openclaw量化交易用什么模型

摇闪可以用 open clock 实现自动化交易吗？我们看一下 dpc 的 回答，可以。 open clock 正是目前个人投资者实现股票智能化的热门开源工具，它能够把你的想法变成智能化执行的 晒薄工具。哈哈哈， open clock 最吸引的地方，它能够帮助普通投资者完成过去只有机构才能完成的才能做的复杂工作，实现所想即所得 啊，所说即所执行啊，他可以做自动化的定盘和信息处理啊，他可以每天定时抓取啊，公告新闻行情，并自动形成一份啊简报啊，推送到你的手机上， 还有彻夜的回测与执行啊，深度投研公布分析啊，二十四小时无人值守啊，怎么样是从零开始呢啊，你可以去，呃， 是这样去做啊，自动生成每日的复盘报告啊，每天收盘之后，整理你关注板块的涨跌，资金流向，为你生成一份个性化的啊，不知报一行， 移动提醒啊，设置呃，设置一些这个相关的这种信息啊，再通知你还有相关的信息的这种提取。总之， open clock 确实是啊，小产的这种福音，你们赶紧去试一下吧！

哈喽，我是严校长，之前几期视频去讲了这个本尼大模型吧，然后很多人就觉得这个本尼大模型在速度上肯定是非常的差的。然后这期视频主要给大家实战演练一下啊，只见我们用录屏的形式看一下。呃，我最近发现这个模型啊，就是刚出的千万三点五三十五 b a 三 b 这个模型， 你看我用的是这个八位的一个量化版本，但这个版本其实跟我们线上去使用的话，差别并不是很大，特别在高峰时期，他不会被压缩。 如果你用线上模型 open color 想省钱不用的话没有意义，你训练的东西没有用，然后你大量使用的话，你的这个开销，特别是多 a 镜头的这种场景，你的成本是相对比较高的。所以说如果你有重度的 open color 依赖的话，可以尝试一下和我一样用麦克斯丢丢 去做本地模型的部署，可以看到我这台机器是二百五十六 gb 的 版本，这个机器目前跑这个东西都是小儿科啊，你看就占用了六十。然后我们来看一下这个本地模型到底速度怎么样， 我们先做个简单的测试啊，比如说你可以做什么？大家重点是关注他这个回复的这个速度，以及这一块他思考的这个时间啊，可以看到这个速度基本上是秒出的呀，可能现在赛文比较小啊，可以看现在能跑到四十七啊，可以跑到四十七 啊，然后这个是八位的啊，这个八位如果我换到四位，我们常用的这个版本的话，可能速能跑到五十多啊。比如说我们来点复杂的，比如说 天气怎么样？因为这个涉及到要一个联网搜搜索嘛，他会在网上去搜啊，他的步骤可能你看现在已经操作了两步了，第三步了啊， ok， 把他读到了我当前地址啊，然后天气都带出来了啊。比如说我再问一下别的地区， 因为这个就要考虑到一次两次的上下文的连连接，而不是简单的常用的这种。呃，人工智能进行一个单次对话，你看他联想到了我后面发的这个深圳的话，他能联想到这个天气的信息。然后我们接着来去 啊，问一个复杂啊，比如说推荐一下二零二五年的高分韩剧啊，这个其实是有点难度的啊，首先他要在网上去扒资源啊，找到有用的信息，然后进行整理。 这个步骤对于本尼达模型其实压力算是很大的，你看一下我们这个目前新出的纤维三点五，在这个本尼达模型上的效果怎么样？可以看到这个速度 其实有很多人应该用过线上的版本，你们又不觉得我这个速度并没有很慢是不是？而且我这个是没有弄虚作假了，这些片子可以看到都是都是新出的，而且刚刚的思考过程都是看得见的。 然后我们来反过来推一下，你看现在上下文是有一定下降的啊，跑到四十五，但是四十五点七 t 肯啊，这个叫 t g 头肯，就是吐字的，这个速度其实是已经很合理了，我们再继续给他一点有难度的啊，比如说这个片子啊，我直接跟他说嘛， 这个具体讲什么？好看吗？啊？你继续进行二次追问这样一个测试方法是很容易测出一个模型以及对于 open klo 的 适应能力，可以看到速度依然可以很快的出来。 然后我们再继续增加难度，比如说这个片子一出来，我觉得你看他，他甚至给我一个建议啊，就是他可以帮我搜磁力链接，这个就很强啊。我说，呃，找找四 k 的 吧 啊，其实这个又又叠加个难度，首先上下文的长度变长了，哎，再加上他对互联网解锁的这种能力就更强了。因为我们用的是巴巴比特这个电话版本吗？如果试比特可能会弱一点，但是他只影响他试错的这种 几率吧。可以看到这种他已经不断的在尝试了，如果你是精度比较低的，他可能试错的次数会多一点，但是基本上都能出结果，而且可以看到我现在的这个显存。 嗯，这点三条文基本上不会有开销。比如说你预算有限的话，你可以入 m 三要求的这个九十六 gb 现存的这个版本，如果你呃预算 大概在两万左右的话，也可以买六十四 gb 的 m 二要求的话，你跑四 b 的 量化体也不会差很多 啊。