注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 远程工作,团队分布在美国、加拿大、中国
远程工作,团队分布在美国、加拿大、中国 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 远程工作,团队分布在美国、加拿大、中国 的推特
#X# 直聘 @tuttihq 招人啦:运营 & 执行 ×2 Tutti:The all-in-one marketplace to monetize your influence. 我们连接全球创作者和品牌,帮中国出海公司和全球创业团队在 X、YouTube 等平台被看见。 你会做的事: 和全球范围内的达人建联,搭建我们的创作者网络 对接中国出海公司和全球创业团队,把需求拆成可执行的方案 选达人,掌控宣发节奏 你会站在两股潮水的交汇处:一边是最前沿的 AI 创业品牌,一边是一批世界范围内最优质的创作者。 🌐 #远程工作,团队分布在美国、加拿大、中国# 💳 配 Mercury 卡,AI 订阅额度管够,可以用来订阅 Claude 哈 我们找的人: 细心靠谱,交付结果 AI 工具用得溜,愿意把很多很多的活交给 Agent 熟悉 X / YouTube 的玩法,自己在做号的加分 跑过 KOL 投放、海外 BD 或社群运营的加分
显示更多
深度分析Clawby Tradingview MCP 这款vibe coding 到底从哪些方面帮助了我们做交易 vibe链接: 数据接口: @openclawby 终端以及语言模型: @OpenAI 一、先说清楚:这是个什么东西 Clawby Tradingview MCP,本质上是一个 MCP 服务器。 MCP 是 Model Context Protocol 的缩写——可以理解为 AI 的"USB 接口"。以前 AI 只能聊天,有了 MCP,AI 就能读你的文件、操作你的软件、调外部 API。 这个项目做的就是:让你的 AI 助手(Claude Code / Codex 等)能直接控制你电脑上的 TradingView Desktop,并且能实时拉 Clawby 的另类数据叠加到图表上。 二、它是怎么工作的 拆开来看,技术链条是这样的: 你告诉 AI:"看看 AAPL 的暗池最近有没有异动" ↓ AI 通过 MCP 连接 → Tradingview MCP Server ↓ Server 用 Chrome DevTools Protocol(CDP)连接到你的 TradingView Desktop 实例 ↓ CDP 让 AI 能 "看到" 你的图表——当前在看什么股票、什么时间周期、什么指标 ↓ AI 同时通过 Clawby API 拉取暗池数据 ↓ 数据返回后,AI 把暗池异动标注在 TradingView 图表上 ↓ "你看,AAPL 过去 3 天暗池累计出了 120 万股,高于 30 日均值 3 倍" 关键的技术点在于 Chrome DevTools Protocol(CDP)。TradingView Desktop 是 Electron 应用(本质上是一个 Chrome 浏览器窗口),CDP 就是 Chrome 暴露出来的远程控制接口。通过 CDP,AI 可以: 读取图表当前状态(什么股票、什么周期) 在图上画形状、加标注 获取屏幕截图 这就不是"AI 给你一段文字分析"那么简单了,而是 AI 直接在交易员的原生操作环境里工作。 三、Clawby 到底提供了哪些数据 这才是整个核心的重点—— 美股方向: 1. 暗池(Dark Pool) Levels:暗池里不同价位的挂单深度,能看到大机构在什么价位接盘或出货 Prints:暗池实际成交记录,谁在偷偷吸筹 为什么重要:暗池交易量现在占美股总成交的 40%+,不看暗池等于只看了一半市场 2. 做空数据 短成交量(Short Volume):每天有多少成交是做空产生的 短利息(Short Interest):当前未平仓的空头头寸总量 借券费率(Borrow Fee):做空需要支付的借券成本,费率飙升通常意味着轧空临近 FTDs(Failure to Deliver):交割失败数据,高 FTD 是挤压的燃料 3. 