与「統一ライオンズ」相关的搜索结果

本日開催を予定しておりました #台湾デー# は残念ながら中止となってしまいましたが、台湾プロ野球チームのチアガールが阪神甲子園球場で『V!V!Victory 』を踊ってくれました！ #中信兄弟# #林可# (リンコ) #統一ライオンズ# #包子# (バオズ) #楽天モンキーズ# #笑笑# (シャオシャオ) #富邦ガーディアンズ# #栗子# (クリ) #味全ドラゴンズ# #璦昀# (アイユン) #台鋼ホークス# #ET#(イーティー) #阪神タイガース# #熱覇#

中转站末日要降临了，OpenAI开始整顿第三方模型中转了 这次不止是简单的封号，像A➗那样要把整个生态的安全标准统一起来 OpenAI最新公告明确提出： 1、第三方模型服务商必须遵守与OpenAI一致的安全标准。 2、模型路由器、AI Gateway等直接提供模型访问的服务，必须经过OpenAI审核批准。 3、违规行为可能跨服务协同处理，不再是换个平台就能绕过限制。 4、OpenAI还将推出SafetyIDs，在不获取终端用户真实身份的情况下，更精准地调查滥用行为。 新政策将于11月20日生效。 这意味着，未来调用GPT的第三方平台，可能不再是接入API就能自由运营，OpenAI想要的，是让GPT的能力可以广泛开放，但使用规则必须由它来统一制定

世界上前20的Skill必装榜！ 1、superpowers（by obra），当时星标 30.2 万 它把开发拆成四步：头脑风暴、写计划、测试驱动、代码审查，串成一套开发流程。做中大型功能之前装上，AI 不会一上来就乱写代码。 2、skills（by mattpocock），当时星标 29.8 万 需求说不清的时候，它会反过来追问你，再帮你理清架构。排查 bug、重构老项目，用它最顺手。 3、andrej-karpathy-skills（by multica-ai），当时星标 22.1 万 一份项目规则：AI 先想清楚再动手，只改该改的地方。放进项目根目录，写代码时就生效。 4、skills（by anthropics），当时星标 18.2 万 官方技能库，Word、PPT、表格和 PDF 都能直接做。想自己写 Skill，照着它的模板改就行。 5、ponytail（by DietrichGebert），当时星标 16.8 万 让 AI 像最懒的资深工程师一样思考：能不加的抽象就不加。代码写完让它过一遍，把过度设计和技术债挑出来。 6、ui-ux-pro-max-skill（by nextlevelbuilder），当时星标 13.8 万 整套配色、字体搭配和交互规范都在里面。做落地页、后台和 APP 界面之前装上，页面更像设计师做的。 7、graphify（by Graphify-Labs），当时星标 12.9 万 把代码、文档和数据库结构转成一张知识图谱。接手陌生项目时先建图，再问"这个函数被谁调用"，一查就清楚。 8、caveman（by JuliusBrussee），当时星标 11.4 万 让 AI 用最少的字回答，啰嗦的铺垫全删掉。长时间跑 agent 的时候装上，能省下一大截 token。 9、agent-skills（by addyosmani），当时星标 10.9 万 谷歌工程师整理的工程规范，覆盖接口设计、上下文管理和质量检查。团队一起写项目，用它统一写法。 10、taste-skill（by LeonxLnx），当时星标 9.9 万 给 AI 补上审美：排版、参考图和动效都有讲究。做官网首页和作品集的时候用，页面不再像套模板。 11、Understand-Anything（by Egonex-AI），当时星标 8.7 万 把代码变成能点开的交互图谱，还会讲清楚业务流程。新人上手项目、读开源代码，最省时间。 12、impeccable（by pbakaus），当时星标 8.3 万 专门提升 AI 的设计能力，会检查间距、层级和细节。页面做完先让它审一遍，再按建议打磨。 13、awesome-claude-skills（by ComposioHQ），当时星标 7.7 万 一份技能合集，按场景收录了八百多个 Skill。不知道该装什么，先来这里挑。 14、last30days-skill（by mvanhorn），当时星标 6.5 万 它会去 Reddit、X 和 YouTube，汇总最近 30 天的讨论。 做选题、追热点、调研同类产品的时候用。 15、humanizer（by blader），当时星标 5.9 万 专门去掉文字里的 AI 痕迹，比如套话和固定句式。公众号、口播稿和邮件写完，都可以让它过一遍。 16、diagram-design（by cathrynlavery），当时星标 5.8 万 支持四十多种图表，直接输出成网页文件。写技术文档、做方案汇报，用它画架构图和流程图。 17、i-have-adhd（by ayghri），当时星标 5.8 万 让 AI 先说结论和下一步，再给细节，不把答案埋在长段落里。问技术问题、想马上拿到结果，就装它。 18、marketingskills（by coreyhaines31），当时星标 5.6 万 覆盖文案、SEO 和数据分析这些营销技能。写推广文案、提升网站搜索排名的时候用。 19、academic-research-skills（by Imbad0202），当时星标 5.3 万 从查文献、写论文到模拟审稿，一条流程串起来。写毕业论文、投期刊之前都能用。 20、scientific-agent-skills（by K-Dense-AI），当时星标 5.3 万 让 AI 变成科研助手，接入生物、化学这些领域的数据库和工具。做实验分析、查专业资料的时候用。