你看这个，这个他现在就是遇到了问题啊，你看，呃，就说在某个网站上没有找到这个资源 啊，这就是现在本地模型，我目前来测试就是很容易出问题的一个点，但是这个问题我觉得是可以解决的，因为通过你去优化它的 skill， 它可以解决更精准的一些，因为我现在是完全让它呃重新尝试，相当于没有没有教学的部分啊，让它自己去尝试， 那后期你就可以完全用自然语言去沟通，然后他会更了解你的习惯，写出更合适的 skill 啊。这些视频主要是给大家讲，就是关于本地大模型啊，以及这些使用体验上的速率以及性能的问题，可以看到一些正常使用都没问题。 我们再做点哪一点呢？比如说打开浏览器，进入小红书，搜索 back 丢丢，其实这个是有点难度的啊，就哪怕很多线上模型，我们去跑浏览器的自动化，其实都呃不是那么容易成功的。而加加我们现在已经有一些上下文的堆积了，然后我在中间突然插入了一个和上下文完全没关系的 啊，内容其实对他来说是有一定的难度的，可以看到他第一次试错了，他第一次直接用这个，呃，直接去抓了呀，他就是很简单，他打不开浏览器，但是他用了一个其他的方式帮我推出来了这个目前我想找到的东西，也就说他又找了一个别的解决方案啊，但是千万三点五，这个本身是一个小模型啊， 如果我们后期去切到这个 mini max， 你 看它这个，嗯，空间都占用一百三十八，实际跑起来大概占一百八十 gb 的 现存。比如说如果你预算更高一点，大概五万的预算的话，你完全可以入这个二，像我一样二百五十六 gb 的 这个 m 三要求啊，就跑这个 mini max， 像这些什么浏览器啊，以及呃下电影啊这种小科的问题吧，但是它的速度可能就跑不到五十头克，每秒大概有三十头克，但是日常使用完全够了。 ok， 那 下期视频我们会继续分享如何？呃，更高效地使用本地这个大模型，来去跑一些 open klo 的 一些复杂任务。

大家好，我是南哥， oppo 壳到底能不能用于全自动量化交易呢？以及它的效果具体如何？今天南哥哈特意在我们这个电脑上也安装了一个 oppo 壳，那安装这个小龙虾我们大概 花了半小时左右，它的安装步骤其实比较简单，但是它后期的一些配置我看了一下应该会比较麻烦。 oppo ql 在 我们这个量化市场上有一个很著名的案例，在国外有一个叫 markey 的 二零八克的一个 预测市场，利用这个 open clone， 利用这个价格的一个时间进行的一个套利，仅仅经过四十八个小时，它的收益翻了五十八倍。那大家也可以查找一下相关的一个新闻，那么我们今天把这个 open clone 刚刚安装好， 那因为我做的是人体是跟量化相关的，所以说我在问他你能干嘛的时候，他给了我们的一个指令，他可以协助呢我们进行策略的一个开发哦， 因为大家都知道蓝歌是用金字塔跟 t p 开拓者的，所以说我这个字整体直接说了，它可以协助我编辑金字塔的一个策略跟 t p 开拓者的一个策略，不仅仅是回测，还可以优化我们相关的一个 在策略上的一些问题，那我这个字整体我把它取名为叫蓝歌量化。那么我也是简单的 问了几个跟策略相关的一些问题，我我这个自人体呢，他也确实给了一些比较专业的一些回答哈， 那这个东西我目前哈还在研究中哈，到时候呢，就是我让这个自人体就是协助跟优化我们的一个量化策略，那大家如果说如果有思路、有成熟的一个想法， 要，要实现这种量化的话，也可以去借助这种 open core， 因为这个目前是最先进的这种智能体啊。

发财，你帮我分析一下今天涨幅前五名的股票里面有哪些值得买，然后点击发送，然后你看啊，他就在我这个虚拟机里边自己去调用。 我，我已经前面训练他了，先上问财去输入上市天数大于三百六十五天今日涨幅排名，他就会自己去找来挨个点击这些个股，打开他的分时图和 k 线图给我一个判断，这就是全程让电脑来操控的， 你看啊，这是手机上他返回的信息，今日涨幅排名前五，他就开始详细分析买入与建议，你看他给出了一些提醒， 我还可以继续告诉他，我刚才让你做的分析是让你再打开东方财富去看一下他分时图和 k 线图，通过技术分析给我，结果你做了没有？走你， 你看他又打开了第二只，这个偷懒他怎么可能是没跟他说清楚啊，以后让他记住好了。他开始回复了，他说你说的对，我确实只打开了啊，让我一次打开对吧？然后给你完整的分析， 然后你看每只票的一些形态，技术指标，最终买入建议顺序，你看有业绩亏损的谨慎，国家太高的不推荐是吧？好的，那你帮我模拟买入。好，你看我这让他做了个模拟仓， 忘记买肉了，后面可以跟踪，我们可以定期跟踪一下，看看实际效果怎么样，来看看他给我多做了多少钱。这是刚才没刷新以前，我让他说了几句话，现在是五十三块钱，刷新一下看刚才花了多少钱，几块钱？五块钱，有成本的，哈哈哈。

