刚看到 Gate 上 Moonshot AI（$KIMI）的 Pre-IPO 进准备期了。 500 亿美金估值，参考价 110 USDT/KIMI。 我第一反应要不要冲，想看看这个价格市场到底接不接。 现在美股里能交易的 AI 标的，基本都被来回定价非常多轮。在国内这些头部大模型公司反而一直缺一个比较直接的价格锚。 所以这次 Moonshot 我更关注的其实是定价。 500 亿其实不便宜。 后面主要看两个东西：最终成交价能不能守住 110，真开始交易以后有没有人愿意继续往上接。 如果这个估值市场都能吃得下，那至少说明资金现在对中国 AI 资产的预期，可能没想象中那么差。 GUSD 那些收益、空投之类我倒不是很在意，属于有最好，没有也不影响我看这个东西。 Moonshot 我会持续关注跟进的。 这一轮 AI 最后绝对不是谁都能留下来，模型、用户、商业化，这些都需要有些东西。 先看市场怎么给它定价。

刚看到 Gate 上 Moonshot AI（$KIMI）的 Pre-IPO 进准备期了。 500 亿美金估值，参考价 110 USDT/KIMI。 我第一反应要不要冲，想看看这个价格市场到底接不接。 现在美股里能交易的 AI 标的，基本都被来回定价非常多轮。在国内这些头部大模型公司反而一直缺一个比较直接的价格锚。 所以这次 Moonshot 我更关注的其实是定价。 500 亿其实不便宜。 后面主要看两个东西：最终成交价能不能守住 110，真开始交易以后有没有人愿意继续往上接。 如果这个估值市场都能吃得下，那至少说明资金现在对中国 AI 资产的预期，可能没想象中那么差。 GUSD 那些收益、空投之类我倒不是很在意，属于有最好，没有也不影响我看这个东西。 Moonshot 我会持续关注跟进的。 这一轮 AI 最后绝对不是谁都能留下来，模型、用户、商业化，这些都需要有些东西。 先看市场怎么给它定价。

别再问 AI：现在网上的人都怎么看这个东西？ 大多数时候，它给你的只是一个“听起来很合理”的答案。 更狠的玩法是： 先把几千条真实帖子和评论抓回来，再让 AI 分析。 它可以采集小红书、抖音、B站、微博、知乎、贴吧、快手等平台的公开内容。 帖子、视频、评论、博主主页，都可以按关键词去找。 我第一反应不是拿它“爬数据”。 而是：这东西完全可以拿来给 AI 建一个真实世界的研究素材库。 比如我最近想研究： 大家到底有没有在用 AI Agent？ 以前怎么做？ 小红书搜一下。 抖音翻一下。 B站看看评论。 微博再搜一遍。 知乎找几篇回答。 然后复制、粘贴、截图…… 搞半天，脑子里最后只剩几个零散印象。 现在可以换个玩法。 直接让 MediaCrawler 去搜： AI Agent Claude Code Cursor OpenClaw DeepSeek 把相关帖子和评论整理出来。 然后全部交给 AI。 再问它： 最近大家反复讨论什么？ 吐槽最多的问题是什么？ 哪些需求出现频率最高？ 哪些产品开始被频繁提到？ 普通用户真正愿意为什么付钱？ 哪些观点只是在互相复制？ 哪些叙事正在明显升温？ 这时候 AI 的回答就完全不一样了。 因为它不是坐在那里“猜网友怎么想”。 它是在读真实网友说过什么。 这个区别很大。 我做美股、Crypto，其实也会想到很多玩法。 比如突然有一个项目开始火。 我不一定只看价格。 还可以看看： 微博有没有明显升温？ B站相关视频是不是突然变多？ 知乎开始有人写长文了吗？ 评论区是在 FOMO，还是已经开始质疑？ 过去 7 天，哪些词的出现频率明显增加？ 甚至可以把不同时间段的数据放在一起，让 AI 比： 叙事到底是在扩散，还是已经开始退潮。 这就开始有点“自己的市场情绪数据库”的意思了。 做内容的人也一样。 假如你准备做一个： 普通人为什么不用 AI Agent？ 别先让 ChatGPT 给你列 10 个痛点。 先抓 1000 条真实评论。 然后让它帮你归类： 不会安装 太贵 不知道有什么用 隐私担忧 操作太复杂 效果不稳定 …… 再从真实用户的问题里面找选题。 这种内容通常比： 帮我想 20 个爆款选题 靠谱得多。 上手其实也不算复杂。 先拉项目： git clone 进入目录： cd MediaCrawler 同步环境： uv sync 然后就可以开始跑。 比如搜小红书： uv run --platform xhs --lt qrcode --type search 第一次按提示登录。 后面设置关键词，就可以开始采集。 如果你不喜欢折腾命令行，它也有 WebUI。 平台、登录方式、采集方式、参数这些都可以直接选。 数据最后可以存成： CSV JSON JSONL Excel SQLite MySQL 如果只是自己研究，我建议别搞复杂。 CSV / SQLite 先跑起来就够了。 我觉得这个项目真正有意思的地方，不是“又多了一个爬虫”。 而是它刚好能补 AI 现在一个很大的短板：AI 很会分析。 但前提是，你得先给它值得分析的数据。 以后我的研究流程可能越来越像这样： 公开内容 ↓ MediaCrawler 把数据搬回来 ↓ AI 清洗 / 分类 / 总结 ↓ 找情绪、痛点、趋势、异常信号 ↓ 人自己做判断 说白了： 爬虫负责搬。 AI 负责读。 人负责判断。 三件事分开以后，比直接打开 ChatGPT 问一句： “最近市场都在关注什么？” 靠谱太多。 仓库： 做 AI、Crypto、内容、产品研究的，可以收一下。 当然，这类工具只建议用于合规的公开信息研究，控制采集频率，遵守平台规则，也别碰隐私数据。 最后送一句我最近越来越认同的话： 别只想着让 AI 上网找答案。 真正值钱的，是开始给 AI 建自己的数据源。