期权链 + Max Pain 全链路的期权数据 Max Pain:使最多期权持有者亏损的行权价——市场经常"被拉向"这个价位 结合暗池和做空数据看 Max Pain,能判断大资金在操纵什么价位 4. SEC 财务数据 不是延迟一个季度的数据,而是 API 直接拉取 EPS(每股收益)、总收入、净利润、流通股本 快速判断基本面是否支持当前价格 5. Reddit 情绪 从 Reddit 财经板块(特别是 WSB)抓取讨论热度 量化成情绪分数,辅助判断散户情绪是否极端 加密方向(数据源:Coinglass): 资金费率(Funding Rate):永续合约的资金费率,反映多空力量对比 未平仓合约(Open Interest):总持仓量,判断趋势的强度 爆仓数据(Liquidations):大额爆仓往往意味着短期反转 多空比(Long-Short Ratio):持仓方向分布 Taker 买卖流量:主动买单 vs 主动卖单的比例 四、这个设计的巧妙之处 它没有替代 TradingView,而是增强了 TradingView。 很多人做 AI 交易工具的思路是「再造一个交易终端」——自己画 K 线、自己接数据、自己做 UI。结果做出来永远比不上 TradingView。 这个项目的做法更聪明: 复用 TradingView 的图表能力——TradingView 已经有最好的图表引擎 只用 MCP 做"附加层"——AI 只负责拉额外数据和标注 数据来源用 Clawby 聚合——自己不用对接 10 个数据源 结构上就变成了: TradingView(最佳图表)← CDP → MCP Server ← Clawby API(10+ 维度数据) ↑ AI 助手 五、实战场景推演 场景一:盘前快速扫描 你打开 TradingView,输入 AAPL → AI 自动拉 Clawby 数据 → 30 秒后告诉你: "暗池昨晚有异动,借券费率上升 20%,Max Pain 在 $240" → 你直接在图上看到这些数据点 场景二:持仓监控 你持有 TSLA → 让 AI 每隔 15 分钟自动检查:暗池流向、期权开仓变化 → 有异常时主动提醒你 → 你不用手动刷任何页面 场景三:加密合约交易 你看 BTC 的永续合约图表 → AI 拉 Coinglass 数据 → 告诉你:资金费率已经负了 8 小时,OI 在下降 → 这可能预示着多头在投降 六、为什么它代表了一个方向 去年大家聊 AI 交易,话题大多集中在「AI 能不能预测涨跌」。 今年不一样了。成熟的方向不是预测,而是聚合和翻译。 一个交易员做决策需要的信息分散在: TradingView(看 K 线) 暗池数据网站 Stocktwits/Reddit(看情绪) 期权链查询工具 做空数据面板 切换工具的成本就是注意力的损耗。这个 MCP 做的事本质上就是:把所有数据拉到同一个画面,让 AI 当你的信息助理。 七、开源和技术栈 GitHub: 技术栈:Claude(构建工具)、CDP(浏览器控制协议)、Clawby API(数据底座) 用途标签:$TOOL、#MCP# 发布时间:2026-07-24 如果你是一个交易员,看到这里我相信你应该很激动了。 如果你是一个小白,我想你也没有这些耐心看到这。 所以最后的最后 如果你对我们的clawby感兴趣,如果你想加入我们的vibe coding社区,欢迎联系我们团队。
显示更多
跨时区远程工作的真实代价(Reddit原话): "我是菲律宾人,为美国公司工作,支持美国/加拿大/菲律宾三地团队,同时在欧洲旅行。 我的大脑崩溃了。" 数字游民博主只会告诉你"时区自由"。 不会告诉你凌晨3点开会、下午补觉、社交归零、生物钟紊乱的常态。 远程工作是自由,但不是躺平。 说白了,就是用另一种方式卖命。
显示更多
「招人」我们团队又有岗位开放啦~要跟我一起工作吗?欢迎加入呀。 岗位1:Agent 技能工程师 岗位定位:我们正在寻找一位兼具工程能力、Agent 生态敏感度和产品化判断力的负责人,帮助团队建立可持续运转的 AI Agent 技能库与交付流程。你不只是写代码,而是要把市场上的高价值技能识别出来、验证出来、部署出来,并包装成可销 售、可落地、可维护的解决方案。远程工作。 岗位2:增长专员(marketing) 岗位定位:有市场能力,有kol网络,有工作经验,熟练使用ai,懂YouTube,ins等平台。要求人在洛杉矶! 请将简历和薪资预期发送至:hr@finchip.ai
显示更多
0
60
45
2
转发到社区
据说某二线交易所远程工作监控政策极为严格,搞得像管犯人似的,入职之前要做好心理准备。还听说过两种更奇葩的,远程办公要打开摄像头,离开摄像头要报备,否则 HR 就来找。另一个是办公系统直接公示所有人上班时间排名(整体和团队)。如果你走得比较早,就很羞辱地垫底。
显示更多
0
51
117
3
转发到社区
