登录社区云，与社区用户共同成长
邀请您加入社区
Qwen3.8-Max 没有替我判断方向，也没有把缠论包装成预测工具。它在开发过程中支持多 Agent 并行，能够理解较长的产品约束和算法边界，拆分文档与实现任务；当子任务停滞后回到主上下文继续推进；再根据“笔断裂”“中枢过宽”这种图上的具体问题，定位到算法文件并补回归测试。复杂项目不能靠一次生成直接交付。Agent Team 会卡住，初版算法也会错。模型放进开发闭环里才有意义，最后还是要靠可检查
金融市场中的大模型智能体，即便能够引述监管规则，依然可能提交违反可执行约束的交易订单，或是误读监控证据。本文提出ReguSim——一套受控金融合规仿真环境，以及ReguBench——带目标标记的监管监控评测基准。二者将四类关键信息解耦：模型口头推理陈述、尝试执行的动作、执行层强制拦截结果、监控可获取的证据。基于DeepSeek V4 Pro、Gemini 3.5 Flash开展交易智能体实验：即便
本文探讨了DeepSeek Harness（dsh）作为Agent系统运行时的核心设计理念与工程实现。dsh通过插件化架构将模型、工具、上下文等组件解耦，构建了一个可动态装配的运行时环境。文章详细分析了dsh的分层架构（Launcher、Composition、Runtime等六层），重点阐述了插件系统的三大特征：1）基于服务名的依赖管理，实现局部替换而不影响全局；2）完整的生命周期管理，包括初始
本文实测了5款主流AI基座（Qwen3-Max、ERNIE-4.0-8K、DeepSeek-V4-Pro、Mimo-V2.5、Grok-4-1-Fast-Reasoning）在金融Agent场景下的48小时快速落地能力。测试聚焦信用卡账单分期业务，评估结构化输出、术语理解、长上下文、时延及合规性等核心指标。结果显示，Qwen3-Max综合表现最佳（总耗时7.5小时），ERNIE-4.0-8K在金融
本文对比了5个主流AI基座（Qwen3.5-Plus、Qwen3-Max、DeepSeek V4-Pro、ERNIE 4.0、Claude Opus 4.7）在金融Agent场景中的表现。测试覆盖信贷尽调、财报分析和客户运营三类任务，重点关注上下文窗口、成本、稳定性和部署效率等关键指标。结果显示，不同基座在不同任务中各具优势：Claude Opus 4.7在长文本任务中表现最优但成本高昂，Deep
墨鱼团，你们好呀。1、《中国人民银行“十五五”改革发展规划》2、国金证券deepseek金融适配度评测方法3、上海医圆影像智能体。
大模型时代有一个迷人的错觉：模型越来越强，似乎终有一天能包办一切。于是很多团队把宝全部押在模型上，Prompt 越写越长，约束越加越多，试图用语言模型解决所有问题。模型是变化最快的那个变量。今天用 DeepSeek，明天可能换 GPT-5，后天又有新的开源模型冒出来。模型能力在变、价格在变、接口在变、甚至输出格式的偏好都在变。如果你把控制逻辑也写在 Prompt 里，那模型一变，你的整个系统都要跟
作为大赛联合主办方，优刻得致力于以智能算力赋能金融科技创新，为这场具有开创性意义的赛事提供全链路技术支撑，与朝阳永续共同推动AI技术在资产配置领域的深度应用。与传统模拟交易依赖人工看盘、手动下单不同，本届大赛要求参赛者派出AI智能体“小龙虾”，在真实证券市场仿真环境中进行完全自主的资产配置、选股、交易、调仓和发帖操作。截至目前，已有200余家金融机构、超900名从业者报名参赛，覆盖私募、公募、券商
这个项目的Star数（近两万）、Fork数（1700+）说明了一件事： 全球有非常多的人，正在尝试把Claude Code变成真正的生产力工具， 而不是一个"偶尔用用"的花架子。我在金融行业待了这么多年，见过很多"技术革命"的口号， 但真正改变我工作方式的技术，屈指可数。
近日，OpenAI 的一名工程师在 Codex 的公开 GitHub 仓库中提交了一次代码拉取请求，无意间将「gpt-5.4」这个尚未公布的型号写进了版本判断条件中。这意味着，前端工程师和设计师可以直接丢给它极其精细的 UI 设计图或复杂的工程原理图，彻底告别过去 AI 对着模糊压缩包一本正经胡说八道的体验，实现像素级的视觉分析。泄露信息中明确提到了一个专门针对「gpt-5.4 及更高版本」的功能
对程序员而言，高等数学中的。
第一，不少资金提前埋伏博弈茅台一季报，结果业绩增速没达到预期，茅台大跌 3.79%，直接拖累一众传统蓝筹权重股走弱。DeepSeek V4 的发布，直接带火了整个科技板块，芯片板块集体大涨，也推着科创综指一路走高，创下历史新高。第二，大盘在 4100—4150 这个区间压力很重，资金信心不足，不愿全面做多，只敢集中抱团做局部板块行情。从理性角度分析，霍尔木兹海峡大概率会在 5 到 6 月放开，哪怕
4月26日，Cursor+Claude Agent自主获取API Token，9秒内删除了整个生产数据库。金融系统对数据准确性、事务一致性的要求远高于一般行业，Agent安全边界问题尤为严峻本文结合一个真实事件，提供一个金融IT从业者可直接落地的Agent安全实操指南：1. 如何为你的模块写规则文件（含业务规则/安全约束/质量要求/审计追踪四维度模板）2. Agent安全分级框架（L1完全自动化→
FinAgent把分析慢拆成了三件事——技术面多指标合并成一次拉 OHLCV（避免同一次调用里重复打网）、的LRU扩容（同一进程里多标的多窗口更容易命中缓存）、以及四个分析师LangGraph子图并行（由四段相加变为近似最慢一段，仍受API/Ollama限流约束）。最终实现了从十多分钟到五分钟左右的耗时优化！！其他进度报告【山东大学项目实训FinAgent】本周进度报告：AKshare 数据接入与
开源AI投研助手Dexter使用指南 Dexter是一款免费开源的金融研究AI助手，支持实时查询A股/港股股价、分析财报、对比多只股票数据，并能自动生成投资报告。 部署步骤： 安装Bun运行时 克隆GitHub项目 配置API密钥（支持DeepSeek/OpenAI等模型） 启动交互界面 核心功能： 实时股价查询（如"查贵州茅台股价"） 多股对比分析 历史走势解读 自动生成包含
我的个人技能目录，直接源自我的 .claude 知识库。
核心就是：为什么信号统计是正的，但是回测曲线是负数的，几乎一切都凭他自己自由发挥，结果比较悲观，烧了大量token以后，他创建了很多个花里胡哨的不同的统计文件，始终无法得到我要的那个答案。看最近a股船队里面，同学们炸板策略跑的飞起，各路优化的炸板策略也大显神通，研究过炸板策略的同学应该也知道，先不管你实盘什么情况，反正回测这个策略是赢麻了，随便改改动不动就是60%+年化。即，在非常牛的一段行情里，
是金融机构实现 AI 办公合规化的关键工具。它解决了 AI 落地“最后一公里”的权限与网络拓扑问题，让 Claude 真正成为了企业私有资产的一部分。在执行部署前，请确保你拥有 Azure 全局管理员权限。建议先在测试租户（Sandbox）中完成 Manifest 验证，再推送到生产环境！
2026 年 4 月 17 日，外媒 The Information 率先爆出：DeepSeek 正在洽谈成立以来的**首次外部融资**，目标估值从 100 亿美元迅速被传至 200 亿乃至 300 亿美元，腾讯、阿里正在入局，融资额可能高达 18 亿美元。那个三年来多次婉拒国内头部 VC 和科技巨头橄榄枝、以"技术浪漫主义"自居的梁文锋，态度发生了 180 度大转弯。这篇文章想认真问一个问题：D