感谢各位伙伴一直对平台的支持！！！ 针对tut也一直有小伙伴跟陆兄私信问， 处理进展，小陆一直也在跟进，结果不会让用户失望，不会让大家失望。 感谢2年来各位对小陆的支持，如果有任何问题欢迎及时私信给小陆，小陆7×24小时为您服务

每天收盘后，还在一只一只翻自选股？ 这个 GitHub 开源项目可以直接让 AI 替你把复盘跑完： 行情、新闻、技术面、基本面一起抓，然后自动生成一份专属股票分析报告。 最狠的是，你甚至不用每天打开它。 配置一次，后面就定时自己跑。 我研究了一下，做美股的朋友真的可以玩玩。 比如我的自选股是： NVDA, AAPL, GOOGL, TSLA, PLTR, COIN 每天真正想搞清楚的其实就这几件事： 今天为什么涨跌？ 趋势有没有变？ 最近出了什么新闻？ 有没有新的催化？ 什么位置开始危险？ 我的逻辑有没有被证伪？ 没必要每天自己开十几个网页重新扫一遍。 这个项目干的就是这件事。 它支持的不只是美股。 A股、港股、美股、日股、韩股、台股、ETF 都能放进去。 AI 也没绑死一家： Gemini、Claude、OpenAI、DeepSeek、通义千问，甚至本地 Ollama 都能接。 行情数据也会从多个源拉取。所以它更像一个：属于自己的 AI 股票工作台。 怎么搭？其实没想象中麻烦 最偷懒的方式就是用 GitHub Actions。 第一步：Fork 仓库 先把项目 Fork 到自己账号： 然后进入： Settings → Secrets and variables → Actions 把需要的配置填进去。 第二步：告诉它你盯哪些股票 新建一个 Secret：STOCK_LIST 内容示例： NVDA,AAPL,META,GOOGL,TSLA,PLTR,COIN 以后想换股票，直接改这里就行。 第三步：接一个 AI 比如有 Gemini Key，就填：GEMINI_API_KEY 用 Claude：ANTHROPIC_API_KEY 或者 OpenAI / DeepSeek 兼容接口：OPENAI_API_KEY 先选一个模型跑起来就好，别一上来搞太复杂。 第四步：把报告推给自己 支持 Telegram、Discord、Slack、邮箱、飞书、企业微信…… 我平时都在 Telegram，就配： TELEGRAM_BOT_TOKEN TELEGRAM_CHAT_ID 报告会直接送到手机，不用主动去查。 第五步：先手动跑一次 进入 Actions → 每日股票分析 → Run workflow 确认数据、模型、推送都正常后，后面就交给它自动跑了。 项目默认会在工作日自动执行。 最后你每天收到的，不再是简单的“NVDA 今天涨了 3%”，而是会继续往下拆： 趋势判断 相关新闻 技术指标 基本面变化 风险提示 催化因素 关键价位 操作检查清单 这才是它真正有意思的地方，把“看行情”变成“做复盘”。 当然，我不会拿这种东西直接决定买卖。 AI 最适合干的是：搜资料、整理信息、每天不厌其烦地重复检查。 最后下不下钱，还是自己说了算。 但如果你自选股几十只，每天人工全部扫一遍确实太浪费时间。 这种脏活累活，交给机器最合适。 我现在越来越喜欢这种玩法： 人负责判断，AI 负责每天不厌其烦地干脏活。 一次配好，以后每天自动完成： 行情 → 新闻 → 分析 → 风险 → 报告 → 推到手机 做美股、港股、A股的都可以收。 这比每天问 AI「今天有什么股票可以买」靠谱多了。

