moliliclaw可以量化吗

openclaw 大 龙虾火归火，但普通人真玩不动全英文命令行配环境，一下午还动不动报错，甚至还有人花钱带妆，真的没有必要。其实可以先找个低门槛的 ai 智能体体验一下。比如国内第一个 openclaw 中文版摩莉莉， 它不是简单汉化，是底层全改的本土化版本，所以非常适合小白，安装也非常方便，不用代码不用环境，不用英文， windows mac 都能用，官网下载一分钟就搞定全中文界面，中文指令理解特别准。 帮我整理最近的 ai 新闻，并整理成文档发给我，他直接动手，不用你碰鼠标键盘两个最香的点。第一，很多国内软件，比如绿泡泡， 听听非书却能远程控，出门在外躺在床上发句话就能指挥电脑忘带文件，再也不用跑回去。第二，内置 deep stick， kimi 这些国产大模型，不用自己配 api， 成本比原版低一半，非常适合那些怕被 ai 淘汰 又不想折腾大龙虾的朋友。总之，不必死磕难用的版本，立刻找个能帮你干杂活的 ai， 效率提上去才是最重要的。

作为经常跟政府、国企单位打交道的工作人员，难免会用到 ai 工具寻找工作思路和解决方案，然后这几天使用了几款国产 ai 小 龙虾产品， 现在就站在自己的工作的角度上跟大家挨个略评一下。一共使用了四款的国产龙虾，总结来说，最好用的是腾讯的沃克巴蒂，基本能读懂需求，且输出的和我想要的甚至超预期，在我没想到之外的也都能帮我想到。 还有一款也是腾讯的 qq， 两个字形容慢和卡，老是显示要排队，也不知道排什么，然后经常把要输出的内容忘记了和卡壳了。 那第三款是魔力的壳，好多评论区说这款好用，然后我就下载了，但是让他输出文件，一下子说忘记了，一下子又说输出了，最后还是找不到文件在哪里。 那最后一款是火山隐形的龙虾，也是最早别人推荐用的文案，输出的还行，但是让他直接生成 word 或者 ppt 文件， 不知道是不是云端龙虾的问题，也是找不到输出的文件在哪里。然后根据 ai 的 提示就让我加他们的企业微信，有 qq 邮箱，说通过微信或者 qq 邮箱发给我， 更离谱的是说加他们的客服微信，结果报过来的这个号码，一搜是人家的私人微信，也挺无语的，当然结果也是文件也没有获取到。那大家如果有什么好用的推荐的小龙虾产品，也欢迎评论区补充一下。

经济四十五天反转，从五百元上门安装，到立即与有缘远程卸载，火爆火的龙虾 ai opencall 彻底翻车，无数人踩坑后怒删。但谁也没有想到，中国首个龙虾中外版横空出世，直接把 ai agent 拉回正轨。前段时间，龙虾拼能对话能出行， 火遍全网，被吹成 v i e 侦探时代的标杆。可火的快，凉的也快。核心问题就三个，每一个都戳中普通人的命牌，上手难到离谱。命运航安装全英文的界面，哪怕是技术党也要折腾几个小时， 偷看笑话是空有人简单聊几句，不逃掉百万头啃，一觉醒来几十上百美金的账单，更下的是安全无底线，泄露信息成常态，不信不就尽量刷了。 最反常识的是，很多人以为鼻炎越先进越复杂，可龙虾也偏偏栽在不接地气上。明明 是给普通人用的工具，却做成了极客的玩具。用户热情来得快，去的更快，本质就是体验撑不起预期。更离谱的是，市面上大多数同类产品，要么跟风模仿，要么靠免费补贴来抢用， 根本不管实际使用体验，也一直在赛道彻底陷入泡沫。就在大家对龙虾也彻底失望的时候，国内首个 oppo claus 中文版被达摩莉莉一点零点七版本重磅上线，精准踩中所有统一直接火爆出圈。他没有话说的宣传，只做了三件事，每一件都戳中普通人的需求。 抖音头盔车门直接开放不是噱头，只实测，通过动态调整上下文，精简荣誉信息，优化缓存策略，让头盔用的更聪明。第二，用完为止，彻底杜绝 意外账单，轻度用户够用，重度用户更划算。第二，安全，拉满安全风险操作，末然关闭四级权限管控，不想让 ai 碰的功能 一键关掉，再也不怕误删软件。第三，小白零门槛，双击安装中文界面，不用绑定银行，不用配置 ipad， 普通办公板也能流畅运行。 很多人说毕业 agent 都是三分钟热度，上线后就弃用，可茉莉莉偏偏打破了这个魔咒。他打通微信、钉钉、手机发信息，就能让电脑毕业干活， 八千技能，还适配国内场景自媒体批量整理素材，电商抓取竞品数据，上班族做报表写周报，每天能省一到两个小时。真正从玩具变成生产的工具。对比那些大厂的复杂产品， 我丽丽最贴心的就是站在普通人视角做产品，十五来，小团队一周就上线，比大厂更敏捷。出了问题有人管，装得上、用得起、 hold 得住，这才是普通人真正需要的 ai 工具。从龙虾 ai 的 爆火翻车，到茉莉莉的救场封神，其实 ai 阵营的核心从不是技术多先进，而是能不能让普通人用得上、用得起、用得放心。泡沫褪去后， 真正贴近用户需求的产品才能站稳脚跟。如果你也被龙虾 ai 坑过，想体验零门槛、高安全、低成本的 ai 助手和丽丽，不愧是一个好的选择。

昨天晚上我还在写策略，然后看到说克拉的扣点圆满遭到了泄露，然后我也是第一时间那个克拉克鲁到本地，然后看了一下他那个 aj 台的那个设计思路，其实这个对于我们 国产软件来说，可以借鉴一下他们的那个思路。这个作者把那个 cloud code 的 语言码重构了一遍，用那个先是用那个 python 写了一遍，然后最后用那 rust 的 语言重又重新写了一遍。他是这样说的，二二零二零年三月 三十一号凌晨四点说他的手机被弹出的信息吵醒，然后说克拉的区块原码遭到了泄露，整个开发社区陷入狂欢，说他在韩国的女朋友真担心他，仅仅是因为他的电脑上有泄露的这份原码，有可能面临那个阿斯比特的那个法律诉讼。 于是他做了一个任何工程师都在这个压力下都会做的，就是他坐下来用 python 那 个重构了，整个过程都是用 codex 去重构的， 然后最终一是一个干净的 pass 的 那个重写本，这个已经可以那个本地运行了，然后他还说他最后还还用那个 rest 的 语言又重新写了一遍克拉的限定这件事，然后它上面还有那个 就是虚拟宠物，然后还有没有发布的一些东西，然后这个东西就是尤其是顶层的那个 ad， 它的设计原理 以及它的设计思路，然后对于我们国产的那个编编程软件来说，也是一个值得学学习借鉴的地方，感兴趣的朋友可以拉下来原版去看一下，学习一下它 color code 的 分加固的分层，分层设计思路， 然后还有克拉特扣的，他客户端的三条管道下那个实时监控，本地话从全量日制，还有一个指示导出的，这三个都可以看一下，学习一下。今天就分享到这里面，感兴趣的可以点个关注，然后有找不到的可以点我头像。

安完你的安你的安你的安你的安你的。哎，对对对，我心里有数，我的武术能力是非常强的，这种环境下并没有报错。阿克洛云端跑 coco 开一件包 qq 洛微信连茉莉三分钟多个企 业文 e c 洛小白由 max 洛一天在线环境我配好模型我选好镜头我装好中文是配依赖田青这套国产 colo 我 控死不但我就放我自己，国内工具就是速度到位，安全到。

当量化交易遇上古代兵法，想象一下，如果把你的量化交易体系比作古代的三省六部，会是什么样子？这就是 q m t。 与欧本科二的协通之道。 q m t。 就 像运筹帷幄的三省六部，中书负责从策略构思到任务分发的全链路规划。中书省策略研发层完成交易逻辑的顶层设计，门下省策略审核风控较严，否决不合格方案。上书省及六部任务调度支撑体系 户，不管行情数据，里部出可式化报告，兵部做策略回测，行部把合规风控，工部保运行环境利部管策略赋用。而 open call 就是 冲锋陷阵的大将军。营 主力营负责自动化下单，事后营实时监控市场仓位，风控营执行止损，止营自重营，记录每一笔交易流水。 一个是运筹帷幄的决策中枢纽，一个是决胜千里的执行先锋。 qmt 负责想， opencall 负责做从策略构思到实盘收益，从顶层设计到交易闭环，这就是 qmt 与 opencall 的 协同之道，构建属于你的完整交易生态。双剑合璧，决胜量化。

