打工人 学生党 生产力玩家必备的AI？！✅ Misa发现了一款微软亲自开源的神器markitdown，直接把 Word PDF Excel PPT 变成了AI友好的干净 Markdown～ 以前复制粘贴报告 合同 演示文稿到 ChatGPT或者Claude 里，排版全乱，表格丢掉，图片看不懂 现在全解决了！ markitdown 能把几乎所有办公文件转成结构清晰的 Markdown，让 AI 完美吃进去。 总结 提取数据 分析报告非常的快。 普通人 10 分钟上手，零基础也能用～ 而且GitHub 最近星标暴涨，Daily Work 系列都在推。 超详细新手教程！快来试试💚 第1步：准备环境（一次就好） 1确保电脑有 Python 3.10 或更高版本（没装的去 下载最新版，安装时勾选“Add to PATH”） 2打开终端/命令提示符： ◦Windows：按 Win + R 输入 cmd 回车 ◦Mac：Spotlight 搜 “Terminal” 3（推荐）创建虚拟环境（避免冲突）：
python -m venv markitdown-env 4markitdown-env\Scripts\activate # Windows 5# source markitdown-env/bin/activate # Mac/Linux 第2步：安装神器（一行命令） pip install 'markitdown[all]' （[all] 会自动装 PDF、Office 文件所有依赖，懒人首选） 第3步：一键转换文件（最常用方式） 把文件拖到桌面或记下来路径，然后在终端输入： # 示例1：把 PDF 转成 Markdown（输出到文件） markitdown "我的报告.pdf" -o 报告总结.md # 示例2：Word 文档 markitdown "合同.docx" -o 合同.md # 示例3：Excel 表格（表格会自动转成超级干净的 Markdown 表格！） markitdown "数据.xlsx" -o 数据.md # 示例4：PPT 演示文稿 markitdown "演示.pptx" -o 幻灯片.md 转换完直接打开 .md 文件，用记事本、Typora、VS Code 都能看，内容干净到可以直接丢给 AI！ 第4步：更懒的用法（不用输出文件） markitdown "报告.pdf" # 直接在终端显示内容，复制粘贴给 AI 就行 第5步：进阶玩法（想让 AI 帮你描述图片/幻灯片） 安装完后可以用 Python 简单脚本（复制下面代码保存为 运行）： from markitdown import MarkItDown md = MarkItDown() # 想让 AI 看图就加 LLM 参数 result = md.convert("带图片的报告.pdf") print(result.text_content) # 复制这个结果给 AI 立即冲 GitHub： #AI工具# #效率神器# #打工人# #Office# #生产力# #Markdown# #微软开源# #AI教程#

金融人狂喜，Anthropic 开源了金融全家桶 兄弟们，Anthropic 悄悄在 GitHub 开源了一个金融行业的 AI 工具仓库，我翻了一遍 README 直接惊了。 简单说就是：投行、研究、PE、财富管理、基金运营的常见工作流，他们全给你写好了 AI 代理和技能包。 亮点速览： • Pitch Agent：从 comps 到 LBO 到 PPT，全自动生成 • Model Builder：DCF、三张表直接在 Excel 里搭，不用手敲公式 • Earnings Reviewer：财报出了直接喂进去，自动更新模型 • GL Reconciler：对账找差异不用人肉，效率拉满 • 11 个数据连接器：FactSet、S&P、Morningstar 都接上了，数据源不用愁 使用方式超简单： 可以装 Cowork 插件，也可以用 API 部署，还能在 Excel/PPT/Word 里直接用（微软 365 插件） 技术栈？不存在的 全是 Markdown 和 JSON，零编译。Fork 下来改改提示词就是你自己的，二次开发门槛极低。 Apache 2.0 协议，免费商用，这点很关键。 说实话看完感觉金融民工的春天要来了，以前搭模型写 memo 做 deck 的时间可以省一大半。 当然提醒一句，所有输出都需要专业人士审核，不能直接当投资建议用，工具是工具，决策还得靠自己。 往期GitHub合集： 项目地址放评论区了👇

