这个 A 股量化开源项目，把选股、择时和回测全塞进一个网页了！ 不会写完整量化系统，也能自己调参数、跑策略、看历史结果。 很多人做 A 股策略，卡在的不是想法。 而是数据怎么接、选股逻辑怎么写、页面怎么搭、回测怎么跑，最后还要自己把结果整理出来。 分享一个 GitHub 开源项目：KHunter。 它把一套 A 股策略研究工作台直接做成了 Web 平台。 打开网页后，你可以自己选策略、改参数、运行选股、查看 K 线和结果，再跑回测验证历史表现。 它内置了： ✅ 15 种 A 股选股策略 ✅ 5 种择时策略 ✅ 多策略组合和在线参数配置 ✅ 全市场股票数据和自动更新 ✅ K 线图和选股结果展示 ✅ 历史回测、收益曲线、胜率和最大回撤 ✅ 五维股票评分和“狩猎场”筛选 ✅ ST、退市、市值过低、短期涨幅过高等风险过滤 里面的策略方向也比较全。 底部反转、趋势突破、均线金叉、涨停回踩、W 底、阻力位突破、海龟策略、RSI、布林带这些，都可以直接拿来跑。 仓库地址： 仅供学习研究与工具分享，不构成投资建议。DYOR

这个开源 A 股股票分析系统，直接把整套投研流程打包了！ 输入一个股票代码，25 项财务指标、技术面、新闻情绪和 AI 解读一次全部跑完！ 很多人分析 A 股，还是要自己找财报、看 K 线、翻新闻，最后再把这些零散信息交给 AI 总结。 这个 GitHub 开源项目：Stock Scanner，它不是只看一根 K 线给结论，而是把一只股票的基本面、技术面和市场情绪放到同一套分析流程里。 它先算财务：盈利、偿债、营运、成长和估值，大约 25 项。 再算技术：均线、MACD、RSI、布林带和量价。 再抓新闻、公告做情绪。 最后把这三层结果交给 GPT / Claude / 智谱写解读。 从数据采集、指标计算、新闻分析，到 AI 解读和报告输出，都可以在一个项目里完成。 仓库地址： 仅供学习研究与工具分享，不构成投资建议。DYOR

Codex 5.6 写代码很强，但很多人只用对了一半。 90% 的人都忽略了：写代码和审代码，最好不要使用同一个对话。 原对话已经知道你的目标和它自己的修改思路，很容易顺着原来的判断证明自己没问题。 更好的方法是新开一个完全没有前文的任务，只给它当前代码变更和验收要求： “请以独立代码审查者的身份检查当前 Git diff。不要根据原开发思路替改动辩护，重点寻找功能回归、遗漏场景、错误假设、并发问题和测试盲区。暂时不要修改代码，先按严重程度列出问题，并提供对应文件和证据。” 提前发现问题，省下的不只是返工时间，还有后续反复修 Bug 消耗的 Token。 一个 Codex 负责写，另一个没有参与开发的 Codex 负责挑错。

挖到一个 A 股开源量化神器 —— tickflow-stock-panel 选股、盯盘、回测、AI 复盘，全都塞进一个面板里，连历史行情数据都不用自己另外折腾。 项目内置 18 个选股策略，MA、MACD、RSI、KDJ、布林、量比这些常用指标都能直接拿来筛全 A 股。 不只是选股，盘中还能做策略监控、价格监控、个股信号和异动提醒。 回测也专门考虑了 A 股规则，T+1、手续费、滑点、止损这些都能一起算进去，不是简单跑个历史收益曲线。 个股分析这块也做得很全，可以从技术面、基本面、财务和消息面四个维度一起看。 盘后还能自动做 AI 复盘，连板梯队、概念轮动、炸板/翘板这些 A 股常看的东西也整合进去了。 数据源也给你接好了，基于 TickFlow 可以直接同步 A 股历史行情，历史日 K 不填 Key 也能用，后面还支持继续接第三方数据源。 AI 模型支持 DeepSeek、通义、Ollama 等 OpenAI 兼容接口，Web 面板直接操作，不需要一直敲命令。 等于把：选股 ➡️盯盘 ➡️回测 ➡️ 个股分析 ➡️AI 复盘 整套流程都做进了一个本地量化工作台。 仅做开源分享，非投资建议 地址：

