AI Pulse
📡 X 信号

8个月搭建AI投研流水线:3台DGX Spark跑本地模型,Opus当指挥官

开发者Dragonomi在X分享了自己耗时七八个月搭建的AI辅助投研系统,目标很简单:花更少时间、更少精力,更系统地读完更多研报。

他先把自己的券商账户API接入系统,还会自动抓取部分网站的行业新闻,其中中文互联网的行业资讯内容非常丰富。

系统跑在三台家用DGX Spark上,当前活跃的本地模型是Qwen 3.8-flash和DS4.0-flash,三台设备同时最多能处理16个并发请求。这些本地模型上下文窗口不大,就像工厂流水线上的工人,只负责不需要长上下文的特定任务。

当有大量请求进来时,这些模型会阅读指定公司或行业的研报,讨论哪些内容对投资者有用,必要时会独立检索、交叉验证,再通过讨论撰写、修改内容,核对数字准确性。每一组模型都像流水线工人一样负责特定任务,比如有一组专门核对数字,另一组负责其他工作,有时候一篇内容要花40分钟打磨,7×24小时运行,没有社保、餐补和交通补贴,只需要供电。

本地模型完成工作后,他会调用Claude Opus做最终审核,像指挥官一样检查这些模型的输出是否靠谱,必要时修改、打回或者直接通过。本地模型能力不足以当指挥官,Opus成本太高也不适合做基础执行工作。

Opus审核通过后,结果会发送到他专门为这个系统注册的Gmail邮箱,他再阅读邮件,必要时查看附带的原始资料,还会和Gemini对话做进一步分析。

这套系统给他带来的核心收益是节省时间。过去他坐在电脑前,要手动打开网页、搜索、下载PDF、戴眼镜滚动阅读,甚至打印出来,大量时间都消耗在这些机械操作上。过去他给自己定的目标是每月读100份研报,往往完不成。现在他一次坐下来,两小时就能浏览20份研报的摘要,再完整读其中三五份,每月轻松读完数百份研报。

查看 X 原帖

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新