与「前端量化」相关的搜索结果

兄弟们，股票数据终于不用后端了！ chengzuopeng/stock-sdk —— 纯 JS/TS 股票行情 SDK，零Python、零后端，直接浏览器/Node.js拿实时数据！真香点： · 支持 A股/港股/美股/公募基金，实时行情 + K线 + 技术指标全都有 · 命名空间API超友好，IDE自动补全 · 自带CLI和MCP，一条命令就能接入AI工具 · 轻量零依赖，TypeScript完美支持 想做行情看板、量化Demo、AI选股？直接npm i stock-sdk就开干！ 直达地址： 官网文档： #股票API# #前端量化# #JS股票数据#

解包过ds的apk 还能调用pro，只是前端删了，接口还在，只要你不鉴证几乎无甲，相关的限制只在前端上面，模型是超级量化版和API没得比

能成为行业领军者，远见弥足重要 刚刚 OKX NOW 上 @star_okx 和 @VitalikButerin 两位刚刚的发言 看看两位都聊了什么 @star_okx 这边 1/ 我们做了 13 年，从加密现货交易所起家，一路扩到衍生品、Web3 钱包、支付和多资产交易，现在做代币化资产 2/ 我给 OKX 定的新位置是面向下一代用户的全场景金融科技服务，就四件事：存钱、全球支付、一站式投资、AI 驱动的财富增值 3/ 这批人不太可能再走进传统银行网点，这是我们整套愿景的底座 4/ 我的判断前提是互联网、加密、AI 正在融合，一起重建金融 5/ 传统金融的毛病是几十年没变的基建配不上实时数字世界，低收入人群跨境汇款成本接近 10%，服务也做不到 24 小时 6/ 我把行业分成五个阶段：极客实验、机构关注、DeFi 和 ICO 实验、合规建设、2025 年之后的主流化 7/ 做全球金融服务，光有技术不够，真正的门槛是信任、监管、治理和本地问责 8/ 牌照和监管资格我们覆盖了美国、欧洲、阿联酋、新加坡、澳洲、巴西、土耳其等主要市场 9/ 我们是最早一批把储备金证明做成常态化透明机制的交易所，这件事后来成了行业标准 10/ 全球独立审计我交给了德勤，为的是把加密技术和全球金融机构的标准对齐 11/ 加密和传统金融长期被说成对立，我不同意，这个对立正在消失 12/ 我们的股东名单里有 ICE 和纽交所、渣打银行、Ripple、Circle，覆盖交易所、银行、支付、量化 13/ 两边的互补很清楚：加密给的是 24/7 基建、可编程的钱、全球结算、自托管，传统金融给的是巨额流动性、监管经验、机构信任 14/ 在我们内部，AI 已经不是概念，是核心基建，我们自建了内部 AI 平台 15/ 95% 的工程功能发布流程实质由 AI 完成，工程师只负责审查、测试和最终批准 16/ 接下来 AI 要接手三件事：24 小时智能客服、实时反欺诈干预、把各地区不同的监管要求做成统一执行的合规 17/ 上个月我们在大模型服务上的支出到了 1000 万美元，AI 已经跑到规模化工业使用这一步 @VitalikButerin 这边 1/ 我这场讲的都是正在发生、但还没成熟的技术趋势 2/ 我认为零知识证明两年内会成熟，以后用户不用披露完整隐私信息，就能证明资产和身份的合规性 3/ AI 既是这行最大的机会也是最大的风险，它能加速安全建设，也能反过来发现系统漏洞、发动大规模攻击 4/ AI agent 会成为新的交互层，取代传统前端界面，成为操作区块链的主要方式 5/ 这层变化会消掉大部分 UI 层的安全风险，同时带来一批 AI 安全的新问题 6/ 未来的安全是全栈的，从链协议、应用层一直到最底层的芯片和硬件 7/ 硬件钱包会演化成通用的安全设备 8/ 以前我们说 not your keys, not your coins，很快要变成 not your silicon, not your... 9/ 区块链这行是全球数字技术迭代的最前线，我们行业今天遇到的问题，很快会变成整个互联网的普遍问题 10/ 两年后链上交易更便宜、更私密，不再只是支付 11/ 两年后的对手方大多数是机器人，甚至应用代码也由 AI 生成，机器人可以直接在链上发起报价 12/ 技术已经把信息民主化了，金融还没有 13/ 加密带来 24 小时运转、可编程的钱、全球结算和自托管，传统金融带来巨额流动性和监管经验

