Roundhill Memory ETF（$DRAM）在35天内资产管理规模（AUM）突破50亿美元 由 Roundhill Investments 推出的 Roundhill Memory ETF，在成立仅35天后，资产管理规模便突破50亿美元，成为历史上第二快达到这一里程碑的ETF，仅比 iShares Bitcoin Trust（$IBIT）慢一天。 该ETF已经连续23个交易日实现资金净流入，其中前一日单日流入高达13亿美元，使其总资产管理规模达到51亿美元。 其主要持仓包括： SK Hynix（27%） Samsung Electronics（22%） Micron Technology（$MU） SanDisk（$SNDK） Seagate Technology（$STX） Western Digital（$WDC） Kioxia Holdings Corporation。

今天是美国长周末前最后一个交易日，明天Memorial Day休市，机构收仓、流动性薄，成交量不厚的波动都不算数 但别以为长周末之后是清闲的一周 下周等着的 是今年最密集的宏观日历之一 PCE数据，美联储最看重的通胀指标 👉软了，降息预期回来，风险资产有支撑 👉热了，$78K以上继续顶着。这一个数字能直接重新定价整个市场 Q1 GDP修正值，经济基本面的再评估。市场对衰退预期有多敏感，这个数字出来的时候就知道了 Kevin Warsh出任美联储主席的第一周。新主席上任，市场会把他的每一句话翻来覆去解读。他偏鹰还是偏鸽，风格是渐进还是激进，这周见分晓。一旦有鹰派表态，风险资产会比任何坏数据反应都快 所以现在这个横盘，本质上是在等 长周末的薄流动性里别追方向，假突破今明两天概率比平时高 真正决定五月怎么收、六月从哪里出发的，是下周这三个数字 DYOR 非投资建议

今天的分享会预告来啦📢 主题：Long-term Memory for AI Agents：如何让 Agent 拥有持续上下文与长期一致性 ⏰ 时间：5 月 25 日 20:00-21:00（UTC+8） 🎤 嘉宾：@li9292 李韭二丨盛大 Evermind 社区大使 💡 分享内容：AI Agent 长期记忆的核心痛点，实现持续上下文与身份一致性的技术路径 ❗️课前准备：一个你在开发或使用 AI Agent 过程中遇到的记忆相关问题 📍 Zoom会议链接： 会议号: 840 1019 2068 密码: 882991 🔗 推特直播：

今年可以说是AI和存储的盛世！ 今年涨幅超预期的4只美股AI相关ETF，主要围绕AI基础设施。 01. DRAM - Roundhill Memory ETF 今年以来涨幅：+95.63%（最猛的一只） 上市时间：2026年4月2日 核心主题：AI内存、HBM、存储芯片，专门抓住AI算力背后的“内存瓶颈”。 主要持仓有SK海力士、三星、美光等存储大厂。 PS：这只在Hype平台上就可以买到，国内小白上手比较方便。 02. AIPO - Defiance AI & Power Infrastructure ETF 今年以来涨幅：+46.29% 上市时间：2025年7月 核心主题：AI电力和数据中心能源基础设施。 重点买AI发展需要的电力供应相关公司，比如数据中心供电、能源基建等。 03. IVES - Dan Ives Wedbush AI Revolution ETF 今年以来涨幅：+17.84% 上市时间：2025年6月 核心主题：AI全产业链和科技巨头。 持仓包括英伟达、AMD、美光、亚马逊、谷歌、苹果等大公司，属于比较均衡的AI组合。 04. TCAI - Tortoise AI Infrastructure ETF 今年以来涨幅：+69.01% 上市时间：2025年8月4日 核心主题：AI基础设施、数据中心和工业链。 重点投资AI从概念转向实际建设的“基建支撑”部分。 整体小结 & 新手建议 这4只ETF都紧跟AI热潮，但侧重点不一样：DRAM最激进（内存方向），TCAI抓基建落地，AIPO押电力，IVES更均衡。 最近几年AI ETF这么火，主要是因为AI大模型发展快，拉动了芯片、内存、电力、数据中心等整个产业链。 风险提醒：AI主题涨得快也跌得狠，这些都是新ETF，波动大。建议小额试水，别冲太多，控制在总资产10-20%以内。

上周更新了OpenClaw后，连1+1=2这样的问题都得卡2分钟才能回复，回退到4.23版本立刻就流畅了 推友反馈4.27和4.29都有这个问题，说是龙虾团队为了安全对内置组件做了限制，尝试在最新的5.2版本卸载memory-core后是好了些 现在看来，回退到OpenClaw 4.23版本是最稳妥的

最近一直在研究 Codex 和 Claude Code 的记忆设计，发现两者的设计哲学和玩法有很大差异。 Codex 的设计目标是让一个 agent 运行的够久，所以它的执行策略偏向于把记忆当做工具，持续构建工作上下文（work memory），为当前的 goal 服务。OpenClaw 也是这个工作模式。 Claude Code 更像把记忆当成认知架构。它不只记录当前目标，还会在不同时间尺度上持续沉淀用户偏好、上下文变化、执行经验和行为反馈。它更偏向于让多个 agent 各自在独立上下文中高效工作，由外部逻辑（文件记录、coordinator 管理等）确保整体进度不丢失。它不信任任何单个 agent 能跑到底，所以把进度状态放在 agent 之外。 Codex 也意识到当前记忆设计的缺陷，尝试引入更持久的记忆机制（执行 codex features enable memories 可启用），支持跨对话记住你的项目上下文。每个交互轮次结束后，Codex 会自动从对话中提取有价值的信息（架构决策、代码约定、踩坑经验等），存到 ~/.codex/memories/。 Codex 更像是一个执行者，专注于完成任务，而不是管理记忆或上下文。它的设计哲学是“做就对了”，不太关心过程中的失误或偏差，只要最终结果符合预期就行。正因如此，很多人体感 Codex 在指令遵循方面做的更好。 Claude Code 更像是一个学习者，通过不断的试错和反思来提升自己的能力。它不仅关注完成任务，还关注如何完成任务。它会持续记录和分析执行过程中的每一步，积累经验和反馈，不断优化自己的行为策略。 二者各有优劣，你更看好哪种模式？

国内还在卷OpenClaw的各种喂饭教程，国外已经有人通过出售SOUL、skills变现了。 本质上是出售你训练好的OpenClaw，最终交付的内容包括SOUL、MEMORY、skills等文件。 两个思路： 1️⃣针对某个细分场景打磨一个OpenClaw，比如小红书运营助手，设计师、仓库管理员等等，甚至有人直接克隆了 Dan Koe 的思维框架做成 agent。 2️⃣ 根据企业的具体需求定制开发OpenClaw，尤其是有存量 SaaS 的，把现有工具接进 OpenClaw，直接降维打击。