这就离谱！知名开源虚拟化软件 @UTMapp 的微软开发者账户直接没了！现在也无法获得签名用于签署驱动程序。早前 VeraCrypt 和 WireGuard 开发者账户被封禁后已经解封，但 UTM 开发者账户比较离谱，输入账号直接显示不存在，连封号提示都没有。查看详情：

第二天庭审，马斯克继续爆出更多，关于 OpenAI 的历史大瓜，这是长达 3.5 小时证词总结。 • 马斯克说他，向 OpenAI 投入了 3800 万美金，以支持这家非营利、开源组织。OpenAI 也计划给马斯克股份。 • 但马斯克认为，慈善机构不应该有股份这一说，拿了容易被认为是贿赂，这个要给的比例为 51%。 • 2022 年底，微软向 OpenAI 投资 100 亿美元时，马斯克给 Sam 发短信，询问到底发生了什么？毕竟慈善机构哪来的这么多融资、稀释股份。 • 结果 Sam 回复马斯克的短信说，我同意这感觉很糟。我们曾向你提供股权，但你当时不想要。只要你愿意，我们现在依然很乐意随时给你。 • 之后，马斯克才意识到，自己当年捐钱给慈善组织，结果 Sam 老哥，为了寻求融资，把它变成了有收入的盈利公司，甚至奔 IPO 上市，所以这才提起诉讼。 • 而信息表明，马斯克确实对 OpenAI 提供了很久的捐赠，一直到最后一笔 500 万美元季度捐款，是在 2017 年 5 月。而他在 2020 年，才停止承担 OpenAI 的办公室租金。 • 在现场 OpenAI 的律师，则暗示马斯克的 xAI Grok 远远落后于 ChatGPT。但马斯克回应说，现在不再是了。

10个免费GitHub库，只需100美元和笔记本电脑就能像对冲基金一样交易。 这些是300多家对冲基金在用的工具。收藏这个。 1. OpenBB 免费的彭博终端。股票、期权、期货、加密、外汇。彭博终端年费25000美元，这个免费。 → 2. Lean (QuantConnect) 300多家对冲基金在用的算法交易引擎。用25年数据回测，部署到Interactive Brokers或Alpaca。 → 3. qlib (微软) 微软完整的量化投资平台。 最专业的开源量化基础设施。 → 4. Backtrader 每个量化交易员必学的Python回测框架。全球金融研究生项目都在用。 → 5. TradingAgents UCLA和MIT的多智能体LLM交易框架。AI代理充当分析师、技术员和风险经理。 → 6. Riskfolio-Lib 量化交易员用来配置资本的投资组合优化库。涵盖均值方差、Black-Litterman、CVaR。 → 7. yfinance 每个Python金融课程都从它开始。实时和历史数据覆盖100000+股票。 → 8. FinanceToolkit 150+财务比率、指标和估值模型在一个库里。 → 9. vectorbt Python最快的回测引擎。几秒内测试数千个策略。 → 10. TradingView轻量级图表 为实时金融应用提供图表库。 你的交易仪表板专业的原因。 → 最疯狂的部分： 彭博终端年费25000美元。初级分析师25万美元。高盛研究数百万。 这10个库让一个有100美元和笔记本的小孩获得华尔街付费内容的大部分。 2010年交易台成本5万美元。2026年整个技术栈免费。 散户和华尔街的差距从未这么小。 保存这个吧别忘了。 100%免费。100%开源。

AI+支付可能迎来爆发，对加密而言首当其冲的就是x402部分。 巨头入场信号： Stripe：288项更新构建AI金融操作系统（Agentic Suite + Link代理钱包 + 稳定币全栈），成为多协议集成平台。 Circle：USDC近乎垄断AI支付，Nanopayments支持0.000001美元级微支付。 Coinbase + x402基金会：巨头联盟（Google、微软、亚马逊、Visa等）定义开源标准，目标成为AI支付的TCP/IP。 Solana + Google Cloud： API。

