社区讨论：多数从业者认同不能依赖OpenAI官方的屏蔽列表解决问题，大语言模型行为不可预测，做不到完全排除敏感文件。大家公认正确解法是靠系统权限隔离，比如修改文件权限、将编码代理放在独立干净容器或云虚拟机中运行，让代理本身没有读取敏感文件的权限。有人提出该功能本就是画蛇添足，只会给用户虚假的安全感，还有用户指出这个问题已经拖了一年仍未修复。

大家好，在 anthropic 的 Fable 被禁之后，我开始开发 nanoeuler。我的雄心和梦想是进入 AI 领域，在 anthropic 工作。促使我创建 nanoeuler 的两个有趣原因是：(1) 调用大语言模型接口不代表理解它们的组成结构，(2) 在非常底层的层面开发大语言模型，可以理解参数、数据和模型增长之间的关联，以及 GPU 的工作原理，还有如何优化部分网络层。

于是我开始开发

社区讨论：不少人认为当前对大语言模型做镜子测试的思路本身不合理，大语言模型本质是下一个token预测系统，现有对话交互模式经过指令调优，已经带有“做有用助手”的强偏差，剥离额外微调才能看清模型真实能力。有人提出更适合大语言模型的自我认知测试是让它说出关于自身训练数据的事实，还推测模型后训练阶段被调整过，不会准确回答这类问题。也有人质疑，不该因为大模型能聊天，就忘了它本身的本质，非要用镜子测试考察它。

社区讨论：有资深开发者实测称GLM-5.2适配日常编程场景，成本远低于GPT。也有用户多次试用后认为GLM体验很差，该跑分结果读起来像推广软文。多名用户指出这次跑分对比不严谨：没有明确标注对标Claude的具体型号，把GLM单prompt和Claude Code多智能体系统对比，还混淆了Claude品牌和对应大模型的概念。

有用户预测美国接下来会出台出口管制，要求OpenRouter、HuggingFace下架部分中国开源模型。

社区讨论：多数人认可欧盟要维持AI研发前沿，必须自主布局AI研发与算力基础设施。有人指出欧盟法规虽然繁琐但监管规则清晰可预期，适合大额投资的前沿AI机构落地。也有人质疑落地可行性，认为美国会出台惩罚性出口限制，Anthropic创始人是美国爱国者不会愿意离开美国，还有人称就算拿到硬件也绕不开美国的出口管制。

社区讨论：不少人认为原标题存在误导，本次谷歌限制Meta使用Gemini是算力容量约束，并非限制Meta使用模型的功能或用途。有人质疑Meta本身自研大模型，却大量使用谷歌Gemini而非竞品，猜测是战略竞争或成本原因。还有人提出，未来获取顶级前沿大模型，会逐步对机构增加算力、合规等限制，个人用户的服务优先级会被降低。

社区讨论：多数用户认为大模型目前不足以给出可靠的医学影像第二意见，真正的放射科专家普遍指出AI输出存在不足、误导性问题，也有用户明确表示不会用Claude这类模型分析图像。有用户分享个人经历称ChatGPT曾通过文本分析准确指出自己MRI报告的错误，另有从业者建议医生可以将合规大模型作为辅助工具，查看是否遗漏细节。

当下AI圈真正热门的东西是什么？不是空喊概念，而是实时动态。🔥

收录了530+工具的热度榜💸

361款模型的定价信息📄

热门论文💰

融资信息+岗位机会

全部整合在一个终端里。排行榜从不接赞助。

那么OpenAI把GPT-6这个标签留給哪个模型呢？

如果面对 Fable/5.6 被管控，你的回答是「开源会拯救我们」，那你完全没搞懂情况。

没错，政府可以禁止美国实验室提供前沿模型。但你觉得他们会让美国人下载性能相当的中国权重吗？对啊，当然会啦。（反话）

当数百万 AI 智能体开始相互谈判、交易和委托工作时，会发生什么？@weballergy 做客我们的播客，和 @fryrsquared 一起探讨智能体经济的崛起——以及我们如何让智能体决策多元化，以避免 AI 群体思维。

时间轴：
00:00 开场
1:07 AI 智能体的定义
4:44 科学与研究领域的智能体探索
15:46 智能体之间的委托
22:46 智能体安全与陷阱
29:31 构建智能体经济
33:22 认知单一栽培
36:29 分布式智能

