cls trader (@kuga331) profile picture
Joined March 2018
Photo by cls trader (@kuga331)Photo by cls trader (@kuga331)Photo by cls trader (@kuga331)Photo by cls trader (@kuga331)Photo by cls trader (@kuga331)Photo by cls trader (@kuga331)Photo by cls trader (@kuga331)Photo by cls trader (@kuga331)Photo by cls trader (@kuga331)Photo by cls trader (@kuga331)
cls trader retweeted
Claude Mythos is Insane! ❤️‍🔥Just recorded a 12-min tutorial on how to build animated, award-Winning websites with Claude Fable 5!
222
1,366
108
16,332
2,715,843
cls trader retweeted
You can use now Codex in Claude Code 🤯 OpenAI has dropped a plugin that lets you run Codex directly inside Claude Code. Code reviews, adversarial reviews, background tasks…one command to install: /plugin install codex@openai-codex
71
137
29
1,501
307,990
cls trader retweeted
现在项目方的套路都一样了吗? 感觉最近看下来, $H $BILL $RAVE $LAB 这些盘 味儿都越来越像了 先把 FDV 拉高, 再制造预售/早期轮的巨大浮盈 然后通过锁仓、bonus、延期解锁这些规则 把真正的现货供应暂时锁住 市场上的对手盘就形成了: 这币这么高 FDV,肯定要跌 早期轮这么多浮盈,肯定要砸 锁仓的人肯定会去合约对冲 比如 $bill ,刚刚又新高了 15亿 FDV 一样的套路,kaito预售 1亿 FDV卖了5% 那预售的现在就是15x 然后项目方把 100%的tge 改成了三选一 要么退款 要么锁 6 个月,多给 25% 要么锁 1 年,多给 50% 截止到18号 锁仓的人大概率会锁仓+bonus 对冲的估计也会有 然后最开心的就是项目方和做局的人 他们需要流动性,需要空头,需要一堆人去帮他们把盘口做热 大家越想空锁仓筹码,价格反而越容易被往上挤, 资金费率拉爆,空头被清算, 最后又变成一场熟悉的收割游戏 有点像之前 $RAVE 那味儿 更骚的是10号的时候 $bill 凌晨1点团队多签地址往bitget 充值了50m 枚 $bill 正好是价格最高点的位置附近,随后价格下跌了接近40% 0x72f3056fb93a6e627375b2c581abd91ea5b04c99 目前钱包还有50m枚 $bill 一样的套路一样的手法: 高 FDV 预售巨额浮盈 临时改锁仓规则 鼓励市场做对冲 团队钱包高位充 CEX 这个市场不是没有逻辑, 逻辑都写在合约仓位和链上筹码里了 哈哈哈
15
10
4
98
54,387
无论是 lab:native 还是 build-on:native ,或者 很少提的 ESPORTS 、COLLECT,实际上都是可以通过 币安 AI Pro 提前检索出来的 这些个Alpha板块的币,里面的庄在启动前,都会狠狠地暴涨暴跌几次,只要合约数据没问题,起爆是早晚的事。 图1,是根据: |1、币安Alpha 币种 2、已上线币安合约,并且合约持仓不低于5M 3、近一个月内没有爆拉过(500%) 4、链上持仓筹码高度集中,TOP10大于90% 5、近一周,合约持仓明显异动 币安AI Pro还根据条件,给出了一些高潜力代币,比如 UESLESS、VVV 这个策略,实际上可以每天扫一次。然后根据自己的喜好,再重点关注合约持仓。
15