Codex 隐藏玩法：把你每天重复教 AI 的提示词，直接做成 Skill 90% 的人用 Codex，其实都在重复做同一件事： 开一个新任务，把同一套要求再告诉它一遍。这些 Prompt 你可能已经复制粘贴了几十次。 但其实，这种反复使用的工作方法，完全可以直接做成 Codex Skill。 详细教程如下： 1️⃣先找一段你经常重复使用的 Prompt，比如我最近一直在用这类提示词： “执行任务前先检查需求漏洞和潜在风险，不要默认接受我的方案。涉及代码和结论必须验证，完成后按验收标准逐项检查。” 这类 Prompt 很好用，但最大的问题是：每开一个新任务，都要重新贴一次。 2️⃣直接让 Codex 把它做成 Skill把原来的 Prompt 发给 Codex，然后告诉它： 请把上面这套工作方式整理成一个可重复调用的 Codex Skill。 要求： · 明确这个 Skill 适合在什么情况下使用 · 把原来的要求整理成清晰的执行步骤 · 区分任务开始前、执行过程中和完成后的检查 · 保留必要的验证流程 · 删除重复和模糊的要求 · 不要改变原来的核心工作原则 Codex 就会把原来散乱的一段 Prompt，整理成一套完整的 Skill 工作流。 以后这些规则就不用一直躺在聊天记录里了。 3️⃣ 后面直接调用这个 Skill 再开新任务时，不需要重新复制那一大段 Prompt。 直接告诉 Codex：使用这个 Skill 完成当前任务。 最后你的 Codex 里保存的，就不再是一堆 Prompt，而是你自己的一整套工作流。 Prompt 是教 AI 这一次怎么做。 Skill 是把你的工作方法直接固化下来，以后每个项目都能重复调用。

Codex 5.6 必装插件：Codex Security 很多人用 Codex 写代码，最怕的不是功能跑不起来，而是代码已经正常上线，漏洞和密钥泄露却一直没人发现。 尤其是 Vibe Coding，开发越快，安全问题越容易被忽略：权限漏洞、认证风险、API Key 泄露，都可能悄悄埋进代码里。 分享我给 Codex 接入的Codex Security 插件，整个安全检查流程完全不一样。 现在不用自己一份份代码找问题，只要告诉它： 用 Codex Security 检查当前项目的安全风险，重点检查真实可利用的漏洞、权限问题和密钥泄露，并结合当前代码给出修复建议。 Codex 就可以直接结合当前代码库完成： 1️⃣扫描漏洞：检查认证、授权、输入处理、网络请求等高风险代码，找出真正值得处理的安全问题。 2️⃣检查泄露：排查 API Key、Token、Credentials 等敏感信息，避免密钥已经提交进仓库自己还不知道。 3️⃣给出修复：不只是告诉你哪里有风险，还会结合具体代码解释原因，并给出对应的修复建议和 Patch，方便继续 Review 和修改。 现在可以直接把安全检查塞进 Codex 的开发流程里： 写代码 ➡️扫漏洞 ➡️查密钥 ➡️给修复建议。