能够刷推的,说明你已经具备翻墙的能力了。那平时在找实习或者兼职的时候,真的不用再局限于国内,完全可以去看看海外远程办公的机会。 国内很多实习岗位一天只有百来块钱,还要花大量时间挤地铁通勤、应付繁琐的杂活。因为海外团队对远程协作的接受度非常高,而且初级岗位也是按美金结算时薪,所以只要把求职视野往外放一点,在宿舍或家里就能攒下含金量极高的跨国工作经历,收入也要丰厚得多。下面这几个主流的海外远程渠道非常值得去试一试。 LinkedIn(领英),搜索岗位时把地点设成 Worldwide,筛选栏勾选 Remote 和 Internship,上面有大量海外中小型科技团队在招远程实习生,对院校背景没有国内卡得那么死。 Wellfound(原 AngelList),硅谷和全球早期 AI、科技初创公司招人的聚集地,选好纯远程岗位后可以直接给创始人发消息自荐,流程比传统大厂简单直接得多。 Upwork,全球知名的自由职业接单平台,哪怕暂时不找全职实习,也可以去上面接海外小团队的脚本编写、网页制作、数据整理或中英本地化工作,跑通两三单就能赚回一个月的生活费。 We Work Remotely 和 Remote OK,老牌的纯远程工作汇总网站,长期有面向初级开发、UI 设计、内容运营和社区管理的跨国远程岗位。 Outlier 和 DataAnnotation,专门招大学生和有专业背景的人给海外大模型做代码、理工科和中文评测的远程兼职平台,时薪普遍在 15 到 40 美金,时间完全由自己安排。 担心英文不够流畅的朋友,可以在浏览器装个沉浸式翻译,先用 Claude 把简历和自荐信打磨成地道的英文表达,线上面试或开会时挂上实时双语字幕工具。既然你已经走到了能看见全球信息的平台上,不妨勇敢迈出这一步,去试试墙外更广阔的机会。
显示更多
三十岁上下的技术人,决定中国核心 AI 组织如何投入最重要的资源 过去二十年,中国互联网公司的权力,大多随着商业战果分配。但如今,一批三十岁上下的技术人,正在通过另一条路径进入中国最核心科技公司的权力中心:不必等到产品取得商业成功,他们就开始掌握重要的研发决策权,由此影响数百名研究员的工作,以及数以亿计的算力如何投入。 - 2026 年 3 月,几名 Kimi 的年轻研究员希望把一项叫 Attention Residuals 的新技术放进正在研发的下一代旗舰大模型 K3。这个想法最初来自 Kimi 的研究员苏剑林,业内人称 “苏神”。这个想法来自他读完 DeepSeek 的 mHC 论文后的灵光一现:既然是在做加权求和,何不用 Attention? - 苏剑林很快写了一个简化版本,效果很好。但完整版需要保存各层信息,还要在设备间传递,训练团队算过后发现,以当时的资源根本无法承担。张宇和当时只有 17 岁的陈广宇几乎只用了一个晚上,提出了 Block AttnRes(分块注意力残差)设计:把模型的多个层分成 8 个组(Block),先汇总组内信息,再在组间做 Attention。这一方案把额外开销控制在 5% 以内,同时带来了约 20% 的训练效率提升。 - 最后杨植麟拍板,同意 K3 推迟开训,为团队留出验证时间。3 月 16 日,Kimi 公开了这项研究,四个月后,拥有 2.8 万亿参数的 K3 发布,Attention Residuals 成为其重要架构之一。 - 这个故事里,提出新想法的是一名远程工作的研究员,将它变成可行方案的包括一名 17 岁高中生和一名年轻博士;训练、推理和 Infra 团队则在周末的深夜合力解决了大规模工程的问题。最后,作为 CEO 的杨植麟拍板决定,为它改变公司最重要模型的训练日程。新一代 AI 管理者的能力,不只是自己懂技术,还包括识别他人的技术判断,并将其变成整个组织的 bet。 - 智谱的 Coding 转向,同样不是某个负责人一开始就确定的战略。2025 年初,DeepSeek-R1 发布后,智谱感到了落后的压力,模型效果不及预期,行业又陷入价格战。唐杰召集十几位核心技术人员讨论下一步方向,00 后、尚未博士毕业的曾奥涵提出做 Coding,但这个方向在智谱内部并未成为共识。 - 唐杰没有当场决定,而是让不同团队分头探索。转折出现在 2025 年 4 月,智谱发布的一批 320 亿参数模型中,有一个版本加强了工程代码和函数调用能力,内部测评与使用反馈让 Coding 获得更多认可。七月,GLM-4.5 发布,编程成为市场反馈最好的能力之一;到十二月,智谱 CEO 张鹏称,这项业务的年度经常性收入已经超过一亿元人民币。押注 Coding,成为智谱成立以来最重要的战略决策之一。这不是一个人的决定,而是一群年轻技术人员的判断,经过不同团队的探索和验证,逐渐成为公司的战略选择。 - 小米 MiMo 的路径更激进一些。