19
1
103
17,174
cls trader retweeted
港大又放大招了! 量化投研的门槛,这次被港大开源的 Vibe-Trading 直接干穿。 你不再需要精通 Python、不用手动拉数据、不用自己写回测框架。 只需要用大白话说一句想法,AI 多智能体团队就自动帮你把事情干完。 分享一个我最近一直在用的项目:Vibe-Trading 核心优势: · 全市场原生打通:加密货币、美股、A股全部支持(OKX、Futu、Tushare、yfinance 等) · 29 种 AI 交易团队:策略师、技术分析师、基本面研究员、风控官……随便召唤 · 它们会内部辩论、互相挑刺,把 AI 幻觉大幅减少 · 生成策略后可一键导出 Pine Script(TradingView)和 MQL5(MT5)代码,直接复制使用~ 实际试了试: 输入【ETH 这周有啥机会?把技术面和资金费率都考虑进去】→ 几个 AI 角色开始吵架,最后给了我一份带收益曲线和风险评估的完整报告。 而且Docker 本地部署,数据不离开自己电脑,安全隐私拉满。 GitHub: github.com/HKUDS/Vibe-Tradin… 感兴趣的朋友们可以跑起来试试~ DYOR
量化交易的门槛,这次被 QuantDinger 彻底拆掉了。 你不再需要精通 Python、不用手动拉数据、不用自己搭回测框架,更不用担心代码调试。 只需要用大白话说一句策略想法,AI 就帮你完成剩下所有事。 QuantDinger 核心亮点: · 支持加密货币、美股、外汇 全部打通 · AI 多智能体协作(策略师 + 风控 + 回测专家内部辩论) · 自然语言生成 Python 策略 + 一键回测 + 可视化 + 自动交易 · Docker 两分钟部署,数据全在本地,隐私拉满 实际操作有多简单? 输入:“帮我用突破策略回测 BTC 过去 30 天” → 系统自动调度 AI 团队:拉取数据、生成策略代码、跑完整回测、输出图表和绩效报告。 进阶亮点⭐️: 预测市场分析:支持 Polymarket 等预测市场作为研究工作流。 输入市场链接或关键词,AI 可自动拉取赔率、做概率分歧分析、打机会分、给出 YES/NO/HOLD 建议(目前主要用于辅助研究和决策)。 GitHub: github.com/brokermr810/Quant… 感兴趣的可以直接跑起来试试,DYOR。
144
368
6
1,258
187,033
我只想说一句,这文章太tm牛逼了! 最好的诈骗教程就是看反诈案例。所以这篇做市商操盘案卷,就是最好的跟庄教程! 文中拿了两个经典案例,把 $myx 和 $coai 做市商的收割手法拆出来给你看👇 部分和我抓 $lab 的手法异曲同工,变相验证了里面的方法论 原文英文版,我将关键部分整理在下面了👇🧵
106
177
7
957
369,677
本周 GitHub 涨星最快的开源项目: 1.mattpocock/skills (+30.9K stars) 真正的工程师技能库。直接摘自我的 .claude 目录 2.forrestchang/andrej-karpathy-skills(+23.1K stars) 仅用一个 CLAUDE.md 文件就能优化 Claude Code 的表现,灵感来源于 Andrej Karpathy 对大模型编程常见陷阱的深入观察 3.Alishahryar1/free-claude-code (+14.7K stars) 让你在终端、VSCode 插件或类似 OpenClaw 的 Discord 机器人中免费使用 claude-code(支持语音输入) 4.Z4nzu/hackingtool (+8.7K stars) 专为黑客打造的 All-in-One 一站式黑客工具包 5.TauricResearch/TradingAgents (+6.0K stars)TradingAgents:基于大语言模型多智能体(Multi-Agents)的金融交易框架 6.huggingface/ml-intern (+5.7K stars) ml-intern:一个开源的 AI 机器学习工程师,能全自动帮你读论文、训练模型并完成部署 7.abhigyanpatwari/GitNexus (+5.2K stars) GitNexus:零服务器的代码智能引擎。