- 博客(206)
- 收藏
- 关注
RSS订阅原创 利用AI Agent开发AI 新闻分析生产级项目（三）
这份计划书展示了非常成熟的前端工程化思维。AI 把一个复杂的新闻详情页拆解成了：路由层 (page.tsx)、数据层 ()、组件层 (article-*sidebar/*) 和基础零件层 (BiasMeterButton特别值得注意的是，AI 严格遵守了AGENTS.md的约束，在页面上醒目地标注了“AI-estimated”（AI 估算）和免责声明，这不仅是一个 UI 细节，更是新闻分析类产品的伦理与合规底线。只要你批准这份文档，AI 就会按图索骥，高效且安全地写出整个详情页的代码。
2026-08-02 01:56:02
242
原创 利用AI Agent开发AI 新闻分析生产级项目（二）
这份文件完美诠释了AGENTS.md所要求的“先写计划，后写代码”的工作流。AI 把抽象的“搭建设计系统”任务，拆解成了具体的文件路径、色号值、组件 Props 和测试步骤。如果你对这个文件里的任何一条不满意（比如“我不想要 Poppins，我想用思源黑体”），你可以在 AI 动手前让它修改这个计划文件，从而避免写出一堆要重写的代码。这份计划书完美体现了**“关注点分离”**的架构思想。AI 被严格要求：只管画皮（UI），不管填瓤（数据）。
2026-07-26 23:29:16
367
原创 利用AI Agent开发AI 新闻分析生产级项目（一）
它告诉 AI：“你现在的角色是一个首席级别的全栈工程师，正在开发一个叫 SKEW 的 AI 新闻分析生产级项目。最关键的是中间那段警告：它明确告诉 AI，这个项目里的 Next.js 版本经过了魔改或有破坏性更新，禁止 AI 凭借自己训练数据里的旧知识直接写代码，必须先去读里的本地文档。定义了 SKEW 这个产品的核心功能：抓取真实新闻 -> AI 分析情感和偏见 -> 存入 Supabase -> 前端展示。“Do not overbuild” (不要过度开发)。
2026-07-26 17:29:50
400
原创 构建并部署一套全人工智能驱动的求职者追踪系统（第三部分）
这是一个交互体验良好且逻辑严谨容错性：限制了文件类型和大小，防止用户上传无效文件。即时反馈：选中文件后立即显示文件名和大小，并提供移除选项。响应式：使用了 Tailwind CSS 确保在不同屏幕下表现良好。样式管理cn)：让动态 CSS 类名合并更安全。数据展示formatSize)：让复杂的文件大小数据变得易读。身份标识)：生成唯一的字符串 ID。这是一个典型的AI 赋能的 SaaS 业务逻辑收集输入（用户填写职位信息和上传简历）。数据预处理（PDF 转图片，上传云端）。
2026-02-22 23:20:25
611
原创 构建并部署一套全人工智能驱动的求职者追踪系统（第二部分）
PuterStore这个文件的作用类似于驱动程序或服务层。解耦：你的 React 组件不需要直接操作复杂的API，只需要调用提供的简单方法。响应式：当登录状态或文件数据变化时，UI 会自动更新。安全性：增加了大量的 null 检查和错误捕获逻辑，防止因 SDK 未加载导致的程序崩溃。这些接口共同构建了一个类型安全文件管理：通过FSItem管理简历文件。多模态对话：通过让 AI 不仅能“读文字”，还能直接“分析云端文件”。精细控制：通过调整 AI 的表现。成本监控：通过AIResponse里的。
2026-02-08 11:17:00
602
原创 构建并部署一套全人工智能驱动的求职者追踪系统（第一部分）
背景从淡蓝到粉红的渐变。: 应用中的核心紫色渐变色。: 一个深蓝色的半透明内阴影，并带有blur(10px)的毛玻璃（背景模糊）效果。: 鼠标悬停时略深的渐变色。这段代码构建了一个现代、清新且具有高级感色彩丰富：大量使用了线性渐变（文字渐变、按钮渐变）。形状圆润：使用了大量的（大圆角）和（全圆角）。细节精致：通过和(毛玻璃) 增加了视觉层次感。适配性：在h1等标签中使用了max-sm前缀，考虑了移动端的响应式显示。这是一个多行字符串，定义了 AI 应该返回的。
2026-02-02 01:45:22
683
原创 金融科技：银行风险管理的工具和措施