这两天看了下 @ethena 最近的进展，发现它这波扩展的重点，已经不只是把 USDe 上到更多链和协议了～ 短短几天，Ethena 同时往交易所零售入口、平台资产沉淀和机构流动性管理推进，连续落地了 3 件事： 1️⃣ Kraken+：打通美国零售储蓄入口 USDe 已经上线美国 Kraken+。用户开启 Auto Earn 后，只要 USDe 进入账户余额，就能自动获得最高 4.5% APY，不需要再自己跨链、找池子、手动复投。 我觉得真正重要的不是 4.5% 这个数字，而是分发入口变了：以前想赚 USDe 收益，需要懂钱包和 DeFi；现在Kraken+ 直接把它包装成普通用户也能理解和使用的美元储蓄产品。 2️⃣ Coinbase：Ethena 资产突破 3 亿美元 Coinbase DeFi Earn 里的 Ethena 相关资产已经突破 3 亿美元，创下历史新高。 这说明 Ethena 的增长不只来自某个临时激励池，而是正在 Coinbase 这种大型平台里形成真实的资产沉淀。入口越顺滑，能够触达的用户和资金体量也越大。 3️⃣ Maple：USDtb 进入机构流动性缓冲 Maple Finance 已经把符合 GENIUS 框架要求的 USDtb，纳入支持 syrupUSDC 和 syrupUSDT 的美元流动性缓冲核心持仓。 这两类产品的抵押资产中，目前约有 4 亿美元的流动美元资产；Maple 也成为首个接入 Ethena Whitelabel Liquidity 的平台，可以全天候获得链上稳定币流动性。 这个信号挺重要：USDtb 不再只是一个用来交易或赚收益的稳定币，而是开始被当作流动性管理和储备资产使用。 把这三件事放在一起看： Kraken+ 负责零售储蓄入口 Coinbase 负责平台化收益和资产沉淀 Maple 负责机构储备与流动性管理 再加上之前的 Solana DeFi 和 BlackRock Aladdin，Ethena 正在从一个链上高收益稳定币项目，逐步变成连接零售用户、交易所、DeFi 机构和 TradFi 的美元网络。 稳定币赛道最后拼的，可能从来不只是谁的 APY 更高，而是谁能拿下更多分发渠道，并真正进入大型平台的核心资产池。 入口越多 → 资产沉淀越大 → 流动性越深 → 更多平台愿意集成，这个飞轮已经开始转起来了～ 仅个人研究，非投资建议，dyor～

在这个群不知不觉九个月了，最大的感受其实不是认识了多少人，而是慢慢有了一群遇到事情真的能聊、能问、能互相帮忙的人。 虽然大家平时各做各的，有做内容的，有搞项目的，也有一直在找自己方向的，但时间久了会发现，很多关系就是这么一点点磨出来的。 所以 ZC 说：一起成长起来的兄弟，总比舔来的人脉靠谱，我还挺有感触的。 不管币圈/AI圈，很多关系来得快去得也快，反而这种一起折腾过、互相见过低谷和成长的关系，更难得。 大家一起互相见证了成长～ 感谢 ZC，也感谢群里认识的这些兄弟。以后有机会继续一起搞事情。 @ZhanweiC

做量化，最难的可能不是找到一个能赚钱的策略，而是有足够的资金，把它稳定地跑下去。 很多中小型量化团队都有自己的策略。 回测结果不错，实盘也能跑，但想把规模继续做大，就会遇到几个很现实的问题： 本金不够，策略容量跑不满； 业绩记录太短，很难拿到机构资金； 借贷成本太高，收益还没放大，成本先上来了。 最近我看到 Bitget 推出了一个面向量化机构的「阿基米德计划」，比较有意思的一点是：它不是给团队提供工具，而是直接解决资金问题。 整个计划规模是 3 亿美元，主要分成两部分： 1 亿美元资金支持，面向新兴和成长阶段的量化团队，帮助已经具备可行策略的团队扩大执行规模。 2 亿美元免息资金，面向策略相对成熟、具备一定交易规模的机构，降低扩大策略时的融资成本。 我比较关注的一点是，它评估的不只是团队规模。 策略质量、风险控制和可扩展性，才是比较核心的标准。 这对中小型量化团队来说很重要。 因为很多团队缺的不是策略，而是足够的本金、更长的实盘周期，以及证明策略可以规模化运行的机会。 符合条件的资产还可以在支持范围内作为保证金使用，减少资金在不同账户之间来回划转，提高资金使用效率。 未来六个月，「阿基米德计划」预计会支持超过 50 个项目。 我觉得这件事真正值得关注的，不是 3 亿美元这个数字本身。 而是量化团队终于多了一条路径： 不完全依赖自己的本金，也有机会把一个已经验证过的策略，跑成真正可规模化的机构策略。 当然，资金放大收益的同时也会放大风险，策略有效也不等于可以持续盈利。 以上仅为个人调研，不构成任何投资建议。

