damn，看到@adcock_brett 这个视频我鸡皮疙瘩都起来了， 没有像国内机器人用遥控器控制的后空翻，跳舞这些表演炫技，就是看似简单的是爬梯子。 Figure的F.03，完全自主，没有遥控，没有云端接管，自己一步一步爬上了一个真实的金属梯子，站到了平台上。 你可能觉得爬梯子有什么了不起的， 对人来说确实没什么，但对人形机器人来说，这是出了名的鬼门关。 脚踩的横撑就那么窄，手抓的地方就那么细，身体是斜的，重心一直在变，得实时调。 每一根横撑在哪，得自己看，手和脚得配合，差一厘米就滑了。 之前多少机器人，走平地还行，遇到梯子就傻了，要么得人扶着，要么得专门给它修个坡道，要么在实验室里慢慢蹭个矮梯子意思一下。 F.03这个确实慢，也谨慎，有人调侃说像80岁大爷，但重点根本不是快。 重点是它自己上去了，而且站稳了。 速度可以练，算法可以迭代，但"能自主完成"这个能力，属于真正的0到1。 我打个比方你们就懂这有多重要了， 这就像自动驾驶第一次自己开上了多层立交桥，开进了地下车库，之前那些demo，都是在"为机器人准备的世界"里跑——平地、宽通道、专属坡道。 梯子是什么？梯子是最典型的"这是人类的基础设施，你们机器人用不了"的东西。 现在它用人类的梯子爬上去了。 这就意味着它不再要求世界为它改变了，它开始适应人类的三维世界了。🤯 说句直白的：这相当于给机器人发了张建筑工地通行证。 以前它只能在地面晃悠，现在能上脚手架、能爬夹层、能做高处检修。 以前它是"地面员工"，现在它开始变成"全能工人"。 @UnitreeRobotics 宇树那种后空翻当然酷，但那是花活，是拍给你看的。 这个爬梯子看来一点都不帅，笨笨的，慢慢的，但它是真的在往"能干活"那条路上走。 从"实验室里能跑能跳"到"真实世界里能上能下"，这一步，我觉得比十个后空翻都远。 而且我觉得人形机器人真正进厂的那天，可能就是从这一爬开始的。

周末带着我的小实习生去参加了厦门的黑客松。 这次其实还挺特别的。因为我们没有做一个“为了比赛而比赛”的项目，而是把自己真实踩过的坑，重新做成了一个产品 demo。 我们之前在做 ZenStellar AI 陪伴手链出海的时候，其实走过很多弯路。 一开始先做独立站，但根本不懂海外流量怎么来；后来又马上去做 TikTok，但 TikTok 又是一个极度依赖内容能力的平台。那时候的我们，其实连“第一站到底该去哪”都没有想清楚。 直到后来，我们在 Kickstarter 上慢慢找到感觉，才意识到：像智能穿戴这种产品，Kickstarter 可能才是更适合作为出海第一站的平台。 于是这次黑客松，我们就做了一个 demo。 它可以帮助国内想出海的商家，根据自己的产品类型，分析更适合进入哪个国家、哪个平台，以及更适合作为第一站的出海路径。 虽然只是一个短时间做出来的 demo，但我突然意识到，可能还有很多国内工厂、很多传统制造业，其实都卡在了“想出海，但不知道从哪里开始”。 另外一个让我印象很深的，是现场的氛围。 很多参赛者是从全国各地甚至国外跑来厦门的，还有一些才刚上大一。整个现场有一种很久没感受到的、特别纯粹的热情。 尤其是看到我的小实习生特别兴奋的时候，我突然想到自己刚读大学的时候，好像也是这样。 会为了一个 idea 激动，会熬夜做 demo，会因为认识了一群有意思的人开心很久。 这种感觉其实挺珍贵的。