它是一个完全在你的浏览器中运行的纯客户端知识图谱生成器。只需拖入一个 GitHub 仓库链接或 ZIP 压缩包,就能生成带有内置 Graph RAG 智能体的交互式知识图谱。简直是代码探索的神器 8.lsdefine/GenericAgent (+2.4K stars) 自进化智能体:从仅 3300 行代码的种子起步,自行生长出技能树,用原来六分之一的 token 消耗就能实现对系统的完整控制 9.mksglu/context-mode (+2.3K stars) 专为 AI 编程助手设计的上下文窗口优化工具。通过对工具输出进行沙盒化处理,直接将上下文占用锐减 98%。目前已支持 14 个平台 10.AIDC-AI/Pixelle-Video (+2.1K stars) AI 全自动短视频引擎 本周趋势总结: claude.md 配置文件和智能体技能树正在成为 GitHub 上新的技术护城河
本周 GitHub 热门增长仓库榜单 1.​forrestchang/andrej-karpathy-skills (+32.1K Stars) ​简介: 仅需一个 CLAUDE. md 文件即可大幅优化 Claude Code 的表现。该项目基于 Andrej Karpathy 对大语言模型(LLM)编码陷阱的深度洞察总结而成 2.​NousResearch/hermes-agent (+20.3K Stars) ​简介: 与你共同进化的 AI 智能体 3.​thedotmack/claude-mem (+7.6K Stars) ​简介: 一个 Claude Code 增强插件。它能自动记录 Claude 在编码会话中的所有操作,并利用 AI(基于 Claude 的 agent-sdk)进行压缩,将相关的上下文精准注入到未来的对话中 4.​multica-ai/multica (+5.7K Stars) ​简介: 开源托管智能体平台。将编码助手转化为真正的团队成员——支持分配任务、跟踪进度以及技能沉淀 5.​Alishahryar1/free-claude-code (+4.4K Stars) ​简介: 免费使用 Claude Code。支持终端、VSCode 插件或通过类似 openclaw 的 Discord 渠道进行集成 6.​jamiepine/voicebox (+4.0K Stars) ​简介: 开源 AI 语音工作室。支持声音克隆、语音听写与创作 7.​openai/openai-agents-python (+3.8K Stars) ​简介: OpenAI 官方出品,一个用于构建多智能体(Multi-agent)工作流的轻量级且强大的框架 8.​EvoMap/evolver (+3.8K Stars) ​简介: 由 GEP 驱动的 AI 智能体自我进化引擎。通过“基因”、“胶囊”和“事件”实现可审计的进化过程 9.​Lordog/dive-into-llms (+3.6K Stars) ​简介: 《动手学大模型 Dive into LLMs》系列编程实践教程 10.​lsdefine/GenericAgent (+3.5K Stars) ​简介: 自进化智能体:仅凭 3300 行代码的“种子”即可生长出技能树,仅需 1/6 的 Token 消耗即可实现全系统控制。 ​本周核心趋势 ​Claude Code 进阶技巧与**“自我进化型”智能体(Self-evolving Agents)**正在同时席卷整个开发者生态 ​💡 建议收藏: GitHub 生态瞬息万变,下周的榜单可能就完全不同了。
8
84
4
379
40,004
cls trader retweeted
在 GitHub 上挖到一门很实用的开源课:Learn Harness Engineering,专门教你给 AI 编程助手搭一套更可靠的“工作台”。 它把 AI 协作拆成五个关键机制:指令、状态、验证、范围、会话,让每次任务都可追踪、可续接、可验证,不再靠运气出结果。 GitHub:github.com/walkinglabs/learn… 官网:walkinglabs.github.io/learn-… 课程结构很清晰:12 节理论 + 6 个实战项目,用同一个桌面应用贯穿推进,边做边演进。 从最基础的对比实验起步,逐步把整套工作环境搭起来;每个项目的产出,直接接到下一个项目继续用,越做越稳。 更贴心的是,它还提供可直接复用的模板文件:拷进自己的项目就能上手,不用完整学完,也能立刻提升 AI 的稳定性和可控性。 如果你已经在用 Claude Code 或 Codex 做真实开发,却总觉得 AI 时好时坏、难以复现,这门课很值得花时间看看。
