqlib`，Python 3.8-3.12，Docker镜像也有。
适合真正做量化的人，不适合看热闹的。
⭐ 40,100 | 🍴 6,300
🔗 github.com/microsoft/qlib
Qlib，从因子挖掘到模型训练到回测到实盘部署，整条量化研究链路全覆盖。
不是玩具级Demo，是微软研究院出品的生产级框架。
核心能力👇
🧠 内置一堆SOTA模型 — LightGBM、Transformer、TabNet、HIST、IGMTF、KRNN，开箱即用
📈 全流程覆盖 — 数据处理 → 模型训练 → 回测 → 投资组合优化 → 在线部署
🔄 市场漂移适应 — Concept Drift技术，应对金融市场动态变化
⚡ 高频交易支持 — 1分钟级K线数据，HFT策略可跑
🤖 RD-Agent — 最新集成的LLM自动化系统，AI自己挖因子、优化模型
`pip install pyqlib`，Python 3.8-3.12，Docker镜像也有。
适合真正做量化的人，不适合看热闹的。
⭐ 40,100 | 🍴 6,300
🔗 github.com/microsoft/qlib
FinGPT，AI4Finance基金会的另一个重磅项目——开源的金融大语言模型，核心解决一个问题：让普通人也能用上华尔街级别的金融AI。
跟BloombergGPT的区别：Bloomberg砸了300万美金从零训练一个金融LLM，FinGPT的思路是在开源大模型上做轻量级微调（LoRA），每次迭代成本不到300美元，还能每周/每月更新最新金融数据。
19k Star，NeurIPS 2023收录，不是野路子。
五层架构👇
1⃣ **数据源层** — 实时抓取市场信息
2⃣ **数据工程层** — NLP处理高频金融数据
3⃣ **大模型层** — 针对时效性做微调
4⃣ **任务层** — 基准测试评估
5⃣ **应用层** — 生产环境部署
⭐ 19,000+ | 🍴 2,700+
🔗 github.com/AI4Finance-Foundation/FinGPT
跟BloombergGPT的区别：Bloomberg砸了300万美金从零训练一个金融LLM，FinGPT的思路是在开源大模型上做轻量级微调（LoRA），每次迭代成本不到300美元，还能每周/每月更新最新金融数据。
19k Star，NeurIPS 2023收录，不是野路子。
五层架构👇
1⃣ **数据源层** — 实时抓取市场信息
2⃣ **数据工程层** — NLP处理高频金融数据
3⃣ **大模型层** — 针对时效性做微调
4⃣ **任务层** — 基准测试评估
5⃣ **应用层** — 生产环境部署
⭐ 19,000+ | 🍴 2,700+
🔗 github.com/AI4Finance-Foundation/FinGPT
AI帮你写投研报告，15种图表、三张报表全分析，质量堪比券商研报。
FinRobot，AI4Finance基金会出品的金融AI Agent平台，专门干投资研究这件事。不是套壳ChatGPT让你问问题，是真能自动生成完整投研报告的系统。
跟其他"AI炒股"项目最大的区别：它有学术论文支撑（arXiv: 2405.14767），架构设计是认真的。
核心能力👇
📊 **FinRobot Pro（Web版研报助手）**
→ 自动生成专业级股权研究报告
→ 三张报表全分析：利润表、资产负债表、现金流量表
→ 估值分析：PE、EV/EBITDA、同业对比
→ 全面风险评估
→ 多页HTML/PDF报告，15+种图表类型
→ 已有NVDA、MSFT、TSLA、META等示例报告可看
适合谁：
→ 个人投资者想要券商级研报但请不起分析师的
→ 量化团队想用AI加速投研流程的
→ 学术研究金融AI Agent的
⭐ 6,500 | 🍴 1,100
🔗 github.com/ai4finance-foundation/finrobot
FinRobot，AI4Finance基金会出品的金融AI Agent平台，专门干投资研究这件事。不是套壳ChatGPT让你问问题，是真能自动生成完整投研报告的系统。
跟其他"AI炒股"项目最大的区别：它有学术论文支撑（arXiv: 2405.14767），架构设计是认真的。
核心能力👇
📊 **FinRobot Pro（Web版研报助手）**
→ 自动生成专业级股权研究报告
→ 三张报表全分析：利润表、资产负债表、现金流量表
→ 估值分析：PE、EV/EBITDA、同业对比