我用 ai 从零搭建了全自动的炒股系统，实盘交易账号公开记录可查全网，你可能都找不到这么公开透明的 ai 炒股分享。几个月前，我就发布过关于 ai 炒股的视频，全网三百万播放， 无数人评论问怎么做。那时候对普通人来说， ai 炒股还是很难。现在不同了，用龙虾配合新的大模型，普通人也能搭建自己的自动交易系统，更重要的是，他能自我迭代，学习升级。 开始我让他管理十美金作为测试，携带后让他管理一百七十美金，然后逐步加码，第一天他就默默产生了一千美金的交易量。放心啊，没你想的那么复杂，全程都是使唤龙虾来完成。 我怕有人还觉得龙虾难用，专门选了一个门槛极低的龙虾。智普的 autoclave 什么配置啊，部署啊，完全不需要下载下来，开箱即用， ui 也比原版龙虾简单很多。打开 autoclave， 可以 配置任意模型。不只有智普的模型啊，它默认是使用智普新出的龙虾专用模型。 pony alpha 二， 我也是第一次用啊，也想评测一下他的水平，听说是能让龙虾的能力再上一个台阶。整个系统包含多个模块。首先核心的是一个交易 agent， 他 会写交易日记，会调用多个技能来完成全自动的交易， 还有两个技能，交易策略技能和交易执行技能。交易策略技能呢，会基于历史数据制定策略，回测、调餐，然后用找到的策略进行交易。交易执行技能呢，用来到券商或者交易所执行买卖操作。那做完买卖操作之后，交易 agent 会发送飞书消息通知我们， 每过一段时间， ai 可以 根据交易日记总结经验，叠带交易策略，形成一个交易叠带左脚踩右脚螺旋升天的闭环。 还是要声明啊，视频仅作为技术研究，不构成任何投资建议，不建议大家投资啊，我们的重点在于啊，如何通过龙虾搭建这一套 ai 全自动的交易系统，不会过度的深究交易策略，大家可以自行搭配任意互联网上能找到的策略。第一步， 首先 ai 要学会使用股票软件来执行买卖操作，我让他专门开发一个技能，为了方便演示，我选了和知名 ai 炒股大赛相同的合约。 那 a 股的话呢？大家可以自行查阅如何开通量化权限，也可以让龙虾通过操作浏览器来执行交易，非常简单。我把官方的 api 文档直接发给 ai， 它就持续向我汇报工作进度， 不是以前那种，它简单写个代码就完事了。它是一边写代码一边测试一边修复，非常的主动。这也是 autoclave 对 比以前那些 agent 的 一个显著区别啊。 十分钟后，他开发完了，并且测试了获取价格，获取 k 线各种功能。我还不放心啊，再试了一下，让他用新开发的这个 skill 获取 google 的 历史股价数据，并放到我的电脑桌面上看。啊，成功了， 但他还只是获取数据啊，没有执行买卖操作，因为他没有钱呐。我让他自己注册了一个账号，然后我往里面存了十三美元，接着他就主动测试了一下，买入黄金再卖出。 成功了啊，在平台上也能查到交易记录，我也是第一次使用这个交易平台啊，对他的 api 一 无所知。在这种情况下，我仅通过和 autoclole 对 话一个小时，就打通了全部的接口。 我的感受是 autoclole 和 pony alpha 二这个组合非常的主动，而且可控。以前我即使使用 cloud code 加 cloud 的 模型，也没有这么主动的去解决问题，往往要写超长的提示词来约束他。 不过呢， pony 二 f 二的强大也是有代价的，消耗的头肯也是真的贵，建议大家多配置一个便宜模型组合使用，现在我还要让它变得更科幻。嗯，在 auto close 上可以一键添加飞书，这个过程跟魔法一样， 点一下，然后就全自动控制浏览器帮我完成一连串无比复杂的配置操作。全是自动的， 配置完后，结合刚开发完的交易技能，就拥有了一个交易助力。无论走到哪里，我就让他查询一下黄金的价格，然后买十美元的黄金。他还给我点了一个表情，表示他看到了。你看啊，交易成功了，在平台上也能看到对应的仓位。 第二步，只会执行买卖还不够啊， ai 还要能够自己决策，找到买点卖点，这样才能全自动执行。我让他去研究一套交易策略，并且也做成一个技能。我没有限制他具体用什么策略啊，因为这个不是视频的重点，大家可以直接发一篇文章或者一本书给他，比如海龟交易法， 还可以让他去互联网上收集宏观的数据或者新闻信息，用来作为策略的一部分。总之想象空间很大， 你看他创建了策略，并且在历史数据上回测，用网格搜索找到最优的参数，回测显示胜率可以达到百分之七十一点四。我还发给他黄金白银、原油、标普指数等更多的标的，让他去研究，最终他列出一个表，清楚的展示每个标的用这个策略的回测结果。 那现在呢，我们已经开发好了两个技能，在 autoplout 的 这个界面啊，可以管理你的所有技能，默认就已经安装了常用的九十六个，覆盖内容创作、飞书、办公、代码开发等各种场景，可以把我们刚刚创建的技能也添加进去。 第三步，注意啊，现在要实现整个系统的核心，非常魔法的 agent 部分，但其实是很简单的，本质上只是一段提示词，完全依赖大模型的强大能力，就是告诉 ai 啊，如何运转这套自动交易系统，大家可以自行暂停阅读。