Awesome Public Real-Time Datasets，收集了大量公开的数据，提供接口直连或者实时推送，而且数据一直在更新。 涵盖金融行情、公共交通、健康、物联网、网络安全、体育赛事等等不同行业。 GitHub： 另外也会标注哪些是免费和哪些付费，免费那部分里不少不用注册、不用密钥，就能拿来用。 比如加密货币的实时价格、区块链的新交易通知、美国证监会的文件推送，都在里面。 想练手实时数据处理，或者给项目找个稳定数据源，这份清单可以先收着。

炸裂了！Claude Code 已通过 MCP 协议原生接入 Financial Datasets 金融数据库，可以直接帮你分析股票！ 60 秒配置，一键连接 全球 17,000+ 只股票、30+ 年完整财务底稿。 实时股价、SEC 原档、财务报表、公司新闻、加密货币数据，全部随叫随到！ 下面视频是我输入【帮我分析英伟达这三年的财务数据】，Claude 瞬间输出五大投研板块： • 盈利能力穿透 • 核心利润率分析 • 资产负债扫描 • 现金流底稿 • 多维估值建模 从源头打破信息差～ 拒绝 AI 幻觉，让你的投研决策直接起飞吧～

34秒的视频 —— 用 Claude Code 直接分析股票/财报 Claude Code现在支持原生接入 financial-datasets 官方 MCP 服务器，把股票实时价格、财务报表、SEC filings、新闻、加密货币价格等大量金融数据全部集成到一个插件里，接入了 17,000+ 只股票的实时价格.... 两步安装： 打开终端里直接粘贴： claude mcp add --transport http financial-datasets 再打开claude code ，输入 /mcp 完成 OAuth 认证，用 claude mcp list 验证连接 完成了! 你现在可以用 Claude Code 原生插件直接做股票分析、加密货币分析和基本面研究，直接提问即可 以前要砸几万买 彭博社终端，或者自己搭复杂 API ，现在？一个 MCP 命令搞定公司信息、收益/利润、财务指标、财务报表、内幕交易.......太舒服了

学 Python、练 SQL、做作品集，卡住的往往不是技术，是手边没有真实数据。这 6 个全部免费开放： 1、【Kaggle Datasets】 几十万个数据集，从房价、电影评分到医疗影像都有，绝大多数带说明和别人写好的分析笔记本，看着别人的思路做一遍是最快的入门方式。 2、【Hugging Face Datasets】 偏机器学习方向，文本、图像、语音数据集为主，一行代码就能加载进 Python，不用自己写解析。想微调模型的从这里找训练数据。 3、【Our World in Data】 全球人口、能源、健康、经济的长期统计，图表做得极好，每个数据都标了来源和处理方法。做内容配图或者写观点文找论据非常合适，全部可免费使用。 4、【世界银行开放数据】 两百多个国家几十年的经济和发展指标，可以按国家、按年份直接下表格，也有 API。做跨国对比分析的标准数据源。 5、【Google Dataset Search】 数据集里的搜索引擎，不知道该去哪个网站找的时候先来这里搜关键词，它会把散落在各个机构网站上的数据集聚在一起。 6、【 美国政府开放数据门户，三十多万个数据集，交通、气候、教育、犯罪统计都有，颗粒度细到具体城市和年份。 作品集里放一个用真实数据做完的完整分析，比列十个学过的工具管用。

Codex App / CLI 也可以直接接入股票、财报、SEC 文件和金融新闻数据了。 用的是 Financial Datasets 官方 MCP Server。 它不是单纯“查股价”的插件，而是把金融数据源接进 AI Agent，让 Codex 可以一边拿实时数据，一边做分析。 能做什么？ 1. 查股票最新价格 比如 AAPL、NVDA、TSLA 的最新价格、涨跌、成交量。 2. 查历史行情 可以看某只股票过去一段时间的 OHLCV 数据：开盘、最高、最低、收盘、成交量。 3. 分析财报 可以读取收入、利润、资产负债表、现金流等数据，做同比、环比、利润率、现金流质量分析。 4. 看估值指标 比如 P/E、市值、EV/Revenue、股息率等。 5. 查 SEC filings 可以让 Codex 总结 10-K、10-Q、8-K 里的风险因素、管理层讨论、重大事件。 6. 看公司新闻 结合最近新闻，分析短期催化、风险和市场情绪。 7. 横向对比公司 比如让 Codex 对比 NVDA、AMD、AVGO 的增长、利润率、估值和风险。 8. 做筛股 按行业、估值、收入规模、利润率等条件筛出符合要求的公司。 Codex CLI 安装方式： bash codex mcp add financial-datasets --url codex mcp login financial-datasets codex mcp list 执行 login 后会走 OAuth 登录 Financial Datasets。 如果你用的是 Codex App，只要和 CLI 是同一个 macOS 用户，配置会共用。安装完成后重启 Codex App，新开会话就能用。 使用示例： 用 financial-datasets 查 NVDA 最新股价，只返回价格、时间和来源。 分析 AAPL：最新股价、最近财报、估值、新闻催化和主要风险，最后给我一个短期/中期观察结论。 对比 TSLA、BYD、RIVN 的收入增长、毛利率、现金流和估值，判断谁的基本面更健康。