→ 全面风险评估
→ 多页HTML/PDF报告，15+种图表类型
→ 已有NVDA、MSFT、TSLA、META等示例报告可看
适合谁：
→ 个人投资者想要券商级研报但请不起分析师的
→ 量化团队想用AI加速投研流程的
→ 学术研究金融AI Agent的
⭐ 6,500 | 🍴 1,100
🔗 github.com/ai4finance-foundation/finrobot
让AI组队干活，OPC一人公司被开源了！
CrewAI，Python写的多Agent协作框架，核心理念：给AI分角色、分任务、让它们像真实团队一样协作完成复杂工作。
10万+认证开发者在用，不是玩具。
它跟其他Agent框架最大的区别👇
不依赖LangChain。独立框架，更轻、更快、资源占用更低。
两种工作模式：
🤖 Crews（自主团队）
→ 每个Agent有独立角色、目标和专长
→ Agent之间可以自主决策、动态委派任务
→ 适合需要灵活判断的场景——市场调研、内容创作、数据分析
⚡ Flows（事件驱动工作流）
→ 精细控制每一步流程
→ 安全的状态管理、条件分支
→ 适合生产环境——审批流、数据处理管线、标准化业务流程
两者可以混合使用：Crews负责需要创造力的部分，Flows负责需要确定性的部分。
实际能干什么：
1⃣ 市场调研 — 一个Agent搜信息，一个Agent分析数据，一个Agent写报告
2⃣ 股票分析 — 基本面Agent + 技术面Agent + 风险评估Agent协作出投研报告
3⃣ 内容生产 — 策划Agent定选题，写作Agent出稿，编辑Agent审校
4⃣ 旅行规划 — 目的地Agent查攻略，预算Agent算费用，行程Agent排日程
5⃣ 招聘流程 — 筛选Agent过简历，评估Agent打分，汇总Agent出候选人名单
安装一行搞定：
`uv pip install crewai`
说白了，CrewAI解决的是"一个AI不够用，需要一群AI配合干活"这个问题。单Agent适合简单任务，但真正复杂的工作需要分工协作——这就是CrewAI的战场。
⭐ 48,000+ | 🍴 6,500+
🔗 github.com/crewAIInc/crewAI
CrewAI，Python写的多Agent协作框架，核心理念：给AI分角色、分任务、让它们像真实团队一样协作完成复杂工作。
10万+认证开发者在用，不是玩具。
它跟其他Agent框架最大的区别👇
不依赖LangChain。独立框架，更轻、更快、资源占用更低。
两种工作模式：
🤖 Crews（自主团队）
→ 每个Agent有独立角色、目标和专长
→ Agent之间可以自主决策、动态委派任务
→ 适合需要灵活判断的场景——市场调研、内容创作、数据分析
⚡ Flows（事件驱动工作流）
→ 精细控制每一步流程
→ 安全的状态管理、条件分支
→ 适合生产环境——审批流、数据处理管线、标准化业务流程
两者可以混合使用：Crews负责需要创造力的部分，Flows负责需要确定性的部分。
实际能干什么：
1⃣ 市场调研 — 一个Agent搜信息，一个Agent分析数据，一个Agent写报告
2⃣ 股票分析 — 基本面Agent + 技术面Agent + 风险评估Agent协作出投研报告
3⃣ 内容生产 — 策划Agent定选题，写作Agent出稿，编辑Agent审校
4⃣ 旅行规划 — 目的地Agent查攻略，预算Agent算费用，行程Agent排日程
5⃣ 招聘流程 — 筛选Agent过简历，评估Agent打分，汇总Agent出候选人名单
安装一行搞定：
`uv pip install crewai`
说白了，CrewAI解决的是"一个AI不够用，需要一群AI配合干活"这个问题。单Agent适合简单任务，但真正复杂的工作需要分工协作——这就是CrewAI的战场。
⭐ 48,000+ | 🍴 6,500+
🔗 github.com/crewAIInc/crewAI
让巴菲特、芒格、木头姐同时帮你看一只股票，这个开源项目可以做到！
ai-hedge-fund，一个用18个AI Agent模拟对冲基金投研团队的开源项目，50k Star。
它的思路很野：不是造一个分析模型，而是造了一整个投资团队——每个Agent扮演一位真实的投资大师，用他们的投资哲学来分析同一只股票。
12个投资大师Agent👇
🧠 Warren Buffett — 价值投资，护城河思维