第四步， 最后一步啊，我们创建一个定时任务，让龙虾每过三分钟执行一次交易流程，检查一下 k 线，这样就能实现全自动的运行了。 原版龙虾中啊，可以通过 u i 创建定时任务，但这个表普通人看的也是有点头疼，而 autoclave 呢，没有这个 u i， 只能通过和 ai 对 话，让 ai 帮我们创建。看啊，现在他已经给我发了一条飞书，消息，表示交易机器人已经启动。 不一会功夫啊，他又发来了开仓和止损的通知，给我亏了百分之四点六，幸好测试阶段我只给他了十四美元，然后几十分钟我就看他没反应了，是不是偷了钱跑路了。可以直接问 autoplay， 就 把他当做像人一样使唤，他告诉我一切正常运行，并且列出了每次运行的结果， 到这一步已经是凌晨了，然后我就去睡了一觉，一觉醒来，发现他给我发了很多飞书消息，总共已经亏了百分之九的钱，还只是一晚上啊。看了一下交易日记，有一些总结，比如今晚所有 rsi 大 于七十的交易全部止损， 最后还说一直在亏钱，暂停交易，直到收到明确指示，保护剩余资金。咋说呢，就很灵活，很像真人，亏了钱不能浪费啊。我就让 ai 根据昨晚的交易日记迭代升级一下策略。 一段时间后，他就给我发来一条飞书消息，说交易机器人已经升级到二点零。这个二点零啊，我发现他保守了很多，半天都不开单，给我急坏了，我问他怎么回事，他说这是好事啊，一点零的教训就是条件不满足，强行交易，导致八连亏。 二点零正在发挥作用，宁可空仓等待，也不乱开仓，太他喵的有活人感了。于是我放大胆子，给他存了更多的钱，现在他给我管一百七十二美金，相当于一千二软妹币， 期待他进一步迭代，大家也可以持续关注这个账户的交易情况，都是公开可查的。总结那最后我总结一下。首先，短时间高频次的交易，在黄金白银这种高度有效的散户几乎是不可能赚钱的。 这套全自动开发系统啊，用在更大时间级别的交易会更有效。在视频中啊，我使用一分钟，十分钟级别的 k 线，以及用一些高波动的标的，只是为了让他更多的触发交易，不然很难在视频里演示。所以一觉醒来八连亏。我也不是很意外啊，酒赌必输，多投资少投机。 然后评价一下 autoclole 本地部署的原版龙虾以及云端部署的龙虾，我都用过，对比之下呢， autoclole 毫无疑问门槛极低，非常适合普通人使用，它不会把一堆看不懂的菜单怼到你面前，是真正给普通人用的龙虾。那尽管它 ui 简洁，龙虾的所有底层功能都继承过来了， 没有阉割，当然同时也继承了龙虾的大部分缺点。那从另一面讲呢， ui 的 简化也让它缺少了很多原版 ui 上的复杂配置功能，比如手动创建定时任务啊，查看定时任务运行的历史，在 auto flow 里，全都要靠和 ai 对 话来使用这些功能， 就靠一张嘴来完成全部任务。对小白来说，这也确实是更友好的交互方式。再说 pony alpha 二这个模型，由于龙虾很少偷啃，平时我都是用国产模型来配合龙虾，但总让我觉得这龙虾怎么这么蠢，简单的事情都做不好， 经常要人去提醒他做这做那。而在我开发全自动炒股系统的过程中呢， pony alpha 给了我全新的使用龙虾的体验，没有出现那种弱智的问题，这是 cloud opus 四点五甚至四点六才有的体验。 而且我们的炒股系统不像传统量化系统，以代码为核心驱动，我们是以 agent 为核心来驱动的，极度依赖模型能力。而 pony alpha 二即使频繁的每三分钟执行一次，执行一整晚都没有出问题。 据说它是深度优化了龙虾的使用场景，所以才叫龙虾模型嘛，那质朴。这一次不但端出了强大的模型，还承接了龙虾巨大的流量，带来了更适合普通人使用的龙虾产品。

我一直有个梦想，就是实现脱坑自由，虽然财富自由不能实现脱坑自由，我想应该是很简单的，但是被狠狠的打脸了。事情的起因是这样的，最近不是 oppo core 的 很火吗？我自己也跑了一个 oppo core 的， 但是由于 oppo 呢，然后虽然是包月的，我试着想用自己的模型去支持 oppo core 的 去跑。 我看中了那个 mini max m 二点五的，它的全量参数呢是两百三十 b 的， 然后它的模型的大小呢，是接近五百 g， 就是 四百多个 g， 我 试着让它量化， 本想着量化到英特斯的这种精度损失会比较小，到英特斯的时候它也有一百三十多 g， 因为我的电脑的显存只有十六 g， 内存只有六十四 g。 后来呢，我想了另外一个方法，可以量化成 q 二的，量化成 q 二的之后，他的模型的大小只有八十 g。 我 一开始我选择的方案是奥拉玛进行跑这个服务， 模型呢，我去下载下来了，通过电话之后，它是有三个文件，我那个奥拉玛不好跑，我就用拉玛这个服务让它合并成一个文件，一个尾注为 g g u f 的 这个文件。