Hugging Bay 直接把 Hugging Face 的生态搬到了免费版上。 如果你需要大规模检索 AI 模型，这个工具能帮你省下昂贵的 API 调用费和筛选时间。它索引了超过 145,000 个 AI 资产，涵盖从 LLM、Embeddings 到 Vision、Audio、Agents 以及 Datasets 的全品类数据。 与传统平台不同，它的底层架构专门为 Agent 设计，对 AI 工具极其友好且易于爬取。这意味着你可以直接让你的 Agent 通过它自动化获取所需的模型权重或数据集，实现真正的端到端开发闭环。

看看如何用vibe coding在CC中创业： Claude Code 现在可以在几秒钟内连接到金融数据集。支持金融研究、公司数据、访问 17,000 多只股票等多种功能。只需 60 秒即可完成连接： 1. 打开 Claude Code 并粘贴： "claude mcp add --transport http financial-datasets https://mcp. financialdatasets. ai/" 2. 身份验证： 在 Claude Code 中输入 "/mcp" 并在浏览器中完成 OAuth 流程。您可以随时验证服务器是否已连接： "claude mcp list" 3. 开始提问 示例提示词： “苹果公司目前的市盈率和市值是多少？” “向我展示特斯拉过去 4 个季度的损益表。” “比特币的价格在过去一年中是如何变化的？” 4. 帮助 如果您遇到错误，只需让 Claude 协助您，或扫描此处的官方文档：

美股研究开源神器来了！专攻美股金融研究的自主 Agent！ 你不再需要自己手动拉财报、翻 10-K / 10-Q / 8-K，或者写一堆分析脚本。 只需要用大白话说一句研究想法，这个自主金融研究 Agent 就自动帮你把所有事干完。 它就是Dexter（GitHub 25k+ stars） 核心优势有以下几点： · 自主规划 + 执行：输入复杂问题，它会自动拆成多个研究步骤，调用对应工具和数据源 · 自我校验：结果不够完整时，会继续补数据、修正逻辑，显著降低幻觉风险 · 完整思考日志（scratchpad）：每一步调用了什么工具、拿了什么数据、怎么分析的，全都透明记录 · 多模型支持：OpenAI、Anthropic、Grok、Gemini、OpenRouter、本地 Ollama 都能接 · 金融数据能力强：支持财务报表、股价快照、历史价格、SEC filings、earnings call、8-K、key ratios 等 · 本地轻量运行：用 Bun 安装后就能跑，适合自己搭一个专属美股研究 Agent 专为美股金融研究打造，深度支持美股（Financial Datasets + Yahoo Finance 提供机构级财报、earnings call、历史数据，覆盖非常丝滑）。 GitHub： 感兴趣的朋友们可以直接 clone 跑起来试试～ DYOR～

推荐这个，Simon Willison 用 AIE 大会上看到的 DSPy 方法论来优化 Datasette Agent 的 SQL prompt——而且直接用 Fable 5 跑了一个异步研究任务。整个过程是"如何用 AI 改善 AI 的提示词"的绝佳范例。 Simon Willison 一直被提醒 DSPy 可能帮上忙，AIE 大会上的 keynote 让他决定动手试试。 具体操作：给 Claude Code 里的 Fable 5 发了一个异步研究任务——"pip install 最新 Datasette alpha、datasette-agent 和 dspy——然后用 dspy 评估和改进 Datasette Agent 的 SQL 系统 prompt。"Fable 选了 GPT 4.1 mini 和 nano 做测试，找到了几个有希望的方向。 最有意思的发现：schema 列表只给表名；"如果已经有信息就别调 describe_table"的建议导致列名遗漏。DSPy 优化后的 prompt 把描述数据库的命令分解为更小的步骤，让 agent 先列出列和行数再做查询。 整个过程记录在 GitHub: simonw/research/tree/main/dspy-datasette-agent-prompts 来源：@simonw, 2026-07-02 #DSPy# #Prompt工程# #Agent#