观看→ Spotify → Apple Podcasts → 或者在你常用的播客平台收听！🎧

Bash4LLM 是一个单文件 Bash 封装工具，用于在终端内与大语言模型交互。

我创建它是因为我想要一个简单的工具，不需要安装 Python、Node 或任何其他运行环境就能运行。

它只依赖 Bash、curl 和 jq。你可以发送提示词、开启小型对话、逐行处理文件、流式输出，还能以 JSON 格式保存会话元数据。

我尽量让它安全、可预期：不使用系统 /tmp 目录，不使用 eval。

它默认支持 Groq，也可以添加其他提供商。

这是Claude Code版的「把我的开发组织原样打包分发」项目。它把23个带有明确立场的工具加载到Claude Code中，分别让这些工具扮演CEO/设计师/工程经理/发布经理/文档工程师/QA。

虽然市面上已经有不少类似的工具集，但它真正厉害的地方不是提示词集合，而是将整个开发流程做成了斜杠命令，比如/office-hours→/plan-ceo-review→/review→/qa。

它会在新增代理之前，先明确角色和终止条件。这套机制很有参考价值，适合用来搭建你自己的AI代理。#AI駆動開発

如果一件事可以用 CLI 自动化，或是能通过 API 端点访问，我就会把它交给搭载 GLM 5.2 的智能体来帮我做。

土耳其发布了本国首款工业人形机器人 AKINCI-5🇹🇷🤖。

经过多年迭代，它从 AKINCI-2、AKINCI-P 等早期原型发展而来，主打 AI 支持的行走、平衡与交互能力，目前处于测试和展示阶段。

这款机器人由土耳其知名软件公司 AKINSOFT 旗下的 AKINROBOTICS 制造，定位用于工厂、制造、仓储、采矿等挑战性环境。

此前，AKIN 已经推出过 ADA 系列轮式人形机器人，用于零售、医疗、客户协助等服务场景，比如 Ada-7。

早在 2017 年，该公司就在科尼亚省建成了当时全球首个人形机器人工厂，覆盖从零部件到整机的全流程研发与组装。

不过，围绕业务运营整合软硬件所能带来的长期价值是不可估量的。

WhisperX 提供快速自动语音识别，可通过批处理 Whisper 流水线生成准确的单词级时间戳和说话人分类。

- 使用 whisper large-v2 可实现 70 倍实时转录
- 通过 wav2vec2 强制对齐生成单词级时间戳
- 来自 pyannote-audio 的说话人分类功能
- VAD 预处理可减少幻觉，且不会降低词错误率

在此探索：

这个好，一个开源内存层，让 Claude、ChatGPT、Cursor 和 Codex 共享一个大脑。 主要是它部署在 Cloudflare Workers 上，把记忆放在你自己 Cloudflare 账号里，对外走 MCP，数据落在用户自己的 D1、Vectorize、KV 与 Workers AI，强调语义检索而非字面匹配。个人规模可在 Cloudflare 免费额度内。

我们用 HyperFrames 制作了 @aiDotEngineer World Fair 的官方开幕视频。我们团队也会到场线下参与，快来我们的展位找我们，留步观看 @Rames_Jusso 和 @liu8in 的演讲。我们现场见！

Microsoft 已经开源了 bitnet-cpp。

这是一个1位推理框架，可以在CPU上运行100B参数模型，不需要GPU。

推理速度提升6.17倍，能耗降低82.2%。

不需要云，不需要GPU，只用你的本地机器就行。

关注AI研究/智能体趋势的朋友们一定要收藏。.! 📑

Papers with Code 这个服务之前被 Meta 收购后消失了，现在 Hugging Face 为社区全新重建，让它复活了。

你可以在同一个地方查看各类研究、代码实现，以及按任务分类的排行榜：
- 可以实时查看最新趋势论文（基于 arXiv + HF）
- 每篇论文都整理好了对应的代码实现链接
- 按任务/基准分类的排行榜都已上线（对比SOTA真的很方便）
- 按 Agents、OCR、Audio、Vision、Reasoning 等领域做了清晰整理
- 还支持论文提交功能，可以上传自己/团队的论文（AI会自动添加标签）

感觉往后我能从这里得到很多帮助。.