这个 Grok Bot 跑出来的收益，确实有点夸张 我让 Grok Bot 的全自动交易终端运行了一整晚，期间持续自主执行交易。初始本金只有 69.67 美元，睡醒后账户余额已经达到 13,370 美元 整个过程我没有手动干预过任何一笔订单 只需要充值、启动自动交易，后续的机会筛选、进场时机、仓位管理，以及按照预设风控执行止盈止损，都交给机器人完成 我把这套 AI 自动交易系统涉及的 GitHub 开源工具整理成了下面这份清单： 1. Cryptofeed 实时获取各大交易所的成交、价格和盘口数据，为策略扫描提供行情输入 2. CCXT 统一交易所 API 接口，一套代码即可连接多个平台，完成行情查询、资产读取和订单执行 3. Freqtrade 量化交易的核心框架，支持策略回测、模拟交易、仓位监控，并提供可视化管理后台 4. VectorBT 利用历史行情测试不同的开仓和平仓策略，评估收益表现与最大回撤 5. TA-Lib Python 计算常见技术指标，从行情中提取 RSI、MACD、移动平均线等交易信号 6. skfolio 优化投资组合，根据资产权重、换手率和交易成本，辅助制定仓位配置 7. QuantStats 自动分析交易绩效，生成报告，直观呈现胜率、回撤和波动率等指标 8. DuckDB 轻量级数据库，用于保存盘口快照、订单和交易记录，方便后续分析与复盘 9. APScheduler 定时任务调度工具，可自动更新行情、检查账户状态，并按计划生成每日交易报告 10. Lightweight Charts 提供终端 K 线可视化，实时展示行情走势和策略执行的交易标记 这些组件可以通过脚本、API 和 MCP 协议连接起来，组成一套协同工作的自动化交易系统 不过，真正准备接入实盘时，有几条规则不能忽略： 独立管理下单权限，严格限制最大持仓和单日亏损 遇到状态不明确的订单，先核实执行结果，再决定是否重试 策略上线前，先在模拟盘完整运行一个周期 每日复盘必须区分已实现盈利、未平仓头寸、手续费、失败订单和账户资金变化，确保每笔资金流向都有记录 AI 自动交易的价值，不只是让机器人替你下单，而是把行情扫描、策略判断、风险控制和交易复盘串成一套自动化流程

写了八课 AI 用法，却没有一句话能管住自己，这课不是白学了吗？ 先说一句得罪人的话：创作者圈里最爱干的一件事，就是课一节一节地学，笔记记得满满的，接活时客户一问“你这活到底用没用 AI”，还是支支吾吾答不上来。Anthropic 给创作者的官方课最后一课却把问题换了一个问法：没有一条放之四海的用法，AI 用法没有统一立场，位置是在每个做法和每个任务上定的。守则不是背下来的，是你自己一页一页拼出来的。别人给的规矩管不住你的活，只有你自己拼的才管得住。 课里给的办法，是把前面攒的四样东西摊在桌上拼成一页守则：第 1 课的说法、第 2、3 课的透镜分析、第 6 课的决策备忘录、第 7 课的角色图。守则只锚定三个问题：AI 放在哪、不放在哪；跟谁交代、交代什么；什么时候回头重看。交代承诺要按对象分开写，跟客户交代什么，跟同行交代什么，各写一行。触发点要写死，工具换了、活变了、客户问住了，哪一条到了就重看。没有回头重看的触发点，守则放着就过期了，过期了都不知道。守则不是写给别人看的，是写给下一次接活的自己看的。 拼完还不算完，课里要求拿三个真实场景去撞一撞，挑三个正在做的真活，一个一个过守则，过不去就改守则，不改活。撞得住才签字。课末留了两个反思：守则里哪一个决定，要是没有前面的分析，根本不会有；从第 1 课的起点快照看过来，你的立场变了什么、没变什么，那个一开始的担心，是被回答了、被管住了，还是被划了线。下一步是一次短测评，通过了拿结课徽章，本门到此收尾。 S1哥观点：说“学完课就等于会用了”的人，和说“守则写了也是白写”的人，错的是同一处，都没拿三个真实场景去撞过自己的守则。没撞过的守则，签字签了等于没签。你呢？你的守则敢不敢拿三个真活去撞一撞，撞不过去，你改守则还是改活？评论区说说。 收藏用清单（照着做）： 1. 把四样东西摊在桌上：说法、透镜分析、决策备忘录、角色图。 2. 写清 AI 放在哪、不放在哪，按做法和任务分开写。 3. 交代承诺按对象分开写，触发点写死。 4. 拿三个真实场景撞一撞，撞得住才签字。 转给那个学了八课、接活还是凭感觉的朋友，先拼一页守则，再谈会没会用。 #Claude中文教程#