每天收盘后，还在一只一只翻自选股？ 这个 GitHub 开源项目可以直接让 AI 替你把复盘跑完： 行情、新闻、技术面、基本面一起抓，然后自动生成一份专属股票分析报告。 最狠的是，你甚至不用每天打开它。 配置一次，后面就定时自己跑。 我研究了一下，做美股的朋友真的可以玩玩。 比如我的自选股是： NVDA, AAPL, GOOGL, TSLA, PLTR, COIN 每天真正想搞清楚的其实就这几件事： 今天为什么涨跌？ 趋势有没有变？ 最近出了什么新闻？ 有没有新的催化？ 什么位置开始危险？ 我的逻辑有没有被证伪？ 没必要每天自己开十几个网页重新扫一遍。 这个项目干的就是这件事。 它支持的不只是美股。 A股、港股、美股、日股、韩股、台股、ETF 都能放进去。 AI 也没绑死一家： Gemini、Claude、OpenAI、DeepSeek、通义千问，甚至本地 Ollama 都能接。 行情数据也会从多个源拉取。所以它更像一个：属于自己的 AI 股票工作台。 怎么搭？其实没想象中麻烦 最偷懒的方式就是用 GitHub Actions。 第一步：Fork 仓库 先把项目 Fork 到自己账号： 然后进入： Settings → Secrets and variables → Actions 把需要的配置填进去。 第二步：告诉它你盯哪些股票 新建一个 Secret：STOCK_LIST 内容示例： NVDA,AAPL,META,GOOGL,TSLA,PLTR,COIN 以后想换股票，直接改这里就行。 第三步：接一个 AI 比如有 Gemini Key，就填：GEMINI_API_KEY 用 Claude：ANTHROPIC_API_KEY 或者 OpenAI / DeepSeek 兼容接口：OPENAI_API_KEY 先选一个模型跑起来就好，别一上来搞太复杂。 第四步：把报告推给自己 支持 Telegram、Discord、Slack、邮箱、飞书、企业微信…… 我平时都在 Telegram，就配： TELEGRAM_BOT_TOKEN TELEGRAM_CHAT_ID 报告会直接送到手机，不用主动去查。 第五步：先手动跑一次 进入 Actions → 每日股票分析 → Run workflow 确认数据、模型、推送都正常后，后面就交给它自动跑了。 项目默认会在工作日自动执行。 最后你每天收到的，不再是简单的“NVDA 今天涨了 3%”，而是会继续往下拆： 趋势判断 相关新闻 技术指标 基本面变化 风险提示 催化因素 关键价位 操作检查清单 这才是它真正有意思的地方，把“看行情”变成“做复盘”。 当然，我不会拿这种东西直接决定买卖。 AI 最适合干的是：搜资料、整理信息、每天不厌其烦地重复检查。 最后下不下钱，还是自己说了算。 但如果你自选股几十只，每天人工全部扫一遍确实太浪费时间。 这种脏活累活，交给机器最合适。 我现在越来越喜欢这种玩法： 人负责判断，AI 负责每天不厌其烦地干脏活。 一次配好，以后每天自动完成： 行情 → 新闻 → 分析 → 风险 → 报告 → 推到手机 做美股、港股、A股的都可以收。 这比每天问 AI「今天有什么股票可以买」靠谱多了。

42 的 SEED，有人 $5 做到 $14.9、$19.9，甚至有人晒过接近 10x。 但我觉得真正值钱的，不是这些收益数字。而是：当整个市场还没醒的时候，你已经更早、更低成本地坐进去了。 这才是 SEED 最有意思的地方。 SEED 可以理解成 Prediction Market 的 Pre-Market。 别人等市场开盘后再进，你已经提前布局。如果后面热度、资金、讨论度起来，你赚的往往不只是最终结果， 而是：共识形成过程中的重新定价。很像美股 Pre-Market，也很像 Crypto 早期拿筹码。所以我不会乱 SEED。 我只看三件事： • 有没有流量潜力 • 有没有信息差 • 开盘后有没有资金进来 真正要预测的，不只是：“谁会赢？”而是：哪个outcome 最容易被市场重新定价？ AI 在这里很适合做监控。 我会盯： X 热度 赔率变化 搜索趋势 社区情绪 新闻增速 专门找那种：现在关注度还很低，但 Attention 已经开始加速的市场。这种机会，我最感兴趣。 玩法其实很简单：正常交易拿 Tickets → 用 Tickets 参加 SEED → 提前拿仓位 → 市场开放后观察热度和流动性 → 有利润就分批退出 我不会为了刷 Tickets 硬做交易。最后只看一个东西：SEED 净收益 = 最终收益 - 所有成本 - 原仓位亏损 我最喜欢的类型是：低共识 + 高潜在热度。现在还冷门，但模型已经看到：热度在爬 ，赔率在动 ，大号开始讨论 ，搜索量开始抬头，这种感觉很像小盘股启动前夜。 当然，SEED 不是稳赚。早进，只代表你可能有成本优势。没流量、判断错、流动性不够，照样会亏。所以我现在越来越觉得：SEED 交易的不是结果，而是 Attention。 下一步我真正想测的，也不是 AI 能不能猜中 Winner。 而是：它能不能在人群之前，预测下一波共识会在哪里形成。 @42space