14
361
8
2,029
147,004
本周增长最快的 GitHub 仓库: 1.NousResearch/hermes-agent (+5.1万 stars) 与你共同成长的智能体(Agent) 2.forrestchang/andrej-karpathy-skills (+3.74万 stars) 一个用于提升 Claude Code 表现的 CLAUDE.md 文件,源自 Andrej Karpathy 对 LLM 编程陷阱的观察 3. microsoft/markitdown (+1.45万 stars) 用于将文件和 Office 文档转换为 Markdown 的 Python 工具 4.thedotmack/claude-mem (+1.24万 stars) 一个 Claude Code 插件,可自动捕获 Claude 在编程过程中的所有操作,通过 AI 进行压缩(使用 Claude 的 agent-sdk),并在未来的会话中注入相关上下文 5.multica-ai/multica (+1.06万 stars) 开源托管智能体平台。将编程智能体转变为真正的队友——分配任务、跟踪进度、叠加技能 6.shiyu-coder/Kronos (+6700 stars) Kronos:金融市场语言的基础模型 7.addyosmani/agent-skills (+6400 stars) 为 AI 编程智能体提供的生产级工程技能 8.OpenBMB/VoxCPM (+6300 stars) VoxCPM2:用于多语言语音生成、创意语音设计和逼真克隆的免分词器TTS 9.virattt/ai-hedge-fund (+4700 stars) 一个 AI 对冲基金团队 10.HKUDS/DeepTutor (+4500 stars) DeepTutor:原生智能体个性化学习助手 本周主题: Claude Code 技能包和智能体编排平台已成为开发者的新趋势 点击收藏。下周的榜单将会完全不同
本周 GitHub 热门项目飙升榜 1.NousResearch/hermes-agent (+19.8K stars) 能与你共同进化的智能体。 不再是死板的脚本,而是随着交互不断学习成长的 AI 助手 2.siddharthvaddem/openscreen (+12.3K stars) Screen Studio 的顶级开源平替。 完全免费地制作电影级演示视频,零订阅、无水印、支持商用 3.Yeachan-Heo/oh-my-codex (+9.7K stars) 让你的代码库“活”起来。 为代码仓库引入 Hook、智能体团队协作以及 HUD 抬头显示,告别冰冷的文本,打造沉浸式开发环境 4.luongnv89/claude-howto (+7.3K stars) Claude Code 实战全书。 纯干货、可视化示例驱动,从基础概念到高阶智能体玩法一网打尽,还有大量即插即用的模板 5.onyx-dot-app/onyx (+5.6K stars) 全能型开源 AI 对话平台。 功能极其丰富,且能完美适配市面上几乎所有的主流大语言模型(LLM) 6.Yeachan-Heo/oh-my-claudecode (+5.2K stars) Claude Code 多智能体编排利器。 专为团队协作设计,让多个 AI 智能体各司其职、高效协同 7.google-ai-edge/gallery (+4.3K stars) 端侧 AI 应用大赏。 Google 官方出品,展示了各类在本地运行的机器学习和生成式 AI 案例,支持直接本地体验 8.HKUDS/DeepTutor (+3.2K stars) DeepTutor:你的原生 AI 私教。 真正懂你的个性化学习助手,基于 Agent 原生架构打造 9.google-research/timesfm (+3.1K stars) Google 时间序列基础模型。 TimesFM 专注于时序预测难题,是大厂出的预训练重器 10.NVIDIA/personaplex (+2.7K stars) PersonaPlex 官方代码库。 本周主题: Claude Code 的智能体封装及多智能体编排工具正占据主流 建议收藏。下周的榜单可能又是完全不同的局面
