- 博客(34)
- 收藏
- 关注
RSS订阅原创 专业 BA 方法论
专业 BA 方法论梳理业务流程”这句话，简单来说就是：由专业的业务分析师（BA，Business Analyst）运用一套系统化的方法，把企业目前的业务是怎么运作的、存在哪些问题、未来应该怎么改进，分析清楚并形成可执行的方案。它不是简单地画一张流程图，也不是听客户讲完需求就开始写代码，而是要把业务背后的规则、角色、数据、异常情况和业务目标都搞清楚。
2026-11-04 09:22:42
132
原创 DeepSeek Harness (`dsh`) Agent 开发教程
默认 loop（）是Agent契约的唯一实现，但契约本身可以再实现。为什么极少需要：绝大多数"不同行为"都能落到第 7 章的扩展点上。只有当你要重写 turn 驱动语义（认领、重试、步进策略）时，才需要自己的驱动。实现契约的方式：构造自己的服务，实现createresume），通过注册，会让走你的实现而不是默认 loop。每个 agent 的注册与生命周期要走agent/*事件词汇和日志纪律 ——Agent。
2026-08-20 19:04:02
838
原创 DeepSeek Harness (`dsh`) 使用教程
dsh）是开发的开源 agent harness（智能体框架），采用一切皆插件的架构，由Cordis驱动。一切皆插件：包括模型适配器、工具注册表、会话日志、agent 主循环本身都是插件，任何部分都可以从配置层面替换。能力缝（Capability Seam）：每个可替换能力由 Service Definition / Provider / Consumer 三角色组成，切换 Provider 即可整体改变产品行为。会话日志：追加式事件日志是模型上下文的来源，"模型可见 ⟺ 已记录"是一条运行时不变量。
2026-08-18 17:03:15
1022
原创 Quant Agent 完整系统规格
Quant Agent 是一个面向 A 股日频横截面选股研究的自治量化研发系统。它以研究目标和约束为输入，自动完成数据获取、数据质检、Alpha 候选生成、模型训练、组合构建、回测、稳健性验证、报告生成以及 Git 提交/PR 创建；Git 合并、生产部署和实盘上线必须由人类审批。系统定位是“可审计的自动研究工程师”，而不是能够绕过风险控制的自动交易员。LLM 负责提出假设、规划实验、选择工具和解释结果；数据清洗、因子计算、模型训练、回测、风险指标及准入门槛由版本化的确定性程序执行。
2026-07-10 14:12:24
374
原创 开源量化软件功能介绍
多因子选股系统是一个覆盖量化研究全流程的分析平台，从数据管理到策略回测一站式完成。系统采用技术栈，基于双层存储架构，零外部数据库依赖，克隆即可运行。API 蓝图前缀核心服务）：实时技术指标计算）：多策略交易信号生成与融合功能特性功能说明实时指标计算支持 MACD、KDJ、RSI、布林带等经典技术指标的实时计算与展示多策略信号生成基于不同策略的交易信号生成，支持信号融合与综合研判信号监控交易信号的实时监控与历史回溯策略回测对生成的信号进行历史回测验证板块分析板块表现统计与异动检测。
2026-06-08 14:33:01
486
原创 Hermes agent 08. Gateway 与多平台使用
Gateway 让 Hermes 从“本地终端助手”变成“长期在线代理”。但也正因为如此，授权、送达目标和平台行为差异必须处理清楚。
2026-04-19 13:56:38
540
原创 Hermes Agent 07. MCP 与扩展能力
MCP 的核心价值不是“接得越多越好”，而是“把真正需要的外部能力，以最小暴露面接给 Hermes”。接得克制，效果通常比全开更好。
2026-04-19 13:55:51
446
原创 Hermes Agent 核心运行系统调用流程--源码分析
gateway transcript JSONL 兼容层目标是：即使中途中断、压缩、provider 异常，也尽量不丢会话。Hermes 的核心运行系统可以概括为：入口层先通过解析可执行 runtime，再由AIAgent初始化稳定的 tool surface、system prompt 和 context compressor；随后以同步 loop 反复执行“模型调用 -> tool dispatch -> tool result 回填”，并在整个过程中用。
2026-04-14 20:43:33
1061
原创 Hermes Agent 06. 技能、记忆与上下文文件
Hermes 很依赖稳定的系统提示前缀来命中缓存。频繁改系统提示、技能载入方式、上下文文件或模型，会降低缓存命中率，提高成本和延迟。工具解决“做事”，skill、memory 和 context file 解决“长期稳定地做对”。高质量的长期使用，离不开这三者的正确分工。
2026-04-13 09:23:54
718
原创 Hermes Agent 05. 工具与工具集
Hermes 的执行力来自工具，但稳定性来自对工具的约束。真正高效的用法不是“什么都开”，而是为任务提供最小且足够的能力集合。
