Manus 事件后的监管收紧出现了，多家公司被曝要求应拒绝美国的资本。 彭博援引知情人士消息，最近几周多个 AI 科技私营企业，如月之暗面、阶跃星辰，已收到来自监管部门的指导建议，在后续融资中如果没有明确批准，应拒绝来自美国的资本。 字节跳动也将面临类似的限制。 这也意味着，字节的早期投资人，在未经政府批准的情况下，可能无法向美国投资者出售老股。 而市场分析师们，主要判断这一最新限制的总体目标，是防止美国投资者，入股涉及国家安全优先事项的敏感领域。 以上信息来自彭博社。

# ⚠️ 加密市场预警：宏观经济+清算风险双重压力来袭 **核心数据：** - 加密总市值2.60万亿，BTC占比59.9% - BTC关键清算位：上81,596刀/下74,236刀（合计约25亿美元） - ETH关键清算位：上2,424刀/下2,211刀（合计约14.5亿美元） - USDC流通量7天骤减7亿枚 **宏观警报：** 美国消费者信心指数暴跌至47.6，创74年历史新低📉 通胀预期飙至4.8%，美联储夏季降息预期大幅降温。 **⚡投资建议：** 1. 当前市场情绪极度敏感，宏观+清算双重压力下，建议降低杠杆仓位 2. USDC持续流出暗示机构避险情绪升温，现金为王 3. 关注伊朗/乌克兰地缘动态，警惕黑天鹅事件 4. MegaETH TGE临近但需警惕上线即砸盘风险（FDV押注虽高但变数大） 5. XRP虽现鲸鱼吸筹信号，但整体弱势行情下追高需谨慎 **风险提示：80,000-85,000区间积累大量清算头寸，短期波动加剧，建议轻仓或空仓观望⏸️**

蝗虫群友用GPT5.5 做的2D网页游戏，看起来很棒！ 问了下，他说用codex客户端开发的，但生图用的ChatGPT网页端。 因为客户端生图思考程度不高，网页可以开超高等级的思考作图，更加细腻。 自己写提示词，也可以让AI给思路给素材挑选，保证风格一致性就行。 --- 感想，OpenAI 编程 + 生图变强，应用场景多了好多。 不得不说，砍掉Sora是个好决策。

香港 🇭🇰 Web3 Festival 抽象小作文！《赋能相爱》 今年 Web3 Festival 最有节目效果的项目是什么？ 我会投 “赋能相爱” 一票 如果你只吃过瓜、没看过完整过程 那这次我把“整堂课”给你补齐。 ⚠️ 本视频仅供大家 反诈学习 ⚠️ 不构成任何投资建议 如果你觉得这条内容 有用 / 搞笑 / 值得转给朋友和家人， 欢迎点赞、转发、分享到 相亲相爱一家人 群聊 保护好家人养老金，才是真正的赋能相爱。 对 AI / RWA / Prediction Market 感兴趣， 也欢迎关注 w3labs.top/ 商务合作也欢迎私信交流。 感谢 @Aqun_AI 友情参与

