最新

大家好， 我一直在为自己开发投资工具，但总是遇到同样的问题： 大多数免费的金融API只提供价格数据和一些基本面信息，而内幕交易和13F文件要么更新延迟，要么被锁在相对昂贵的付费层级后面。 更让我困扰的是，很多数据并不是干净地获取的，而是通过抓取或结构不一致的方式获得的。 因此，我最终开发了自己的API，叫做finqual.app。 这里有几个可能相关的事项： - 数据直接从SEC的文件中提取 - 一旦文件发布就会立即更新 - 包含财务报表、内幕交易和13F文件 - 数据经过标准化和结构化（这样你就不必自己解析原始的SEC文件） - 每天提供100次免费的API调用 - 不需要信用卡 这基本上是结构化的SEC数据，无需自己处理EDGAR格式。 如果这里有人在构建仪表板、筛选器，或进行自己的基本面分析，欢迎提问或提供反馈。

我感觉由于人工智能，我失去了学习的能力。现在生成代码变得如此简单，以至于我觉得自己花时间专心去编写代码毫无意义。我深感悲伤，我们可能正在失去编程中的工艺性；当一个模型能在几秒钟内生成可用的东西时，理解基础知识似乎变得不那么重要。人工智能似乎将基础知识抽象化了。 有人可能会争辩说，这种情况一直存在。低级语言如C语言抽象了汇编语言和CPU架构；高级语言又抽象了低级语言；框架则抽象了一些基础知识。每一代人都在旧的抽象之上构建新的抽象。但人工智能带来了一个很大的不同。直到现在，每一个抽象都是经过工程设计的，并且是确定性的。你可以对其进行推理和追踪。而大型语言模型（LLMs）则是非确定性的。因此，我们不能将它们的输出视为另一层抽象。 我并不是说我们不能使用它们。我是说我们不能完全信任它们。然而，似乎每个人（或者说我所在的圈子）都在推动使用人工智能。例如，我真的想花时间学习Rust，但与此同时，我又害怕我所花费的所有努力和时间在未来会变得过时。而它可能变得过时的原因，可能并不是因为这些模型完美无缺，总是能生成高质量的代码；而是因为作为一个行业，我们会接受“足够好”，停止追求高质量。到目前为止，模型已经能够生成质量“足够好”的代码。 难道只有我有这种感觉，还是现在到处都是半成品的特性？每个产品都在更快地发布，但却有很多粗糙的地方。最近，我看到Claude Code使用了10 GiB的内存。它不过是一个文本用户界面应用。 别误会，我也经常使用人工智能。我喜欢我们可以如此轻松地尝试不同的事物。 作为一名开发者，我感到困惑和不知所措，我想听听其他开发者的看法。