确定分布：回报均匀分布，下限 ( a = -50 )，上限 ( b = 50 )。计算CDF设CDF = 1%求解rVaR是损失值：回报为负表示损失，所以VaR = |r| = 49（百万美元）。
2025-09-14 21:33:38
1509
原创 金融科技：银行中的风险管理
银行面临的主要风险银行面临的主要风险银行面临的主要风险银行面临的主要风险资产的预期收益和标准差公式：投资组合（P）的预期收益和标准差示例。
2025-09-14 18:49:06
885
原创 金融科技：讓銀行服務更簡單便捷，推動數碼化轉型和提升客戶體驗
新举措能更及时地进行真实环境测试，在正式推出新产品和服务前，让有限数量的参与客户实际试用银行产品和服务。要求在以下领域实施控制措施：a) 边界 (boundary)b) 客户保护措施 (customer protection measures)c) 风险管理控制 (risk management controls)d) 准备情况和监控 (readiness and monitoring)
2025-09-14 16:40:04
1012
原创 金融科技：专门为企业、机构提供的金融服务
◯ 银行向客户提供与其债务资本发行相关的服务。◯ 客户（即发行人）可以是主权国家、企业和金融赞助商。◯ 债券发行可以是国内发行或国际发行。◯ 发行方式可以通过私募或公开上市进行。◯ 银行主要通过为债务发行提供咨询和承销服务来赚取手续费收入。◯ 当企业和机构客户需要大额债务融资时，银行可以提供债务资本市场服务，而不是直接向客户提供贷款。通过债务资本市场，客户可以从外部投资者那里获得必要的资金，而银行则可以在不承担重大信用风险的情况下赚取手续费收入。
2025-09-14 14:33:25
809
原创 金融科技：金融市场策略规划、资产负债管理、市场风险管理
◯ 货币市场工具是指非常短期、高流动性、低违约风险的债务证券。这些工具具有与货币相似的特征。◯ 这些工具风险相对较低，回报也较低。◯ 主要工具◯ 银行发行的存款证（CDs）◯ 公司发行的商业票据◯ 政府发行的国库证券◯ 银行可以发行自身的存款证（CDs）来为其贷款/投资业务获取资金。这是资产负债管理中的重要工具。◯ 银行有时会向交易对手出售政府/高评级证券以获取短期资金，并在日后以稍高的价格回购（回购协议/repos）。这是流动性管理中的重要工具。
2025-09-14 12:36:53
669
原创 金融科技：交易銀行和證券服務
包括活期账户（Current accounts）、储蓄账户（Savings accounts）、定期存款账户（Time deposit accounts）和综合账户（Integrated accounts）。：银行还向企业客户提供增值的现金管理和账户服务，以帮助其提高日常现金交易和流动性管理的效率。服务包括：证券登记与保管、清算与结算、多币种证券账户维护、权益收取（利息、股息、到期赎回本金等）以及报告服务等。：如果客户将某家银行的账户作为其主要运营账户，该银行就能获得更多的交叉销售机会。
2025-09-14 01:23:00
884
原创 金融科技：企业和机构银行
以下是各业务板块的详细解读：这是指在全球多个国家和地区设有分支机构并进行经营活动的大型企业集团。主要特征 (Major Characteristics):这是指主要业务运营集中在一个国家内，但已深度参与全球贸易的大型企业。主要特征 (Major Characteristics):客户需求的共通性与差异性：银行服务的专业化：此细分要求银行必须建立高度专业化的团队，才能理解这些大型客户的复杂需求，并提供 beyond traditional lending 的综合性金融解决方案。客户价值：这两类客户是银行对公业
2025-09-13 21:46:29
1294
原创 金融科技：香港中小型企业（SME）市场规模、零售银行细分、家族办公室、私人银行、商业银行、渠道管理
这个模型强调了银行经营的成功不仅取决于内部公司治理和资源配置，还需要应对激烈的市场竞争和复杂的全球环境。特别是近年来，大型科技公司和金融科技企业的崛起正在重塑银行业的竞争格局，而技术变革和监管要求也在不断改变银行的运营环境。资料来源：香港金融管理局《监管政策手册CG-1本地注册认可机构的公司治理》规模巨大：仅零售和商业银行业务就拥有超15万亿港元的存款和11万亿港元的贷款，体现了香港国际金融中心的深厚根基。盈利模式仍较传统。