7
41
2
147
21,708
cls trader retweeted
可在 Coinglass 监测 Bitfinex 仓位 coinglass.com/BitfinexMargin 仓位 30 天涨幅超过 15% → 考虑做空,30 天内做空胜率 69% 仓位 30 天跌幅超过 10% → 考虑做多,14 天内做多胜率 62% 叠加其他指标“共振”应该有非常好的效果
2
11
33
7,846
cls trader retweeted
深圳有个22岁的学生,用一部900块的红米手机。 就三月份这一个月,这部手机帮他赚了14700美元。他爸妈到现在还以为他在备考。 手机每隔半小时,自动打开六个中文新闻App。自动翻看新闻标题,截屏,然后把摘要扔给Claude。 AI再把这些新闻和Polymarket上的价格做对比,给出投注建议。 Polymarket→polymarket.com/zh/?r=TGweb33… 整个过程,这个学生一行代码都没写。 靠的是一个开源项目叫PhoneDriver。 原理很简单:AI像人一样看手机屏幕,自己判断要点哪、滑到哪。 你只要用大白话把任务描述清楚就行。 手机不需要开任何API,也不用接触App的底层代码。模型只看你看到的那些像素。 这个学生的玩法,说穿了也简单。中文新闻是用中文发的。什么监管动作、贸易决策、经济数据,路透社翻译出来之前几个小时,早就挂在微博和今日头条上了。 而Polymarket上定价的,是英语世界的交易员。中文新闻出来,到市场反应之间,有20到50分钟的时间差。 他用的六个App里,有三个对爬虫见一个封一个。 但PhoneDriver不解析数据,它就像正常人一样用App,只不过比人快,而且不休息。 96%的移动应用都没有公开的API。但每个应用都有屏幕。对PhoneDriver来说,这就够了。
5
24
2
160
54,758
cls trader retweeted
打造Claude Code的核心开发者@bcherny,最近透露了他们团队天天用Claude的秘诀,我们之前用Claude的方式,全是低效的无用功。 这个秘诀根本不是什么复杂的提示词技巧,就是在项目根目录里放一个CLAUDE.md文件。 文件里不用写长篇大论的规则,就记三样核心内容,项目里之前踩过的坑和犯过的错,团队统一的代码惯例,还有这个项目的专属运行规则。Claude每次开启新的项目对话,都会先完整读取这个文件。 很多人用Claude写代码,每次开新对话都要把项目结构,代码规范,之前踩过的坑重新复述一遍,说少了细节不对,说多了上下文溢出,最后出来的代码还是要改半天。这个文件直接把项目的固定记忆,放进了Claude的默认上下文里,不用每次重复,也不会漏掉关键细节。 完整中英文两个版本提示词放评论区了,大家自取👇 #Claude #提示词工程 #AI效率 #ClaudeCode #AI智能体
The guy who created Claude Code ( @bcherny ) recently leaked how his team uses Claude. One CLAUDE.md that you drop into your project. Inside: past errors, conventions, rules - Claude reads it every session. Boris uses this every day at Anthropic:
22
292
5
1,207
181,202
cls trader retweeted
今日 GitHub 榜首:一个 Claude Code 插件,单日暴涨了 1000+ Star。 主要用于可视化: - 当前会话剩余的上下文长度 - 正在执行了哪些工具 - 正在调用哪些子 Agent - 任务待办事项列表进度 GitHub:github.com/jarrodwatts/claud… 习惯在终端上使用 Claude Code 的朋友,可以安装一个试试。