一个人怎么养一支200+人的AI团队？最近挖到个离谱 GitHub： 不是Prompt合集。是直接给你配了一家“AI公司”。230多个专职Agent：程序员、产品经理、设计师、增长黑客、投资研究员、财务分析师、X情报分析师、内容创作者、销售、安全、测试、DevOps……正常公司该有的岗位，基本都齐了。真正有意思的不是Agent多。 而是你终于不用让一个AI什么都干了。 举个我自己会用的场景。今天要研究$NVDA。以前直接问Claude：帮我分析一下NVDA。 它从业务聊到估值，什么都讲一点，但都不深。现在换玩法。 先叫Investment Researcher： 只研究公司。业务怎么样？估值贵不贵？市场在交易什么预期？Bull Case、Bear Case是什么？什么情况会证伪？它只负责研究。 再换Financial Analyst： 不聊情绪，只看数字。收入、利润率、现金流、增长率、估值。Bull/Base/Bear三种情景怎么算。比一个Agent从头包到尾靠谱多了。还想知道X上现在在炒什么？ 再叫X/Twitter Intelligence Analyst： 看最近讨论什么、哪些叙事突然起来、竞品在干嘛、情绪有没有变、谁在推这个叙事。美股、Crypto、预测市场的人会很喜欢。研究完了还没结束。 要把结果发X，就丢给Content Creator把研究结果变成人能看的内容。 再丢给Twitter Engager从传播角度过一遍。整套流程变成： Investment Researcher ↓ Financial Analyst ↓ X Intelligence ↓ Content Creator ↓ Twitter Engager这时候你不是“问AI一个问题”。 更像在调一支小团队干活。 写产品也一样。突然想做一个AI美股工具。 直接拉： Product Manager ↓ UX Researcher ↓ UI Designer ↓ Frontend Developer ↓ Backend Architect ↓ Code Reviewer ↓ Reality Checker一个人把产品、设计、开发、测试全跑一遍。这思路比“超级Prompt”有意思多了。 怎么装？ 最省事的是它现在已经有桌面 App。 Mac / Windows / Linux 都能用。 如果你习惯终端，Mac 也可以： brew install --cask msitarzewski/agency-agents/agency-agents Claude Code 用户也可以直接装 Agent： ./scripts/install.sh --tool claude-code 只装自己需要的部门也行： ./scripts/install.sh --tool claude-code --division engineering,security Codex： ./scripts/install.sh --tool codex Cursor： ./scripts/install.sh --tool cursor 不用把 200 多个全塞进去。 挑你真正会用的 5-10 个就够了。 我现在越来越觉得，AI 下一阶段真正有意思的地方， 不是：一个模型越来越万能。 而是：一堆专业 Agent 开始分工。 以前你是：Claude，帮我研究股票。 以后可能是：研究员先查，分析师算账，反方专门挑刺， 情报 Agent 看市场。内容 Agent 最后整理。 你负责一件事：做决定，这才开始有点“一人公司”的意思了。 仓库： 做 AI、美股、Crypto、内容的，这个真可以收一下。

AI 写代码最危险的地方，不是它会写错。是它写错得太快。 需求没搞明白，已经开始改文件。 测试没跑，已经告诉你“应该没问题”。 一个方向错了，5 分钟能给你堆出 2000 行代码。 最近看到一个仓库，专门治这个： 玩 Claude Code / Codex / Cursor 的，建议收一下。 它做的事很简单： 不给 Agent 加速。先给 Agent 上规矩。 核心流程就这几个： /spec → 先把需求说清楚 /plan → 先拆任务，别急着动代码 /build → 再开始写 /test → 别说“应该能跑”，跑给我看 /review → 重新审自己刚写的东西 /ship → 最后才上线 看起来都很基础。但 AI Coding 到现在，最缺的恰恰就是这些基础。以前程序员方向错了，可能半天才写歪。现在 Agent 方向错了，它会用极高的效率，把你带进沟里。 所以速度已经不是最稀缺的东西。不跑偏才是。 里面几个 Skill 我挺喜欢。 interview-me 需求说不清？那就先别写。 让 Agent 一直问。问到它真的知道你想干嘛，再开始。 这一步看起来慢，其实最省时间。 很多“AI 写烂了”的项目，根本不是模型不行，是第一句话就没说清楚。 spec-driven-development 这个我现在越来越认。 以前是直接说“帮我做个 XXX”，Agent 立刻开工。 现在更愿意先把 Spec 定死：做什么、不做什么、输入输出是什么、边界在哪、什么情况才算完成。再写。 AI 越快，Spec 越重要。 不然你只是更快地把错误需求做完。 test-driven-development AI 最擅长生成一种东西：看起来很对的代码。 但代码不是作文。看起来对，没用。跑过才算。 所以我现在看到“应该可以正常工作”，基本都会条件反射：跑测试。 doubt-driven-development 名字就很对味。 Agent 给你一个答案，不要马上信。多问一轮： 为什么这么设计？有没有更简单的？这个假设验证了吗？会不会修了一个 Bug，又埋了三个？ 主动怀疑一次。 这个思路我觉得不只适合 Coding。美股、Crypto、预测市场也一样，越是一个你特别想相信的观点，越该主动找证据干它。 这个仓库真正有意思的地方，不是“又多了 24 个 Skills”。 而是它提醒了一件事： 以后拉开 Agent 差距的，可能不只是模型，而是工作流。 同一个 Claude Code。 一个人直接说“帮我把这个功能做了”。 另一个人先走 Spec → Plan → Build → Test → Review → Ship。 最后出来的东西，大概率不是一个级别。 所以以后别只研究：怎么让 AI 写得更快。 更值得研究的是： 怎么让 AI 少犯蠢。 仓库： 做 AI Coding 的，建议收。

千呼万唤始出来，结果这价格是真的绝。 去年12月放风说空投，硬拖到今年6月才开申领，8月才开交易。刷了一整季的人，到手 0.3 到 0.4U，刚好卡在刷量成本线上，白干。 更离谱的是开盘那七分钟，卖不出去。流动性差到这个地步，从 0.35 一路砸到 0.13，出来喂狗，非常经典。 平台本身不是没东西。美股代币、Pre-IPO 这块确实有想法。但代币节奏把早期用户的耐心透支干净了：解锁拉那么长，交易一延再延，好不容易开盘，连出货都出不掉。 老韭菜就一句，下次再喊年底发币，先把日历撕了再说。 $MSX