终于有人把这事做了！不用碰 Python，零依赖 JS/TS 直接拿 A股/港股/美股/基金/期货/期权全市场行情 stock-sdk，1.9K stars，内置 92 个 MCP 工具直接喂给 AI。 以前前端想做行情看板，行情工具基本全是 Python 生态，要么自己起后端，要么忍受财经接口 GBK/并发/批量各种坑。 stock-sdk 不一样，v2 架构大改，命名空间 API + 统一符号模型，零依赖，浏览器和 Node 18+ 双端直接跑。 核心能力： 1️⃣ 一套 API 覆盖 A 股、港股、美股、公募基金、期货、期权，实时行情、K 线、分钟线都能直接调 2️⃣ 资金流、龙虎榜、融资融券、大宗交易、涨跌停池、盘口异动、板块资金这些 A 股常用数据也做进去了 3️⃣ 自带 MACD、RSI、KDJ、BOLL、ATR、SAR 等技术指标，还能直接识别指标信号 4️⃣ 内置 Screener + 本地回测，不只是拿数据，筛股和策略验证也能直接做 5️⃣ 筹码分布也已经支持，A 股 / 港股 / 美股都能本地计算获利比例、平均成本和筹码区间 6️⃣ 最关键的是 MCP 已经原生做好了，Claude、Codex、Cursor 可以直接调用这些金融工具，不用你再包一层接口 我觉得它现在最有意思的一点，是已经从“股票数据包”慢慢变成了 Agent 的金融基础设施。 上面 AI 负责研究，下面 stock-sdk 负责行情、指标、选股和回测。 做股票 Agent、AI 投研，或者想给自己的量化系统补一套统一数据层，这个很值得留着。

为什么bybit和bitget两兄弟都没有防住朝鲜黑客？ 一句话：Bybit 和（目前看起来的）Bitget，输的不是“防火墙版本号”，而是把人眼看到的交易当成了真相。Lazarus 专打这一层。等 Bitget 9 月 25 日承诺的事故报告出来，才能判断这次是热钱包密钥泄露、策略机被控，还是又一次签名界面/供应链重演。在那之前，把 3.5 亿全部钉死在某一招上，都算提前下判。 Lazarus 是朝鲜侦察总局下属创收部队，不是散户黑客。公开口径：累计盗走加密资产超 60 亿美元；2025 年 Bybit 一单约 15 亿美元；2026 年 Drift、KelpDAO 两单就占当年被盗额大头。 目标很单纯：绕开制裁换外汇。 打法 近年主攻不是破合约，是破信任链。 1打人：假招聘、假量化团队、假尽调、假会议、深度伪造。目标是签名人、多签委员、核心开发、供应商工程师。可以经营几个月再动手。 2打供应链：Bybit 是 Safe 前端 JS 被投毒。屏幕显示“正常冷转热”，链上实际是改合约控制权。硬件钱包只显示哈希，等于盲签。 3打多签幻觉：同一套假界面，3/6、2/5 一起签错，人多没用。 4得手就拆：ETH→DEX/聚合器→跨链→OTC。行业能冻住的通常只是零头。 Bitget（2026-09-24）官方：约 3.516 亿美元从热/温钱包被转走，冷钱包称仍安全，4.64 亿保障基金可覆盖。CEO 怀疑 Lazarus，完整根因报告尚未公布，不宜把具体漏洞说成已证实。 共性：国家队耗得起时间；交易所必须 7×24 出金；第三方 UI/CDN/RPC 被当成自己的安全边界；发现和冻结永远慢于拆分。 朝鲜“网络不普及”和 Bureau 121 作战能力不是一回事。少数被供养的部队，专打全球流动性最集中、最依赖人工审批的点。 交易所应该怎么防？ •禁止盲签：地址、金额、是否升级合约，必须在离线屏上逐字段确认。 •供应商当敌控面：前端哈希钉扎，例行转账用自建校验页。 •热/温层硬限额 + 小时级时间锁，禁止一次划转搬空。 •多签人员、设备、地区、浏览器隔离，禁止所有人点同一链接。 •出金金丝雀 + 秒级熔断。 •核心签名机物理隔离，默认不信招聘仓库和会议链接。 用户怎么防？ 
大额不要长期放所内； 暂停提现时防钓鱼客服； 自己用硬件钱包同样禁止盲签。 Gate、MEXC 会不会中招，没法点名。对方选的是：盘子大、热钱包厚、签名链路有第三方、社工面大。中小所和松散多签协议同样在狩猎范围。 一句话：两家输的不是防火墙版本，是把“人眼看到的交易”当成了真相。等 Bitget 事故报告出来，才能判断是密钥泄露、策略机被控，还是签名界面再演一回。