2025 年 4 月,小米发布第一款 7B 模型,罗福莉加入后,和团队决定同时训练一个数千亿参数的模型和一个万亿参数的模型,后来分别成为 MiMo-V2-Flash 和 MiMo-V2-Pro。当时团队只有几十人,大部分研究员没有训练过大模型,有经验的人中,不少也只做过 7B、14B。一位同行感叹,在他看来,按照更稳妥的路线,应该先把数千亿参数模型训出来,再决定是否继续扩大,但罗福莉不想再训一个“同样的模型”,既然继续 scaling,就要再往前走,而 1T 已经接近当时团队已有算力能尝试的极限。 - 罗福莉能够作出这样的决定,与小米给予的技术自主权有关。雷军大约每两周听一次汇报,但通常不干预具体技术决策。做什么模型、采用什么路线,很大程度由罗福莉和团队决定。 - 训练开始后,loss 升高、激活值异常、不同专家模块的负载失衡等问题接连出现,团队停下来排查,做数据和预训练的人开始参与后训练,负责训练框架和推理 Infra 的人也一起解决问题。罗福莉说,这些变化很少来自正式调配,更多是研究员根据兴趣自然流动。一位年轻研究员说,自己从学校来到 MiMo ,几乎没感觉环境有什么变化,“就感觉跟实验室一样”。两款模型最终完成,小米也由此进入能够训练万亿参数基座模型的公司行列。 - 获得权力之后,这批年轻的技术领军者要面对的第一个现实课题,是如何招人、管人。在顶尖人才极度稀缺的大模型领域,研究员选择公司,本质上是在选择一个能理解自己、值得追随的负责人。技术声望天然自带引力。杨植麟创业前曾在 Meta AI、Google Brain 实习,是 XLNet、Transformer‑XL 的共同第一作者。姚顺雨加入腾讯前是 OpenAI 的研究员,参与 Deep Research 和 Operator 两个核心项目。腾讯招聘团队人士说,姚顺雨加入后,混元在校招上的吸引力明显提升。 - 相比上一代互联网管理者,他们也有意或无意地消解着权力带来的距离感。混元成员叫姚顺雨“姚哥”,他会偶尔办午餐会,也会在全员群里临时组篮球局,Hy 4 Preview 发布后,姚顺雨直接给研究员集体放了一周假。Kimi 员工把杨植麟叫作 KK,研究员可以在群里直接抱怨产品不好用、算力不够,也会用他的表情包开玩笑。昵称、兴趣和轻松的氛围,在互联网公司并不算新鲜。但年轻的研究员们会从这些日常细节里,判断负责人是不是 “同路人”、好不好相处。而一旦进入具体工作,他们真正核心的诉求,是自己的想法究竟能有多大空间。 - 不过,研究员能有多少探索空间,也取决于他们的负责人获得了怎样的支持。2026 年 3 月,林俊旸得知阿里 Qwen 团队可能被拆分,原本整合在一起的预训练、后训练等团队将被重新划分,这与他一直坚持的技术主张相冲突。他在群里留下“无颜再带领大家”的感言,提出离职。在大公司,技术成绩可以带来权力,却未必足以守住权力。技术负责人能作出哪些决定,既取决于最高层的授权,也取决于他在复杂的组织网络中做政治与利益交换的能力。 - 姚顺雨在腾讯采取了另一种方式。混元自己的预训练模型还没准备好时,他先派后训练骨干去帮助元宝优化接入的 DeepSeek。他认为,维护好元宝的产品体验和用户基本盘,对混元后续研发同样重要。这种“向外让渡支持”的做法,后来换来了腾讯内部多个核心产品和部门在混元新模型发布时主动支持。 - 他们因技术获得权力,又必须运用权力,保护技术所需要的自由。同样,他们想让自己和研究者摆脱管理的束缚,也得先学会如何管理。 - 唐杰曾给 AI 时代的能力排过一个次序:“认知>格局>技术>管理”。管理在最末,技术倒数第二。1995 年出生的 LibLib 创始人陈冕也说,管理变得前所未有地不重要,唯一目的是让符合业务特点和要求的人留下来。这群三十岁左右的年轻人,被时代推上了掌管百亿算力与庞大组织的权力位置,却本能地排斥 “管理”——但他们真正排斥的,或许并非管理本身,而是过去大公司里的平庸、官僚与迟缓。 - 但“给他卡就够了”,只是他们对理想研究环境最朴素的描述。但如何争取这些卡、决定把卡给谁,以及为最后的结果负责,却是一场极其现实、艰苦的工作。认知、格局、技术、管理。在真实的商业战场上,这四种能力其实根本无法剥离。认知是判断做什么、不做什么,这既需要扎实的技术体感,也需要看清终局的格局;而要把判断变成现实的结果,离不开管理与组织协作。把管理排在最后,不会自动成为好管理者;把管理放在最前,也一定不是好管理者。 - 如大半个世纪前德鲁克所阐述的,管理的本质,是让每个人的长处得到发挥,让不同的人能够共同做出凭一己之力无法完成的事。想要实现这一切,第一步,或许要从不再羞于谈论 “管理” 开始。 #ai# #晚点latepost#
显示更多
0
10
190
30
转发到社区