X 的创作者分成，这次是真换规矩了。 8月7日起，老的 Creator Revenue Sharing 不再收新申请。已经在里面的人，收益只结算到9月7日，之后还有三笔尾款：8月14日、8月28日，以及大概9月11日那笔，把9月7日之前的钱结清。9月8日开始，老计划成员可以申请新的 Original Content Rewards。 钱从哪来，变了。 以前看的是综合互动，现在只认一样东西，合格展示。四个条件缺一不可：看的人得是付费用户（Basic、Premium、Premium+、Business 都算）、得出现在首页时间线、帖子至少露出一半、同一个人看同一条只算一次。回复区的曝光不算。刷的、推的、假的，全部剔除。 说白了，你的内容能不能被蓝V在首页刷到，才是钱的来源。 什么算原创，这次说得挺具体。 你自己写的、拍的、做的，带自己的判断、分析、专业积累、踩过的坑、实操经验，算。对某个事件的解读、补一个别人没提的角度、有信息量的评论，也算。 复制别人的、下载完重新上传的、改几个字加个滤镜调个速的、纯拼接没有任何自己观点的，不算。 评论类、反应类内容能不能吃到？能，前提是你真往里加了东西，而不是搬过来配一句"绝了"。 门槛这块，数字是降了。 要求：满18岁；账号干净，没有反复违规；持有 Premium、Premium+ 或 Business；500个已验证粉丝；过去90天来自已验证用户的首页时间线曝光不低于50万，回复曝光不计入；以及持续在发原创。 全满足也不等于自动进，得申请，审核三个工作日左右。 我的看法。 表面看门槛降了，从500万掉到50万。实际上更难了，难在两处。 一是只认首页的 Premium 曝光。以前那套在热帖底下抢楼、靠回复区堆曝光的玩法，价值会掉得很明显。 二是原创审核这一关会更紧，纯搬运、无观点的二创、跨平台洗稿，大概率拿不到钱。 对真在持续输出自己东西的人，这反而是好事。对靠堆量的号，难度直接拉高一截。 操作上：9月8日之后去 Creator Studio 里找 Original Content Rewards，能看到自己的资格状态。收款和身份验证早绑过的，不用重来。目前处在变现暂停状态的账号，暂时进不去。 老韭菜多嘴一句：平台规则改来改去，最后都会回到同一个问题上，你有没有在持续做出别人愿意认真看完的东西。剩下的都是细节。

别再让 AI 给你手搓 Java 工具类了。 Google 有个 5 万+ Star 的老牌开源库，很多你让 AI 现写的东西，它十几年前就给你造好了：名字叫 Guava。 写 Java 的建议认识一下。尤其现在天天让 Claude / Codex 写代码，更有必要。简单讲讲怎么用👇 Guava 是什么？你可以把它理解成：java 官方标准库的“加强包”。Google 自己大量 Java 项目都在用。 里面已经给你封好了很多常见东西： 集合 字符串处理 缓存 Hash I/O 并发工具 Graph 基础类型工具 很多东西，你根本没必要让 AI 再造一遍。 先装。 Maven： Gradle： implementation("") Android 用： 33.6.0-android 就这么简单。 第一个我很喜欢的东西：ImmutableList 普通 List 谁都能改。但有些数据你压根不希望后面的人碰。比如：var coins = ImmutableList.of("BTC", "ETH", "SOL");创建完就是不可变集合。 这个思路其实很重要： 能不让代码改，就别给它改的机会。 AI 写大型项目时尤其有用。 少一点“谁把这个 List 改了”的灵异事件。 第二个：Multimap 这个很舒服，普通 Java 里，如果一个 Key 对多个 Value： Map> 然后你就开始： 判断有没有 Key 创建 List 再 add 再处理空值 Guava 直接： Multimap sectors = ArrayListMultimap.create(); 然后： sectors.put("AI", "NVDA"); sectors.put("AI", "GOOGL"); sectors.put("Crypto", "COIN"); 一看就懂，这种才叫少写垃圾代码。 还有一个很实用： Preconditions 以前经常看到： if (user == null) { ... } if (amount <= 0) { ... } 一层套一层。 Guava 可以直接： checkNotNull(user); checkArgument(amount > 0); 代码一下干净很多，不是为了炫技。而是让真正重要的业务逻辑露出来。 Guava 里还有一堆这种小东西。Joiner、拼字符串Splitter、拆字符串、Sets、集合操作、Hashing 、Hash、Graph、图结构、以及各种 Collection 工具。 单独拿出来都不惊艳。但写一个真实项目的时候，你会发现：每天浪费时间的，恰恰就是这些小破事。 这也是我现在用 AI 写代码越来越明显的一个感受：不要什么都让模型生成。 比如：“帮我写一个集合去重工具。”、“帮我写一个字符串拼接工具。”、“帮我实现一个 Multimap。”，能写。 但没必要，成熟轮子已经存在的时候，最好的 Prompt 往往不是：帮我写。而是：这个东西有没有成熟库？ 所以 Guava 真正值得学的，不是背 API。而是建立一个意识：别重复造轮子，尤其 AI 时代。模型写 300 行代码只需要几十秒，并不代表那 300 行代码应该存在。能用成熟、经过大量项目验证的库解决，很多时候比让 AI 再生成一套更靠谱。 仓库： 写 Java 的可以直接收。 下一篇我准备拆一个更狠的：“我平时让 AI 写代码，最常用的 10 个 GitHub 仓库。”不是收藏夹吃灰那种。是真的能少写很多代码。

