最新

我使用中继架构在上下文进入“无能区”之前级联一个新的编码代理，理论上可以让人工智能在最佳状态下无限编码。没有上下文衰退。

在Opus 4.6之后，LLM（大型语言模型）在使用bash、代码、本地文件和工具方面表现得更为出色。 因此，我不断回到一个简单的问题：如果一个模型能够合理地使用计算机，为什么我不能直接把我的经纪账户、策略交给它，让它进行交易呢？ 我的结论是，障碍并不是模型的能力本身，而是围绕模型的系统。 一个原始的LLM几乎立即在几个实际问题上崩溃： • 会话之间没有持久的操作记忆 • 没有可靠的记录来说明它做了什么以及为什么 • 在资金转移之前没有严格的审批边界 • 如果每次检查都需要调用LLM，就没有便宜的、始终在线的监控 • 除非限制、权限或工作流程规则在模型之外，否则无法可靠地执行这些限制 所以，问题并不在于“模型能否调用经纪API？”而在于交易需要一个框架。 我和我的朋友为此构建了一个名为Vibe Trade的系统。它是开源的，采用MIT许可证，目前在本地运行，并连接到Dhan。 基本设计如下： 1. 不可变的交易日志 每个操作在决策时都会记录时间戳、推理和观察到的信号。代理无法在事后重写自己的历史。 2. 严格的审批门 在下任何订单之前，系统会生成一个结构化的审批请求。执行会被阻止，直到用户批准。这一点在代码中强制执行，而不是留给模型的自由裁量。 3. LLM之外的事件循环 市场监控在普通的JavaScript中以定时器的方式处理。价格检查、时间规则和指标阈值每30秒运行一次，而无需调用模型。只有在需要推理时，LLM才会被唤醒。 4. 操作手册/技能文件 策略以markdown文档的形式存在，每次决策时加载作为操作上下文。例如：“复制Nifty防御指数并每周重新平衡。”这为代理提供了一个稳定的工作流程定义，而不是依赖于聊天记录。 让我感到这个系统真实的第一个用例非常平凡：投资组合再平衡。 我曾经制作类似Smallcase的指数复制投资组合，然后忘记按时重新平衡。通过这个设置，我可以一次定义策略，让非LLM层监控条件，并让代理准备待审批的操作。这是我第一次觉得这不再像一个演示，而是变得有用。 一些注意事项： • 用户界面仍然较弱；目前主要是聊天界面 • 目前仅支持Dhan • 目前仅支持本地安装 • 需要Node.js和Anthropic API密钥 代码库：github.com/vibetrade-ai/vibe-trade 我发布这个主要是因为我认为，随着工具使用的改善，会有更多人尝试构建“LLM作为操作员”的系统，而金融领域使失败模式变得非常明显。 我感兴趣的问题是： • 还有哪些框架组件是缺失的，适用于这样的系统？ • 你会更信任一个本地系统，还是一个托管的系统？ • 你会首先自动化哪些可重复的金融工作流程？

现代科技拥有庞大的开源生态系统和巨大的投资者支持的生态系统，但在合作社形式上几乎没有显著的活动。合作社是指个人或小公司共同出资和资源，以利用规模经济，与大型公司竞争，而不是相互竞争。<p>随着人们越来越依赖少数几家巨型公司，这些公司正试图利用其规模提高价格、利润率和利润，这似乎是这个领域日益需要的一种模式。

我在10年前开始写这本书，使用的是JavaScript，完成了几个章节（渐进符号、基本技术、排序的开始），然后就放弃了。<p>最近我重新开始，全部转换为TypeScript，并使用AI（Zenflow [1] + Claude Opus 4.6）完成了剩余的章节。我提供了结构、方向和初始章节；AI在一个以规范为驱动的工作流程下生成了大部分剩余内容。<p>这本书大致涵盖了计算机科学的前1-2年课程：排序、动态规划、图算法、树、堆、哈希表等。所有代码都是可执行的，使用了泛型/接口，并且都有测试覆盖。<p>我已经彻底审查了几个章节（排序、动态规划、图），并对其余部分进行了高层次的审查。目前处于测试阶段——欢迎提出修改意见和贡献。<p>采用MIT许可证。受Wirth的《算法与数据结构》、SICP和CLRS的启发。<p>代码和测试：<a href="https://github.com/amoilanen/Algorithms-with-Typescript" rel="nofollow">https://github.com/amoilanen/Algorithms-with-Typescript</a><p>[1] <a href="https://zencoder.ai/zenflow" rel="nofollow">https://zencoder.ai/zenflow</a>