这是虚幻引擎5.8 MCP的Niagara（ Niagara，虚幻引擎的粒子模拟系统）模拟测试。测试画面下方的场景 Blockout（大体块白模）由Claude根据单个提示词生成。

测试画面上方的内容由Seedance 2.0制作完成。

这是该方向的首次测试。发布者计划后续尝试生成更干净的效果。

开发者Ravindra_PE将自适应超级趋势指标（AST）转换为Python代码。他用该代码对NIFTY 50成分股和3个指数完成扫描，覆盖的时间维度分别是5分钟、15分钟、30分钟、1小时和1天。

自适应超级趋势指标的核心逻辑是通用方案并不适用于所有场景。如果使用者交易上述提及的标的，可以使用开发者建议的对应时间维度。

如果使用者交易其他标的，可以留言提问，开发者会更新对应最合适的时间维度。

回测结果永远无法保证未来收益，部分情况下偏差幅度可超过50%。在开展真实交易前，需要完成足够的前瞻性测试。

开源人工智能迎来了第二次DeepSeek时刻，这一次市场没有崩盘。本周行业整体平静，但开源AI悄然缩小了与闭源模型的差距。

GLM 5.2是目前最优的MIT许可证开源模型，是本次DeepSeek时刻的核心事件。

Sakana Fugu模型击败了Fable模型。

OpenAI与博通（Broadcom）合作研发了代号为Jalapeno的芯片。

Claude Tag功能让Claude成为用户Slack平台中持续可用的协作伙伴。

支持1位量化的Unsloth版本GLM 5.2，可以在Mac Studio上运行。相关播客和通讯内容已经更新上线。

协作平台mondaydotcom（周一网）曾使用单个AI代理处理200余款工具的调用。

设计带来了全范围的上下文污染。大语言模型因此出现识别混乱，运行成本持续上升，系统始终无法正常工作。

omribruchim介绍了用深度代理（Deep Agents）重新搭建Sidekick项目的相关内容，相关链接可查看原发布。

想要观看本次AI代理大会的精彩内容，可以访问Interrupt会议档案获取回放，相关链接可查看原发布。

这套系统的核心是Claude搭配五个循环组件，能让AI自行发现并完成开发工作，开发者无需在每一步等待。多数人使用编码智能体时都需要逐步骤等待，无法实现全流程自动化。

这套系统包含五个核心组件。自动化模块按计划或事件启动循环；技能文件存储规则与项目上下文；状态文件记录进度，让每次运行都能从上一次停下的位置继续。

MCP连接器从GitHub、Linear、Slack等工具拉取工作；编写子智能体与检查子智能体将执行和验证过程分离。

搭建循环前，任务需要满足四个条件：重复频率、自动化检查、已保存状态、强制停止。缺少这些条件，智能体可能永远重复错误工作，消耗 tokens（代币），还会认同自身错误。

目标不是更频繁地给Claude发提示词，而是搭建一个能自主发现工作、完成工作、验证工作、知道何时停止的循环。

我们将 GitHub Copilot agentic harness 与原生搭载领先模型的各类 harness 进行了基准测试。

在 SWE-bench Verified、SWE-bench Pro、SkillsBench、TerminalBench 和 Win-Hill 测试中固定模型与任务后，结果十分清晰：
✅ 任务解决能力与模型厂商原生 harness 相当
✅ 多数配置下生成 token 数量更少

💡 核心结论：GitHub Copilot 现已支持超过 20 款模型，你可以根据每个任务自由选择能效比，或是峰值质量。

查看完整数据 ⬇️

这完全就是我现在的新工作流：

实时研究/搜索 → Grok 4.3

规划与推理 → GPT-5.5 XHigh

编码 → GPT-5.5 XHigh w/ Codex Coding（前端）

编写并运行测试用例 → Opus 4.8 XHigh

调试 → GPT-5.5 w/ Codex

收藏这篇。

在大语言模型出现之前，我相信那个比喻——我记得是Yud提出的——通过聊天机器人造AI，就好比靠把蜡雕得越来越逼真来造真花。

过去25年的大部分时间里，我都认为我们会先通过强化学习达到递归自我improving，之后才会有AI学会英语。就这点而言，我觉得我们很幸运。AGI会来自我们能够字面意义上读取的「想法」。

同样重要的是，LLMs是一种成本高昂的工业流程，而非传统的个人电脑软件。AI没法像很多人原本假设的那样——如果它主要是代码的话——轻易自我改进。

这些结果都不是必然的。人们曾经担心AGI会在某人的地下室里诞生，然后一下子爆发。正因为它没有这样，我们才可以把能力逐步开放出来。我们能看到AI真正糟糕的地方。我们可以整合、调整，然后活在Kurzweilian式的拟合世界里。