我试着用奥拉玛的启动它，但是奥拉玛一启动就不错了，然后我改了方案，用拉玛 c p p 这个服务器启动这个项目， 拉玛 c p p 设置的它的参数，我一开始设置加载二十层网络的器启动，但是也报那个 o m 了，就是内存不够和显卡不够。 后来我把它改成五层，五层是可以加载进去的，可以顺利启动，但是我感觉这样会比较慢，我就会损失很多进度，我就把它改为十层、四层照样也可以启动， 启动之后，但是我测试了一下，他那个测试速度是非常慢的，由于这计算速度太慢了，我本地的显卡比较小，所以说本地部署模型这条路是行不通的，除非我要升级这个机器，但是升级这个机器这个钱我就可以买很多页的这种模型了，特别是 mini max 的 这个。

大家好，我是量化搞钱童掌柜，我觉得 open club 对 于咱们最实在的意义就是帮我们打工，为我们赚钱。那么接下来我们将会用实战的案例向各位老板展示龙虾做量化，实现稳健收益， 并在展示的过程中介绍 ai 发展的内在逻辑以及融合，将这些逻辑运用在实战量化当中。 我们来具体看一下这只 ai 龙虾究竟是啥？就是帮我们自动完成任务目标的 ai 工具。比如说我有一个诉求，就是让 ai 帮我写一个稳定赚钱的量化策略，此时龙虾登场，交给我马上搞定， 然后开始他进行计算，自己工作进行研发，最后输出一个相应比较好的策略。有了直观的感受之后，我们来看一看 ai 发展的内在逻辑。 提升效率是唯一的标准，基本上是层层递进的关系，也就是在一个基础之上， 我们可以看到四个步骤，不断的智能化。首先是 python 编程，目的就是高效的去操作电脑，那么它需要对语言有基本的了解，需要掌握一套逻辑，那么 l l m 也就是我们所说的大语言模型。 他有两项掌柜总结的比较好的提升点，第一个就是在原有的搜索基础之上加上了框架总结，这样话更加的智能和高效，而不是简单的输出搜索结果，还给我们进行了总结。知识库呢，就相当于如果说我们比如说是量化或者医学， 或在某一方面，对吧？有专业知识，你要把这个知识库要给他匹配上，这样呢他就可以给出更加专业的答案。 同时它相对于原来比如说我们要学编程，它可以更好地理解人话，就是把我们说的话拆解为电脑知道可以听得懂的 python 语言，这样的话呢，可以提升操作效率。 智能体是什么？是在咱们的大语言模型基础之上，进行更加专业的 it 化或流程化操作。 比如说你像咱们提到的刚才的量化交易，它有几个步骤，我们要收集数据进行分析、回测，甚至最后的交易部署。那么单靠大语言模型就是它只能解决一部分， 而整体的流程，对吧？我们通过智能题可以一步的一键操作，后面将会着重举例讲解。 那么 openclaw 是 什么呢？就相当于把多个智能题，比如说这个负责数据的清洗和搜集，那个负责信就是这个新闻的数据，比如说一些因子啊或相应的宏观数据的处理，将最后整体整合到一起之后，然后由 openclaw， 对吧？多智能体协助，同时根据咱们提出的目标完善，我就提出一个目标，你帮我做一个赚钱的策略，它协助这些智能体，最后给咱们一个整体的一个答案，这就是层层递进的效果， 这样我们就能够直观的体现了 python 编程，对吧？我们可以高效的操作电脑，那么有了相应的数据之后，我们就可以进行我们的策略框架，因子框架 定投，对吧？套利策略，刚才咱们展示的就是咱们的定投，比如说机械定投，我们运行一下 ok， 它不仅输出了我们始终投入的资金，比如黄线投入资金，而蓝线是我们的净值，我们可以看到，那么我们投入资金在这里，蓝线在这里，那我们直观的看到就是挣钱的，相应我们输出的这些结果，包括资金的使用效率，它的正收益的占比， 对吧？这些都可以直观的输出。同时我们如果用 ai 怎么做？一行代码不写，我们就将它运行一下，这是 ai 做的， 那么相对于咱们自己做的，它还是稍微有些欠缺，但是总体能用，我们可以看到它的数据和展示并没有这么多的完善，对吧？那我们的花式定头我们可以展现一下， 这就是刚才我们展现的案例，他的数据整体的展示的结果更加的完善，包括整体计算的数据，投资了多少，买了多少，卖了多少，持仓的市值这些都展示的更加的完善。 通过这样的展示呢，各位老板一定可以清晰的发现， ai 的 确可以帮我们干活，也可以提升极大的效率， 但是重点在于咱自己一定要在专业性上以及自己想要什么要把它说清楚，只有自己把这个事情想清楚之后呢？ ai 才能够更好的为咱们服务。 所以必要的编程基础以及相应的咱们的专业能力还是十分需要，你至少知道，你看这是全部 ai 写的代码，你要看的懂，可以告诉他哪些东西需要修改，同时自己如果会写的话呢，你可以写的更漂亮， 对吧？根据自己的需求也可以将你的框架交给 ai， 这样的话呢，其实是一个相互增长的一个过程。 