最近BSC又开始热闹了，时间线上连续刷到好几次@JACKET_CTO 。 一开始以为就是拿黄仁勋那件标志性黑色皮夹克做梗。 对AI圈的人来说这个符号太熟了，看到皮夹克基本就会联想到黄仁勋、NVIDIA、GPU，以及这几年一路升温的AI。 后来仔细看了下，发现它的底池用的是NVDAB。一边是几乎不用重新解释的人物符号，一边是链上股票资产，这种组合比随便套个AI名字更有意思一些。 我平时关注模型、算力和Agent比较多，对Meme研究不算深。 但从传播角度看，这种不需要额外教育的符号确实更容易被记住。 当然，有记忆点不代表一定能留下来。 热度来得快，最后还是得看BNB Chain社区怎么接，有没有人持续讨论和做内容。 仅个人研究，非投资建议，DYOR。

最近深度体验了一下腾讯的WorkBuddy ，最让我意外的地方：它不只会分析股票，还能直接跑完一整套投研工作流！ 很多人用 AI 做股票研究，得到的还是零散答案，最后还得自己查资料、核数据、整理汇报。 我用里面的免费 Hy3 大模型试了一次完整投研： 读财报和公开材料 → 对比营收利润现金流 → 梳理催化剂、风险和待验证问题 → 直接生成一份能拿去汇报的投资研究简报。 真正拉开差距的，是它能把搜集、分析、整理文档这些分散步骤，全串在同一个工作空间里完成。 不用在多个 AI、搜索工具和文档软件之间反复切换，也不用每做一步就重新解释背景。 日常写周报、做方案、整理资料也一样顺手。 而且 Hy3 在 WorkBuddy 里可以免费用到 8 月 31 号，这段时间刚好可以体验一下完整工作流～ 最近我自己也在当日常小助手用～ #TencentAI# #AIAgents# @TencentAI_News @WorkBuddy_AI

给 Codex 5.6 装上这两个审美 Skill，直接把海报和照片的视觉质感拉满！ 分享两个宝藏开源项目～ 第一个：gc-minimal-zine-poster 一个专门生成极简 Zine 风格海报的 Skill 输入一句话、一个主题或者一张照片，它会自动拆解画面主体、构图、字体、留白和色彩，再生成带有复古纸张、印刷纹理和独立杂志感的海报。 它不是简单套模板，而是把 Zine 海报的视觉规则直接写进 Codex，让每次生成都有统一的审美方向。 地址： 第二个：Scene Card Studio 这是我自己开源的照片视觉叙事 Skill 它不只是给照片套滤镜，而是先分析照片中的人物、空间、动作和情绪，再把这些内容整理成可编辑的 Scene Cards，判断这组照片应该怎样被阅读。 然后根据内容选择电影分镜、记忆地图、家庭档案、旅行日志、极简编辑或时尚编辑等叙事系统，把普通照片重新组织成一套完整的视觉作品。 地址： 下面都是codex5.6做的一些案例～