别再对Gemini说'帮我找便宜机票'了。 弱指令 = 弱结果。 试试这些指令，你会看到差别：

图灵奖获得者、 AI 三大教父之一的 LeCun在达沃斯的发言，算是把整个硅谷的遮羞布扯了。 他说现在整个行业都被LLM彻底洗脑了，所有人都在同一条赛道上互相挖人，谁敢偏离主流谁就被骂落后。 这也是他离开Meta的真正原因，连Meta都已经LLM-pilled，他不想再跟风了。 最扎心的一句话是：纯生成式架构，不管是LLM、VLM还是VLA，永远造不出哪怕猫级的智能体。 因为它们本质上只是下一个token预测机，只能在文字和像素的空间里做统计关联，从来没有真正理解过这个世界的因果。 它们不会预测行动的后果，不会真正的规划，更没有常识。 当然，我不是说LLM没用，短期来看，scaling LLM+微调+工具调用，已经能吃掉80%的白领工作，硅谷所有人往这里冲，也算是完全理性，毕竟钱和机会就在这里。 但长期来看，这是一条有天花板的路。因为你永远不可能在文字地图上，开出一辆真正的车。 机器人、具身智能、长期自主代理、真正的科学发现，这些坎，纯LLM永远跨不过去。 LeCun说，真正的智能必须有世界模型。就是说给定当前的状态和你要做的动作，你要能准确预测下一秒世界会变成什么样。不是简单的像素级的生成，还需要对物理规律和因果关系的抽象建模。 最近Figure、特斯拉、谷歌的机器人项目，其实都在偷偷补这一课，只是没人愿意公开说，LLM不是万能地基。 我理解未来真正的智能，一定是混合栈，LLM负责语言交互和符号推理，世界模型负责因果预测和长期规划，执行层负责把计划变成动作。 LeCun从来没说过要抛弃LLM，他只是反对把LLM当成一切的答案。 硅谷现在最可怕的问题不是卷，是所有人都在同一条赛道上卷得太狠，以至于忘了终点其实根本不在这条赛道上。 世界模型这道坎，迟早要跨。 而谁先跨过去，谁就是下一个时代的赢家。 #YannLeCun #世界模型 #AGI #大模型 #具身智能

最近发现了一个关于Hermes Agent的实战指南，目前在 GitHub 上已经有 2.9k 星标。 大部分 AI 工具都需要人去反复调教配置文件，这个框架最吸引我的地方在于，它出厂就自带了一套控制系统，能根据你的日常使用习惯自己去进化和学习。 如果你也想在后台挂一个能自动升级的私人助理，省下折腾的时间，我整理了这份指南里最核心的四个实操细节： 以下是具体的实操要点： 第一：会自我修正学习的Agent 很多 AI每次对话都要重新教。Hermes在完成复杂任务后，会自动把验证过的方案提炼成技能文件。下次遇到同样的事情，它直接调取之前的经验，用的时间越久就越懂你的习惯。 第二：分层的记忆管理 为了省钱并提高速度，它把记忆分成了三层。会话记忆管当下，持久记忆管你的偏好，技能记忆管操作流程。它通过底层的数据库进行检索，只在需要的时候调取相关的片段，不会让对话因为信息太多而卡顿。 第三：直接连接你的工具栈 除了自带的40多个基础功能，它还支持接入6000多个外部应用。你可以让它直接连上代码仓库或者数据库去处理业务，并且可以通过限制权限来确保它不会乱动你的核心数据。 第四：极低的运行成本 这套系统不需要堆硬件。准备一台每月 5美元的普通云主机就能跑。通过网关接入 Telegram 等软件后，你在手机上发个指令，它就在后台自动干活，多平台的数据还是完全同步的。 建议直接去 GitHub仓库下载花叔写的PDF手册，里面有更详细的参数配置说明。 仓库地址：github.com/alchaincyf/hermes… 项目名称：alchaincyf/hermes-agent-orange-book

👍🏻 GMGN社群成员用我们的 API 做了个全自动链上异动监控，直接给我看呆了 每 5 分钟扫一次 ETH 市场，发现前排结构异动就推送预警，自己再决定要不要进。 ETH 链还有更多接口在路上——天眼信号、聪明钱和 KOL 实时交易动态，正在完善中。 ⭐ 立即 Star 这个 GMGN Agent API 仓库，第一时间收到新接口上线通知：github.com/GMGNAI/gmgn-skill… 💪🏻玩 AI 自动扫链的牛人都在 GMGN Agent API Telegram 群了，一起进来交流吧 👉🏻 t.me/gmgnagentapi #ETH #Ethereum #OnChain #DeFi #SmartMoney #CryptoTrading #Web3 #AIAgent #GMGN