别再让 AI 给你手搓 Java 工具类了。 Google 有个 5 万+ Star 的老牌开源库，很多你让 AI 现写的东西，它十几年前就给你造好了：名字叫 Guava。 写 Java 的建议认识一下。尤其现在天天让 Claude / Codex 写代码，更有必要。简单讲讲怎么用👇 Guava 是什么？你可以把它理解成：java 官方标准库的“加强包”。Google 自己大量 Java 项目都在用。 里面已经给你封好了很多常见东西： 集合 字符串处理 缓存 Hash I/O 并发工具 Graph 基础类型工具 很多东西，你根本没必要让 AI 再造一遍。 先装。 Maven： Gradle： implementation("") Android 用： 33.6.0-android 就这么简单。 第一个我很喜欢的东西：ImmutableList 普通 List 谁都能改。但有些数据你压根不希望后面的人碰。比如：var coins = ImmutableList.of("BTC", "ETH", "SOL");创建完就是不可变集合。 这个思路其实很重要： 能不让代码改，就别给它改的机会。 AI 写大型项目时尤其有用。 少一点“谁把这个 List 改了”的灵异事件。 第二个：Multimap 这个很舒服，普通 Java 里，如果一个 Key 对多个 Value： Map> 然后你就开始： 判断有没有 Key 创建 List 再 add 再处理空值 Guava 直接： Multimap sectors = ArrayListMultimap.create(); 然后： sectors.put("AI", "NVDA"); sectors.put("AI", "GOOGL"); sectors.put("Crypto", "COIN"); 一看就懂，这种才叫少写垃圾代码。 还有一个很实用： Preconditions 以前经常看到： if (user == null) { ... } if (amount <= 0) { ... } 一层套一层。 Guava 可以直接： checkNotNull(user); checkArgument(amount > 0); 代码一下干净很多，不是为了炫技。而是让真正重要的业务逻辑露出来。 Guava 里还有一堆这种小东西。Joiner、拼字符串Splitter、拆字符串、Sets、集合操作、Hashing 、Hash、Graph、图结构、以及各种 Collection 工具。 单独拿出来都不惊艳。但写一个真实项目的时候，你会发现：每天浪费时间的，恰恰就是这些小破事。 这也是我现在用 AI 写代码越来越明显的一个感受：不要什么都让模型生成。 比如：“帮我写一个集合去重工具。”、“帮我写一个字符串拼接工具。”、“帮我实现一个 Multimap。”，能写。 但没必要，成熟轮子已经存在的时候，最好的 Prompt 往往不是：帮我写。而是：这个东西有没有成熟库？ 所以 Guava 真正值得学的，不是背 API。而是建立一个意识：别重复造轮子，尤其 AI 时代。模型写 300 行代码只需要几十秒，并不代表那 300 行代码应该存在。能用成熟、经过大量项目验证的库解决，很多时候比让 AI 再生成一套更靠谱。 仓库： 写 Java 的可以直接收。 下一篇我准备拆一个更狠的：“我平时让 AI 写代码，最常用的 10 个 GitHub 仓库。”不是收藏夹吃灰那种。是真的能少写很多代码。

还在收藏 Prompt 的，可以停了 我最近翻到一个 20 万+ Star 的 GitHub 仓库： 
 它让我重新想了一遍 AI 到底该怎么玩。不是每次重新教 AI 做事，
而是直接给它装一套 Skills。我拿美股、Crypto、预测市场举例，3 分钟讲明白。 1、先说 Skills 是什么。 以前我研究一只股票，要反复跟 AI 说：
查资料、找反方观点、别顺着我、检查逻辑、给证伪条件、最后再下结论。 Skills 的思路很简单：
把这些做事方法直接固化下来。 以后 AI 不只是回答问题，
它知道该怎么干活。 2、安装也很简单。 Claude Code：
claude plugins install mattpocock-skills Codex 或其他 Agent：
npx skills@latest add mattpocock/skills 装完之后，挑自己需要的 Skill 就行。 3、我第一个会用的是：
/grill-me 名字就很直白：拷打我。比如我说：
“我认为 ETH 接下来半年会跑赢 BTC。”普通 AI 很容易开始帮你证明。Grill-me 不一样。
它会一直追问：
凭什么？
最关键的变量是什么？
什么情况出现你会认错？
有没有反方证据？
你是不是只挑了自己想看的数据？ 4、这东西拿来做投资，其实非常爽。 因为投资最危险的状态，从来不是“我不知道”，
而是：“我太确定了。”美股 Thesis、Crypto Thesis、预测市场下注之前，
都可以先让 AI 把自己的逻辑狠狠干一遍。很多烂交易，可能在下单之前就被你自己否掉了。 5、第二个我觉得有意思的是 research。 这个不是让你每次手动敲命令。
Agent 遇到适合的问题时，可以调用它去查高可信的一手资料，并把结论和引用整理下来。 比如你想研究：
“稳定币增长到底利好谁？” 别先问“ETH 会不会涨？” 先把问题拆掉：
稳定币供应涨了多少？
钱在哪条链？
手续费被谁赚走？
Circle、Coinbase、Ethereum、Solana，谁是真正受益者？最后再谈价格。 6、
还有 /teach。 这个很适合投资人临时补课。突然不懂：
Gamma Exposure、日元 Carry Trade、Treasury Basis Trade、Stablecoin Velocity、预测市场定价…… 不用收藏 30 篇文章。
直接让它教。
不懂就继续问，
一直问到你能拿自己的话讲出来。 7、所以我现在更喜欢这套工作流： 看到一个新叙事
→ Research
→ 建立 Thesis
→ Grill 自己
→ 找证伪条件
→ 最后才考虑下钱 AI 最大的价值，不是替你预测涨跌，
而是让你少做一些蠢决定。 8、这个仓库本来主要是给工程师做 Agent 工作流的。
但里面这套思路，我觉得做投资的人反而更应该学。 下一篇我准备直接自己做一个：
美股研究 Skill 丢进去一个 $NVDA、$TSLA、$PLTR，
自动按：
业务 → 财报 → 估值 → 催化剂 → 空头逻辑 → 证伪条件 → Thesis
跑一遍。 这个我觉得比万能炒股 Prompt有意思多了。