2025-09-13 16:31:04
1240
原创 金融科技：零售及商业银行基础
专门讲解了银行如何通过抵押贷款产品来满足不同客户（个人 vs. 企业）的融资需求，并重点介绍了一项针对个人购房者的特殊计划。零售银行的一个重要社会功能：通过多样化的政府支持或政策性的抵押贷款计划，为特定人群（如购房者、老年人）提供融资解决方案，以促进社会福利和金融包容性。这些业务不属于以企业为服务对象的商业银行范畴。此图表展示了银行如何通过不同的信贷产品来满足个人客户和企业客户的短期融资需求。这些产品的核心是银行通过评估客户信用风险，设定利率和额度，从而赚取利息收入。客户定位决定业务范围。
2025-09-11 22:56:46
1171
原创 AWS TechFest 2025: 风险模型的转变、流程设计的转型、生成式 AI 从实验走向实施的三大关键要素、评估生成式 AI 用例的适配度
→ 设定硬性上限，AI 无法突破。→ 持续监测数据和行为异常。→ 出现重大风险时，自动熔断 AI。Proposer-Enforcer 模式→ 实现分工制衡，避免 AI 越权。这种模式特别适合银行、金融、医疗、保险等高风险行业，能让 Agentic AI 在发挥自主性的同时，保持可控、可审计、可收敛。旧模式（Functional Silos）：像工厂里的流水线，每个部门只负责自己的一段，效率低、风险高。新模式（Immune System）
2025-09-11 12:11:27
1029
原创 AWS TechFest 2025: 适合使用 Agentic AI 的场景、代理（Agents）应用的平衡之道、数据战略优先级矩阵、新治理模式
场景适合用 Agentic AI不适合用 Agentic AI问题空间大且多样化固定步骤推理多步推理，成本低需要严格确定性成功价值高回报高风险错误不可接受工具支持工具多且易扩展框架不成熟或缺乏工具响应要求可容忍一定延迟必须低延迟低错误率企业正在加倍投入 Agentic AI未来几年，Agentic AI 将从“实验性技术”变为“企业软件的标配”从 2024 年不足1% 的渗透率→ 到 2028 年三分之一的应用内置 Agentic AI。从辅助决策 →。
2025-09-10 00:31:01
842
原创 AWS TechFest 2025: agentic workloads、Financial Advisors、Agent-to-Agent、security-first
AI Agents 已经在真实的生产环境中大规模落地。效率提升显著：如穆迪从 1 周缩短到 1 小时。业务价值直接：提升客户体验、减少运营成本、增强决策速度。跨行业适用：从金融到支付、贷款到保险，智能体都展现出强大的普适性和灵活性。一个完整的智能体（Agent）记忆（Memory）→ 短期上下文记忆 + 长期个性化记忆工具/MCP（Tools/MCP）→ 外部能力扩展，如 API、数据库、搜索引擎人格设定（Persona）→ 角色身份 + 行为规范大语言模型（LLM）
2025-09-08 18:06:52
1019
原创 AWS TechFest 2025: 智能体企业级开发流程、Strands Agents
本地运行（适合个人和开发）API 部署（适合对外提供服务）智能体与工具分离（提升安全和扩展性）本地+远端混合模式（兼顾灵活性和性能）而在实际部署时，必须重视监控和可观测性，通过 OTEL 进行分布式追踪，才能保证系统的可靠运行。Amazon Bedrock AgentCore 简介AgentCore 是 Amazon Bedrock 提供的一整套核心运行框架，帮助企业在生产环境中快速、安全、可扩展地部署 AI Agent。
2025-09-08 12:35:48
1255
原创 金融科技中的跨境支付、Open API、数字产品服务开发、变革管理
跨境支付的关键挑战，涵盖操作效率、资金流动性、交易安全性、监管合规性四个方面。这些问题相互交织，导致跨境支付往往比国内支付更慢、更贵、风险更高，也是金融科技（比如区块链、数字货币 ）试图解决的核心痛点~：即应用程序编程接口，是一组规范化的指令（a set of formalized commands ），让不同软件应用之间能够互相通信（allow communication between software applications ）。