Claude Code vs Codex 前端设计哪家强？8 组同题网站构建实测对比！ 作者 @nateherk 让 Claude Code 和 Codex（OpenAI 的编程智能体）在完全相同的条件下，各自独立构建 8 个网站，然后从设计质量、子 agent 数量、耗时、输出 token 量、折算成本五个维度做横向对比，哪个 Coding Agent 做前端设计更强。 # 实验设计：尽量消除变量 输入完全一致：每组构建使用相同的提示词、相同的品牌规范、相同的 logo 和文案素材，尽可能排除输入差异带来的干扰。 三种任务类型递进： 1. 半开放式（第 1–5 组）：给定文案、痛点、目标人群和品牌素材，只要求"做一个落地页"，留出设计自由度； 2. 全开放式（第 6 组）："虚构一个业务，做一个能惊艳我的网站"，考察工具的自主创造力； 3. 超具体指令式（第 7、8 组）：提示词精确到页面每个细节，考察工具的执行忠实度。 量化指标全程记录：子 agent 调用数、耗时、输出 token 数、按 API 价格折算的成本。 # 八组对决的结果 Codex 5 : 1 Claude Code 另有 2 组平局 第 1 组｜Bowl & Bloom（产后护理餐订阅）——Codex 胜 Codex 首屏信息清晰、导航与行动按钮明确；Claude 文字堆砌、叙事冗长。 Claude：4 子 agent / 2 小时 / 50 万 token / $53。Codex：1 子 agent / 50 分钟 / 10 万 token / <$20。 第 2 组｜Minutecraft（AI 会议纪要）——Codex 胜 两边都更像仪表盘而非落地页，但 Claude 文字过载，且存在全屏下仍未修复的 bug。 Claude：2.5 小时 / 50 万 token / $65。Codex：1.2 小时 / 10 万 token / $20。 第 3 组｜Trail Latch（露营厨房装备）——Claude 胜 全场唯一。Claude 的单页滚动交互、部件展开演示一气呵成；Codex 首屏焦点混乱，仅内页尚可。 Claude：4 子 agent / 2 小时 / 40 万 token / $42。Codex：1 子 agent / 1 小时 / 10 万 token / <$20。 第 4 组｜Present & Clear（演讲训练营）——Codex 胜 Codex 文案克制、视觉细节巧妙（划掉"魅力"、高亮"清晰"）；Claude 再次文字过载。 Claude：4 子 agent / 2 小时 / 44 万 token / $42。Codex：1 子 agent / 1 小时 / 9.2 万 token / <$20。 第 5 组｜North Ledger（机构 CFO 服务）——Codex 胜 Codex 用路径式滚动讲出品牌故事；Claude 像"没人想读完的报告"。 Claude：2 小时 / 50 万 token / $52。Codex：1 小时 / 10 万 token / $18。 第 6 组｜开放命题"惊艳我"——Codex 胜 考察自主创造力。Codex 的宇宙信号主题完成度更高；Claude 的声学主题出现布局拉伸 bug。 成本全场最悬殊：Codex 仅 8 分钟 / $1.5；Claude 近 3 小时 / 33 万 token / $50。 第 7 组｜超具体提示词网站——平局 提示词精确到每个细节后，两者产出几乎一模一样。但 token 与成本差距依旧。 第 8 组｜超具体提示词 HTML 报告——平局 设计无法区分高下；Codex 仍更快、更省。 汇总数据：效率差距是数量级的 · 子 agent 总数：Claude Code 25 个 vs Codex 9 个 · 总耗时：Claude Code 约 14 小时 vs Codex 约 5 小时 · 总输出 token：Claude Code 约 300 万 vs Codex 约 55 万（约 5.5 倍差距） · 按 API 计费折算：Claude Code 约 $444 vs Codex 约 $100