🧮 Charlie Munger — 多元思维模型
📊 Ben Graham — 安全边际，格雷厄姆公式
🔥 Cathie Wood — 颠覆式创新，成长股
🏦 Bill Ackman — 激进投资，事件驱动
💀 Michael Burry — 逆向投资，深度价值
📈 Peter Lynch — 生活中找十倍股
🔍 Phil Fisher — 闲聊法调研
💎 Mohnish Pabrai — 低风险高回报
🐘 Rakesh Jhunjhunwala — 印度股神，新兴市场视角
💰 Stanley Druckenmiller — 宏观对冲
📉 Aswath Damodaran — 估值教父
再加6个专业Agent：
4⃣ 估值分析师、情绪分析师、基本面分析师、技术面分析师
2⃣ 风险经理、投资组合经理
工作流是这样的：12个大师各自独立分析 → 4个专业Agent补充数据维度 → 风险经理审核 → 投资组合经理综合所有意见做最终决策。
三种使用方式：
1⃣ 命令行 — Python + Poetry直接跑
2⃣ Web界面 — 全栈UI，可视化看结果
3⃣ 回测器 — 拿历史数据验证策略表现
支持OpenAI、Anthropic、Groq、DeepSeek、本地Ollama多模型。免费数据覆盖AAPL、GOOGL、MSFT、NVDA、TSLA五只。
⚠️ 必须说清楚：这是教育项目，不执行真实交易，不构成投资建议。50k Star不代表它能帮你赚钱——代表的是这个Agent架构设计确实有意思。
拿来学多Agent协作、学投资分析框架，绝对值得翻一遍代码。拿来实盘？那是另一回事了。
⭐ 50,000 | 🍴 8,700
🔗 github.com/virattt/ai-hedge-fund
ai-hedge-fund，一个用18个AI Agent模拟对冲基金投研团队的开源项目，50k Star。
它的思路很野：不是造一个分析模型，而是造了一整个投资团队——每个Agent扮演一位真实的投资大师，用他们的投资哲学来分析同一只股票。
12个投资大师Agent👇
🧠 Warren Buffett — 价值投资，护城河思维
🧮 Charlie Munger — 多元思维模型
📊 Ben Graham — 安全边际，格雷厄姆公式
🔥 Cathie Wood — 颠覆式创新，成长股
🏦 Bill Ackman — 激进投资，事件驱动
💀 Michael Burry — 逆向投资，深度价值
📈 Peter Lynch — 生活中找十倍股
🔍 Phil Fisher — 闲聊法调研
💎 Mohnish Pabrai — 低风险高回报
🐘 Rakesh Jhunjhunwala — 印度股神，新兴市场视角
💰 Stanley Druckenmiller — 宏观对冲
📉 Aswath Damodaran — 估值教父
再加6个专业Agent：
4⃣ 估值分析师、情绪分析师、基本面分析师、技术面分析师
2⃣ 风险经理、投资组合经理
工作流是这样的：12个大师各自独立分析 → 4个专业Agent补充数据维度 → 风险经理审核 → 投资组合经理综合所有意见做最终决策。
三种使用方式：
1⃣ 命令行 — Python + Poetry直接跑
2⃣ Web界面 — 全栈UI，可视化看结果
3⃣ 回测器 — 拿历史数据验证策略表现
支持OpenAI、Anthropic、Groq、DeepSeek、本地Ollama多模型。免费数据覆盖AAPL、GOOGL、MSFT、NVDA、TSLA五只。
⚠️ 必须说清楚：这是教育项目，不执行真实交易，不构成投资建议。50k Star不代表它能帮你赚钱——代表的是这个Agent架构设计确实有意思。
拿来学多Agent协作、学投资分析框架，绝对值得翻一遍代码。拿来实盘？那是另一回事了。
⭐ 50,000 | 🍴 8,700
🔗 github.com/virattt/ai-hedge-fund
华尔街震惊了！
有人把华尔街的多 Agent 量化交易系统做了个中国版
TradingAgents-CN，基于 LangGraph 的多 AI Agent 协作炒股框架，原版是面向美股的学术项目，这个 fork 做了完整的中国市场适配。
核心架构模拟了一个投行研究团队：
→ 基本面分析师：财报、估值、行业对比
→ 技术面分析师：K线形态、指标信号
→ 新闻分析师：舆情、政策、事件驱动
→ 风控经理：仓位管理、止损止盈
→ 交易员：综合所有分析师意见，最终决策
中国化做了哪些事：