2025-07-27 21:31:04
966
原创 金融科技中的远程开户、海外个人客户在线开户、企业客户远程开户
企业远程开户，因为是“授权代表代办”，所以尽职调查更复杂：既要验企业本身，也要验代办人、受益人，还要搞清楚企业的结构和业务。目的是防范企业被用于洗钱、恐怖融资等风险，确保业务关系合规~企业远程入职的尽职调查，授权机构有灵活手段：找第三方、公证认证、视频会议等。而且不强制“企业代表必须现场”，只要风险匹配、流程合规，远程手段也能完成CDD，方便企业开户，同时控风险~
2025-07-27 16:25:10
1363
原创 金融科技里的信用评分、指纹识别、面部识别、虹膜识别
信用评分是基于模型的估算，预测“借款人未来出现不良行为的概率”（比如还不上钱、违约 ）。生物识别指测量人体物理特征皮肤或皮下血管网络的模式基因编码的模式面部特征（比如眼、鼻、嘴之间的距离等面部外观 ）行为特征（比如步态 gait ）行为生物识别的过程是：采集行为生物特征样本时，需要主体主动参与（requires subjects to be active ），得在传感器前做特定动作 / 行为这类特征不是天生的生理特征，而是后天学习、逐渐形成的行为模式。
2025-07-27 13:40:42
793
原创 金融科技中的虚拟助手
模数 / 数模转换器（A/D & D/A Converters）作用：A/D（模拟转数字 ）和 D/A（数字转模拟 ）转换器，是音频信号模拟世界与计算机数字世界之间的输入、输出接口。A/D 模块细节：A/D 模块把麦克风采集的音频（尤其是语音 ），转化为计算机能处理的数字序列形式，且尽可能减少精度损失 ，实现模拟语音信号到数字信号的转换，让计算机可 “读懂” 语音。自动语音识别（ASR - Automatic Speech Recognition）
2025-07-27 09:35:48
687
原创 香港本地和国际金融科技应用
条形码/二维码（Barcode/QR Code）的线下即时支付解决方案金融科技生态的颠覆性影响：金融科技生态系统颠覆了金融服务行业的流程、系统、服务渠道、营销渠道、产品、服务和定价。即金融科技改变了金融行业原本的运作模式，从业务流程到产品设计、定价等多个环节都被重塑。理解颠覆性事件的价值：了解行业中关键的颠覆性事件，有助于银行的决策者规划正确的发展战略。因为知晓金融科技带来的变革事件，银行管理者能据此制定适配行业变化、利于自身发展的策略。
2025-07-26 21:36:52
1297
原创 使用langgraph 构建RAG 智能问答代理
创建一个名为 tools 的列表，里面包含一个你自定义的工具函数 retriever_tool。retriever_tool 是你前面定义过并用 @tool 装饰过的检索工具，它可以从 PDF 文档中找出与用户问题相关的段落。把你定义的工具 tools 绑定到语言模型对象 llm 上，使得它在生成回答时可以调用这些工具。这使得模型可以在需要外部知识时 自动调用 retriever_tool 来辅助回答。llm 是你使用的 ChatGoogleGenerativeAI(…)（Gemini 模型）对象。
2025-07-12 21:47:25
872
原创 使用Gemini, LangChain, Gradio打造一个书籍推荐系统 （第五部分）
使用 LangChain 的 TextLoader 加载名为 “new_tagged_description.txt” 的文本文件，并将其转换成一个 Document 对象（或列表），每个 Document 通常有 .page_content 和 .metadata。”，这行代码提取出 ISBN。从图书数据中提取所有唯一的 simple_categories（如 Fiction、Nonfiction 等），加上默认选项 “All”，作为类别选择器的选项。
2025-06-10 01:53:14
806
原创 使用Gemini, LangChain, Gradio打造一个书籍推荐系统 （第四部分）