即便有时候我们不清楚还能在这里待多久，我依然很感激我们走到了这一步。

我们用 HyperFrames 制作了 @aiDotEngineer World Fair 的官方开幕视频。我们团队也会到场线下参与，快来我们的展位找我们，留步观看 @Rames_Jusso 和 @liu8in 的演讲。我们现场见！

那么OpenAI把GPT-6这个标签留給哪个模型呢？

这是Claude Code版的「把我的开发组织原样打包分发」项目。它把23个带有明确立场的工具加载到Claude Code中，分别让这些工具扮演CEO/设计师/工程经理/发布经理/文档工程师/QA。

虽然市面上已经有不少类似的工具集，但它真正厉害的地方不是提示词集合，而是将整个开发流程做成了斜杠命令，比如/office-hours→/plan-ceo-review→/review→/qa。

它会在新增代理之前，先明确角色和终止条件。这套机制很有参考价值，适合用来搭建你自己的AI代理。#AI駆動開発

当下AI圈真正热门的东西是什么？不是空喊概念，而是实时动态。🔥

收录了530+工具的热度榜💸

361款模型的定价信息📄

热门论文💰

融资信息+岗位机会

全部整合在一个终端里。排行榜从不接赞助。

如果一件事可以用 CLI 自动化，或是能通过 API 端点访问，我就会把它交给搭载 GLM 5.2 的智能体来帮我做。

土耳其发布了本国首款工业人形机器人 AKINCI-5🇹🇷🤖。

经过多年迭代，它从 AKINCI-2、AKINCI-P 等早期原型发展而来，主打 AI 支持的行走、平衡与交互能力，目前处于测试和展示阶段。

这款机器人由土耳其知名软件公司 AKINSOFT 旗下的 AKINROBOTICS 制造，定位用于工厂、制造、仓储、采矿等挑战性环境。

此前，AKIN 已经推出过 ADA 系列轮式人形机器人，用于零售、医疗、客户协助等服务场景，比如 Ada-7。

早在 2017 年，该公司就在科尼亚省建成了当时全球首个人形机器人工厂，覆盖从零部件到整机的全流程研发与组装。

不过，围绕业务运营整合软硬件所能带来的长期价值是不可估量的。

WhisperX 提供快速自动语音识别，可通过批处理 Whisper 流水线生成准确的单词级时间戳和说话人分类。

- 使用 whisper large-v2 可实现 70 倍实时转录
- 通过 wav2vec2 强制对齐生成单词级时间戳
- 来自 pyannote-audio 的说话人分类功能
- VAD 预处理可减少幻觉，且不会降低词错误率

在此探索：

社区讨论：多数用户认为大模型目前不足以给出可靠的医学影像第二意见，真正的放射科专家普遍指出AI输出存在不足、误导性问题，也有用户明确表示不会用Claude这类模型分析图像。有用户分享个人经历称ChatGPT曾通过文本分析准确指出自己MRI报告的错误，另有从业者建议医生可以将合规大模型作为辅助工具，查看是否遗漏细节。

社区讨论：不少人认为原标题存在误导，本次谷歌限制Meta使用Gemini是算力容量约束，并非限制Meta使用模型的功能或用途。有人质疑Meta本身自研大模型，却大量使用谷歌Gemini而非竞品，猜测是战略竞争或成本原因。还有人提出，未来获取顶级前沿大模型，会逐步对机构增加算力、合规等限制，个人用户的服务优先级会被降低。

社区讨论：多数人认可欧盟要维持AI研发前沿，必须自主布局AI研发与算力基础设施。有人指出欧盟法规虽然繁琐但监管规则清晰可预期，适合大额投资的前沿AI机构落地。也有人质疑落地可行性，认为美国会出台惩罚性出口限制，Anthropic创始人是美国爱国者不会愿意离开美国，还有人称就算拿到硬件也绕不开美国的出口管制。

社区讨论：有资深开发者实测称GLM-5.2适配日常编程场景，成本远低于GPT。也有用户多次试用后认为GLM体验很差，该跑分结果读起来像推广软文。多名用户指出这次跑分对比不严谨：没有明确标注对标Claude的具体型号，把GLM单prompt和Claude Code多智能体系统对比，还混淆了Claude品牌和对应大模型的概念。