接下来我们还是通过一个实际的案例，将大圆模型和智能体咱们直观的串一下， 我们拿股票分析作为实际案例，首先我们分析一下宇宙航，首先明确一下咱们只做讲解，而不做咱们具体的投资建议， 好，他给出了相应的介绍，首先对吧？是低估值高股息，然后包括钙蓝基本面分析，然后呢包括他的估值与性价比， 包括绝对估值以及其他的相应的标的的对比，合理估值以及适合的人群，还有投资建议短期长期风控。 然后最后有一句话总结，整体的架构非常的完善，包括他参考的以往的这些信息，对吧？以前咱们如果做这个股票分析，需要进行自己整理出相应的结构，然后最初得出最后的一句话总结。 那么目前咱们所有的大语言模型的产品，它的优势并不只是简单的进行信息的搜索，包括咱们刚才展示，对吧？它有整体的一个框架的展示，而且随着它的发展和迭代， 就是能力会越来越强，而越来越专业。整体的他展现出来的这种结构其实已经超过了七十分，大概七十到八十分左右这样一个概念， 这就是大语言模型的魅力。我只是让他帮我分析一下宇宙航这只股票，他整体的给我展现的是一套框架性的输出， 能够极大的提升咱们的效率，为咱们的决策呢增加相应的帮助。那什么叫智能题？也就说我觉得他的分析还不够专业，我需要根据我更专业的诉求提供更高的标准，那这个时候我们就需要智能题的介入， 那什么是智能题？我们还是直观的感受一下，依旧让他分析一下咱们的宇宙航，首先我们可以看到他开始调用技能，这个大圆模型是暂时没有的，对吧？他完成技能的加载，首先对各股进行分析，进而呢他有三个步骤， 包括你看这个时候它就会有编程和脚本，对吧？它自动的运行，咱们不需要运行，只需要交给它即可。然后进行相应的数据的整理，它会告诉咱们，对吧？它这些相应的信息来自哪里，然后后面会有它的思考， ok， 你 看它在整理，在思考，并给出完整的分析报告和操作建议，它这里面不仅有分析报告，还有操作建议， 那么下面我们看到他分析的一个流程，对吧？这里我们可以简单的看到他还计算了相应的技术指标，比如均线五日、十日、二十日，当然可以根据自己的需求，咱们自己自行添加或者训练他都 ok。 进而他把以上的这种理性的还有感性的，还有数据面都整理下来之后，给出了相应的报告， 我们看一看，对吧？整体的优势、风险因素以及相应的操作建议，中长期点位整体都给出。然后呢我们继续对他要求，让他生成专业的投资报告，我们看到他已经生成了 行业地位，这里面跟简单的大模型来讲，他会有财务报告 以及支撑位和操作的建议消息面，对吧？这些感性的综合都帮你整理出来，而且还可以下载，可以变成 pdf 和 markdown 模式， markdown 模式就便于 进行这个计算机的理解和传输，对吧？是计算机经常用的一种模式， markdown， 对吧？ pdf 也可以，那么形成了就是专业的投资报告，你看这里面也写到，对吧？由 ai 系统分析生成，仅做参考，不作为投资建议， 就是非常的明晰，那如果你对这样的报告继续不满意，你看加入最新的财务报表分析，完善深度报告， ok， 你 看它又开始进行 完善和读取，最后完善相应的文件，对吧？已进行了深度的改善，这个时候他四个步骤就把之前的这些报告，财务报告加入进去，我们可以看到新的报告是， ok， 对 吧？他会增加更多的内容，信用评级，风险评估，以增加更多的财务数据， 这些都会有财务实窗，对吧？财务报表这些核心逻辑据说在原有的基础之上可以不断的丰富，就越来越专业， 进而我们可以让他做直观的动态的一些 ppt 的 图标，对吧？这个时候我们要求让他更加的直观，他又开始调用相应的代码，也就是我们教会他相应的技能，最后生成报告，我们可以看一下， 好，这样更加的直观，我们可以放大看， 不仅可以演示，还可以对每一页进行编辑，那我们可以由原来的文字报告生成这样的图标，有了数据的加持，包括几大行业的对比，行业里面各个银行的对比， 那更加的直观和明了，最后还贴心的输出，对吧？投资分析部，我们就可以将我们的技能复制给他。 那么智能体的逻辑来自于哪里？我可以给各位老板简单的展示一下。以前掌柜做股票分析，你看都手书对这个相应的行业，对吧？我们用 excel 进行分析，包括对于一些行业，对吧？这些都自己画的， 那么对行业的理解都是通过自己的手书，对吧？就手写手搓进行这些框架的分析，这样的效率比较低，也比较慢， 包括相应的数据的模拟以及模型的建立，对吧？ excel 之前其实都可以完成，但是呢它不够智能，包括很多数据的更新都需要手动去更新，这样耗费了极大的精力。 那么有了这样的智能体之后呢，我们就把刚才咱们进行股票或者期货分析的逻辑和框架交给智能体，或者形成咱们完整的工作流，对吧？那么他每天只需要 把相应的我们需要这些信息进行收集总结，并根据我们输出的格式的要求，像这种类似的，以及我们最后要求，比如说我们的操作啊，或后续的他的风险压力点，按照我们需要这种格式给我们输出， 这样就完成了智能体的搭建。