遍历我们定义好的情绪标签（emotion_labels），把每种情绪的最大分数添加到 emotion_scores 字典的相应列表中。lambda x: x[“label”] 是一个 匿名函数（lambda表达式），表示“取 x（每个字典）的 ‘label’ 值”。定义了一个函数，输入参数是 predictions（通常是一个列表，包含多段文本的情绪预测结果，每段是多个情绪及其分数的列表）。sorted() 是 Python 内置的 排序函数，用于对列表中的元素排序，返回一个新的排序后的列表。
2025-05-31 10:00:19
694
原创 使用Gemini, LangChain, Gradio打造一个书籍推荐系统 （第三部分）
value（简化类别）：你希望把原始类别重新归类到更简单、更高层次的分类标签，例如 “Fiction”、“Nonfiction” 或 “Children’s Fiction”。如果 books[“simple_categories”] 是缺失值 (NaN)，就用 books[“predicted_categories”] 填补。predicted_cats 会是一个长度为 300 的列表，存放模型预测的标签结果（可能是 “Fiction” 或 “Nonfiction”）。
2025-05-27 23:18:23
993
原创 使用Gemini, LangChain, Gradio打造一个书籍推荐系统 （第二部分）
导入了一些用于构建 文本嵌入式向量检索系统（Embedding-based Retrieval System） 的模块，结合了 LangChain、Chroma 向量数据库、以及 Google Vertex AI 的文本嵌入模型。从 LangChain 社区库 导入 TextLoader，用于从 .txt 文件中加载纯文本数据。功能：将本地文本文件加载为 LangChain 的 Document 对象导入 CharacterTextSplitter，是 LangChain 提供的一种 文本分割器。
2025-05-23 22:26:54
1266
原创 使用Gemini, LangChain, Gradio打造一个书籍推荐系统 （第一部分）
从 book_missing 数据集中筛选出简介（description）中包含 不少于 25 个单词 的图书记录，并保存到 book_missing_25_words 中。对 book_missing_25_words 数据框进行清理（删除一些不再需要的列），然后将结果保存为一个新的 CSV 文件 books_cleaned_new.csv。计算每本书的简介（description）中包含了多少个单词，并将结果保存到一个新列 words_in_description 中。
2025-05-21 22:11:08
1224
原创 使用FastAPI和google gemini打造一个多语言翻译网站
1. 一个基于 FastAPI 的翻译服务 API，主要功能包括提交翻译请求、查询翻译状态和结果工作流程main.py2. 验证从前端（如 Web 或移动端）传入的数据是否符合预期格式schemas.py3. 配置数据库连接database.py4. 定义三个SQLAlchemy数据库模型，并创建了对应的数据库表结构。这些模型用于管理一个翻译系统的数据存储。models.py5. 使用Google的Gemini AI模型进行文本翻译，并将结果存储到数据库中utils.py6. 实现一个多
2025-03-31 17:10:49
660
原创 使用React和google gemini api 打造一个google gemini应用
【代码】使用React和google gemini api 打造一个google gemini应用。
2025-03-18 10:34:28
638
1
原创 量化自学 - 金融理论与python - Net Present Value 净现值
净现值（Net Present Value，NPV）是金融理论中用于评估投资项目价值的指标。其核心思想是将未来现金流按一定贴现率折算为当前价值，并减去初始投资成本。若NPV为正，表明项目预期收益高于成本，具有投资价值；反之则可能不值得投资。
2025-02-19 23:28:05
735
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人