有用户预测美国接下来会出台出口管制，要求OpenRouter、HuggingFace下架部分中国开源模型。

社区讨论：不少人认为当前对大语言模型做镜子测试的思路本身不合理，大语言模型本质是下一个token预测系统，现有对话交互模式经过指令调优，已经带有“做有用助手”的强偏差，剥离额外微调才能看清模型真实能力。有人提出更适合大语言模型的自我认知测试是让它说出关于自身训练数据的事实，还推测模型后训练阶段被调整过，不会准确回答这类问题。也有人质疑，不该因为大模型能聊天，就忘了它本身的本质，非要用镜子测试考察它。

Bash4LLM 是一个单文件 Bash 封装工具，用于在终端内与大语言模型交互。

我创建它是因为我想要一个简单的工具，不需要安装 Python、Node 或任何其他运行环境就能运行。

它只依赖 Bash、curl 和 jq。你可以发送提示词、开启小型对话、逐行处理文件、流式输出，还能以 JSON 格式保存会话元数据。

我尽量让它安全、可预期：不使用系统 /tmp 目录，不使用 eval。

它默认支持 Groq，也可以添加其他提供商。

大家好，在 anthropic 的 Fable 被禁之后，我开始开发 nanoeuler。我的雄心和梦想是进入 AI 领域，在 anthropic 工作。促使我创建 nanoeuler 的两个有趣原因是：(1) 调用大语言模型接口不代表理解它们的组成结构，(2) 在非常底层的层面开发大语言模型，可以理解参数、数据和模型增长之间的关联，以及 GPU 的工作原理，还有如何优化部分网络层。

于是我开始开发

社区讨论：多数从业者认同不能依赖OpenAI官方的屏蔽列表解决问题，大语言模型行为不可预测，做不到完全排除敏感文件。大家公认正确解法是靠系统权限隔离，比如修改文件权限、将编码代理放在独立干净容器或云虚拟机中运行，让代理本身没有读取敏感文件的权限。有人提出该功能本就是画蛇添足，只会给用户虚假的安全感，还有用户指出这个问题已经拖了一年仍未修复。

关注AI研究/智能体趋势的朋友们一定要收藏。.! 📑

Papers with Code 这个服务之前被 Meta 收购后消失了，现在 Hugging Face 为社区全新重建，让它复活了。

你可以在同一个地方查看各类研究、代码实现，以及按任务分类的排行榜：
- 可以实时查看最新趋势论文（基于 arXiv + HF）
- 每篇论文都整理好了对应的代码实现链接
- 按任务/基准分类的排行榜都已上线（对比SOTA真的很方便）
- 按 Agents、OCR、Audio、Vision、Reasoning 等领域做了清晰整理
- 还支持论文提交功能，可以上传自己/团队的论文（AI会自动添加标签）

感觉往后我能从这里得到很多帮助。.

这个好，一个开源内存层，让 Claude、ChatGPT、Cursor 和 Codex 共享一个大脑。 主要是它部署在 Cloudflare Workers 上，把记忆放在你自己 Cloudflare 账号里，对外走 MCP，数据落在用户自己的 D1、Vectorize、KV 与 Workers AI，强调语义检索而非字面匹配。个人规模可在 Cloudflare 免费额度内。

Microsoft 已经开源了 bitnet-cpp。

这是一个1位推理框架，可以在CPU上运行100B参数模型，不需要GPU。

推理速度提升6.17倍，能耗降低82.2%。

不需要云，不需要GPU，只用你的本地机器就行。

如果面对 Fable/5.6 被管控，你的回答是「开源会拯救我们」，那你完全没搞懂情况。

没错，政府可以禁止美国实验室提供前沿模型。但你觉得他们会让美国人下载性能相当的中国权重吗？对啊，当然会啦。（反话）

当数百万 AI 智能体开始相互谈判、交易和委托工作时，会发生什么？@weballergy 做客我们的播客，和 @fryrsquared 一起探讨智能体经济的崛起——以及我们如何让智能体决策多元化，以避免 AI 群体思维。

时间轴：
00:00 开场
1:07 AI 智能体的定义
4:44 科学与研究领域的智能体探索
15:46 智能体之间的委托
22:46 智能体安全与陷阱
29:31 构建智能体经济
33:22 认知单一栽培
36:29 分布式智能

观看→ Spotify → Apple Podcasts → 或者在你常用的播客平台收听！🎧

在大语言模型出现之前，我相信那个比喻——我记得是Yud提出的——通过聊天机器人造AI，就好比靠把蜡雕得越来越逼真来造真花。

过去25年的大部分时间里，我都认为我们会先通过强化学习达到递归自我improving，之后才会有AI学会英语。就这点而言，我觉得我们很幸运。AGI会来自我们能够字面意义上读取的「想法」。