其实大部分人之前都有这个顾虑吧 币安上买到的美股到底是真股票？抑或是追踪价格的空气数字？ 本次币安更新后为VIP3及以上用户开通了股票转仓功能，彻底解决了这个顾虑 完完全全的真实美股，你可以在币安与其他券商之间自由转入转出（后续将逐步覆盖更多用户） 换句话说，你手机上的币安App已经不止是一个Crypto交易所了，完全可以把它看作传统券商Pro Max 底层直连持牌美股券商 为你提供7000支可供购买的主流美股个股与ETF，分红股息全自动分配。证券借贷，让限制的持股生息 享受比传统券商更低的准入门槛与完全相同的股东权益 加密原生结算 一个账户即可交易美股与加密货币，无需额外处理电汇、换汇等步骤 bStocks 让你不再受限于传统交易的时间限制，即使是周末不开盘也可以照常交易，同时可以结合各种链上玩法 Pre-IPO永续合约 让你在明星独角兽公司上市之前就能提前参与交易 TradFi / 股票永续合约 多空双向交易，杠杆放大收益，不直接持有股票，7*24小时全天候交易，可以用作对冲和套利工具 Pre-IPO合约→真实美股持股→bStocks24/7交易+链上生态→永续合约多空双向交易 一个App就能实现真实美股交易全覆盖，同时远比传统的玩法更加多样 @heyibinance @cz_binance @yayabinance

Codex 5.6 必装插件：Sentry 很多人都遇到过：刚修好一个 Bug，旧问题又出现，项目陷入反复返工的循环 那是因为你丢给Codex的截图或者日志通常只有最后一条报错。真正决定能不能修好的调用链、影响范围、发生频率、版本信息和运行上下文，可能全都丢了。 最近我给 Codex 接入了 Sentry 插件，整个排查流程完全不一样。 现在不需要反复搬运报错，只要告诉它： 用 Sentry 找出当前的线上 Bug，别只看报错信息，结合调用链和当前代码查出真正根因。 Codex 就可以直接读取你有权限的错误数据，再结合当前项目代码完成： 1️⃣ 还原现场：查看完整调用链和运行上下文，确认 Bug 在什么条件下发生。 2️⃣ 定位根因：把线上错误对应到具体代码，避免只根据最后一条报错猜答案。 3️⃣ 验证修复：先复现问题并补充回归测试，再修改代码，避免修好这里又弄坏那里。 彻底告别 Bug 修了又坏、坏了再修的循环。

Codex 5.6 最强隐藏提示词：让 AI 不再盲目执行，而是先帮你找错！ 很多人用 Vibe Coding 最崩溃的时刻： AI 花几个小时写完代码，token用完了，最后才发现——方向从一开始就错了。 因为 AI 擅长执行，却不会主动质疑你的想法。 分享一个我反复测试后的codex提示词，让 Codex 开启高级工程师评审模式： “在执行任何任务前，请先进行独立判断： 检查我的需求是否存在错误前提、逻辑漏洞、信息缺失或隐藏风险。 不要默认接受我的方案，如果发现更好的方案或潜在问题，请直接指出。 明确区分：已确认事实、合理推测、未验证假设 涉及代码、数据、版本和技术结论时，请先验证，不要编造。 如果信息不足，请先提出需要确认的问题，而不是自行补全。 在执行前，评估方案的长期维护成本和可能影响。” 换成这种方式后，Codex 最大的变化： 1️⃣ 提前发现问题 在开发开始前，先检查需求漏洞和隐藏风险。 2️⃣ 优化技术决策 不只是完成功能，而是帮助找到更可靠的实现方案。 3️⃣ 减少无效返工 把问题解决在写代码之前，比后面不断重构更省时间。

Codex 5.6 这个 GitHub 插件一定要装，能让你省下90%的token！ 90% 的人都把 Codex 用反了。 一上来就让它： 帮我写一个 App。 分享一条我在用的绝佳省token技巧，先给 Codex 连接 GitHub 插件，然后输入提示词： 我要开发一个 XXX。暂时不要创建文件，也不要输出代码。先在 GitHub 调研同类开源项目，筛选出最有参考价值的方案。分析它们解决了什么问题、采用什么架构、依赖哪些技术、目前是否活跃，以及有哪些设计值得复用或避开。最后结合我的需求，给出技术选型、系统架构、MVP 范围和开发顺序。得到我的确认后，再进入实现阶段。 这样 Codex 会先做三件事： 1️⃣ 找到经过真实项目验证的方案 2️⃣ 研究别人已经踩过的坑 3️⃣ 根据你的需求做出技术取舍 等方向确定后，再让它开始写代码。