2026-04-13 09:23:30
716
原创 Hermes 04. 配置体系与模型管理
Hermes 的配置核心可以归纳为四件事：provider、model、tooling、profile。理解它们之后，你就能把 Hermes 从“能用”推进到“适合自己的使用方式”。
2026-04-12 09:24:25
1297
原创 Hermes 03. 首次运行与 CLI 基础
CLI 是你理解 Hermes 行为、观察工具调用、调整模型与会话状态的最佳入口。只要你把 CLI 用顺，后面使用 Gateway、MCP、Cron 和开发扩展时都会轻松很多。
2026-04-12 09:23:57
955
原创 Hermes 02. 安装与初始化
安装 Hermes 并不难，真正重要的是把配置目录、初始化流程和 provider 凭据这三件事弄清楚。只要这一步稳住，后面 CLI、Gateway、工具和自动化就容易很多。
2026-04-11 10:25:57
1101
原创 Hermes 01. 概览与架构
Hermes Agent 的核心不是某一个模型，而是一整套围绕 agent 循环组织起来的运行系统。后面所有章节，本质上都在回答三个问题：Hermes 能做什么、怎么让它做对、以及怎么让它长期稳定地做。
2026-04-11 10:24:57
639
原创 Hermes Agent 完整使用教程
频繁改模型、系统提示、上下文文件、技能加载方式，会提高成本并降低会话稳定性。profile 隔离的是整套 Hermes home，包括配置、技能、会话、memory、gateway 状态等。toolset、MCP、Gateway 授权都遵循同一个原则：只开必须的，不要因为“以后可能用到”而默认暴露。这意味着 Hermes 的效果不仅取决于模型，还取决于工具可用性、上下文质量和你的使用方式。工作、个人、bot、实验环境，最好分 profile，而不是混在一个实例里。推荐你第一次就用它，而不是先上消息平台。
2026-04-10 14:24:12
6080
原创 Hermes Agent 项目功能与通用使用场景分析
Hermes Agent 是一个通用型 AI Agent 平台，不是单纯的聊天界面，也不是单一的代码助手。它把大模型推理、工具调用、终端执行、文件操作、网页检索、浏览器自动化、长期记忆、定时任务、多平台消息接入和外部系统扩展整合到一个统一框架里。从仓库结构和主干代码来看，它的目标不是“回答问题”本身，而是让模型具备持续执行任务的能力，并且能在不同入口、不同环境和不同工具集之间稳定运行。
2026-04-08 13:11:11
1318
原创 开源项目 AutoGluon 简介
AutoGluon 是由亚马逊（AWS）开源的一个强力。它最核心的口号是“对于有经验，正转向量化交易架构的资深开发者来说，AutoGluon 的价值在于它能极大地降低“模型调优”这一繁琐过程的成本，让您专注于策略逻辑和特征工程。
2026-04-07 15:16:23
358
原创 工业级量化开源软件 QuantConnect/LEAN 功能介绍
如果你在寻找一个能够承载“机构级”逻辑的量化框架，是目前开源界的选择。相比你之前关注的（侧重高性能 Rust/Python 混合）或Alphalens（侧重因子分析），。它不仅是回测引擎，更是一套包含了订单管理（OMS）、数据处理、风险控制以及多语言支持的复杂工程。以下是LEAN。
2026-03-21 20:20:17
600
原创 开源项目NautilusTrader的主要功能
它是为了“真正的实盘生产”而设计的。如果你需要一套严谨、快速且能直接连接交易所的高级交易框架，而不满足于简单的脚本化回测，它是目前的顶尖选择。
2026-03-20 14:55:41
567
原创 RD-Agent 教程 - 第三章：进阶使用技巧
"""自定义演进策略""""""初始化种群""""""演进一代"""# 精英选择 - 保留最优个体# 交叉和变异生成新个体# 选择父代# 交叉else:# 变异"""交叉操作"""# 实现具体的交叉逻辑# 这里以参数交叉为例else:"""变异操作"""# 高斯变异# 字符串变异（如模型名称）"""多指标评估器""""""多指标评估"""try:logger.warning(f"计算指标。
2026-02-04 17:24:24
945
原创 Alpha158和Alpha360因子计算公式文档
含义：预测未来1天的收益率= t+2日的收盘价= t+1日的收盘价标签：(t+2日收盘价 / t+1日收盘价) - 1。
2026-02-02 15:51:26
1285
原创 RD-Agent 教程 - 第二章：核心功能详解
RD-Agent 的数据科学代理是一个全自动的机器学习工程系统，能够自主完成从数据探索到模型部署的完整流程。该代理在 MLE-bench 基准测试中获得第一名，展现了强大的自动化能力。
2026-01-22 11:57:32
1418
1
原创 Kronos预测功能详解