我靠，发现新玩法：GPT-image-2 来生图，然后再给Zopia帮我生成seedance 2.0 视频，一键的34s的视频，居然才花了270 个积分 而且每天签到还送50个积分呢 视频效果是不是很OK？整个过程见评论 当然字幕可后期加工😊

解密量化交易五大神器，聊天就能赚钱。 下面这5大开源工具，让你像和AI助手聊天一样描述交易想法（“做均值回归策略，BTC日线，控制最大回撤”），AI自动生成代码、一键回测（CAGR、Sharpe、最大回撤全显示），甚至直接实盘跑。全部本地部署、数据隐私安全，完全免费开源，类似Minara Strategy Studio，但零成本、可自建！ 我根据GitHub活跃度、聊天/Agent支持度、回测+实盘完整性，精选了这5个最强工具（均支持本地LLM如Ollama，避免API费用）。 1. VibeTrading（最直接“聊天生成策略”神器） GitHub：github.com/Jamailar/VibeTrad… 核心功能：聊天界面输入自然语言，AI（LangChain + LangGraph）实时生成/编辑策略代码，支持美股、港股、比特币等市场。一键回测 + 可视化AI思考过程。 为什么适合：像用Cursor AI写代码一样“聊天交易”，纯本地Electron桌面应用，数据全在你电脑里。 技术栈：React + Node.js + DuckDB，支持OpenAI/Claude/Gemini或本地LLM。 安装：Node.js环境，`git clone`后 `npm install` 几分钟跑起来（MIT许可）。 推荐指数：⭐⭐⭐⭐⭐（最接近“聊聊天就交易”的Minara体验，首选！） 2. OpenAlice（“一人制华尔街”AI Agent） GitHub：github.com/TraderAlice/OpenA… 核心功能：全自主AI交易Agent，覆盖股票、加密、商品、外汇、宏观。从市场研究→决策→入场→持仓管理→出场，全程AI驱动，推理过程完全可见，支持多资产实盘。 为什么适合：从“量化代码”直接升级到“Agent聊天自主交易”，本地24h运行，相当于把整个量化团队装进电脑。 亮点：完全本地、AGPL许可，GitHub超3000星，社区超活跃。 推荐指数：⭐⭐⭐⭐⭐（想全自动“聊天式”决策的用户必备） 3. QuantDinger（AI原生量化工作台，多Agent研究） GitHub：github.com/brokermr810/Quant… 核心功能：自托管、本地优先的AI量化平台，支持Python策略AI生成、回测、实盘交易、多Agent协同研究。覆盖加密、股票、外汇、期货，内置市场数据+实时执行。 为什么适合：自然语言驱动全流程量化（策略生成+研究+交易），隐私第一。 亮点：Python原生，支持IBKR等券商实盘，在Hacker News等社区热议。 推荐指数：⭐⭐⭐⭐（需要完整量化工作流的用户首选） 4. OctoBot（带聊天模式的加密交易机器人） GitHub：github.com/drakkar-software/… 核心功能：开源加密机器人，支持AI聊天模式（ChatGPT或本地Ollama）：输入市场上下文，AI直接给出交易意见并自动执行。还支持AI策略、网格/DCA、TradingView集成，15+交易所。 为什么适合：传统量化框架 + 聊天交易无缝切换，用自然语言让AI帮你决策/实盘。 亮点：免费轻量，支持本地LLM，加密交易入门神器。 推荐指数：⭐⭐⭐⭐（专注加密实盘聊天的最佳选择） 5. Qbot（中文友好，本地AI量化机器人） GitHub：github.com/UFund-Me/Qbot（文档：ufund-me.github.io/Qbot） 核心功能：完全本地部署的AI自动量化平台，支持因子挖掘、ML/LLM策略（LSTM、Transformer等）、Backtrader回测、券商/加密实盘，GUI界面超友好。 为什么适合：AI驱动量化全链路（集成LLM可实现对话式策略），中文社区支持最强。 推荐指数：⭐⭐⭐⭐（国内用户首选，结合FinGPT等LLM特别丝滑） 🔸其他值得一提的补充工具（传统量化框架，可轻松扩展聊天功能）： 🔸 Freqtrade github.com/freqtrade/freqtra…：经典加密交易机器人，Telegram聊天控制 + FreqAI（ML自适应），可加LLM做聊天界面。 🔸 vn.py / VeighNa github.com/vnpy/vnpy：国内最成熟Python量化框架，新版新增AI模块（vnpy.alpha），支持多因子/ML策略，自行加LangChain就能聊天。 建议起步顺序： 想纯聊天生成策略+回测 → 先试 VibeTrading（最像Minara）。 想全自主Agent交易→ OpenAlice 或 QuantDinger。 专注加密实盘聊天→ OctoBot。 聊聊天就能交易的时代，来了！你准备好试哪个了？