看群核科技的创业经历还挺传奇，三位创始人均毕业于顶尖高校（浙大、清华、伊利诺伊大学），曾在英伟达、谷歌、微软等企业任职，精通计算机图形学、并行计算、GPU编程等领域。黄晓煌深度参与英伟达CUDA研发，朱皓擅长底层图形算法，陈航具备全栈开发能力。这样一个即使今天看起来都是最顶级豪华配的创业团队，创业方向应该是更高级的图形图像、高性能计算之类。但一开始选择了家装O2O看上去并不是高壁垒的领域、背后还是有很多故事的。 群核科技成立之初，就是一家“拿着锤子找钉子”的公司，黄晓煌手握着当时最先进的云端GPU物理渲染仿真技术回国创业，到处找应用场景。十五年前、很多投资人可能都没听过GPU，群核是靠讲一个线上虚拟家居社区（类似 Houzz，这家公司当年估值达到了 40 亿美金）才融到钱。又摸索一翻，最后是在钱多的要死的地产行业找到了客户，推出了空间设计软件酷家乐。 从家装O2O到设计师SaaS，群核的这些产品不仅让公司赚到钱，活下来。还通过家居、建筑、工业等场景让群核科技积累了大量实际场景应用的3D空间高质量数据。从18年开始，群核又开始回归最早创业的初心。 2018年，群核科技就和帝国理工、南加州大学一起共同发布了全球最大的室内场景认知深度学习数据集，包含了 1.3 亿空间数据。2015年12月，群核又联合浙江大学开源了 SAGE-3D 数据集。这是业内首个基于 3D 高斯 VLE（视觉语言导航）的具身学习数据集。 高质量数据+算法+自建大规模 GPU集群的威力逐渐显现。 2025 年，群核科技发布了业内首个 3D 场景生成的空间大模型，包含空间语言模型SpatialLM和空间生成模型SpatialGen。这是全球第一个真正专注于“空间智能”的行业大模型，将AI从“文本语言”向“空间语言”进化。 自此开始引领空间智能。 2023年，群核科技把整个战略重心转向了空间智能。 黄晓煌说：“过去公司以为增长核心是产品，但现在越来越意识到， 真正决定上限的是产品下面那层算法和模型能力。" 如果这个判断成立，群核未来卖的就不只是一个设计软件，而是一种可被反复调用的空间理解与生成能力。收费方式也会从按席位、按订阅收费，变成按token、按调用量收费。 现在回看群核的创业路径，是一种与主流创业逻辑完全相反的路径。 大多数人是先看到市场需求（钉子），再去打造对应的工具（锤子）。 而黄晓煌恰恰相反： 他先花了14年时间，把一把"GPU实时渲染+3D空间数据"的锤子磨得无比锋利， 然后在不同的时代，用这同一把锤子去敲不同的钉子。 从家装O2O到设计师SaaS， 再到AI研究和空间智能， 群核科技四次转身，锤子从未更换，钉子却换了四颗。 他把这套方法，形象地称为"拿着锤子找钉子"。业务场景在变、但是内核越来越坚实。 早上港股开盘，20左右追了一些群核。个人角度，市场大概率会给这样的继续想象力的的公司买单。

2026年4月全球大模型公司能力梯队全景图 AI叙事，才刚刚开始 兄弟们，看这张图。 2026年4月全球大模型公司能力梯队全景图，T1到T5，密密麻麻几十家公司。 T1梯队：OpenAI、Anthropic、Google、xAI。 估值到1万亿级别，工业级Agent闭环、GPQA推理准确率超94%、代码生成率超85%。 T2梯队：阿里、DeepSeek、Meta、智谱AI。 多模态与逻辑推理、代码生成率TOP 5、开源生态标杆。 T3梯队：Moonshot、Mistral、MiniMax、Meta、NVIDIA。 垂直行业分析、端侧部署、行业级多模态。 T4梯队：百度、微软、亚马逊、Cohere、Falcon。 政企流式推理、私有化部署、端云协同。 T5梯队：零一万物、百川智能、商汤、Stability AI。 细分场景、端侧部署、开源社区。 兄弟们有发现没有？ 巨头开始全产业链的军备竞赛。 很多人问我，AI是不是已经涨完了？泡沫是不是要破了？ 从T1到T5，每一层都在疯狂迭代。 OpenAI的GPQA准确率冲到94%，DeepSeek把代码生成干到TOP 5，NVIDIA靠算力垄断坐稳T3，连T5的创业公司都在细分场景里找生存空间。 这不是泡沫，这是战争。 一场关于算力、数据、模型、应用的全面战争。 而且最可怕的是：这场战争没有终点。 今天T1的技术优势，可能三个月后被T2追上。 今天的开源模型，明天就被闭源超越。 今天的算力霸主，后天可能被新的架构颠覆。 所以兄弟们，别被AI泡沫论吓跑了。 1999年互联网泡沫的时候，全世界也没几张这样的梯队图。那时候大家连商业模式都没有，纯粹炒概念。 现在呢？ OpenAI月收入20亿美元，Anthropic年化收入300亿美元，NVIDIA一季度营收1300亿美元。 这些公司是真的在赚钱，真的在改变世界的运行方式。 AI叙事不是结束了，是才刚刚开始。 大模型只是第一层。 上面还有Agent、机器人、自动驾驶、科学发现、药物研发。 每一个领域都是万亿级别的市场，每一个领域都还在早期。 也意味着不要试图预测终点。 这场战争的赢家还没确定，但战场本身就在扩张。 只要战场在扩张，参与者的市值就有上升空间。 AI叙事还在继续。