26
169
3
885
90,679
cls trader retweeted
港大团队刚刚开源了新项目ClawTeam,让 AI Agent 从单打独斗进化到团队协作。 ClawTeam支持 Claude Code、OpenClaw 等任意 CLI Agent 自主组队、分工、并行完成复杂任务。 应用场景: - 自主 ML 研究:基于@karpathy autoresearch 理念,8 个 Agent 各占一块 H100,并行跑 2400+ 次超参数搜索,几小时完成原本需要几个月的调参工作。 - 全栈软件开发:一句话需求,自动拆分出架构师、后端、前端、测试,各自写代码,写完自动合并。 - AI 对冲基金:7 个分析师 Agent 同时从价值、成长、技术面分析股票,风控 Agent 汇总决策。 还在让你的Agent单兵作战?试试让他们自己组建团队,效率直接拉满。 仓库地址:github.com/HKUDS/ClawTeam
24
114
5
533
47,156
刚开始接触 Claude code 的朋友,我强烈推荐你去看看这个项目— learn-claude-code 这个课程不是在教你用 Claude code,而是教你从零实现一个类似 Claude Code 的 AI 编码 Agent 项目分成 12 个 session,每个 session 只加一个机制,代码从几十行逐渐到完整版,每节课都有独立可运行的 Python 文件: s01. 基础 Agent Loop + 1 个 Bash Tool(最简版,跑起来就行) s02. Tool 注册与调度 s03. Todo 规划(让 Agent 先想计划) s04. Subagents(子 Agent 拆分大任务) s05. Skills 动态加载(需要知识时再注入) s06. Context Compact(上下文压缩) s07. Tasks + 依赖图(持久化任务) s08. Background Tasks(后台异步执行) s09. Agent Teams(多 Agent 团队) s10. Team Protocols(团队沟通协议) s11. Autonomous(自主认领任务) s12. Worktree + Task Isolation(工作树隔离,完全不互相干扰) 最后还有 s_full.py 把所有功能合在一起 仓库地址:github.com/shareAI-lab/learn… 在线学习平台:learn.shareai.run(强烈推荐先打开这个看可视化) 中文 README:github.com/shareAI-lab/learn…
66
531
14
2,053
168,703
🚨 开源 10 天暴涨 40.5k Stars!AI 已经开始尝试自己改代码、跑实验了。 前 OpenAI 联合创始人 Karpathy 开源了一个很有意思的极简项目:autoresearch。 它向我们展示了一种很有潜力的未来路径:人类用自然语言设定大方向,AI 尝试去跑通“改代码 ➡️ 跑实验 ➡️ 评估 ➡️ 迭代”的科研流程。 以后搞 AI 研究的门槛,可能会比我们想象的低很多。 在这个项目里,AI 承担了类似底层程序员的角色,它的工作流大致是这样的: 1. 根据设定的目标,自主尝试去修改大模型的训练代码。 2. 自动启动一个几分钟的微型训练看看效果。 3. 指标变好就保留代码,跑崩了就直接回滚重试。只要在框架内,这个循环就能一直跑,中间基本不需要人去手动干预。 这个项目给人比较大的启发,其实是人机互动方式的转变,也就是从敲代码向写 Prompt 的分工转移。 人类的主要精力可以从死磕繁琐的 Python 文件,转移到维护一个 Markdown 文本上。只要在这个文档里把背景、目标和规则定义清楚,剩下的代码级试错,大多都可以交给 AI 去完成。 虽然目前它还只是一个单卡运行的微型概念验证,但已经能看出 AI 自主研发的初步轮廓了。 对于关注 AI 未来趋势、或者想探索自动化工作流的朋友来说,这是一个比较好的观察基准,代码不复杂,思路清晰。 🔗 推荐去原仓库逛逛:github.com/karpathy/autorese…
25
53
220
21,217