2026年值得尝试的10个免费AI课程 生成式 AI 初学者课程 网址： microsoft.github.io/generati… 介绍： 这门由微软云倡导者提供的综合21课课程教授构建生成式 AI 应用的基础知识，涵盖大型语言模型、提示工程和负责任 AI 开发，使用 Python 和 TypeScript 代码示例。 ChatGPT 提示工程开发者课程 网址： deeplearning.ai/short-course… 介绍： 这门课程教授开发者通过 OpenAI API 使用大型语言模型构建强大应用，重点关注提示工程最佳实践，并通过总结、推理、转换和扩展文本等任务进行实践。 机器学习速成课程 网址： developers.google.com/machin… 介绍： 谷歌的快速实用机器学习介绍课程，包括动画视频、互动可视化和动手练习。 谷歌 AI 基础专项课程 网址： coursera.org/specializations… 介绍： 这门自定进度程序由谷歌专家指导，教授 AI 技能以提升跨角色和行业的生产力，无需先前经验。 每个人的人工智能 网址： deeplearning.ai/courses/ai-f… 介绍： 这门非技术课程帮助您理解 AI 技术并发现将其应用于自身组织问题的机会。 这些免费 AI 学习资源涵盖从基础概念到高级应用，旨在帮助不同背景的用户快速掌握 AI 技能。以下是对每个资源的详细分析，包括课程结构、目标受众、益处以及如何最大化学习效果，基于官方页面内容整理而成。 Google官方推出的免费在线学习平台 grow.google/ai-literacy-hub/

目前 AI 已经不是单炒一个板块了，是沿着硬件产业链一层层外溢。 第一轮最直接，炒 GPU 和 AI 芯片。大模型训练和推理首先需要算力，谁提供核心算力，谁最先受益，所以英伟达先爆发，随后带动 AI 服务器、HBM、先进封装、光模块、液冷等方向。 第二轮开始炒存储。模型越大，数据越多，参数、缓存、向量数据库、训练数据集都需要更强的读写和存储能力。AI 不光要算得快，还要读得快、存得下、调得出来。GPU 像发动机，存储更像记忆系统。 第三轮现在开始轮到 CPU。GPU 再强，也要有人调度任务、管理系统、协调网络、处理通用计算负载。CPU 就是整个系统的调度中枢。所以 AI 叙事开始从单颗芯片，扩散到服务器整机、主板、电源管理、高速互联、散热和机柜系统。 接下来大概率会继续在几个地方：互联、散热、网络、电力，以及最后的资本回报。 芯片之间怎么高速连接，数据怎么流动，热量怎么排出去，电网能不能接得上，算力买回来之后利用率够不够高，这些都会变成新的瓶颈。 所以这轮 AI 行情越往后看，越像一场超大规模的工业基础设施重建。表面上是模型革命，底层全是芯片、存储、服务器、数据中心、电力、散热和资本开支。

多方体验都证实：GPT-5.5 黑话不多了，开始说人话了！ 这意味着要变天了，兄弟们。A 社快判死刑了