我做了一个美股隔夜风险自动驾驶系统：AFTERBELL 它解决的是一个很真实的问题： 美股现货市场会休市，但新闻不会休息，市场情绪不会休息，代币化股票合约也不会完全停止波动 很多用户白天可以盯盘，但到了美股休市后，突发新闻、监管消息、财报预期、宏观利率变化，仍然可能影响第二天开盘价格 真正危险的不是下跌本身，而是： 你睡觉的时候风险发生了 你没来得及反应 等美股开盘，价格已经跳空 这就是 AFTERBELL 想解决的问题 AFTERBELL 不是一个“预测涨跌”的工具，它更像一个隔夜风险自动驾驶系统 用户只需要做一件事： 选择自己要守护的股票合约，并开启自动驾驶，系统会自动完成： 1. 读取 Bitget Agent Hub 行情数据 2. 读取新闻风险信号 3. 用 Qwen 判断新闻是利空、利好还是中性 4. 判断影响范围是公司级、行业级还是宏观级 5. 判断是否真的影响当前持仓 6. 达到风险条件时自动建立对冲 7. 出现利好反转时自动撤销保护 8. 保存每一次判断、订单和调用记录 这里最重要的一点是：它不是看到一条新闻就乱开仓 比如新闻只提到 SAMSUNG，系统会判断这是公司级事件，只影响 SAMSUNG，不会错误影响 NVDA、TSLA、AAPL、MSFT 或 META 如果是宏观级风险，比如利率、CPI、美股整体下跌、纳指风险，系统才会把它理解成组合级风险 这解决了很多自动交易系统里最容易出错的问题：把单一公司的利空，错误扩散成全市场利空。 AFTERBELL 的核心逻辑是：利空开保护，利好撤保护 当系统识别到高可信利空，并且符合用户的亏损预算和风险阈值时，它会自动建立保护性对冲 当后续出现利好反转，比如公司澄清、监管风险解除、市场买盘恢复，系统不会继续做空，而是自动撤掉保护，所以它不是一个单向做空工具，而是一个风险保护工具。 很多策略看起来很激进，但真实用户需要的往往不是“更刺激”，而是“别在我睡觉的时候失控”。 这次 Demo 里，我用 SAMSUNGUSDT 做了真实模拟盘验证。 完整链路是： 1. 用户开启 SAMSUNG 自动驾驶守护 2. 模拟一条 SAMSUNG 盘后利空新闻 3. 系统识别为公司级利空 4. 系统自动建立 SAMSUNGUSDT 对冲 5. Bitget Demo 页面同步出现订单 / 持仓 6. 再模拟一条利好反转新闻 7. 系统自动取消对冲 8. Bitget Demo 页面同步平单 这证明它不是一个静态页面，也不是单纯的前端模拟。网页里的订单状态，可以在 Bitget Demo 交易页面核验。 AFTERBELL 还保留了完整审计记录包括： - Bitget Agent Hub 调用记录 - futures_get_ticker 行情调用 - futures_get_candles K 线调用 - news_feed 新闻调用 - Qwen 风险判断 - 影响范围判断 - 对冲订单记录 - 开单原因 - 平仓原因 - 证据哈希 这对 AI 交易产品很关键，因为只说“AI 分析了”没有意义。 真正有价值的是： AI 分析了什么？ 用了什么数据？ 为什么判断风险？ 为什么开保护？ 什么时候撤保护？ 有没有订单记录？ 能不能复盘？ AFTERBELL 的每一步都会保存下来，形成可核查证据，这个产品最适合的用户，是那些持有美股代币化合约、但不可能 24 小时盯盘的人。 AFTERBELL 的设计原则是：用户负责设置风险预算；系统负责盯盘、读新闻、判断影响范围、执行保护。它不是帮用户赌方向，而是帮用户减少失控 目前已经完成的能力包括： - 组合自动驾驶 - 单股票守护 - 公司级 / 行业级 / 宏观级新闻影响判断 - 利空自动开保护 - 利好自动撤保护 - SAMSUNGUSDT Bitget Demo 真实模拟盘执行 - 订单号展示 - 开单倍数展示 - 开单原因解释 - 自动平仓记录 - Agent Hub 调用记录 - Qwen 分析记录 - 审计证据导出 我认为美股代币化交易真正有意思的地方，不只是“能 24/7 交易”，而是它带来了一个新的风险场景：当传统市场休市，但链上 / 合约市场还在动，用户需要新的风控工具。 AFTERBELL 就是为这个场景设计的，它尝试回答一个问题： 如果美股休市后突然出现重大新闻，AI Agent 能不能帮用户先理解风险，再自动执行保护，并且留下可验证记录？ 我的答案是：可以。 这就是 AFTERBELL 一个面向美股代币化合约的隔夜风险自动驾驶系统 以下是基本功能演示视频 一个是无剪辑视频 一个是剪辑视频 开源链接： @Bitget_AI #BitgetHackathon#