[前端设计 Skills 分享] Make Interfaces Feel Better 把界面的"高级感"翻译成了一套可执行、可审查的量化细节规则，能系统地发现并修复那些单个不起眼、叠加起来却决定界面高级感的细节问题。 开源作者 @jakubkrehel 👍🏻 这个 Skill 的核心设计想法 细节复利：优秀界面来自小细节的叠加，而非单一亮点。 融入既有体系：修复必须用项目现有的样式方案表达（Tailwind 项目就用 Tailwind），绝不为了润色引入第二套样式系统。 慢速审查法：在浏览器动画面板以 10% 速度重放动效，并遍历 hover/focus/active/loading/empty 所有状态——慢速下感觉不对的，就是全速下隐约出错的地方。 # Skill 的十九条原则（五大类） 1. 表面与布局（Surfaces） · 同心圆角：外层圆角 = 内层圆角 + 内边距，嵌套圆角不匹配是最常见的"感觉不对"来源。 · 视觉对齐优先于几何对齐：图标按钮图标侧内边距减 2px、播放三角形右移、不对称图标直接修 SVG。 · 阴影表达层级、边框表达结构：仅为制造深度的边框应换成三层透明 box-shadow；分割线、选中/聚焦态保留边框。 · 图片描边：1px 低透明度内缩 outline，亮色模式用纯黑、暗色用纯白（oklch 10%），绝不用 slate/zinc 等带色调的近黑——会吸附底色显得脏。 · 最小点击区域：触屏 44×44px，密集桌面端至少 40×40px，可用伪元素扩展，但两个元素的热区永不重叠。 2. 动画（Animations） · 可中断性：交互动画用 CSS transition（中途可转向），keyframes 只用于一次性序列。 · 入场拆分交错：低频入场按语义分块、约 100ms 交错；高频交互（行悬停、键入）绝不加动画。 · 退场弱于入场：小固定位移（如 translateY(-12px)），时长更短（150ms），均用 ease-out。 · 图标情境动画：固定参数——scale 0.25→1、opacity 0→1、blur 4px→0；spring 的 bounce 必须为 0；无动效库时双图标同 DOM 交叉淡入淡出。 · 按压缩放：固定 scale(0.96)，不低于 0.95；提供 static prop 关闭。 · 页面加载跳过动画：AnimatePresence 加 initial={false}，但要确认不破坏有意设计的入场。 · 动效克制：动效是预算不是装饰；动效不能是唯一反馈渠道，必须配静态提示（颜色/图标/文字）。 3. 排版（Typography） · text-wrap: balance 用于标题（≤6 行），pretty 用于正文防孤词，长文本都不用。 · macOS 根布局统一加 antialiased 字体平滑。 · 动态数字用 tabular-nums 等宽数字防布局抖动；不要求更换项目字体族。 4. 图标（Icons） · 描边粗细匹配文字字重：常规文本配 1.5px，半粗配 2px。 · 单一 SVG + currentColor，状态全靠 CSS 颜色和透明度，绝不为每个状态出独立资源。 · 默认描边样式、填充样式只标记激活态；按渲染尺寸设计；RTL 场景只翻转方向性图标。 5. 性能（Performance） · 禁用 transition: all，明确列出过渡属性。 · will-change 仅用于 transform/opacity/filter，且只在观察到首帧卡顿（尤其 Safari）时才加。 审查输出规范 Skill 对审查报告有严格格式要求，这也是它区别于普通"设计建议清单"的地方： · 覆盖声明：列出五类各自实际检查了什么，未检查的必须标注"Not reviewed"，不许暗示已审。 · 发现表格：按原则分组，含严重度（HIGH/MEDIUM/LOW）、精确到行的位置、Before/After、违反的原则及用户影响。系统性问题合并为一行并列出所有受影响位置。 · 已否决候选：必须列出 1–5 个考虑过但否决的修改及理由，防止"为改而改"。 · 验证与裁决：列出实际运行的验证命令；有 HIGH 未解决则 Block，仅中低优问题则 Needs changes，无问题才 Approve。

先看图，k3 在 Coding 领域，在 上的排名第一，超越 fable 5 和 gpt 5.6，非常恐怖： 不想看后面的内容，看这个总结： 一方面，K3 在 Artificial Analysis、Arena、DeepSWE 等多项基准中进入顶级梯队，尤其在前端和编码智能体上表现突出，让“中国开源权重模型第一次真正逼近前沿”，迫使美国实验室加速迭代； 另一方面，社区讨论从“算力护城河”转向“效率堆栈”，强调通过 MoE 路由、量化、数据和基础设施设计压缩“每 FLOP 能力”，其中最受技术关注的是 K3 的 Kimi Delta Attention，在超长上下文下以固定大小状态替代全注意力计算、声称可带来最高 6 倍吞吐/成本改进； 更大的行业共识在于：基础模型智能都很强的情况下，真正的长期护城河正在转移到智能体的记忆、工具编排、MCP/工作流脚手架以及围绕“wiki 记忆”的系统化设计上。