Agent 最缺的不是更大的上下文窗口，而是理解整个代码库的能力：当一个项目有数万文件、跨模块调用和海量文档时，为什么还要让 AI 一遍遍 Grep、Read、重新理解整个工程？ 📦 项目档案 项目：Graphify-Labs/graphify GitHub Stars：⭐ 147299 技术栈：Python + Tree-sitter + NetworkX + Leiden 核心定位：将代码、文档、SQL Schema、PDF、图片及音视频转换成可查询、可追溯的知识图谱，让 AI Agent 从「搜索文件」升级为「理解工程关系」。 GitHub： 🛠️ 一、底层架构：不是传统 RAG，而是图结构知识引擎 Graphify 最值得研究的地方，是它没有走传统向量检索路线。 传统 RAG 通常需要经历： 文件切分 → Embedding → 向量入库 → 相似度检索 → 上下文拼接。 Graphify 直接构建 Graph。 底层采用 NetworkX 图数据结构，以 Node 和 Edge 表达工程实体及其关系。 整个处理链路可以概括为： detect() → extract() → build() → cluster() → analyze() → report() → export() 每个阶段职责独立，通过 Python Dict 和 NetworkX Graph 传递数据。 这意味着它不只是索引代码，而是在构建整个项目的结构化关系网络。 🛠️ 二、Tree-sitter AST：让代码解析摆脱 LLM 依赖 这是最有工程价值的设计。 Graphify 使用 Tree-sitter AST 解析约40种编程语言，提取： • Classes：类定义及结构。 • Functions：函数与方法。 • Imports：模块依赖关系。 • Call Graph：跨文件函数调用。 • SQL：表、视图、外键及 JOIN 关系。 其中33种语言使用 Tree-sitter Grammar，另外7种使用内置解析器。 关键在于：代码结构提取完全在本地完成，不需要调用 LLM，也不需要把代码上传到云端。 对于大型代码库，这种确定性解析比单纯依赖模型阅读文件更容易复现和追踪。 🛠️ 三、EXTRACTED / INFERRED：让每条知识关系都有证据 很多知识图谱最大的隐患是：模型推断出来的关系，很容易被误认为真实事实。 Graphify 给关系增加了置信度标签： • EXTRACTED：源码中明确存在的关系，例如 import、函数调用。 • INFERRED：通过上下文、命名和调用关系推断出来的连接。 • AMBIGUOUS：存在不确定性的关系，需要人工复核。 INFERRED 关系还会附带 0.0—1.0 的 confidence_score。 这套机制非常重要。 它实际上把知识图谱从一个简单的关联网络，变成了一个能够区分事实、推断与不确定性的工程知识系统。 🛠️ 四、Leiden + SHA256 Cache：解决规模与重复计算 Graphify 使用 Leiden 社区发现算法，根据节点之间的连接密度，将复杂工程拆分成不同功能子系统。 例如，一个大型后端项目，可以自动识别认证、数据库、路由、权限等不同社区。 同时，SHA256 内容哈希缓存会记录文件指纹。 文件没有变化，就跳过重复提取；只有新增或修改的文件才重新处理。 音视频还可以通过本地 faster-whisper 转录，再进入统一知识图谱。 这让增量更新不必每次重新扫描整个工程。 五、真正解决了什么工程问题？ 想象一个场景： 你接手一个陌生的微服务项目，需要搞清楚： 用户认证最终连接了哪些数据库模块？ 修改某个核心函数会影响哪些下游组件？ 某个架构决策为什么会存在？ 两个看似无关的模块究竟有什么隐藏依赖？ 传统方式：Grep、Read、跳转、反复询问 Agent，消耗大量上下文。 Graphify：直接执行 query、path、explain。 它还能生成三个核心产物： • graph.json：完整知识图谱，可供后续查询。 • GRAPH_REPORT.md：核心节点、社区及关键关系分析。 • graph.html：可交互的可视化图谱。 甚至支持 Mermaid 调用链导出、Markdown Wiki 和 Obsidian 知识库。 最重要的设计思想是： 不要让 AI 每次都重新阅读整个世界，而是提前把世界组织成它能够理解和遍历的结构。 这才是 AI Coding 从上下文堆砌走向工程知识管理的重要一步。 对于大型 Monorepo、遗留系统维护、跨模块依赖分析，以及需要长期理解代码库的 Agent，这套架构尤其值得研究。 🔗 GitHub 开源地址：