→ 接入 A 股、港股、美股三个市场数据
→ 数据源用 akshare + Alpha Vantage + Finnhub + yfinance
→ 三层缓存（Redis + MongoDB + File），自动降级
→ Streamlit Web 界面，支持实时进度显示
→ Docker 多架构部署（amd64 + arm64）
→ 完整的中文文档和配置
1195 次 commit，维护了快一年，代码量不小。从 commit 记录看作者在认真解决工程问题 → 事件循环冲突、导入路径修复、日志系统重构，不是套壳演示项目。
但需要清醒的是：AI Agent 炒股目前还没有任何公开的、经过长周期验证的正收益案例。多 Agent 架构的决策质量高度依赖底层 LLM 的推理能力，而 LLM 对金融市场的理解本质上是基于历史文本，不是基于市场微观结构。
适合做量化研究和 Agent 架构学习，别直接拿来实盘。
⭐
22,400 |🍴4,600
🔗https://github.com/hsliuping/TradingAgents-CN
有人把华尔街的多 Agent 量化交易系统做了个中国版
TradingAgents-CN，基于 LangGraph 的多 AI Agent 协作炒股框架，原版是面向美股的学术项目，这个 fork 做了完整的中国市场适配。
核心架构模拟了一个投行研究团队：
→ 基本面分析师：财报、估值、行业对比
→ 技术面分析师：K线形态、指标信号
→ 新闻分析师：舆情、政策、事件驱动
→ 风控经理：仓位管理、止损止盈
→ 交易员：综合所有分析师意见，最终决策
中国化做了哪些事：
→ 接入 A 股、港股、美股三个市场数据
→ 数据源用 akshare + Alpha Vantage + Finnhub + yfinance
→ 三层缓存（Redis + MongoDB + File），自动降级
→ Streamlit Web 界面，支持实时进度显示
→ Docker 多架构部署（amd64 + arm64）
→ 完整的中文文档和配置
1195 次 commit，维护了快一年，代码量不小。从 commit 记录看作者在认真解决工程问题 → 事件循环冲突、导入路径修复、日志系统重构，不是套壳演示项目。
但需要清醒的是：AI Agent 炒股目前还没有任何公开的、经过长周期验证的正收益案例。多 Agent 架构的决策质量高度依赖底层 LLM 的推理能力，而 LLM 对金融市场的理解本质上是基于历史文本，不是基于市场微观结构。
适合做量化研究和 Agent 架构学习，别直接拿来实盘。
⭐
22,400 |🍴4,600
🔗https://github.com/hsliuping/TradingAgents-CN
Drift Protocol 刚被盗 2.7 亿美金，还是黑客来钱快呀！
我踏马也要学习黑客技术，分享一个开源黑客渗透工具包：
hackingtool 把 185 个安全工具打包成一个 Python 菜单，信息收集、漏洞利用、钓鱼攻击、后渗透、载荷生成，20 个分类一键安装。v2.0 甚至支持自然语言搜索 → 输入"我想扫描一个网络"，它帮你挑工具。
这个仓库 5.7 万 star，本意是给安全研究人员用。但 Drift 事件说明一个残酷现实：攻击者的工具链已经高度工程化，而防御端的响应速度远远跟不上。黑客三周前就在链上埋伏，直到今天才引爆。
安全工具开源是双刃剑 → 白帽用来审计加固，黑帽用来踩点突破。区别只在于谁先动手。
hackingtool适合 CTF 选手和有合法授权的渗透测试人员当工具箱用，不适合拿来干坏事。
⭐57,149 |
🍴6,295
🔗
https://github.com/Z4nzu/hackingtool
我踏马也要学习黑客技术，分享一个开源黑客渗透工具包：
hackingtool 把 185 个安全工具打包成一个 Python 菜单，信息收集、漏洞利用、钓鱼攻击、后渗透、载荷生成，20 个分类一键安装。v2.0 甚至支持自然语言搜索 → 输入"我想扫描一个网络"，它帮你挑工具。
这个仓库 5.7 万 star，本意是给安全研究人员用。但 Drift 事件说明一个残酷现实：攻击者的工具链已经高度工程化，而防御端的响应速度远远跟不上。黑客三周前就在链上埋伏，直到今天才引爆。
安全工具开源是双刃剑 → 白帽用来审计加固，黑帽用来踩点突破。区别只在于谁先动手。
hackingtool适合 CTF 选手和有合法授权的渗透测试人员当工具箱用，不适合拿来干坏事。