还在收藏 Prompt 的，可以停了 我最近翻到一个 20 万+ Star 的 GitHub 仓库： 
 它让我重新想了一遍 AI 到底该怎么玩。不是每次重新教 AI 做事，
而是直接给它装一套 Skills。我拿美股、Crypto、预测市场举例，3 分钟讲明白。 1、先说 Skills 是什么。 以前我研究一只股票，要反复跟 AI 说：
查资料、找反方观点、别顺着我、检查逻辑、给证伪条件、最后再下结论。 Skills 的思路很简单：
把这些做事方法直接固化下来。 以后 AI 不只是回答问题，
它知道该怎么干活。 2、安装也很简单。 Claude Code：
claude plugins install mattpocock-skills Codex 或其他 Agent：
npx skills@latest add mattpocock/skills 装完之后，挑自己需要的 Skill 就行。 3、我第一个会用的是：
/grill-me 名字就很直白：拷打我。比如我说：
“我认为 ETH 接下来半年会跑赢 BTC。”普通 AI 很容易开始帮你证明。Grill-me 不一样。
它会一直追问：
凭什么？
最关键的变量是什么？
什么情况出现你会认错？
有没有反方证据？
你是不是只挑了自己想看的数据？ 4、这东西拿来做投资，其实非常爽。 因为投资最危险的状态，从来不是“我不知道”，
而是：“我太确定了。”美股 Thesis、Crypto Thesis、预测市场下注之前，
都可以先让 AI 把自己的逻辑狠狠干一遍。很多烂交易，可能在下单之前就被你自己否掉了。 5、第二个我觉得有意思的是 research。 这个不是让你每次手动敲命令。
Agent 遇到适合的问题时，可以调用它去查高可信的一手资料，并把结论和引用整理下来。 比如你想研究：
“稳定币增长到底利好谁？” 别先问“ETH 会不会涨？” 先把问题拆掉：
稳定币供应涨了多少？
钱在哪条链？
手续费被谁赚走？
Circle、Coinbase、Ethereum、Solana，谁是真正受益者？最后再谈价格。 6、
还有 /teach。 这个很适合投资人临时补课。突然不懂：
Gamma Exposure、日元 Carry Trade、Treasury Basis Trade、Stablecoin Velocity、预测市场定价…… 不用收藏 30 篇文章。
直接让它教。
不懂就继续问，
一直问到你能拿自己的话讲出来。 7、所以我现在更喜欢这套工作流： 看到一个新叙事
→ Research
→ 建立 Thesis
→ Grill 自己
→ 找证伪条件
→ 最后才考虑下钱 AI 最大的价值，不是替你预测涨跌，
而是让你少做一些蠢决定。 8、这个仓库本来主要是给工程师做 Agent 工作流的。
但里面这套思路，我觉得做投资的人反而更应该学。 下一篇我准备直接自己做一个：
美股研究 Skill 丢进去一个 $NVDA、$TSLA、$PLTR，
自动按：
业务 → 财报 → 估值 → 催化剂 → 空头逻辑 → 证伪条件 → Thesis
跑一遍。 这个我觉得比万能炒股 Prompt有意思多了。