上一期我们体验了 q 克拉，好多人问为啥他记性这么好，错了改一下还能立马生效。 今天就给大家拆解一下最核心的设计， q 克拉原生的三层记忆机制，还有 so 身份系统。 q 克拉的底层就是 open 克拉， 然后咱们直接来干货，不玩虚的。很多人刚接触 open 可乐或者是 q 可乐，搞不清楚 saw 和记忆的区别。一句话讲明白， saw 的 定义就是 你的 ai 助手是谁，这是 ai 助手的灵魂文件，他定义了他的名字，性格、说话风格、核心能力，还有边界底线，打开看一下，他就是一个文纯文本的文件，然后你想怎么改就怎么改，完全是自定义。然后这是这里面我跟这个 a i 助手的一个设定，可以给他改一下岁数，然后嗽的那作用就是定义他是谁，一般他属于不变的一个内容，属于长期记忆的一个一部分。记忆呢就是 回答关于我的信息偏好决策，你跟他对话越多，他的记忆就会越来越多。然后我们大家 讲一下 openclo， 它的原生的三层记忆机制。第一层是 section 层，这里面它是一些短期的记忆，绘画，绘画级别的，这个就是当前绘画，它的临时记忆要存在内存，内存里面 是 ai 的 工作记忆，它只给当前的绘画用。第二层的是 circle light， 它是自动化的项链化记忆，它是属于是一种中期记忆，然后这一层的记忆是自动的，然后你和 ai 说的每一句话，它系统会自动地项链化，存到这个 circle light 数据库里，然后你可以问它昨天做了什么，然后它会给你回答出来， 就是从项链数据库里面解锁，然后给你反馈出来，它是支持语义化解锁的。第三层是 memory 和 so， 这里面都是一些精华的沉淀，是一些长期记忆，是记录的重要的决策，关键的事实，用户偏好，然后都在这里面。然后这个 so 呢，其实也是 memory 的 一部分， 然后它定义了 ai， 它自己是谁，怎么说话。然后 memory 的 作用呢，就是把项链记忆 剪辑出来的碎片，沉淀成结构化的知识，不需要每次从海量的对话里面去搜索，然后直接看 memory 就 知道核心的信息。对比一下向量记忆和 memory 啊。向量记忆就是回忆能力， memory 呢，就是记事本向量记忆，它自动细节多。 memory 呢，它是精华 集中沉淀。我们用一张图来总结一下， session 就是 短期的记忆，然后它会自动项链化成那个 recycle 的 数据库里面，最后它还会 可以手动整理，或者是自动生成到 memory 的 长期记忆里面。这样设计呢，有四个优点， 他的记忆可以编辑 ai， 记错了打开文件就能改，改完了就立马生效，不用重新训练，不用消除历史绘画记忆，可以追溯哪天说了什么，翻日记就能查到 来源清晰。然后第三点是记忆可迁移，如果是换服务器的话，拷走了这些文件就可以了。四点呢是性能平衡，不是所有的对话都塞塞到上下文里面，然后这样的加载速度也会快，省 token， 光说不练假把式。 然后下面给大家演示一个真实的场景，现在呢，他的岁数是四十五岁，然后呢，我跟他说让他把年龄改到二十六岁，收到请求以后他就会在这处理，稍微等他一下，完车了他还，他还不随便调，自己有自己的想法了，愿意让我给他改掉，改了， 他看了看 so 的 m d， 然后编辑了 m d， 然后他以后就是二十六岁的 ceo 了，我们看一下他这个 so 的 文件，哎，这个地方被改掉了，这个就是 长期记忆，懂了这个三层的记忆机制其实可以玩很多花样，然后比如说个人的知识库，你把那个读书笔记，一些项目经验方法论整合到这个 memory 里面，然后 qq 就是 你的专属的 ai 知识库，还有一些项目的 经验进度记录，都记录到这里面。然后你问他现在下一步该做什么了，然后他就都记得。还可以做智能的日记助手，把每天的工作，然后告诉他，他会给你提炼 成长期记忆，日常的一些学习，看书的学的一些资料也可以给他，然后他就是你的学习伴侣。嗯，最后总结一下 qq 可乐的三层记忆设计，其实核心就是临时绘画，是 是草稿，不占地方，然后每天自动记细节，不丢关键信息，它会生成长期记忆，随时能用，全部都是纯文本，然后记错了可以直接改，方便迁移。嗯，这一期就讲这么多吧，我们下一期再见。

到底是 ai 时代的生产率工具，还是石头头里的小玩具？爆火的 cloud bot 牛逼在哪里？与大模型 agent skills 什么关系？ 狂烧偷根的前提下，普通人怎么用它实现回本赚钱呢？作为本地的 agent 服务器， cloud bot 正在定义 ai 时代的硬件规范，相当于给 ai 装上了硬件的躯体。 那这是一种反云计算的架构，黑盒服务器实现本地计算，而手机上的企微、 qq、 飞书等 i m 充当遥控器，让数据啊留在家里， 你可以把它看成是一个硬件版的 agent， 很多人啊还在把它用作聊天助手，其实大材小用了，它最牛逼的是能够直接跑代码。 现在大部分人用大模型都是通过浏览器，即便能够写出拍档代码，也不能够直接运行，换句话说，能够做高微推理，但是对于本地文件控制力为零， 这也就是传说中的钢中之脑。你可以把 cloud bot 看成是能够直接在本地运行代码的 ai 操作系统， 比玻璃屏当中的大模型啊，接触了很多神经管道，它能够像人类点击一样看见网页，操作鼠标，从而在无 api 的 情况下实现各种自动化的功能。 cloud bot 的 一大特点是配备了心跳服务，赋予了 ai 时间感，七乘二十四小时待命，看着这信号是不是像极了生命的脉搏， 很多人还没太理解它有何妙用，我们稍后在应用当中具体讲解。它的第二个特点是有了记忆，不是放在云端，而是本地的 markdown 文件，也就是让这个物理的小鸡啊，能够不断地进化。 从架构上看，它采用了身心分离的方式，大脑可以插拔在不同的大模型之间任意切换。今天你用 cloud， 明天换金币，后天呢，可以使 mini max 或者自己微调的模型啊，都可以而肉身持久化。比如你可以采用 mac mini 加本地文件的方式，自己的工作流、记忆文件和执行环境啊，始终不变。 那问题来了，普通人怎么把这些特点用起来呢？从应用场景看，首先， cloud bot 让你能够通过分支啊建立不同的工作流，在不污染主知识库的情况下，开展低成本的思维实验。这使得他天然具备解决知识断层的能 力，能够在本地自动关联跨时间的知识点，从而成为一个不知疲倦的研究助手。其次，他是一个忠实的奴仆和秘书， 摄像头、文件系统、浏览器等全部啊 a p i 化，开放给 ai 调用，只要你能够想的到的应用啊，全都能够实现。这让无数的创意开始萌发，从这里出发，新的创业时代开始了。 那等这个两周的高强度使用下来，摸出来了一些门道。这里给你盘点五个神奇操作。 比如第一个，以前啊，操作电脑编程需要先打开 open code 或者是 codex 等待加载，流程漫长。现在你可以随时随地的在飞书下达命令，那他是无感的，像个永远待命的隐形员工，直接按你的要求开干，我们不再使用软件，而是在压榨一个苦力。 第二， cloud bot 能够调用 skills 实现类似桌面视觉的功能。比如我说打开微信，给我截取一下现在的界面，即使你不在电脑前，也能够看到超宽屏上的实时内容。 比如现在深更半夜 ai 红包大战的实况，还有一个超牛的 skill 调用啊，是移动端绘图啊，那通过封装实现大一统的入口，无需魔法，你就可以啊，在飞书或者是 qq 当中，直接调用 banana skill 画图修图，嘎嘎，好用。 那哥给你推荐的第四个 skill 功能是跨设备的知识流转。比如说你在手机端看到好的文章论文，那通过 opencloud agent ai 可以 进行自动的总结，存入 mac 端的备忘录，巨方便啊，解决了我碎片化阅读难以沉淀的痛点。此外，对于工作党，耿直哥再给你第五个魔法，智能批处理。无论是整理凡人的发票、填表、报销，还是整理文件自动命名， 它能够让你通过调用 skill 功能，把麻烦留给 ai， 便捷让自己享受。从 g p d 开始， ai 在 快速发展的同时啊，能力却越来越被大公司垄断。 cloud bot 的 牛逼之处在于啊，把数据的控制权和执行的主动权从大公司手里抢了回来。 换个脑子来看待你的电脑和手机，更换种思维来看待 cloud， 别只是和 ai 聊天，而是想办法雇用它。这也许就是二零二六年新的趋势。我是耿直哥，喜欢的话加个关注吧。

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。

最近 cloud bot 在 ai 圈子里彻底火了，这个能够直接控制你电脑的 ai 助手让很多人第一次感受到了真正的人工智能助理体验。 作为一个量化交易爱好者，我第一时间想到的问题是他能不能帮我搞量化。今天我们就来实测一下，把 cloud bot 和发明者量化平台结合起来，看看能擦出怎样的火花。 首先来搞定安装，这里我们使用 macos 系统，安装非常简单，只需要一行命令，剩下的步骤按照官方文档操作即可。 安装成功后进入 dashboard 界面，这就是我们和 ai 助手沟通的主界面。当然，我们也可以通过飞书、 whatsapp、 slack 等多种渠道进行沟通，并且支持文字和语音方式。这里看到 ai 的 回复，就代表我们的私人助手正式上线了。 激动的心，颤抖的手，话不多说，直接上难度。我给 ai 下达了第一个任务，帮我写一个双军线量化策略， 这是最经典的入门策略，原理很简单，短期军线上穿长期军线叫金叉执行。买入短期军线下穿长期军线叫死叉执行。迈出选这个策略是因为逻辑清晰，非常适合用来测试 ai 的 代码能力。 指令发出后，帕鲁就开始工作了。首先他自动打开浏览器，进入发明者量化平台，找到策略编辑页面， 然后开始生成代码，整个过程非常丝滑，可以看到他完全理解发明者的 api 函数，代码结构也很清晰。先定义参数设置，短期均线周期设为五，长期均线周期设为二十， 每次交易数量零点零一个。接着定义了获取均线数据的工具函数，主函数里完成图表初步化，用一个无限循环持续获取 k 线数据，计算指标，执行交易逻辑，还加上了可式化展示 策略。写完后， ai 还主动给出了详细的代码逻辑解释，对新手非常友好。 代码写完了，接下来让 ai 帮我做回测，我告诉他选择必安交易所 btc u s d t 交易队日级别 k 线周期。 ai 收到指令后，自动切换到回测页面，开始配置参数，结果第一次运行报错了。我正想着怎么办，没想到 ai 自己就发现了问题，主动修改了代码中的一个语法错误，然后重新提交回测，这次顺利跑通了， 但结果嘛，说实话有点惨淡。不过 ai 随机自动生成了一份回测分析报告，列除了收益、最大、回测胜率等核心指标，并且还分析了典型的亏损交易，还给出了优化建议。 回测结果不理想，那就让 ai 来优化。我提出了一个复杂需求，更换交易所和交易品种， 同时调整均线周期参数，看看能不能改善表现。这个任务涉及多个步骤的联动操作， ai 开始执行后，首先根据上一轮回测结果提出了具体的优化思路，然后回到策略编辑页面进行修改，把交易所换成 okx 交易对改为 e t h u s d t， 均线周期从五和二十调整为十和五十。更让我惊喜的是，它还主动加入了 a t r 波动率过滤和动态止损逻辑，这些都是我没有明确要求的内容，修改完成后自动重新回测，最后还生成了新旧版本的对比分析， 并给出了进一步优化的建议，比如考虑提高仓位、优化参数和逻辑、多品种组合等。这些建议都很重肯，说明 ai 确实理解量化交易的基本逻辑。最后一个小任务，让 ai 把今天的测试过程整理成一份文档， 它很快生成了一份完整的报告，包括策略说明、代码解析、回测结果对比和优化建议。 这份文档就是我们今天实测的完整收获，整个过程 ai 基本都能独立完成，确实让人印象深刻。 客观评价一下 cloud bot 在 量化场景的表现，作为量化学习助手，它绝对是合格的，但它不是万能的， ai 写的策略也不可能一次性完美，该踩的坑一个都不会少。优势方面，二十四小时待命，随时帮你查看策略状态、修改参数和代码逻辑， 大大降低了编程门槛。不会写代码，也能体验策略开发的全流程，遇到问题能够自我纠错，有一定的自主解决能力。局限方面，不能替你做投资决策，策略好不好最终还是要人来判断。网络延迟有时会影响操作体验， 整体感觉很像现在的智能驾驶，大多数情况下都能应付，但关键时刻还是需要人工介入。不过话说回来，量化的应用场景远不止今天展示的这些，还有很多玩法值得探索。如果你也在用 cloud bot 或者正在学量化，欢迎在评论区聊聊你的体验和踩过的坑， 后续我们会继续用它探索更多量化内容，感兴趣的话记得点赞关注，我们，下期再见！

最近问答类的 ai 豆包 check gbt， deepsea 遇到了他最强的对手， open club 大 龙虾，深圳大厂免费给个人布置这个大龙虾，甚至于有些人 给个人部署三天挣了。我去，太疯狂了。 你不要想着用这个能做艺人公司或者个人做个个人量化软件，根本想都不要想， 你的滔天花不起，你的算力不是个人能承担的。不要想了，尤其尤其是在股票市场的，想钻这个空子， 油资包括主力的量化软件，要比你个人部署的这个东西强上不是一倍百倍。 尤其是像我们这种新手小白，就不要碰这个东西了，编程大佬都搞不定的玩意，我们新手小白认为可以，可能吗？可能搞定这个东西吗？ 自己做量化软件，我用 python， 我 自己写过代码，我跑过回测，根本行不通。你的 api 接口，你很很烧钱的，这个东西不是我们能玩的。 当然，你如果背后有大公司，或者你有无限 top， 或或者是你有无限算力。 当我这句话没有说，我预计明天石油板块和电力板块有不错的表现。当然了，是我个人的观点，不构成投资意见，明天见吧。

哈喽，大家好，我是吴亦纶，最近大家应该都被这个叫做小龙虾的东西给刷屏了吧，各大官方都在进推，连央妈都被他震惊到，甚至一度将 mac mini 都炒到了新的价格线高度， 那普通大众也想去体验一下，他需要很高的成本。别着急，轮子找到了一个量化版的本地部署方式，让你我不想投入太多成本的人也可以感受一下这道小龙虾的味道。 ok， 话不多说，跟着轮子看 操作。首先打开这个网站 one club， 在这里咱们可以选择是 mac 还是 windows 系统，点击下载保存，打开咱们下载微键，直接点击运行。 好，这就是我咱们一个安装完成的一个页面，点击下一步这块需要咱们去配置服务商，这块咱们选择自定义，咱们选择 zai， 打开这个 big model 智谱的 ai 开放平台，在大模型语言模型里选择咱们的四点七 flash， 这个模型目前使用它的 api 调用头肯是免费的， 点击 apikey， 在 这里咱们创建一个新的 apikey， 给它随意起个名字就叫龙虾吧。好，创建成功，咱们复制 apikey， 回到刚才的页面， 在这里输入咱们 apikey 模型，选择四点七 flash， 验证 好了，这就是咱们现在目前一个配置完成的样子，点击启动好了，这就是咱们配置完成的一个完整的效果。咱们新建一个对话，跟他对话一下 这块他的名字是因为之前我已经配置过，所以给他起过名字了，我们最开始进来的时候，他会需要咱们给他起一个称呼，然后还有呃他的一个身份，包括你想要的一个习惯，咱们再做一个测试， 然后他制作完成了，咱们去看一下这个游戏的效果啊，在这里 整体效果看起来还是可以的。 那下期呢？轮子会带大家解锁更多的玩法，包括它的完整配置、 scale 使用之类的，那么这期就到这里，大家下期见。