⭐57,149 |
🍴6,295
🔗
https://github.com/Z4nzu/hackingtool
想做量化投资组合优化？这个 Python 库把华尔街级别的工具开源了
Riskfolio-Lib，一个专业的投资组合优化和量化资产配置库。覆盖的东西非常硬核：有效前沿、风险平价、CVaR 优化、最大回撤模型、主成分回归、久期匹配、Sharpe 比率优化……基本上量化投资里能用到的组合优化方法它都实现了。
底层基于 CVXPY 做凸优化求解，不是那种玩具级别的回测框架，而是真正用于资产配置决策的工具。适合量化研究员、资管从业者、或者想系统学习现代投资组合理论的人。
3800+ stars，600+ forks，说明在量化圈有真实用户基础。
🔗https://github.com/dcajasn/Riskfolio-Lib
Riskfolio-Lib，一个专业的投资组合优化和量化资产配置库。覆盖的东西非常硬核：有效前沿、风险平价、CVaR 优化、最大回撤模型、主成分回归、久期匹配、Sharpe 比率优化……基本上量化投资里能用到的组合优化方法它都实现了。
底层基于 CVXPY 做凸优化求解，不是那种玩具级别的回测框架，而是真正用于资产配置决策的工具。适合量化研究员、资管从业者、或者想系统学习现代投资组合理论的人。
3800+ stars，600+ forks，说明在量化圈有真实用户基础。
🔗https://github.com/dcajasn/Riskfolio-Lib
让你的 AI Agent 秒变华尔街分析师，这个金融 Skills 合集值得收藏
消息面有它就够用了，OpenClaw小龙虾可以装上！
Awesome Finance Skills，一套即插即用的金融分析 Agent 技能包，涵盖 8 大模块：
→ 实时新闻聚合：财联社、华尔街见闻、微博、Polymarket 等 10+ 信源
→ A股/港股数据：股票代码搜索、OHLCV 历史行情
→ 情绪分析：基于 FinBERT/LLM 的市场情绪评分（-1.0 ~ +1.0）
→ 时序预测：Kronos 模型预测，结合新闻情绪自动调整
→ 逻辑链路可视化：自动生成市场影响传导链路图
→ 投资信号追踪：信号强化/弱化/证伪的演变跟踪
→ 研报生成：规划→写作→编辑→图表，一站出报告
→ 搜索与 RAG：Jina/DDG/百度多引擎检索
兼容 Claude Code、Codex、OpenCode、Antigravity 等主流 Agent 框架，一行命令安装：
`npx skills add RKiding/Awesome-finance-skills@alphaear-news`
对做量化研究或金融内容的人来说，这套东西省去了自己对接数据源的大量工作。有免费在线 Demo 可以先试。
⭐645 |
🍴84 | Python
🔗https://github.com/RKiding/Awesome-finance-skills
消息面有它就够用了，OpenClaw小龙虾可以装上！
Awesome Finance Skills，一套即插即用的金融分析 Agent 技能包，涵盖 8 大模块：
→ 实时新闻聚合：财联社、华尔街见闻、微博、Polymarket 等 10+ 信源
→ A股/港股数据：股票代码搜索、OHLCV 历史行情
→ 情绪分析：基于 FinBERT/LLM 的市场情绪评分（-1.0 ~ +1.0）
→ 时序预测：Kronos 模型预测，结合新闻情绪自动调整
→ 逻辑链路可视化：自动生成市场影响传导链路图
→ 投资信号追踪：信号强化/弱化/证伪的演变跟踪
→ 研报生成：规划→写作→编辑→图表，一站出报告
→ 搜索与 RAG：Jina/DDG/百度多引擎检索
兼容 Claude Code、Codex、OpenCode、Antigravity 等主流 Agent 框架，一行命令安装：
`npx skills add RKiding/Awesome-finance-skills@alphaear-news`
对做量化研究或金融内容的人来说，这套东西省去了自己对接数据源的大量工作。有免费在线 Demo 可以先试。
⭐645 |
🍴84 | Python
🔗https://github.com/RKiding/Awesome-finance-skills