CAKE突然暴跌,我先去查了一下AI和官方X发现并没有特殊的信息 然后看链上这两个相关地址再卖CAKE,等他们卖光了我就1.27抄了个底😳 相关地址1:0x43C743e316F40d4511762EEdf6f6D484F67b2F82 相关地址2:0x737bc98F1D34E19539C074B8Ad1169d5d45dA619 你别说 你别说 还挺有意思
36
11
1
84
34,879
cls trader retweeted
看到有人把川普的推文全部量化,這件事簡直了。 ⠀ 7,400 篇推文,拆成 316 個特徵,跑了 3,155 萬組模型。多數人還在每天盯著新聞憑感覺做單,很累,又很容易錯。但這專案的思路完全不同,這才是做交易的樣子。 ⠀ 把市場的雜訊,變成可以回測的數據,這本身就是交易者該有的基本素養。 ⠀ 專案裡一個反直覺的發現最屌:大跌前一天,川普的語氣反而更正面。 ⠀ 為什麼? ⠀ 因為市場要消化利多消息,流動性最夠的時候,正好是大戶出場的最佳時機。感覺到被安撫時,他們看到的是賣出的機會。同一個時間點,方向完全相反。 ⠀ 比起陰謀論,這更像是市場微觀結構的基本邏輯。 ⠀ 散戶交易的是字面上的情緒,機構在算的是情緒背後的流動性結構。利多出來,大眾容易覺得市場要漲了,興奮地進場,他們手上的大筆部位正好需要這類買盤來接手,順勢賣出,剛剛好而已。 ⠀ 那這個工具現在該怎麼用? ⠀ 千萬不要把它當聖杯。任何 Alpha 一旦被大眾知曉,統計優勢會縮小得比預期還快。若直接串 API 等著自動賺錢,這條路遲早會因為滑價跟過度擬合而被迫畢業。 ⠀ 比較實際的用法,是把它當成一個濾網。 ⠀ 用那些統計出來的規律,例如從威脅「關稅」到釋出「交易」訊號,中間有 17.4 小時的冷卻期,來判斷什麼時候不要手癢去追高殺低,或者調整手上部位的出場時機。這比期待精確的進場點,要實際得多。 ⠀ 這個專案的價值,在於血淋淋地展示了市場的真實結構,而非僅僅是提供一個川普財富密碼。 ⠀ 一邊是看故事做夢的散戶,一邊是算機率倒貨的機構。這是在跟機器人還有量化團隊對賭,人家連總統老闆的情緒都算得一清二楚。 ⠀ 若還在憑感覺,虧損的結果,真的只是剛好而已。
8
49
1
334
59,082
cls trader retweeted
Anthropic 刚放出一份 33 页 的 Claude trading agents 文档。 然后有人昨晚试了一件事: 让 Claude 直接搭一套 Polymarket 交易工作流 结果 10 小时 后,脚本已经赚了 $561 目前胜率大约是 71% 这件事最有意思的地方,其实不是利润 而是架构 这套系统做的,不是让 Claude 每次都临场判断 而是把 Claude 拆成一组 专门处理交易环节的 skills 每个 skill 都是一个独立模块,里面包含: • instructions • scripts • reference data 当对应的触发条件出现时,对应的 skill 就会自动激活。 不需要人工手动 prompt 整个 skill architecture 也很清晰 每个模块只负责一段固定流程: 市场扫描 概率更新 执行逻辑 而且 Claude 不会一开始就把所有内容全部加载。 它会先读取最少量的 metadata,只有在真正需要的时候,才拉取完整指令。 这样做的结果就是: 速度更快 但依然保留 专门化逻辑 这套工作流会在特定市场条件出现时启动 素材里给出的触发条件包括: • probability deviation • abnormal volume • rapid price shift 一旦触发,系统就会按预定义好的多步骤流程执行。 这个 agent 做的事情是: • 读取市场概率 • 把市场概率和模型估算值做比较 • 当 EV 为正 时开仓 • 自动管理退出 重点就在这里 因为交易流程本身已经写进了 skill,所以 bot 的行为会更一致 不是随机 prompt 不是临时猜 也不是一次次从零开始做判断 按这段素材的意思,真正的优势其实是 自动化 它不是每笔交易都重新解题,而是把同一套优化过的流程,反复跑进不同市场里。 最后得到的效果就是: 更少的 prompt complexity 更高的一致性 以及一台 不会疲劳的交易引擎 你觉得这种把 Claude 拆成 skills 来跑交易流程的方式,会不会比直接让模型临场做买卖判断更有效?
17
96
1
413
108,027