同样重要的是，LLMs是一种成本高昂的工业流程，而非传统的个人电脑软件。AI没法像很多人原本假设的那样——如果它主要是代码的话——轻易自我改进。

这些结果都不是必然的。人们曾经担心AGI会在某人的地下室里诞生，然后一下子爆发。正因为它没有这样，我们才可以把能力逐步开放出来。我们能看到AI真正糟糕的地方。我们可以整合、调整，然后活在Kurzweilian式的拟合世界里。

即便有时候我们不清楚还能在这里待多久，我依然很感激我们走到了这一步。

这完全就是我现在的新工作流：

实时研究/搜索 → Grok 4.3

规划与推理 → GPT-5.5 XHigh

编码 → GPT-5.5 XHigh w/ Codex Coding（前端）

编写并运行测试用例 → Opus 4.8 XHigh

调试 → GPT-5.5 w/ Codex

收藏这篇。

我们将 GitHub Copilot agentic harness 与原生搭载领先模型的各类 harness 进行了基准测试。

在 SWE-bench Verified、SWE-bench Pro、SkillsBench、TerminalBench 和 Win-Hill 测试中固定模型与任务后，结果十分清晰：
✅ 任务解决能力与模型厂商原生 harness 相当
✅ 多数配置下生成 token 数量更少

💡 核心结论：GitHub Copilot 现已支持超过 20 款模型，你可以根据每个任务自由选择能效比，或是峰值质量。

查看完整数据 ⬇️

这套系统的核心是Claude搭配五个循环组件，能让AI自行发现并完成开发工作，开发者无需在每一步等待。多数人使用编码智能体时都需要逐步骤等待，无法实现全流程自动化。

这套系统包含五个核心组件。自动化模块按计划或事件启动循环；技能文件存储规则与项目上下文；状态文件记录进度，让每次运行都能从上一次停下的位置继续。

MCP连接器从GitHub、Linear、Slack等工具拉取工作；编写子智能体与检查子智能体将执行和验证过程分离。

搭建循环前，任务需要满足四个条件：重复频率、自动化检查、已保存状态、强制停止。缺少这些条件，智能体可能永远重复错误工作，消耗 tokens（代币），还会认同自身错误。

目标不是更频繁地给Claude发提示词，而是搭建一个能自主发现工作、完成工作、验证工作、知道何时停止的循环。

协作平台mondaydotcom（周一网）曾使用单个AI代理处理200余款工具的调用。

设计带来了全范围的上下文污染。大语言模型因此出现识别混乱，运行成本持续上升，系统始终无法正常工作。

omribruchim介绍了用深度代理（Deep Agents）重新搭建Sidekick项目的相关内容，相关链接可查看原发布。

想要观看本次AI代理大会的精彩内容，可以访问Interrupt会议档案获取回放，相关链接可查看原发布。

开源人工智能迎来了第二次DeepSeek时刻，这一次市场没有崩盘。本周行业整体平静，但开源AI悄然缩小了与闭源模型的差距。

GLM 5.2是目前最优的MIT许可证开源模型，是本次DeepSeek时刻的核心事件。

Sakana Fugu模型击败了Fable模型。

OpenAI与博通（Broadcom）合作研发了代号为Jalapeno的芯片。

Claude Tag功能让Claude成为用户Slack平台中持续可用的协作伙伴。

支持1位量化的Unsloth版本GLM 5.2，可以在Mac Studio上运行。相关播客和通讯内容已经更新上线。

开发者Ravindra_PE将自适应超级趋势指标（AST）转换为Python代码。他用该代码对NIFTY 50成分股和3个指数完成扫描，覆盖的时间维度分别是5分钟、15分钟、30分钟、1小时和1天。

自适应超级趋势指标的核心逻辑是通用方案并不适用于所有场景。如果使用者交易上述提及的标的，可以使用开发者建议的对应时间维度。

如果使用者交易其他标的，可以留言提问，开发者会更新对应最合适的时间维度。

回测结果永远无法保证未来收益，部分情况下偏差幅度可超过50%。在开展真实交易前，需要完成足够的前瞻性测试。

这是虚幻引擎5.8 MCP的Niagara（ Niagara，虚幻引擎的粒子模拟系统）模拟测试。测试画面下方的场景 Blockout（大体块白模）由Claude根据单个提示词生成。

测试画面上方的内容由Seedance 2.0制作完成。

这是该方向的首次测试。发布者计划后续尝试生成更干净的效果。