3️⃣加好友 进入dashborad： ;（图1） -> 输入好友的用户名，点击“add”； -> 如果暂时没有好友，可以添加 demo ，点击“add”; -> 可以对好友进行管理，比如删除（图2）； ps： demo 是基于我的 alert 数据，生成的一个演示 agent，根据量价/合约选择开单信号； 添加后，会给你的 agent 推送交易信号； demo用于演示，不要不加筛选进行交易； 过去测试的demo pnl 如图（图3）。

我的一人公司主要先从影视行业入手，今天本来想上传但是遇到个问题，我的Agent是学了Skill的，但是不能让每个下单的客户都学Skill吧... 先做个Demo成品，一句话成一个视频“高考失利，但是学习AI在 上赚百万” @misaENFP @star_okx 声音还需要找 英文不标准 台风天慢慢研究

我在 MIT 的最大感受之一就是，世界就是个巨大的草台班子。今天又深深体验了一次。 这学期我上了一门关于 AI Agents 的课，需要分小组做项目(老师说偏好 infra 而不是应用层)。受我之前那个 LLM 连 vibrator 的项目启发，加上我对硬件本身有兴趣，我本来是想做一个protocol（协议）或中间层，让 AI Agents 能连接和控制大多数硬件。刚好另外一个MIT本科生也想做类似的事情，他知道了我的vibrator项目后邀请我一起做，不过我最后深思熟虑后放弃了做这个项目，最后选择了另一个偏应用层的比较水的项目。（因为我也不在意成绩了且最后没找到我既感兴趣且觉得有前景的项目） 我放弃做这个我原本很有兴趣的方向的原因是：我认为它既没有什么商业价值，也没有任何的技术含量/护城河。 但是今天我们这个课程的demo day上，这个项目在现场众多VC投资人和评委的评分下，得了第一😂。 我当时放弃继续做这个方向的的判断理由如下： 这件事可以拆成两类设备来看 —— 消费级和工业级。 消费级设备这块没有技术含量，且连接它们并没有带来价值。绝大多数消费电子走的都是公开协议，美国已经有像 Home Assistant 这样成熟的 APP 把市面上能连的东西都连了。我那个 vibrator 之所以要逆向工程，是因为它走的是私有 BLE 协议，不在任何公共标准里 —— 这反而是少数情况。常见的消费级设备根本不需要 LLM 来"理解协议"，直接调现成的库就行。所以就算你用 agent 把这些连起来，也基本没有创造多少任何额外价值，因为问题已经基本被解决了。 工业级设备这块，那情况就复杂了，学校项目根本做不完。每个设备的协议、接口、控制逻辑都不一样，你要么砸大量钱去买很多设备一个一个跑通，要么直接和厂家对齐 —— 这两件事一个学期的课程项目都不可能做到。 我当时也考虑过：或许作为一个课程项目，只实现四五个设备的连接，或者只说服四五个厂家，其实够交差了（没想到人家只跑通一个不难连的设备就直接交差lol）。但长远看，我觉得这事儿也不适合我自己创业 —— 我自己的硬件背景和产业资源并不强，不具备让大多数厂家都使用我定义的 protocol 的能力，或者至少我不是最适合做这件事的人。而且我认为未来这些硬件厂家，自己就会把自家设备做得更方便让ai agents连接和控制，所以也无需通过一个第三方的中间层或者协议。 退一步说，就算我是适合组局做这件事的 founder，这个"连接"到底解决什么场景下的具体问题、带来多少价值、谁来付费? 我当时和那个本科生聊，他说这个东西主要面向 开发者，可能让开发者付费 —— 但如果真是这样，我很怀疑开发者是否会愿意为这样的东西付费，所以我认为这个前景是比较有限的。 但我没想到的是，仅仅跑通一个设备，真的就可以宣传成“能够把AI agents和所有/通用硬件连接起来的协议”（universal hardware control ）然后拿到第一。 他们最后做的是：在一个开源教育机械臂(SO-ARM101)上，做了三件事 ：给它加了个 AI 能调用的接口，加了个出错能自动重启的脚本，加了个摄像头让 AI 看看自己有没有做错。这个机械臂的底层 SDK，Hugging Face 的 LeRobot 团队早就封装好了，Python 一行就能调用。 但他们把这个东西包装成 "Universal agentic hardware control"，配了一个稍微有点科技感的landing page，然后就把VC们和评委们唬的一愣一愣的，拿到了最高档评价。 这世界果然是个巨大的草台班子。