开源项目 Kavita 值得一推，它能把散落的电子书统一整理成一座属于你自己的在线图书馆。 PDF、EPUB、MOBI、CBZ、CBR 等多种格式它都认，书库自动扫描、系列自动识别、封面和元数据自动抓取，阅读进度也能记下来。部署好之后，浏览器、手机、平板都能访问，同一本书看到一半，换台设备接着读。 比起把电子书一股脑丢进文件夹，我更吃这种方式。 找书方便不说，整个书库还能管得井井有条，越来越像拥有一个自己的 Kindle 云书架。 平时爱看电子书、漫画，或者已经攒了一堆 PDF 资料的人，这个项目值得收藏。

老黄被国会追着要证词，绕不开新加坡：英伟达 2025 财年有 237 亿美元的收入开在新加坡，占了快五分之一，后来新加坡这一栏从财报里没了🧐 我把英伟达最近两份年报翻了一遍。 2025 年 2 月那份写得很直白，客户在新加坡统一开票，货几乎都运去了别的地方，实际运到新加坡的不到 2%。 开在新加坡的收入，三年从 23 亿涨到 68 亿，再到 237 亿。 从去年秋天那个季度开始，英伟达改成按客户总部在哪算，之前几年的数也一起重算了。英伟达的说法是这样更能看出收入从哪来。 今年 2 月的年报里，新加坡这个词一次都没出现。 这次出事的 Megaspeed 就是一家新加坡公司，Alice Huang 是它的前高管。C4ADS 9 月的报告说，Megaspeed 前几年一共买了大约 46 亿美元的英伟达硬件，Megaspeed 否认走私。 众议院三个委员会要老黄 12 月 1 日来闭门问话，要弄清的就是中国情报和芯片有没有被转走。 我猜新加坡这 237 亿，那天一定会被问到。

这个Grok Bot跑出来的结果，太暴力了。 我开着Grok Bot全自动交易终端放了一整夜，它自己不停跑单。 本金就69.67美元，睡一觉起来，账户直接到13370美元。 这中间我一笔都没有手动操作。 我只充了本金，点开全自动，剩下全部交给机器人自己搞定： 自己找机会进场、选时间开仓、按照提前设置好的风控自动止盈止损。 我把这套通宵AI自动交易用到的10个GitHub开源库整理出来： 1. Cryptofeed 实时接收各大交易所的成交、价格、盘口信息，给策略扫描提供行情数据。 2. CCXT 统一交易接口，一套API对接很多交易所，查资产、看行情、挂单交易都支持。 3. Freqtrade 量化策略运行主体，可以回测、跑模拟盘、盯着仓位，自带可视化后台。 4. VectorBT 用历史行情测试各种开平仓思路，看看策略盈亏和最大回撤情况。 5. TA-Lib Python 计算技术指标，解析行情，产出RSI、MACD、均线这类信号。 6. skfolio 调整持仓组合，根据权重、换手、手续费，搭配合适的仓位。 7. QuantStats 自动统计交易表现，生成报告，回撤、胜率、波动率都能算明白。 8. DuckDB 轻量的数据库，存盘口快照和交易记录，方便之后复盘。 9. APScheduler 定时工具，自动刷新行情、检查账户状态、每天生成复盘。 10. Lightweight Charts 终端上看K线图，跑策略的时候能看见每一笔交易标记。 11. FOMO 现在热门的Meme币加现货合约平台，填邀请码qkl2058，手续费减免10%。 各个组件靠脚本、API、MCP协议串起来协同工作。 一定要记住：下单权限单独管控，卡死最大持仓和亏损上限，拿不准的订单先核对状态，再考虑重试。 准备拿去实盘跑的策略，先在模拟盘完整跑一轮周期。 每天复盘要分开看：已经落袋的盈利、当前持仓、手续费开销、失败订单，账户里资金变动，都能找到来源。

卧槽！！这次将军玩真的了 天塌了 11月11日，朝鲜正式公布修订后的宪法全文，其中明确将韩国视为一个独立国家。 宪法第二条写道：“朝鲜民主主义人民共和国的领土包括北部与中华人民共和国和俄罗斯联邦接壤、南部与大韩民国接壤的地区，以及以此为基础划定的领海和领空。”与旧版宪法不同，新版文本明确将韩国称为邻国，但没有具体划定陆地和海上边界。 此外，新版宪法删除了有关朝鲜半岛统一的相关表述，也不再将韩国称为“头号敌对国家”或“永远的主要敌人”