一个人 + Codex，能做到什么程度？ 做 3D 游戏、日更视频、自动剪辑、搭内容流水线，甚至跑出月入 10W+ 的案例 我整理了近期 10 篇高赞推文给大家参考 1、Opus 5 + Codex 制作了一个 3D 网页游戏 @ring_hyacinth 2、开源一套花了数月打造的 Codex 组合技 @gengdaJ 3、Codex 中文创作者 10 个顶级 Skills @JackQi82772 4、Codex 5.6 + img2threejs，3D 建模创作神器 @BTCqzy1 5、如何能让你的Codex拥有无限子弹？ @Saccc_c 6、Codex + Remotion 实现自媒体视频日更，涨粉过万 @Zesee 7、Codex自动化剪辑从0到1，开源在抖音赚了5W+的工作流 @xilo2991 8、Codex + Hyperframes + HeyGen +声音克隆：零基础开始自媒体变现 @Pluvio9yte 9、开源月入10w+的Codex的使用方法 @laowangbabababa 10、如何把一套工作流沉淀成 Codex Skill 并上传到Github @AdrianPunk115 很明显地感受到，大家研究 AI，已经不只是为了提高效率了 更多人开始思考怎么把 AI 变成内容、产品、服务，最终变成收入 对普通人来说，门槛正在变低。只要有一个明确的想法，愿意动手、持续迭代，就有机会把它做成真实的结果

给 Codex 5.6 装上这个审美 skill 之后，设计出来的海报终于有灵魂了！ 最近挖到一个宝藏开源 skill：gc-minimal-zine-poster 它最牛的地方在于，给 Codex 加了一套 Zine 视觉解构系统。 实测几天发现，它能把普通文字、情绪，甚至一张废片，直接重构成安静、高级的 Zine 风格海报： 1️⃣素材重构：再烂的照片、再干的文字，都能被它解构，并注入极致的 Zine 审美。 2️⃣硬核审美约束：从比例、留白、纸张质感到字体选择，都建立了一套严格的视觉规则。保留高级 海报的克制、安静。 3️⃣审美批量产出：输入主题就能直接出高质量海报 + 可复用 Prompt，相当于给 Codex 配了个艺术总监。 下面都是codex5.6做的一些案例～感兴趣的可以看看～ 地址：

用 AI 做股票研究的人，最怕的不是信息太多。 而是换一个 Agent，前面的研究框架、关注指标和过往case的判断又得从头过一遍。 最近挖到一个宝藏 GitHub 开源项目：Memmy。 一句话讲清楚：给 Claude、Cursor、Codex 接上同一份记忆，换工具也不用重新解释。 你在 Claude 里整理好的财报逻辑，换到 Codex 写脚本时还能直接用；新的判断也会自动记进去。不用每次重新解释「我怎么看这家公司」。 它还是本地优先的：对话、研究框架、项目背景、Prompt、个人偏好，都可以从 Cursor、Claude Code、Codex 等工具导入，收成你自己的长期记忆。 这样一来： 1️⃣ 历史可继承：过去在不同 Agent 中积累的研究过程、分析经验和工作习惯，不会随着换工具而归零。 2️⃣ 上下文可复用：一个 Agent 已经理解的研究框架，另一个 Agent 也能在同一份背景上继续工作。 3️⃣ 记忆归自己：你决定连接什么、保留什么、修改什么、删除什么。AI 记忆，不被锁在任何一个平台里。 4️⃣ 不只是记忆库：也能作为 Personal Agent Runtime，直接基于已有上下文协助完成任务。让 AI 能继续推进你的工作流。 地址： 感谢 @Memmy_ai 开源，感兴趣的可以看看～DYOR