我的悉尼小伙伴在哪里🙋🏻！！ 🤖 4月28日 UNCB USYD & UNCB UNSW 联合主办，诚邀你参加 Binance AI Skill Night 🚀 #Binance# ANZ 市场团队的 Oliver Arlove 将亲临现场，带你深入了解： • Binance AI Skills 实用工具包 • AI 如何真正应用于交易策略与风险管理 • 现场 Demo + 实操工作坊 🎮 Kahoot 答题竞赛 💰 500U 奖池+限量周边 🍕 免费晚餐 + 与 Binance 团队面对面交流 零基础也能参与，边玩边学，当天教，当天用！ 📅 4月28日 18:30-21:00 立刻报名🔗

我把一个快交不出来的广告项目塞给 AI，它先从 4 份文件里揪出一笔 18,700 元的预算口径差。 把这个仿生机器人 TVC 广告项目背后的 Brief、预算 Excel、交付标准和 6 个锁定镜头故事板，一次性丢进 Apodex 1.1 的真实过程。 我的要求一点都不“AI Demo”：哪些镜头必须原样保留，哪些还没做完；86,000 元预算到底花到了哪里；从今天到交付日怎么排；风险由谁负责；最后还要留下能继续维护的镜头决策和预算模型。 以下是它的执行过程： Apodex 先建了 Task Board，把文件、步骤、依赖和交付物全部摊开。它逐项把 6 个锁定镜头映射回故事板，很快发现两张表的数字对不上：镜头表里的已发生成本是 39,100 元，总预算表里的已发生支出却是 57,800 元。 多出来的 18,700 元没有被悄悄抹平，它直接把口径冲突标进结果。 更真实的一幕出现在生成 Excel 时。 颜色格式不兼容，报错。 合并单元格挡住公式，又报错。 页面里能看到它定位问题、修改结构、重新生成，再继续检查。最后交回来 4 份可以继续工作的文件：报告、Word、PDF，以及公式驱动的预算模型；还有 8 天排期、风险登记和每个镜头的处理决定。 以前测模型，我常盯着它“一次回答得有多聪明”。这次我更在意它能不能进入真实文件和工具环境，记住长链条任务的状态，碰到失败自己修回来，再把结果交到我手里。 Apodex 1.1 把这套能力建立在 Environment Scaling、Agentic Coordination Scaling 和统一的 AgentOS 上。录屏里看得很直观：步骤、异常、重试和产物都留在同一个项目里，你随时知道任务推进到了哪里。 想测它，最简单的方式是拿一份你正在做的 PDF、Excel、Brief 或代码上传，看看它最后能交回来什么。Web 工作台已经开放，新账号可领取体验 credits；API 本轮提供两周免费体验。 Web 工作台： API Platform： 开源执行框架 FrontierAgent： FrontierAgent 不强制依赖 Docker，可一条命令运行，欢迎顺手点个 Star。 Apodex 1.1 mini 模型权重： 35B 级 mini 权重可本地部署，也可以搭配 FrontierAgent 使用。 #Apodex#