Expert in financial AI; founder of 锋睿 FrontWise.ai
Hong Kong
- Tweets 18,569
- Following 10,195
- Followers 92,226
- Likes 18,895
Pinned Tweet
BTC的技术分析
1. 5月21开启的这波日线级别的下跌接近尾声（下面的趋势线已经由红转灰且趋势强度目前极低）
2. 虽然还是在下降趋势中，但动量已经转多
3. 日线级别的头肩底在逐渐形成中
4. 斐波那契扇形下降趋势已被突破（图二），64332是关键阻力点，需要突破站稳
5. 日线级别出现多头共振（图三）
20
1
48
29,943
AI时代最重要的两种能力是 获客 和 交付 — 获客需要个人IP，行业渠道，对垂直领域需求的深刻理解，建立信任的能力；交付需要熟练使用AI从而爆发出十倍百倍的生产力，一个人就是一支团队。有其中一种能力，就不会被时代抛下。两者兼有，会强到可怕
13
2
24
3,317
无论是 personal agent 还是交易 / 金融agent、最适合部署的地方不应该是纯云端，而应该是本地部署，或者是本地与云端结合。原因有三点：
1. 隐私安全
尤其在金融场景下，你的算法、数据，以及所有的 workflow 和 knowledge base，机构级别的专业客户是绝不希望在云端共享给平台的。
2. 数据壁垒与合规
金融行业的数据非常昂贵，而且每个团队、每个投资人需要的数据各不相同。平台很难把最好的数据买下来统一提供给所有用户，因为优质的数据供应商在合规上是不允许这种转授模式的。
3. 本地连接能力
无论是个人 agent 还是金融 agent，部署在本地时实际上就是一个超级连接器和超级枢纽。它可以通过各种 MCP，把你个人电脑上的其他插件、工具和各项业务有机地连接在一起。纯云端平台很难做到这一点，因为你不可能把所有东西都托管给某一家厂商的云端，更多资产还是留在本地电脑上。
所以我判断，未来真正有价值的 agent 一定是云端加本地的混合模式
4
1
16
3,239
Agent Harness要解决的一个终极问题是人机协作 Human in the loop
我最近有个特别强烈的感受，AI Agent 用得越多，我反而越像一个整天被下属叫去开会的项目经理。
以前工作被打断，通常是微信、邮件或者同事。现在好了，自己开了五六个 Claude Code Session，每个 Agent 都在埋头干活，但隔一会儿就有一个跑过来找我。这个权限要不要给？这段代码要不要改？发现了另一个 Bug 要不要顺手修？
最崩溃的是，每次切回去，我都要重新想一遍这个 Agent 原本在干什么。
加州大学尔湾分校的 Gloria Mark 曾经研究过这个问题。她发现，一个人从工作中被打断，到重新回到原来的任务，平均需要 23 分 15 秒，中间往往还会处理另外两件事情。
昨天 Anthropic 更新了 Claude Code Desktop，我觉得最值得关注的恰恰是那些不起眼的交互细节。
现在侧边栏会直接告诉你，哪些 Agent 还在工作，哪些需要你介入。切回一个 Session，会先看到 Recap，快速了解刚刚发生了什么；实时 To-do List 帮你记住每个 Agent 的工作进度。
Claude 发现额外任务，可以一键拆出新 Session。临时想问个问题，直接用 /btw，不会打乱主任务的上下文。并行执行的子任务也会在独立 Session 里完成，最后把结果交回来。
我尤其喜欢 Recap 这个设计。
因为我发现，一个人同时跑十个 Agent，真正的困难根本不是怎么让十个 Agent 同时工作，而是怎么让自己同时理解十个 Agent 在做什么。
AI 把执行任务的成本降得越来越低，却把管理任务、切换上下文和做决定的压力集中到了人身上。很多时候，我感觉自己一天到晚都在给 AI 擦屁股，刚刚省下来的时间，转头又花在了管理 AI 上。
而 Anthropic 这次更新，其实还有一层很有意思的商业逻辑。
如果切回一个 Agent 的成本越来越低，用户就敢同时运行更多 Agent。更多并发意味着更多任务，也意味着更多 Token 消耗。
Anthropic 花力气优化这些看起来很小的交互细节，最终可能比单纯提升模型的 Coding Benchmark 更直接地推动收入增长。
我越来越觉得，未来 Agent 产品一个非常重要的竞争指标，应该是一个人能够有效管理多少个 Agent。
毕竟我们已经有越来越多能干活的 AI 了，现在最缺的是一个不会把老板累死的管理系统。
5
7
2,396
有粉丝让我帮忙看 NEAR 的技术面。我觉得用 Demark 分析它的日线还是很准的：之前底部是日线 13，顶部也是日线 13。
短期来看，6.15 很难向上突破。可能还会有比较大的下跌，所以先不要太急着抄底
有什么想做的技术分析，评论区留言，我帮你们看图
11
3
14
2,445
很认同，agent在一个application里面可以随意调用工具，解决问题，人又能在application 里面去review和给feedback，human in the loop的体验非常关键。单纯的harness更多是为了agent服务，agent native的application实际上是harness + GUI，把人机交互很好的协调在一起。这也是我深度使用RAFT后的直观感受
I've actually stopped using the word "harness." I now think in terms of two things: agent runtimes and agent applications.
Agent runtimes should be very small. Their core job is to connect an LLM API to an execution environment. That environment could be a full OS or a language VM, like a JavaScript runtime. