可以用v4的planing

我用国产的 web 控定工具，然后配合大模型 dipic 微四，然后做了一个量化交易的工具。嗯，然后呢，现在我们正在调试我们的策略和啊我们的啊选股。 嗯，现在呢，我们可以把我们的策略进行实盘啊，实盘实盘进行模拟啊，进行模拟账户啊，然后现在呢我们要 嗯详细的去调整我们的策略啊，如果大家有什么好的啊，日常就是在实战中啊，能够稳定盈利的策略，可以交流一下，然后把这些策略呢，把它变成一个啊，可以在啊量化系统里面进行啊进行，嗯，在量化系统里面进行自动交易的啊，自动止损的一个， 嗯，自动交易的一个策略，这样可以规避掉我们日常操作中啊，嗯，就是人为的这种判断。那我们今天呢就想简单一下，举一下例子啊，我过去啊比较常用的啊，一个办法就是啊叫涨停后的空中加油，他成功率会比较高一点，然后波动，嗯，就是 大的啊，好的股票就比较容易发现。嗯，吃到比较大的涨幅，但是同时呢他也会啊，吃到这种，就是遇到这种啊， 遇到这种跌幅比较高的，那连续上涨的时候，连续上涨以后，如果你介入的话，就会比较吃亏。那我们怎么用量化去啊，去利用好它的优点，但是又要规避掉它的缺点呢？那过去的时候我们可能更多的是根据我们的盘感和经验。那现在用量化以后呢，我们就可以去啊去，嗯 嗯，直接在指标里面去啊，进行进行调整啊，让系统自动去执行就可以了。股票突然跳涨，然后他经过很多天的调整以后，突然突然又加速开始开始上涨，那这种股票的话呢？嗯，他其实是一个空中一个加油的形态，他虽然经过了漫长的调整洗盘，小 k 线的洗盘，但是他没有跌破这一天上涨的这根这根 k 线上的一个， 那这种形态在这种形态下的话，后期有可能啊，会有比较好的行情。那过去传统的方式，让我们看一下效果的话，我们从四月份到现在，那有一些涨幅比较好的股票啊，他们都会符合这种形态啊，这个非常多 非常多，但但是呢，我们没有对这种形态进行一个嗯，就是精细化的去调整，为什么呢？因为啊，这这种呢就很有可能会存在的过你和的问题，所以我的话我们会放宽这个条件，过去的时候我们可能都是以经验为准啊，一个上涨拉升调整可能以经验为主， 那也会遇到这种啊，遇到这种比较亏损比较严重的，那我们在这一天进去以后，第二天啊，第三天出现了大幅的下跌，那我们在在这时候应该去怎么去处理呢？也有这种亏损呢 啊，经常会买到头部的，但是这种的话对于量化交易来说，它其实并不是最主要的威胁啊，但对于我们实盘的时候就会出现很大的误判啊。就是啊，我买到买到在顶部了，我在顶部买到以后，这个股票没有符合的预期啊，在传，用传统的啊，用传统的这种方式去交易的话， 那我可能在这里第二天就就被套套住了，然后不舍得走，在上下震荡中不舍得走啊，然后啊出现利润大幅下跌，然后反弹，那这种这种股票就非常难操作，就会出现大幅的亏损， 大幅的亏损，如果你仓位没控制好的话啊，没控制好的话，你就会出现，但是呢他也有好处，就是可以抓到一些大幅上涨的一些股票，那这种股票在传统交易的，就过去我们交易的方式的时候，那我们可以在啊头天选选入之前股，或者当天的时候 出现，那我们在量化交易里面去怎么去解决这个问题呢？这个就是我在前两天说的，就是对我们这个交易的一个模式进行量化啊，什么时候出场，什么时候入场啊，去定好，定好规则，定好规则去这样去弄。那我们在在在我们这里面就会啊，对我们这个啊，把这个策略 啊进行啊，但这个是是 python 格式的啊，它设置入场点出场点出场的话啊，就比如说过去吧，我们经验中是啊，会 啊，比如说啊跌破均线啊，或者是我觉得形态走快了，可能会会去出来。那我们在量化的时候呢，可能有一些经典的量化的一些模式啊，去处理这个事情，那我们可能会啊，会，会采取那种 it 二的动态的调整，然后呢？嗯，如果如果你能在盘中忍受一些比较大的波动的话，我们也会采用啊判特纳 可能呢通道的方式啊，去啊，我直观的给大家显示一下啊，那比如说我们随便举个例子吧啊，那这个例子，这个例子的话，我们可以看出来，如果如果这几天小小圆线开始不断的往上攀升， 那小圆线往上攀升，突然突破，突破上轨以后，如果我们采用动态，动态调整的话，我们很有可能在实盘的时候被调整出去，如果是量化的话，那有可能在盘中啊这边是会出去，这种也是可以的，为什么呢？因为他 他即使是亏钱的，也也有可能在出现亏损的，这种方式就是在后面调整的时候，大幅波动的时候，你有可能会被洗出来啊，吃不到后面的上涨。但是我们呢也可以采取这种啊可能的通道的方式，就是 当他的通道走出来，当一个趋势走出来，通道走出来，他不跌破中轨，我们就不出来，你无论怎么正道，一旦跌破中轨我们就出来，那也有可能会出现亏损啊，但是他的亏损是很小的，因为一旦进入通道以后，那他的波动率波动的情况，就无论怎么上下波动，他其实整体的趋势我们都是看的比较清楚的。那 我们把这个啊数数据化，数据化在我们的这个啊系统里面啊进行，把它做到我们的出场条件，然后在模拟盘的时候啊，模拟盘的时候，系统我们就会设定好啊，设定好模拟盘，然后这个模拟盘的话啊他就会啊根据我们的这个信号来进行那个出场，或者是啊就 嗯可以去啊自动去执行这个自动化的交易去执行，那就不需要我们去在盘中的时候有可能就会被震荡出局啊，现在就啊如果在盘中震荡就会就会被震出来，那如果我们 数量化的去定好这个规则，我们就不会被震出来，那就有可能会吃到这些，但是呢如果还有一个呢，就是如果遇到这种情况会怎么样呢？那他可能就是，哎，突然就跌破了，那我们这一天可能就要就要去出局，就要出局，而且可能这一天的时候出局的话，我们也是亏钱的，但是这种亏损呢，是可以忍受的啊， 可以忍受了，为什么呢？第一它亏损的比例很小，第二我们一定要控制好仓位，我们在自动化交易里面去去定好，而且这股票最多仓位是多少，它不允许你再超过这个仓位，那你确定好以后就会啊，在释放交易的时候，即使你不断的买到这种跌停的股票，你可能也不会有太大的损失， 那这种的话可能就会就就要忍受这种损失啊，比较比较多的忍受损失，但是但是这种交易的话，我们通常是在买入的时候可能就就会非常谨慎了，对吧？啊？这种掉井线的话，这种，嗯，我们不去，不去去啊，连续涨停的，我们可能就在买入的时候就会确认啊，进行确认的时候就，嗯不去买入，嗯， 所以我我举这个例子是为了说明什么呢？就是我们在交易的时候一定要啊采取就是借用量化的交易思路去处理这些事情 啊，现在呢我们在慢慢的尝试把我们传统的这种啊交易方式啊，传统的这种交易的交易的形态啊，模式啊，然后把它进行量化啊，量化，然后布置自动化，现在正在做这个事情，但是非常这也是非常困难的一个事情 啊，我们要慢慢的耐心的去做，大家如果有好的啊交易的策略在日常交易的时候能够长期稳定的盈利的啊，可以在评论区去交流一下，我们看看能不能把它进行量化和自动化。

啊，出一个 codex 如何进入 deepsea v 四 pro 的 最简单的教程啊？首先首先是在这个网上下载啊，下载自己电脑对应的版本就可以了，把这个下载下来之后，有一个这个，这个装上就可以了，然后需要第二个工具， 第二个就是需要下载一个这个 cc switch， 这个下载之后呢，还需要先把它下载下来啊，还需要另外一个东西，还有另外一个东西，主播写了一个中转的一个一个工具，因为这里面是不能 codex， 是 不能直接用， 不能直接接入 deepstack 的， 然后需要写一个中转的服务，然后在这写了个中转的服务，大家能看到这个地址吧？ 这地址要说呢，这是 get 它的一个地址啊，然后就可以把这个把它克隆下来，克隆下来直接 n p m initial， 然后再 n p m 是 大，然后就运行起来了，运行起来之后，然后再回到这个 c c c 位区里边， c c c 位区里边，第一个是客户的，这个先不用管，然后进入这个，第二个，这个这个拆的 g p t 这个， 然后进去这个里边呢？然后点一定要先选中这个，然后再点这个加号，再点这个加号，你主播已经添加了，然后和这是一样的，然后这个里边这个自定义的名字啊，这个这个贴什么都可以，这都不贴，不贴这个屁，随便贴一个这个，这个没有什么用啊，然后然后就这这个地址，这这个地址 就是刚才刚才 github 上边这个项目，这个项目的里面运行起来的地址啊，就贴这个，因为它运行起来就是这个，就是个端口啊，就贴这个，然后这模型名字我们就写的这个 vise pro。 好， 下面把这个勾上， 然后然后这里边有一个内幕啊，往下滑，这有个内幕，内幕这个地方，这个地方的名字是可以自定义的啊，它显示的是在这显示出来的，你希望他让他显示 dsp 和 vga pro， 那 你就把它改一下，如果你这显示成 d s， 那 这个地方就会显示 d s， 那这就好了，把这个弄过去之后，然后点这儿让它启动，让它启动，这样就好了，这个这个它就把它可以关掉，它就常驻在后台就可以了。然后这个时候我们可以看一下啊，这手机这个，然后这儿我问他，你是什么模型， 对吧？他说他是 tiffany 版本，是 vsco 版本，是 vsco， 对 吧？ 然后是什么什么什么他可以干什么，对吧？这个就是完全大好，大家可以点点关注啊，到主页加咱们的技术交流的粉丝群在里边，可以有什么问题啊？可以提出来，然后咱们可以一起交流讨论。

嘣住，这个 v 四和 glm 五点一，到底谁是国内最强的编程模型？一条视频告诉你， 今天这期视频呢，我将会选择我自己已经在发售的一个实际的公式产品来实际的测试一下，我们就不用原来那些已有的一些参数和一些专门的一些测试， 因为可能模型厂商会为了这些测试专门的去对模型的某个地方进行一个优化，我将会对这个产品进行一些补丁的一个优化，以及一个新功能的一个增值。看看 g l m 五点一和 deepsea v 四在同一个任务上面的一个表现，性能的差异到底如何？我们直接开始测试 好， ok， 那 么这次测试呢？其实我全身使用的是一个 cherry studio g o m 呢，接的是这个 g o m 五点一的一个 coding plan， 然后 db c 的 话我自己血充一百块钱，然后我们来实际测试一下，我给它们各自定位了一个各自的一个目录，都是我已经成型的一个项目代码，它们是一模一样的。 我可以先给大家看一下我这个项目的一个基本功能，比如说我先跟 db c 说启动当前项目，我们来看它的一个实际表现怎么样， 这里我使用的是这个 cherry studio 的 一个 agent 的 模式， ok， 他 在执行命令，我们来等待一下。那么这个其实其实就是在我本地的一个自媒体数据平台的一个大师啊，那么他就是我一个完整的一个功能，大家可以看到这里面就是我们一个实际的一个相关的操作。那么其实具体信息的话，大家可以看一下我之前发过的那一期视频， 我里面讲的是已经比较详细的了，今天这个功能呢，其实是这样子的，因为我们比如说现在我们这个导出 excel 表格吗？啊，我们可以看到在我们 excel 表格里面他会有很多的这么一个数据指标啊，比如说在这里 大家可以看到这里面有很多指标，就是说他一共呢其实有五个分表，平台明细、作品总表、作品总表、作品增量表。然后的话我们的这个分表里面呢有这么一些元素，比如说像平台明细里面有这么一个点赞率、互动率，然后播放量、评论量、涨粉效率等等等等。 今天我想测试的第一个点就是我让智普，智普的 gim 五点一和这么一个 deepsea 同时去新增一个这个指标叫互动转粉率。我们就是以一个比较简单的一个需求来看看 deepsea 它的一个思考深度，以及它完成的一个能力怎么样。好， 那么我们现在把这句话复制一下，先发给 deepsea， 同时呢我们在智普的 gim 这里面给五点一直接发一个这个什么阅读当前项目。 好，然后我们可以静静等待一下，这边 g l m 它提前说出了，它对代码结构有了清晰的理解，其实这个 g l m 给我这种感觉，它其实很像 codex， 就是 那种自己在思考推理，然后对照，然后复盘。 ok， 那 么 gm 首先完成了他们的一个任务，我们来看一下 gm 的 一个完成定义、修改内容、总结公式、定义、 v 一 文件七个表格。好了，他，对，哦，那么相当于说他对于每一个表格都进行了一个计算，哦，看到没有？他是对我们的一个五个分表都进行一个计算了。 好了，他现在还在验证增量互动转粉率，他还做了个增量互动转粉率，互动增量。哎，这个其实是很有意思的。 ok， 那 么我们现在已经启动了我们的九零九一端口，但是他出现了一个问题， 他的这个问题就是他的这个前端其实是改出问题来了的。 ok， 那 gm 他 虽然做的很快，他也可能我觉得他的后端逻辑应该是没有问题，但是他前端是出问题子了，我们来跟他说把这个前端来改一下。好，我们来看看 deepsea。 deepsea， 他 现在在完成四到五个任务，还有最后一个任务。 ok， 我 们来看一下他最后的一个总结怎么样。哦， deepsea， 他 其实现在才刚刚摸清楚整个的一个数据流， 他现在才刚开始去支持一个实心计划，我发现他真的是考，就是像呃 x 上面有人说的，他考虑的很深，但是很慢，其实这个项目他看似简单，他其实并不简单，因为他其实会针对。 嗯，如果是一个具有多重复杂，能多重思考维度的一个模型上来说，他需要思考在每一个分表中，他们应该以怎么样的逻辑，怎么样的一个维度去进行一个切入，嗯，和进行一个数据的清洗， 我觉得这一点还是比较困难的，他并不是说那么简单的一个事情。好了，那么这里的话质谱他是已经完整的完全的这个一个代码了。现在我们来看一下他现在的一个实际表现怎么样？我们先打开当前的一个页面， ok， 加载中。 好，然后我们现在呢就可以选择一个按日期重考，比如说我选择一个，今天是四月二十四号吗？那我就选择一个从四月二十号开始啊，二十号可能有点太晚了，比如说十八号吧， 到四月今天的停止。我们这中间发布的一些作品，我们来进行一个才同步，我们来看一下我们的程序会不会出现什么 bug。 首先我们来验证一下我们的这么一个指标到底有没有加进去？我们来先来导出 excel 看一下，选择我们要下载的数据，那我选择一个全平台的数据，我们来看一下 我们刚刚其实对他的一个要求是希望他加到一个互动转粉率，所谓的互动转粉率就是涨粉量比上一个什么，比上我们的一个总互动量。但是大家可以看一下，我其实在这里面没有看到他的一个互动转粉率。 ok， 我 们来看下作品总表， ok， 他 这里面其实是有加了一个互动转粉率的，说明我们的质谱他其实是在哪里？他只在他的飞书里面加，他并没有考虑到。在我们的前端架构中，他其实还有个导出 excel 表格的一个结构，那么这个就是比较欠缺的一个部分， ok， 互动涨粉率没有问题。二，是不是二十三点九三？他的计算公式是什么，对吧？是不是二十三点九三，所谓的互动涨粉就是我们的互动率处于我们的一个那个涨粉量啊。那么作品总表里面呢？看看他是在最后一页加了一个互动涨粉率， ok， 也没有什么问题。同步日记， 同步日记的话是没有互动涨粉率自然就没有加，那我们来看一下我们的一个这个一个作品图标表。 ok， 那 么其实在作品图标里面的话，他其实可能是对每一个平台的这个东西都加了一个互动，互动质量、互动转粉率、抖音小红书、 b 站、快手视频号。哎，其实这里面的话，他给出的一个思考还是很全面的，他只是把他能考虑到东西他全部考虑进去了。那我们现在来看一下对不起个 v 四看一下怎么样 啊？我们看我们这边四个比四他还在做，他现在还在做。 ok， 已完成改动拆要新增互动转粉率指标，互动转粉率等于这个东西修改的四个文件共十八处改动。 ok， 他 他其实我感觉总结会非常清晰， 服务人在九零九零端口正常的运行，那我们来看一下 tipc 的 任务，他完成的效率又又是怎么样的？我们来看一下九零九零。 ok， 九零九零出来了，九零九零出来了，那么我们现在呢？我们可以直接按着去重跑一下，看看当前的一个状态是如何的。我们选择四月二十号到四月二十，四月十九号吧， 四月十八号到四月啊，四月四月十九，我们可以选择四月十九号到四月二十四号。确认执行好了，现在让整体的跑跑动来看一下，我们看 type 的 版本，它设置的版本有没有考虑到一个内置 excel 的 一个输出。 ok， 他现在自己开始输入同步了，我们可以来看一下他这里面会在这里面自动创建一个我们的表格，这是一个还其蛮奇妙的一个过程，好了，慢慢写进来了。 b 站，抖音、小红书、快手视频，视频，视频 啊， ok， 这里面是已经放进来了，那我们看一下他有没有加这么一个互动转法率呢？其实也加了，大家看到没有？有一个互动转粉率二点三八零，但是有什么问题啊？这里面的问题就是啊，我们的这么一个涨粉率这里是零，但是他为什么没有加互动量呢？ 啊？因为我们的互动量都是零吗？其实也并不是零哦，是的，因为他这里面考虑到点赞量、收藏量、评论量加分享量加起来都是零，所以说他没有必要把这个东西给写进去，所以这里面两排是默认是零，这个我是能够理解这个我是能够理解的。正好看一下我们的一个本地的 excel， 它导出怎么样？我们来看一下 gpt 它写的怎么样？ ok， 哎，我们来看到 gbt， 它其实是写啊，不是 gbt， 它 deepsea 它其实是写进去了，它在这里面的一个里面有一个互动转粉率，大家看到了吗？但是我们刚刚的 gim 它就没有发现这个问题， gim 是 没有发现这个问题的，它在平台明信里面并没有所谓的互动转粉率。哎，我觉得这一点 deepsea 它考虑确实很深入，它把我们的它在这个时间就是有点太长了， 我觉得这个时间就是有点太长。 ok， 他 现在全部同步完了，我们的作品增量表里面，他里面有没有对每一个东西进行一个表表达呢？我们来看一下作品增量表，有一个日均播放增量，日均互动增量，增量状态 ok， 那 么知道他就知道这个这个指标其实是不太好写增量的，我们来看一下这个呢收藏量主要是看有没有互动转粉率的，各个平台的我们可以看到 dbc， 可他并没有在我们的一个作品图标表里面对每一个平台的一个各自的一个作那个互动转粉率进行一个修改。 所以我觉得这两个模型最终的一个完成度让我来打分的话，其实基本上算是持平，就是各有各的不好，各有各的好。呃，那么其实让我来说的话， deepsea v 四在我自己的这个工程上面来说，我们做一个不严谨的一个测试，我觉得其实还是可以的。那么本期视频呢？其实就是关于我们 deepsea v 四和 gim 五点一的一个上期的一个视频， 关于下期视频，为了控制这个时间长度嘛，我们还有下期的视频，下期视频我们会更深入对我们当前的项目进行一个更重复的一个更改。让我们来看一下 deepsea 在 处理这种超长任务的能力上面，它的能力到底怎么样。我们下期视频再见。

就在前天， deepsea 刚刚发布了最新的 v 四 pro 模型，这次升级真的很猛，支持百万级别的超长上下门，而且专门给 cloud code 这类编程工具做了深度优化， agent 的 编程能力重返国内顶尖水平。今天就用它来写一个布林代量化交易策略，看看效果到底怎么样。 好，下面告诉大家如何配置 deepsafe。 v 四 pro， 呃，我们打开 deepsafe 之后呢，它是一个只是聊天的一个这个 deepsafe 这个画面可以把这个参数删掉， 这样我们又打开了这个 deepsafe 的 主页，我们打开这个 api 开放平台，呃，这个地方就是我们配置的啊， api keys 啊，我们买了这个啊， deepsafe 五充值之后啊，我们就可以配置一个 apikey， 这个跟那个千万那个是一样的啊， 然后我们看一下这个接口文档，它这个命令呢是 mac 版本，就是苹果电脑，咱们用 windows 啊，是这么几个键啊，然后你们把，呃，你们自己的 apikey 啊，这样改成你们自己的 apikey， 就 其他的就不用变，然后把这些命令 你们直接复制，你直接复制，然后你就放到你的 cologne 的 那个，这三十点，这接着在哪里呢？在 c 盘 用户当前，这个用户这有个点 cologne 啊，你们可以用编辑打开，然后我们用吹打开 啊，就是最下面这个三十六 gps 文件啊，我们就可以把刚才附着的内容啊，可以放到最下面就可以了，这是我们的。呃， deepsea 和 v 四 pro 的 模型就已经配置到 colocore 里啊，那我们试一下。 好，我们现在问一下他，你现在是什么模型 好，这 colocore 说他自己现在就是用的 deepsea 的 v 四 pro。 好，下面给大家介绍一下什么是布林带，布林带是一个简单但又非常经典的一个量化交易策略，它由三条线组成，然后构成了一个所谓的通道， 中线呢是一个二十日的一个均线，上轨呢是中轨加上二倍的标准差，下轨就是中轨减去二倍的标准差。因为在统计学的正态分布下， 呃价格在百分九十五的时间都会在这个通道之内之间运行，所以当价格跑到了下轨的外面之后，说明现在是一个超卖的状态，大概率就会反弹，这时候我们就可以进行买入， 当价格跑到了上轨的外面，说明现在是一个超卖的状态，然后我们就可以进行一个卖出，其实说白了就是赌价格会在意 呃，通道里。好，下面我给大家写了一个 promote 的 提置词，呃，就是我们让 cloud code 给我们生成一个可以在区块链平台上运行的这个不连带的这个连环交易策略， 然后让他直接给我们生成这个 python 文件啊，其实可乐的 code 自己也可以进行运行回测，但是呢就可以他可能需要安装一些 python 的 一些依赖包啊之类的啊，然后我们为了方便的话，我们就在呃巨宽上进行一个呃练回测。 好，我们这策略的要求呢，就是我们选一个标的，我们就用这个贵州茅台啊，出质资金十万啊，布林代的参数呢，就是我们二十日均线嘛，周期二十，然后标准差是二倍 啊。交界的规则就是，呃，当收盘价降到这个下轨之下时，然后呢我们进行买入，当收盘价涨到了上轨的上方时，我们进行卖出 啊，然后手续费呢啊，就是万三嘛，然后印花税是千分之一啊，然后我们让他生成这个代码，有一个非常详细的注示，然后啊包括也要有这个巨款需要的这个啊函数，还有一些 hanodate 的 这些方法啊， 然后直接生成 python。 好， 那我们开始实战。呃，打开我们的 tree 这个编辑器，然后我们启动 close。 好， 然后我们，呃复制我们的那个啊提置词，直接回车。 好，我们的量化交易策略已经帮我们生成了。 好，我们看一下他生成的，呃，这个布丁带的这个量化交易策略啊啊，然后他选，他把贵州茅台给我们写上了，然后参数，然后配置这个机准，呃，机准我们就不用他了，我们用红尘三百就可以了。 呃，他是这个是， 好啊，然后啊预示盘价格啊，然后这个就是咱们 a 股的一个交易的规则 啊，先是一个全局的一个信号的一个变量啊，这个是巨宽的运行方法，每日都有运行。好，呃 好，他这就是呃，获取到，呃，收盘价，获取收盘价，然后呢根据收盘价呢，他求一个二十日的一个均值，然后呢再把他的上轨和下轨，然后求出来， 然后这个就是打印图表。呃，然后他做了一个就是咱们的这个布林带的判断，就是买入信号和一个卖出的一个信号，是吧？当啊双盘价，当小于的下轨的时候，我们就要买入，当双盘价大于上轨的时候，我们就卖出。 好，这边就是呃呃，交易的函数啊，所以当时买的时候，而且现在我们是呃呃清仓空仓的时候啊，我们就进行执行我们的这一个买入的操作，全仓买入啊， order target， 然后当信号是卖出的时候啊，然后我们现在，呃，就是有实仓的时候，我们就进行清仓啊，他写的这个应该是没什么问题啊，我们复制一下。 好，我们现在打开的是巨宽带它的一个呃交易平台吧，然后我们可以新建一个策略，然后我们我自己新建了一个，我们就直接打开， 好把我们的错率复制到这。 嗯，然后回测的周期呢？我，我选的是二四年的一月一号到今年的三月一号。好，我直接点编辑运行， 我们这上写了个 d 编辑运行 啊，他这个收益是零啊，因为他说在这种投资成功不存在啊。这个原因是因为，呃，贵州茅台呢，它的价格比较高，然后我们十万元的话，其实是买不了一手的啊，因为 a 股最少要买一手就是一百股嘛。 然后其实我们查一下茅台它现在价格是一千四嘛，一千多块钱嘛啊，包括 当时在二四二五六年之间应该也是一千块钱以上，这样的话，其实一百首的话就是十几万了，所以咱们的十万块钱是不够买一百首的，所以我们就加个零一百万吧，我们重新进行编辑 好，可以看到咱们的回测完成了，这个策略收益还是非常不错的啊，百分之五十四点八，然后精准的话是三十七，就是沪深三百的这个收益是百分之三十七啊，我运行回测 啊，大家看一下最终的这一个回测的一个结果， 嗯，错率收益呢，就是我们整个回测期间的一个收益啊，是百分之五十四点八，然后年化的是年化的话是百分之二十三点四三啊，超额收益的话就是我们的错率收益减去的一个基准的一个收益的就一个最终的值啊， 然后阿尔法呢？它实说的是，呃，其实主要看它一个正值和负值啊，其实正值的话就说明它是有超额收益的 啊，然后啊，贝塔的话就是衡量的是策略对大盘的一个敏感的程度， 如果贝塔为一的话，就说明是跟大盘同涨同跌，然后零点三五五的话就是跟大盘是有一定的关联，那关联不是很大。下坡比例的话就是说，呃，每承担一单位的这个风险能获得多少的超额回报，咱们这个大于一的话还是很不错的 啊，胜率的话百分之百啊，证明我们八次交易啊，全部都盈利 啊，盈亏比就是盈利比亏损的值啊，最大回撤百分之十八点五啊，应该是从从这说二四年五月到二四年九月这段时间是一个下跌的一个状态，呃，其他的日胜率 二百零点四八六。好，所以整体来说我们这个策略还是非常的不错的啊，看我们交易详情，每股的交易市场收益， 这是我们的策略，收益基本都是正的，基本都是正的。

我跑了八天，一点二亿头肯账单只花了九块钱。众所周知，克拉的扣对对中国用户来说，最难的不是会用，而是能不能稳定的用。他访问受限，有魔法，成本还高，很多人帮刚把工作流打起来，就卡在账号网络额度的问题上。 但我这几天发现了一个可以替代的方案，就是克拉的扣的壳还可以继续用，但是后面接的是我们的国产 v 四。我不是说理论上能用，我是真的拿它跑了八天， 这八天不是只跑了几百个对话，是从需求拆解，页面结构、接口逻辑等，还有报错修复，全程再跑。 那九块钱是什么概念呢？以前你用海外模型写代码，心里一直在有个计算器在跳，现在我终于敢把这个长期在线程序员当程序员用了，而且他不只是只能聊天，我真的把它做成了一个小程序第一版，第一个可用版本就是他帮我打出来的。 我的小龙虾项目呢，目前也是接这个的模型在跑，体感明显有一点就是他不一定很完美，但是你可以放心大胆的用他，便宜到你可以反复的是，这才是关键的变化。所以 ai 编程真正门槛从来不是你知不知道某些神级提示，而是你可以让一个模型在持续的在你的项目可以。 以前我们怕没有 cloud 的 就不能写代码，现在我发现真的只写的不是魔性名字，而是你能不能把这个工作能跑起来，多次错多次错才有机会。如果你也把 cloud 访问的成本卡住了，可以试试这个方案， cloud 当前的工作台，然后第一步是当后面的发动机。 所以说我说金宇公司梁文峰这波真的是活菩萨，不是因为他完美，而是真的把价格打下来，太好用了，成本太低了。

今天带大家来完整的走一遍 openclo 的 安装流程，以及怎么配置 dipstick v 四 flash 这个模型，并且这个模型的性价比很高。首先我们往下看， 它分成安装 mac 版和 windows 版， mac 版用这个脚本， windows 版用这个脚本，因为我这边是 mac 版本，所以我这边使用这个脚本。打开终端，直接复制这个命令回车 我等他。安装在大家电脑上的话，可能这个过程要十几分钟，因为流程比较慢。如果是 mac 版本的话，你一定要先安装 home button， 没有这个的话，后面的人是下不去的。你只要安装了这个之后，下面的流程都是可以自动化的，那只要等就行，如果你的网比较差的话，可能等个二十分钟也有可能， 但慢慢等就行。这个时候你的电脑可能会 cpu 开始百分之百的风扇冒起来，这都是正常的现象，只要等就行了，大概等二十分钟，最多不会超过三十分钟。这时候你可以去干点其他事情，让我们回来吧，已经可以开始我们手动进入了， 在这个地方直接选 yes， 这里选择快速开始，这边直接选择使用现有的值，但如果你刚刚那个地方直接安装过的话，你要选择 reset， 然后 deep sync， 选择这边要输入 api key。 api key 怎么来呢？ 你要打开这个网站，三 w deep sync 点 com， 选择这个 api 开放平台，点进去你要完成注册登录，实名认证充值之后你点这个 api key， 点这个地方 这个名字就随便输入，我这叫奔 call， 我 这个地方一定要复制哦，要不然看不到了。复制要回来粘贴到这里等一下， 因为这里每一个步骤都是要联网的，网又在境外，所以比较慢。这个地方直接选择保全，当时这边选择飞书，这边选择选择默认的，这一个会出现一个二维码，这个时候你用你的手机飞出去扫掉它 扫码，扫码之后它会出现一个立即创建，这手机上会出现一个立即创建，你点击一下有审批通过之后，这边选择这个第一个默认的，等它自动走下面的流程。 这个地方是否去配置这个技能选择 no， 这个地方也跳过，怎么跳过呢？这个地方有技巧，不要直接回车，先按空格选中它，然后再回车。这个地方你可以选择重启， 等待他重启完成，这时候我们只要等待即可，然后他会出现三个选项，他一直告诉你是要在终端里面使用还是在网页上面使用，我建议大家在网页上面打开吧。 第二个会车他就会打开这个网站，大家只要默默等待即可，因为他第一次打开的时候会很慢，你可能就等个三分钟， 对，大家先等着好了，图片这个页面的时候就说明基本上你已经成功了百分之九。这个时候你可以发一句问题问问他，等待他的回复。这个时候可能因为我们第一次问的话，他后台要配置很多乱七八糟东西，也可能会比较慢，等就可以好了，他终于回复完了， 一般来讲讲是第一次比较慢，之后都会比较快，所以我们这个再回答第二次的时候，一般就没有第一次那么慢的离谱了啊。 你看他已经回复了，这个时候大家可以拿出手机钉钉给付付，手机钉钉是被手机飞叔，给飞叔发个消息给飞叔基研，我这边用我的手机给大家演示一下，这个时候我们只要非给他发消息，他这边会突然出现这个又有个 emoji 表情在敲键盘的那种， 那种 emoji， 他 就会回复，你看我们再发一句话给他，你看他立刻会出现一个这种 emoji 表情，那就说明一切正常了， 证明他在思考，他在回复你。 ok， 那 截止到这个时候，这个教程就完成了，我们既完成了这个网页上使用这个 open clone， 又可以在手机上、手机飞书上使用 open clone。

家人们谁懂啊， cloud code 居然能完美接入 deep secret 四 pro， 这简直是程序员的省钱天花板，终于不用再写代码的时候，一边用 ai 一 边心疼 toker 了。建议大家先关注点赞收藏，详细的配置教程也给大家整理好了，可以跟着咱们的步骤来。 首先安装 cloud code， 安装完成后输入 cloud version 检查版本。接着第二步，使用 c c c 去图形化工具配置大模型。首先我们打开 github， 搜索 c c c 位置， 找到第一个这个用 rest 写的， 然后点击路由设置，然后点击详情往下面滑动，这里有不同版本的，根据自己电脑下载安装， windows 直接可以下载 mc 下载安装， 我们这里已经提前下载安装完成，安装完成后就是这样的界面，可以对不同的大模型配置，我们这里选择 d p k， 然后这里最关键的就是输入 api k， 接着我们打开 d p k 官网，如果没有账号，先提前注册，找到左边的 api k， 然后创建一个 k， 然后回到 c c 杠 switch， 输入我们刚刚创建的 k， 这里配置下主模型统一都是 d p c k 杠 v 四 pro， 四个都可以填写一样的，填写完成后可以点击测速下看，看到这里 c c c 去的就配置完成了，接着我们就可以点击启动使用 d p c 了，输入 call 检验，看看是否切换成功。到这里我们在 call 的 里面配置 d p c 就 算完成了， 然后有粉丝兄弟问我如何在 call 的 里面配置 d p c 就 算完成了。然后有粉丝兄弟问我如何在 call 的 推荐可以使用 c c g u i， 安装完成后就是这个小图标，正常我们用 c c switch 配置好 idea 里面的插件就会自动识别并切换，可以看到响应速度还是挺快的。好了，本期的视频就先分享到这里，有什么问题都可以粉丝群一块讨论。

deepsea 王者归来，依旧炸裂，依旧顶流，这下压力来到华为了，在练习时长一年半后， deepsea 直接端上了新模型，在性能上基本上是开源领先，能和顶尖闭源模型一战的地位了。而且如果你想氪金，不管是便宜量大 deepsea v 四 flash 还是价格直接涨了八倍的 v 四 pro， 开发者用的 a p i 也是直接都准备好了。不过即便是涨价了，它炸了我都夸它响，因为和同等性能的友商相比，这价格依旧是太香了。当然， deepsea 还给大家画了个饼，说这次模型的涨价只是暂时的，等过段时间华为的卡到货了，模型的价格还会给大家直接打下来。 总的来说，这两个模型基本上把 deepsea 过去一年多里攒了几个大招，一口气全都给端了出来。性能上就不说了， v 四 pro 能和 cloud、 oppo 四点六、 gbt 五点四、 jimmy 三点一 pro 这些闭元顶尖模型打个五五开。 在写代码的生产力测试的环境中， v 四 pro 能力也处于大于 sonya 四点五，但小于 oppo 四点六的阶段。同时更重要的是，这次 deepsea 发出来两个模型都能支持一百万 toky 的 上下文长度， 这也就意味着他们干活的能力都很强。我们也和差评君一起简单试了一下，给红楼梦里随便贴了一段三体的科幻小说内容，然后丢给 deepsea v 四让他找。结果用不着几秒， deepsea 就 找到了异常。 同时和其他模型不太一样的是， deepsea 的 百万超强文还非常省钱，我真的哭死。 deepsea 依旧还是那个 ai 圈的价格屠夫，击中了大家 ai 刚需的痛点。 大家都知道，现在大模型用的都是 transformer 架构，对话越长， k v cash 就 越大，亏利成本也越高，模型也就越花钱。但这次 deepsea v 四直接变成了超级省钱冠军，也就是说，同样带着一百万 token 上下文干活， v 四 pro 每生成一个 token， 背后的计算量差不多只要原来的四分之一， 模型用来记住前文的 k v cash 也只剩原来的十分之一。而这次 deepsea 之所以能把成本给打下来，靠的是一套全新的注意力机制 hybrid attention， 它把过去的 c s a 和 h c a 的 两种技术结合了起来，前者相当于给一本书写目录，后者相当于给这个目录的章节写摘要。 有了目录和摘要的辅助记忆之后，模型在干活的时候真正需要计算的压力就降了不少。同时它们还用上了去年搓出来的 m h c 来保证长文本的稳定性， 添上了 u 优化器，让模型的参数更加稳定。还在底层的显卡和适配优化上也下了一堆功夫。在英伟达和华为的卡上都测试了自己做的 five gram e p， 能让模型的推理速度提升一点五倍到一点七三倍， 而且还用上了之前北大开元的 thai language， 给模型节省了极大的算力开销。不过可惜的是，目前 deepsea 虽然很强很便宜，但这次的 v 四还是不支持多模态，也就是还不能看懂图片。这块很可能是他们下一代的目标 外，除了在小智催华为的卡之外，咱们还发现了 deepsea v 四的其他一些小彩蛋，比如在提到 agent 能力的时候，除了给 cloud code、 openclaw 这些名声在外的产品做了优化，还提到了腾讯的 code body 这个兔的小资历，这或许和前段时间腾讯阿里正在洽谈投资 deepsea 的 消息有一定关联。 还有在测试对比友商的时候， timi k 二点六和智普的 g m 五点一的一些能力， deepsea 的 人没测上，因为友商的 a p i 繁忙了， 为了 deepsea 还给造卡的硬件厂商们提了个建议，那就是别下堆贷款，要算好算力与通信的比例，这样才更省电省钱。并且 deepsea 官方也很坦诚，直言目前和世界最先进的闭源旗舰模型能力上还有三到六个月的差距。 最后，可以说 deepsea 的 这些日子是受了不少的讨论和非议的。人才流失，国产芯片适配失败，各种传言，真看的让人挺揪心的， 有人说他们是江郎才尽，昙花一现。而 deepsea 新版本下周更新的消息也快和假会计下周回国一样，成了科技圈的笑话了。 甚至还有网友做了 ai 梗图，说梁文峰是因为要玩元神才耽误了 deepsea 微四。但玩归玩，笑归笑，别拿你的老师开玩笑， deepsea 用实力证明他 依旧是那个开源的元神。和华为等国产芯片厂商的合作，也让人看到了咱们 ai 领域打破垄断决心和实力。不忧于欲，不恐于匪，率道而行，端然正己。这是 d p c。 官方今天提到十六字真言，而他们也确实做到了。

玩了一天的 deepsea 威斯烧了三千万的 token， 只花了十块钱，这也太香了。虽然威斯 flash 这么便宜，但效果一点不拉。接到 c c 后，我先让他给我的虚机装了个小龙虾，十分钟搞定。然后我就研究更加清亮的 china， 然后发现小龙虾也支持 open web ui 了，顺手也让威斯 flash 给我部署搞定了。 用这个 y b u i 可以 直接让小龙虾并行跑多个任务，不需要折腾创建一堆机器人了。每次对话后，他还会预测你的请求在我这的命中率还挺高。爱马仕也让他通过 s s h 装在另一台蓄积里了。我后续会分享爱马仕的使用体验。你使用 vs flash 了吗？评论区说下你的感受，我是阿图，下个视频见。

独魁 v 四 pro 到了省略版，直接给出我的购买建议，暂时不要购买。为什么这么说呢？因为现在还在观望的一般都是手上有 v 三想要升级或者预算不是特别充足的，因为对比 v 三 pro 的 升级真的不是特别明显，完全可以等到六幺八新配色或者新联名出来的时候再去买， 其实也并不是一点升级都没有。一、最明显的还是涂层的区别， v 四这个涂层确实要更舒服，感觉不用防滑贴就能直接使用。还有就是这次微动的升级用起来真的很舒服，是我比较喜欢的类型。 至于性能还有续航提升，对我个人来说完全没有以上两点感受来得那么的明显。

兄弟们，在刚刚过去的四月下旬， deepsea 突然官宣发布了新的 v 四系列大模型，并全面开源，直接成为了当下 ai 圈最火的热点。那这次迭代绝非享福的优化，而是实现范氏级的技术突破，彻底打破了开源大模型的能力与成本的壁垒。 那本次 v 四推出的 pro 旗舰版与 flash 轻量化的双版本呢？全系标配百万 tok 超长上下文是最核心的升级亮点。 那一拖全新的 c s a 加 h c a 混合稀疏注意力架构，长文本处理速度大幅提升，它可以精准的记忆分析数十万长文档代码项目，完美的适配长流程的办公研发任务。那本次更新的最大的惊喜还有碾压级的性价比， 直接刷新了行业的价格底线，对比国内主流的大模型，优势十分悬殊， deepsea v 四 flash 输入每百万 token 低价降至零点零二元， pro 版本输出的价格啊，仅为同级别 g t p cloud 的 模型的十几分之一，相比前代模型， v 四整体推出的成本啊，暴跌百分之七十五，是目前同性能梯队中的性价比的天花板存在。 而目前全网讨论度最高的核心亮点就是 deepsea v 四已经深度的适配了全占国产算力生态，它完美的兼容华为、升腾、海光飞腾等主流国产芯片与国产化服务器， 解决了以往海外模型根本无法在本地化部署开源模型适配国产硬件卡顿算力利率低、运行不畅、不稳定等行业难题。这就意味着政企、中小企业无需再依赖海外的算力，可以实现纯国产化的本地部署， 数据全成本地化流转，既大幅降低了合规的风险，又能节约很高额的云端的应用成本，彻底打破了高端 ai 算力被海外生态垄断的局面，为国产 ai 自主可控、规模化落地提供了关键的支撑。

chip 现在也能用 deepsea v 四 pro 版了，还蛮开心的。先试一试它到底怎么样。 嗯，然后现在自己开发量化工具的话，嗯，要就是要反复的重复照轮子嘛，嗯，这里也是比较难受的地方。嗯，但是呢，也有个好处，就是可以把整个所有的流程全部都走一遍，嗯，流程后面的数据的，嗯，东西呢，都过一遍， 嗯，这这种过程呢，也是加深了自己对整个量化工具的理解，再结合自己股票的经验，嗯，会有不同的啊，就是一些感悟。 嗯，今天还是想说一下，因为啊，这几天看到评论更多的就是啊，普通的股民该如何使用量化教育工具，嗯，那，嗯，我们想的就是啊，无论是单策略还是还是这种量，嗯，这种音质组合的这种策略啊，单策略有单策略的好处，就是我们把过去的一些经验，嗯， 把它因子化啊，然后，嗯，量化以后做成量化工具去直接执行。那规避掉啊，股民本身的缺点，那一些经典的过去能够长期稳定盈利的啊，一些方法。 嗯，那在啊，运用这个量子化的这种方式，因子化的这种方式去啊去处理，会不会得到一个比较好的结果？那这是一个方向，另外一个方向呢就是因子组合，多因子组合的这种方式呢？那就是啊，现在这种量化的基础的一个思路， 那因子的这种挖掘啊，周期管理啊，这种东西的话，可能非常非常复杂啊，它涉及到这种数据，数据的问题啊，数据源的问题，嗯，可能不是完全适合我们。嗯，实战这种策略，策略的方式呢，可能更好一点，所以我在这里呢就是，嗯进行了一些区分， 然后是不是两个相互配合啊？能够比如说像因子选出来啊，用因子选出来，嗯，就是选股时，然后进行回测，然后得出来一些数据，然后在策略里面啊，用一些单向的策略啊，就是，嗯，去去实现这个股票的自动化的去操作，嗯， 暂时采用这样一个思路，我看看能不能把这个 mvp 给跑通了吧，但是这个过程非常的痛苦 啊，所以如果就是普通，就是我们股民如果想自己去做这个事情的话，嗯，其实就是如果不就是没有这个开发经验的话，我建议还是使用券商的这种啊，提供的像国金的 q m t 啊这种啊，直接去使用也行，有一定基础的话，就直接拿那个已经开源好的，或者是直接 用那个米筐啊，锯筐啊这些这些这些已经有的工具直接拿过来用也是可以的啊，只关注于策略就是单策略啊，不考虑这种音质组合的问题啊，可能更好一点啊，到底是怎么用的话，每个人都要结合自己的实际情况啊，但是结论还是要还是就是还是要参与到这个量化交易里面去， 传统的这种盈利的话，除非你啊有长期稳定的盈利的这种模式交易模式那是可行的啊，如果，如果没有的话，还是建议啊，使用现成的，不建议自己去开发这些东西。