币安Web3钱包新出的这个功能太牛逼了，Meme玩的就是名人叙事，这个知名人士的标签太重要了，对于小白来说一看就知道哪个Meme跟哪个名人有关系，以后找角度就省了很多时间！
币安 Web3 钱包网页版的热点雷达新增了「话题标签」功能。聚焦高影响力推特账号，自动捕捉市场热点，5 大精选标签分类，一键筛选过滤噪音。简单说就是帮你从信息洪流里快速定位当前在炒什么叙事。
这个功能绝对要给币安钱包的产品经理加鸡腿，前两天我分享的《阿峰把年赚几千万Meme压箱底的干货都拿出来，大家认真读几遍，不定赚那么多，但至少不会亏钱！》这篇文章将的就是这个道理！
入口：
打开币安钱包：https://web3.binance.com/referral?ref=BNBSOL
战壕---热点雷达---删选器
币安 Web3 钱包网页版的热点雷达新增了「话题标签」功能。聚焦高影响力推特账号，自动捕捉市场热点，5 大精选标签分类，一键筛选过滤噪音。简单说就是帮你从信息洪流里快速定位当前在炒什么叙事。
这个功能绝对要给币安钱包的产品经理加鸡腿，前两天我分享的《阿峰把年赚几千万Meme压箱底的干货都拿出来，大家认真读几遍，不定赚那么多，但至少不会亏钱！》这篇文章将的就是这个道理！
入口：
打开币安钱包：https://web3.binance.com/referral?ref=BNBSOL
战壕---热点雷达---删选器
传统教育要被AI革命了！未来可能真的不需要交学费了！
清华大学团队开发的一套开源Agent，支持OpenClaw龙虾，可以将任何知识和学习材料转换成AI互动教程课，AI成为你的老师，还有AI同学跟你互动，还可以导出课件（老师可以用来讲课）！
记忆提高10倍，省下大量几十万N学费，未来自学可以用，传统学校的老师做课件更省事了！
仓库地址：
https://github.com/THU-MAIC/OpenMAIC?tab=readme-ov-file
清华大学团队开发的一套开源Agent，支持OpenClaw龙虾，可以将任何知识和学习材料转换成AI互动教程课，AI成为你的老师，还有AI同学跟你互动，还可以导出课件（老师可以用来讲课）！
记忆提高10倍，省下大量几十万N学费，未来自学可以用，传统学校的老师做课件更省事了！
仓库地址：
https://github.com/THU-MAIC/OpenMAIC?tab=readme-ov-file
两个mini版OpenClaw龙虾，把Opencalw代码优化到极致，可以在配置很低的闲置设备上跑，已经有人在树莓派上部署OpenClaw了，极客玩家最爱！
ZeroClaw
http://github.com/theonlyhennygod/zeroclaw
Rust 重写的 OpenClaw，内存降了 190多倍
• 体积：28MB → 3.4MB（8 倍）
• 启动：5.98s → 0s
• 内存：1.52GB → 7.8MB（194 倍差）
PicoClaw
http://github.com/sipeed/picoclaw
用 OpenClaw 1% 的代码、1% 的内存，把核心功能跑在 10MB RAM 的 RISC-V 上。用10美金的开发板就能部署龙虾，能跑Linux系统。
ZeroClaw
http://github.com/theonlyhennygod/zeroclaw
Rust 重写的 OpenClaw，内存降了 190多倍
• 体积：28MB → 3.4MB（8 倍）
• 启动：5.98s → 0s
• 内存：1.52GB → 7.8MB（194 倍差）
PicoClaw
http://github.com/sipeed/picoclaw
用 OpenClaw 1% 的代码、1% 的内存，把核心功能跑在 10MB RAM 的 RISC-V 上。用10美金的开发板就能部署龙虾，能跑Linux系统。
一个信息情报站Skill，可以从数千条信息源RSS中筛选出重要的内容，内容源包括X/推特、Reddit等，每4小时、每日推送给你，支持中文，开源免费的！
仓库地址：https://github.com/kevinho/clawfeed
OpenClaw龙虾安装指令：clawhub install clawfeed
仓库地址：https://github.com/kevinho/clawfeed
OpenClaw龙虾安装指令：clawhub install clawfeed
Συνδεθείτε για να εξερευνήσετε περισσότερα περιεχόμενα