欢迎来到第4章！这是Kronos教程中最实用的章节之一。在本章中，我们将深入学习如何使用Kronos进行实际的金融时间序列预测，从简单的单序列预测到高效的批量处理，再到性能优化技巧。⏱️ 预计学习时间：4小时🎯 学习目标：掌握Kronos预测功能的完整使用方法📋 主要内容：单序列预测、批量预测、参数调优、性能优化Kronos的单序列预测遵循标准化的流程：加载模型和分词器初始化预测器准备输入数据数据验证与预处理执行预测结果后处理可视化输出让我们创建一个完整的股票价格预测示例：4.1.3 关键参数详解
2026-01-07 11:50:37
474
原创 Kronos 项目功能分析文档
Kronos项目代表了基础模型在金融领域应用的重要里程碑。通过专门针对金融数据设计的创新架构和训练方法，该项目为研究人员和从业者提供了一个强大、易用、开源的金融时间序列预测工具。其完整的技术栈、丰富的功能模块和活跃的开源生态，使其成为金融AI领域值得关注和使用的优秀项目。项目版本：基于最新master分支分析范围：完整项目结构和功能模块。
2026-01-04 08:47:35
1085
原创 Kronos 项目功能调用流程文档
Kronos项目基于分层Tokenization和Transformer架构，为金融时间序列预测提供完整的解决方案。本文档详细描述了各项功能的调用流程和组件间的交互关系。模块化设计：清晰的组件分层和职责分离灵活的接口：支持单序列和批量预测完整的训练管道：从数据准备到模型评估的端到端流程用户友好的Web界面：简化模型使用和结果可视化性能优化：充分利用GPU并行和分布式训练能力通过理解这些调用流程，开发者可以更好地使用、扩展和优化Kronos项目的各项功能。
2026-01-03 19:54:19
750
原创 第3章：Qlib监督学习模型
LightGBM（Light Gradient Boosting Machine）是微软开发的一个高效的梯度提升框架，在量化投资中表现优异。主要特点：高效性：基于直方图算法，训练速度快内存友好：内存占用低，支持大数据集准确性：在多个基准测试中表现优秀可解释性：提供特征重要性分析XGBoost（eXtreme Gradient Boosting）是一个优化的分布式梯度提升库，在机器学习竞赛中表现优异。主要特点：正则化：内置L1和L2正则化，防止过拟合并行计算：支持多线程并行训练处理缺失值。
2025-12-29 08:43:46
1241
原创 第2章：Qlib数据层深度解析
1. 日历接口# 获取交易日历freq='day'# 获取交易日2. 股票列表接口# 获取股票列表instruments = D.instruments('csi300') # CSI300成分股3. 特征数据接口# 获取特征数据freq='day'1. 官方数据源：免费股票数据本地数据：预处理的二进制数据自定义数据：用户提供的数据2. 数据频率日频数据：每日OHLCV数据分钟数据：1分钟、5分钟等高频数据实时数据：实时行情数据Alpha158。
2025-12-29 08:43:06
1436
原创 第1章：量化投资与Qlib平台介绍
量化投资（Quantitative Investment）是一种基于数学、统计学和计算机科学的方法来进行投资决策的投资策略。它通过建立数学模型来分析市场数据，识别投资机会，并自动执行交易决策。核心特征：数据驱动：基于大量历史数据和实时数据模型化：使用数学模型来描述市场行为自动化：通过算法自动执行交易决策系统性：遵循预定义的规则和策略数据存储和管理数据访问接口数据预处理和清洗特征工程支持支持多种数据格式高效的数据查询数据缓存机制实时数据更新。
2025-12-24 08:02:44
1291
1
原创 RD-Agent 教程 - 第一章：基础入门
(Research & Development Agent) 是由微软研究院开发的开源自动化研发框架，专门用于数据驱动的AI解决方案构建。该项目在业界权威的机器学习工程基准测试中获得了的优异成绩，成为目前表现最佳的机器学习工程代理。
2025-12-24 07:59:42
1792
2
原创 Kronos核心概念解析
分层量化是Kronos的核心技术创新，它将连续的金融数据转换为离散的token表示，同时尽可能保留原始数据的统计特性和结构信息。
2025-12-21 20:06:28
648
原创 Kronos项目介绍与背景
Kronos是首个专门为金融蜡烛图数据（K线数据）设计的开源基础模型。与通用的时间序列预测模型不同，Kronos专门针对金融市场的独特特性进行优化，在来自全球45多个交易所的数据上进行训练。
2025-12-21 20:05:16
855
量化投资基于CAN SLIM模型的A股选股系统可行性研究：融合财务与技术指标的数据支撑分析及实施路径设计
2025-10-24
【金融智能交易】基于多智能体协作与国产大模型的A股分析系统：多层缓存与LangGraph驱动的自动化投资决策框架设计
2025-10-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人