宇树 8 月 10 日打新，代码 787836。发行市值 420 亿人民币，约 58 亿美金。 对面 Figure AI，去年 9 月那轮估值 390 亿美金，收入外界估计还在两千万美金量级，PS 一千倍往上。 一个已经真正在赚钱的公司，估值却只有一个几乎没收入公司的七分之一。这已经不是一句中国资产便宜能解释过去的了。 美国市场给 Figure 的，是期权定价：赌 AGI 最终会落到物理世界。 中国市场给宇树的，是制造业定价：一台机器人卖多少钱，成本多少，毛利多少，一台一台算。 哪套定价更对，三年后见分晓。 但至少现在，在整个人形机器人赛道里，能拿 PE 正经讨论的，只有宇树一家。 2025 年，宇树营收 16.99 亿，扣非净利润 5.91 亿，人形机器人出货超过 5500 台，全球第一。 按发行市值算：扣非 PE 约 71 倍，PS 约 25 倍。 单看这个价格，不便宜，但也远没到 Figure 那种纯叙事估值。 我更在意的，是另一个数。 宇树过去三年的营收复合增速是 226%。但公司给出的 2026 年上半年指引，只有同比增长 35%—45%。不是从 60% 降到 40%。 而是从过去三年复合增长 226%，直接掉到 40% 出头。与此同时，卖方已经喊到 1090 亿，市场上喊 2000 亿的也不少。 真到 2000 亿市值，按 2025 年扣非净利润算，PE 是 338 倍。用 338 倍 PE，买一家当前增速只有 40% 左右的公司，这笔账我算不平。 除非你相信，2027 年人形机器人订单会出现指数级拐点。 但真这么买，你买的就已经不是宇树的财报了，而是一个关于“具身智能大爆发”的期权。 本质上，和买 Figure 没有区别。 还有一点，玩币的人会非常熟悉。 宇树这次只发行 10%，网上初始发行 647.1 万股，科创板上市前五个交易日不设涨跌幅。 低流通、强叙事、前五天没有涨跌停。这不就是 TGE 那套玩法吗？所以，破发概率大概率不高。 但散户真正容易亏钱的，从来不是首日破发，而是首日高开之后，接下来半年的阴跌。 打新本身没什么好纠结的：有科创板权限，20 个交易日日均沪市市值达到 1 万，就可以申购。顶格申购 6000 股，大约需要 62 万市值，中签率大概率还是千分之几。 能打就打，中了当彩票。 但别为了这张可能赚五万块的彩票，临时去补五十多万市值，这笔账不划算。 最后把两个选择同时摆在你面前： Figure AI，估值 390 亿美金，收入还在两千万美金量级。 宇树科技，估值 58 亿美金，2025 年扣非净利润 5.91 亿。

宇树 8 月 10 日打新，代码 787836。发行市值 420 亿人民币，约 58 亿美金。 对面 Figure AI，去年 9 月那轮估值 390 亿美金，收入外界估计还在两千万美金量级，PS 一千倍往上。 一个已经真正在赚钱的公司，估值却只有一个几乎没收入公司的七分之一。这已经不是一句中国资产便宜能解释过去的了。 美国市场给 Figure 的，是期权定价：赌 AGI 最终会落到物理世界。 中国市场给宇树的，是制造业定价：一台机器人卖多少钱，成本多少，毛利多少，一台一台算。 哪套定价更对，三年后见分晓。 但至少现在，在整个人形机器人赛道里，能拿 PE 正经讨论的，只有宇树一家。 2025 年，宇树营收 16.99 亿，扣非净利润 5.91 亿，人形机器人出货超过 5500 台，全球第一。 按发行市值算：扣非 PE 约 71 倍，PS 约 25 倍。 单看这个价格，不便宜，但也远没到 Figure 那种纯叙事估值。 我更在意的，是另一个数。 宇树过去三年的营收复合增速是 226%。但公司给出的 2026 年上半年指引，只有同比增长 35%—45%。不是从 60% 降到 40%。 而是从过去三年复合增长 226%，直接掉到 40% 出头。与此同时，卖方已经喊到 1090 亿，市场上喊 2000 亿的也不少。 真到 2000 亿市值，按 2025 年扣非净利润算，PE 是 338 倍。用 338 倍 PE，买一家当前增速只有 40% 左右的公司，这笔账我算不平。 除非你相信，2027 年人形机器人订单会出现指数级拐点。 但真这么买，你买的就已经不是宇树的财报了，而是一个关于“具身智能大爆发”的期权。 本质上，和买 Figure 没有区别。 还有一点，玩币的人会非常熟悉。 宇树这次只发行 10%，网上初始发行 647.1 万股，科创板上市前五个交易日不设涨跌幅。 低流通、强叙事、前五天没有涨跌停。这不就是 TGE 那套玩法吗？所以，破发概率大概率不高。 但散户真正容易亏钱的，从来不是首日破发，而是首日高开之后，接下来半年的阴跌。 打新本身没什么好纠结的：有科创板权限，20 个交易日日均沪市市值达到 1 万，就可以申购。顶格申购 6000 股，大约需要 62 万市值，中签率大概率还是千分之几。 能打就打，中了当彩票。 但别为了这张可能赚五万块的彩票，临时去补五十多万市值，这笔账不划算。 最后把两个选择同时摆在你面前： Figure AI，估值 390 亿美金，收入还在两千万美金量级。 宇树科技，估值 58 亿美金，2025 年扣非净利润 5.91 亿。

交易平台把钱花在哪里，比它嘴上说重视谁更诚实 我平时经常用 AI 看美股，在币圈也当了很多年老韭菜。最近有个变化越来越明显：前几年市场有增量，平台忙着抢新用户，注册送币、交易返佣，玩法都差不多。 现在进入存量竞争，预算开始往真正贡献流动性的人身上走。高频、高净值、长期交易的用户，才是平台真正想留住的人。 Gate 最近这期 VIP 活动就很典型：不送平台币，不发抵扣券，直接上 Rimowa 定制旅行系列。 箱子只是表面，背后的信号更值得看，核心交易者的价值，正在被重新定价。 注册人数是门面，持续交易才是生意。门槛不低，本身达标就顺手领，别为了箱子硬放量，细则在评论区。