昨天打开@humidifi网页都惊了，也太简单粗暴了……只能看到一串钱包排名 。但是如此低调的项目——为什么能月交易 300 亿美元，以及 $WET 代币估值猜想： 【非AI文，放心食用】 运作方式非常独特，被称为 “暗池”DEX（Prop AMM）。 传统的 DEX（比如 Uniswap V2）使用一个简单的数学公式（$x * y = k$）来定价，这种方式被称为**“被动 AMM”**。问题在于： 价格更新慢： 无法实时跟随市场变化。 滑点高： 交易量一大，价格波动就大，用户损失高。 资本效率低： 需要巨额池子才能提供不错的深度。 大家做过链上交易的应该都非常熟悉了，不过HumidiFi 的创新点在于： 专有活跃流动性（Prop AMM/暗池）： 它用一套机构级的、不开源的智能报价和预言机逻辑取代了简单的公式。你可以理解为，它有一个顶尖的量化交易团队在背后实时操盘，根据中心化交易所（CEXs）的价格、内部库存和交易信号，每秒钟多次动态调整报价。 这意味着，尤其是在链上大额交易的时候，能拿到非常好的价格。 它没有独立的官网或前端界面，所有交互都通过 Solana DEX 聚合器如 @JupiterExchange 完成，理解为是底层的供应商或者做市商，这也是官网为什么只有排名的原因。 这些数据很多大V已经证实过了，总结一下就是： 交易量称王 效率之王 生态系统核心 尤其是效率这一块，530 万美元的TVL，却能支持 $8 亿多美元的日交易量，这样的资本利用效率，就很可怕。 这个项目将成为Jupiter DTF的第一个ICO。这种没有故事，没有强大背书的项目，为什么要发币？代币有什么用，如何支撑代币价值，是最后的流动性收割吗？ 【作用】 治理权：$WET 将作为协议的治理代币，让社区拥有者决定协议的费用结构、风险参数和未来发展方向。 流动性激励：激励流动性提供者（LPs），特别是机构级的做市商，确保协议的流动性深度和竞争力持续领先。 价值飞轮： $WET 可能会通过收费分成或质押机制，捕获到协议产生的交易费用。 【估值分析，仅供参考】 HumidiFi 的月交易量高达 $300 亿+，在现有的市场条件下，我们保守一点，取200亿的平均交易量，假设平均交易费为极低的0.005%。（其实他们赚的是交易价差和库存管理，这里用极低的费用比例代替） 月收入 = 200 亿 * 0.005% = $100 万美元，年收入 = 1200万美元。 目前的顶级dex的年收入（数据仅作参考）和FDV比例如下： Uniswap 年收入约 1.042 亿美元，估值约 60 亿美元。60倍 PancakeSwap 年收入约1亿美元，FDV近 10 亿美元。10倍 Meteora 年收入约5000万美元，FDV近 3 亿美元。6倍 鉴于他是Jupiter DTF的第一个ICO，以及代币锁定和保守的利润估算，可以略微溢价，依旧乐观的假设为30倍，那么其开盘FDV就应该为2-3亿左右应该是没问题的。

做预测市场，真正的竞争可能不只是看谁能吸引更多用户，而是看谁能把底层基础设施做好。 发现@sight_hood 的思路有点不一样。 他们早期在 Robinhood Chain 上探索短周期涨跌预测和多选市场，现在又开始推进自己的 SightEVM。简单理解，就是不满足于只做一个预测市场应用，而是想从底层打造一套更适合预测市场运行的基础设施。 为什么需要专门做一套？其实很好理解。 比如一场足球比赛，开赛前有人看好主队，比赛中途比分发生变化，市场赔率也会跟着波动。用户可能需要随时查看行情、买卖仓位，甚至短时间内连续交易。如果网络拥堵、Gas费用突然上涨，交易体验自然会大打折扣。 SightEVM 想解决的正是这类问题。它并不是简单复制一条通用EVM链，而是围绕预测市场的高频交互进行优化，同时保留熟悉的 Solidity 开发环境，以 SGT 作为原生 Gas，并计划配套跨链桥和 DEX。 当然，基础设施最终还是要靠应用和用户来检验。技术路线再好，如果没有开发者愿意接入，没有真实交易需求，也很难形成生态。 所以我对 SightEVM 后续的发展更关注实际表现：交易速度能否稳定、成本能否控制，以及能否吸引更多预测市场项目加入。 预测市场的想象空间很大，但想真正做大，光有前端产品还不够。@sight_hood 选择从基础设施入手，这条路值得持续关注。