关于Qwen基模负责人林俊旸离职，我要说句不意外，肯定有人又要说我马后炮，但其实我这几个月来在上播客和写稿子里不止一次的提到过一个细节： 清华大学那场AI-Next峰会上，林俊旸邀请观众体验Qwen，用的是 模型干模型的，产品干产品的，这当然是模型团队的舒适区了，只投身研究、不负责市场，Qwen在开源社区里的究级口碑就是这么打下来的，但产品团队就难受了，做什么事情都需要和自己平级的模型团队配合，只能协调，不能统筹。 产模分离是阿里过去几年里最奇怪的地方，在千问App还没有被独立出来发展的时候，还可以说且行且珍惜，现在千问App要直接和豆包元宝打消耗战了，还让模型团队保持例外论，这肯定行不通。 最新的形势就是，大厂在做DAU，豆包现在还在发红包你敢信，小虎在冲ARR，月暗智谱MiniMax三家给洋人卖Tokens卖疯了，那么Qwen的位置在哪里呢，你总得沾个边吧？ 事实上，AI一号位工程的调整，是这一年来几乎所有国内互联网大厂都在做的事情，字节和腾讯都干了，轮到阿里大家觉得很奇怪，主要还是Qwen模型本身没出太大问题，突然换将有些刺激。 还是那句话，组织的方向很重要，不认同组织的判断，就会很麻烦，这和你是不是一个好人、你做的工作是不是很优秀，关系不大。 就像没人会不尊重杨立昆的学术成就，没有他老人家的贡献，AI的发展指不定还要晚多少年，但大家也都心知肚明，继续让他带Meta的AI实验室，那Meta就真完蛋了，你不可能让一个不相信Transformer的人去带领大模型⋯⋯ 前段时间，因为诉讼披露，微软的CTO有一封2023年底发给老板的邮件被曝光，里面是他但是作为对接人看到并汇报的OpenAI宫斗事件，说以Ilya Sutskever为首的研究团队讨厌需要和产品团队争夺资源，how dare you，竟敢让我们排队等GPU！ 微软的CTO在此批注，表示自己内心都是崩溃的：「OpenAI的研究团队根本没有明白，如果没有Applied的商业成功，他们根本不可能拥有现在这么多GPU。」 所以，从国内到海外的实践经验都说明，产模分离是一个田园牧歌的理想状态，它可以暂时性的存在，但前提是公司没有市场回报的预期，愿意千金买马骨，Qwen这几年过的的好日子，都是这么来的。 新的剧本就是阿里不愿意了，作风依然很粗暴很阿里，但就目的来说，其实没那么大的争议。 再说了，和OpenAI的11个联合创始人里走了9个相比，这才哪到哪啊⋯⋯ 记得马老师曾说阿里要每年定期给社会输送人才，结果都是些年满35岁后被优化出来的P7P8们，给接收方的牛马们带去了一点点阿里味的震撼，连山姆看似牢不可破的名声都差点被打崩了，不过这次林俊旸流入自由转会市场，就没得阴阳了，是真的大牛出圈，大厂们赶紧抢吧。