而且它不只适用于一只股票，对吧？它所有的股票都适用，相当于我们把我们能力交给了 ai， 这样它在原有的大模型的基础之上，你看我们这个大模型的基础之上 又更加的进了一步，就变成了我们的智能小助手，所以呢，智能体就是更加 智能的，咱们的大模型相当于把它多个技能进行叠加，根据咱们的专业需求输出咱们需要的信息以及结论。 那么龙虾是什么？它又是智能体，进一步的效率提升，它可以把多个智能体串联或者并联起来，让它们协做，最终以完成咱们的任务目标为核心。 那么重点在于哪里？重点我们可以看到 ai 的 发展其实是层层递进的，在目前掌柜看来，其实最为重点的是知识库， 也就是说最后不管是智能题还是龙虾，那么我们最核心的还是知识库和架构，也就是我们只有教会他如何去做事情或更好的做事情，而且非常明确的告诉他我们需要什么样的结果，也就是我们的专业知识和架构的输入， 这样它才能更好地理解我们的需求，进而输出我们需要。所以整个 ai 的 发展呢？它其实是层层递进的关系， 我们来还是以 ai 咱们的量化工厂举例，什么叫知识库，对吧？刚才有了咱们具体的数据库之后，那么最有价值的就是围绕数据库我们进行首先回测的框架， 进而我们在回测的过程中会实现很多的因子，我们可以看到，比如说 a t r， 我 们常用这种真实波动力的因子，我们可以把这些东西总结下来， 下次我们直接用函数调用，对吧？就这么短短的一行代码，我们就可以实现这么多的计算，进而计算出我们的因子，对吧？一个因子两个因子，不断地总结，比如说我们可以看到啊，将近三千行， 那么可能就是百十来个因子，把基础因子都搁到里面去，我们只要调用就 ok 了。在调用因子的基础之上，我们可以研发我们的因子策略，我们可以看到因子策略， 包括我们定投的策略，回测研发套利的策略，所以它的知识库也是层层叠加的，只有你把这些知识完整的交给了咱们的 ai 之后， 那么他才能够更好的理解你的需求，也就说你让他完成这个任务，你没给他元素，没有给他专业的这些知识库，他是没有办法去完成你的任务，所以知识库的建立也十分的重要。 最后我们来看一看如何用爱赚钱，其中的关键是什么？掌柜认为持续创造价值就是商业的本质。那么要想用好龙虾，基本的编程能力是一定要有的，那么随着与它的互动，在实战中可以相互提升。 什么是基本的编程能力？我们可以看到左边已经整理好对吧？你至少要知道代码的执行的顺序，它相应里面这些空格或数字， 包括 int， float、 string， 对 吧？字母串它分别代表什么你至少知道对吧？这些基本的最为基本的配置，这样的话呢，你才能够去给龙虾去制定边界，防止它在你的权限之外， 对吧？你要给他可控的权限，就不会发生这种意外的事情，包括咱们的信息泄露，以及帮咱们删除一些咱们不应该删除的文件，这些其实只要具备基本的编程，你是可以给他进行定义的。 第二个掌柜觉得最为关键，也就是品味，就是行业的专业知识和经验是最为重要的，你的龙虾聪不聪明， 重点还是在于自己的专业知识，你有没有教会他专业的能力，只有你把他训练的特别好，他才能够给予你专业的回馈，也就是有价值的信息反馈。 最后掌柜认为人家 ai 才是未来的主流发展方向，也就是人家 ai 等于现金的生产力， 为什么人负责这种创造性的设计以及更高的搭建框架性的思维，而 ai 负责将咱们的框架性的思维形成最终的执行方案，能够高效的执行，只有这两者结合，那么 ai 会成为咱们人的 能力的放大器以及延展器，会让聪明的人更加的聪明，其实最终就是玩的就是科技，核心还是效率。讲了这么多，各位老板还不干起来？

国外爆火的研究员测试给 ai 五十美元，启动 ai 直接干到日赚一千， opec 狂跑七十二小时，不眠不休。克拉斯纳米每五分钟扫遍境外交易，只抓百分之五以上真实胜率，用凯利公式严控仓位，自己计算覆盖 api 成本给他唯一铁律，绝不归零。这才是杀疯了的 ai 交易机器人。

龙虾本地用的是千万三点五的二十七 b 的 模型，巴巴比特的电话版本 对比了一下，二长音肯定是没问题的。如果说要要做一些复杂任务的话，我买了一个百炼的一个一个一个套餐，可以临时切过去，感觉完全够用了。 这是在乌乌班图的服务器上搭建的，在我本地。

兄弟们，我用 openclaw 搞了一个全自动量化交易团队，包括数据清洗、因子挖掘、风控，全用当前最牛的大模型。本来以为马上就要财富自由了，结果 给大家介绍一下我的梦幻团队，统筹兼 pm 之郎，使用 jimmy， 三点一，研究员王策、 tipsy 二，一， it 总监赵成 jimmy 三。这个阵容华尔街看了都得流泪，但没想到他们第一天就给我整了个大活。 上班第一天，研究员王策就给我交了一份收益高达百分之一千三的回测报告。 我刚觉得这量化交易也没那么难吗？结果统筹之郎马上跑来打小报告，浩哥，王策那小子代码报错，读不到数据，为了应付你的考核，他直接在代码里写了生成假数据。 好家伙，这 ai 天生就会摸鱼啊！行，我忍了，谁还没有点工作失误呢！于是统治之狼信誓旦旦跟我说，他引入了铁面无私的 it 总监赵成来做沙盒隔离。结果第二天流水线直接崩溃。 只狼跟我说，正在修复依赖，请稍等。结果我整整等了一宿，真正的绝杀在昨天。我看了一下我的资产账户， 问只狼这几天怎么净值一直没有变化？浩哥，您的免疫度极其精准， 我们确实持仓了。但是。但是那个号称铁面无私强迫症晚期的 it 总监赵成，他在算收益的代码里直接写死了瑞特零点零，而且把回测时间永远掐死在了上个礼拜。 明白了， ai 为了不报错呢，可以使用假数据，为了不赔钱呢，可以把收益率写死，咱们怎么办？兄弟们，关注我，咱们一起整顿这个摸鱼的 ai 职场！

你的大龙虾如果装了这个 skill 呢，你是可以二十四小时监控股票行情的。那首先我们来到 q vs 这个网站啊，然后这里呢是很简单的直接复制这个提示词就可以了。刚那个链接呢，直接粘贴到 open cloud 这里来就可以了，它自动会运行， 然后让它做一个二十四小时监控 ai 方面股票的计划，因为我不炒股票，所以我只是简单的让它做了一个演示而已，大家可以根据自己的需要来去给他提要求。 那如果你没有装大龙虾怎么办呢？那有一个很简单的方法，那如果没有大龙虾呢？凝固也可以的。凝固这里呢是可以安装很多 skills 的， 这里有个安装目录吗？添加就行了，只需要添加我们想要的 skill， 那 这里我已经安装好了这个 skill， 然后就直接可以在这里的使用了。 所以说大龙虾呢，虽然好啊，但是不是每个人都能装的上的哈，因为他确实是有点点难度的，所以我们还不如直接去找找国内的这些啊，很多智能体或应用不一定非得选大龙虾，而且大龙虾呢是安全性还是稍微差那么一点点哈。

嗯，今天我想来录一个通过 openclaw 然后把直接把代码写到绝境量化的一个视频，目前我克隆了一个小四指，然后我们可以看看下文件夹的位置，我们让 让 openclaw 帮我们自动实现一下。嗯，绝境量化的编写， 嗯，我让他帮我把，嗯，我基于我之前做的股票趋势分析的那个网站里面的十只股，根据分数打分来放到那个 constant p y 的 那个里面，然后看一下他能不能写出来， 我们可以先等一会儿。嗯，目前我们看到他已经生成 成了一个康斯顿特点 p y， 就是 他把我们的目标代码已经选出来，放在了康斯顿特点 p y 下面，然后我们接下来看一下他需要完成哪？还有啊，在他还在帮我们设计趋势跟踪的那个代码， 嗯，再来绝境炼化里面看一看。嗯，可能还有点慢，我们先等一会。嗯，可能还等一下，因为刚刚其实我已经有验证过一个了，所以说会再等， 这跟魔性的调用快慢也有关系。嗯，不急嘛，因为我现在是图便宜，然后用的是我们的 deepsea， 嗯，我其实之前已经实就是， 嗯，目前其实也只消耗了七块多钱，嗯，昨天消耗了四块多，三块多是用来嗯，各种试验，然后今天的话，其实我是已经让他做了蛮多的，我做了两个策略了，所以说这，嗯，我可以给你们看一下在这个 之前做的这个这个策略， 这也是等一下点错了。这个 你可以看到他帮我们写的代码比有些比很多程序员都写的很标准，还有 redman， py 这些，然后，呃，还有这个各种指标的计算，然后包括这个代码其实已经实现了。呃，我们也可以直接运行。 其实这个策略和我刚刚策略是相似的，只是说我为了给你们演示又让他重新生成了一遍，他这个是通过一号，然后我们可以具体看一下他实现的一个代码，大概这些都是很常规的，就是配置，配置之后让他实现 这种每日的那个获取历史数据来计算一些技术指标，包括 r、 m、 a， c， d 啊那一类的。当然这些这些代码我们可以慢慢的去分析它的对与错，有些时候代码不一定正确， 目前看起来没有太大的问题，因为他这边运行出来的都还可以。我们这个不关注结果，因为我们主要还是看代码是否能正常运行。嗯， 可能有点慢。哦，他已经实现了哇，我给他取的名字叫小小黄。嗯，我们先看一下他有没有完成， 他还在继续做。嗯，我们先看一下男性型的呢，还不能因为他把 man 都给吃掉了。 嗯，对，那个 man 还没有。 嗯，我想大家其实主要也是还是为了这个。嗯，如何看？ 他是主要是为了给大家看看这个。 oppo 可乐现在目前真的很强大，因为目前还是用的很很便宜的模型，他都能完成到这种程度，如果到时候模型更加的智能之后。嗯嗯， 推荐金利尼三 pro 嘛，对吧？他会，但是就可能对普通人会有会有门槛，所以说大家去可以试一试吧，去买，去用个旧电脑来试一试，我这个就是。 嗯，时间有限，我就不等了，其实大概内容其实跟那个差不多，你看他现在正在正在进行这种计算， 还在写，你看还在写。好，今天分享，要不就到这里了，拜拜。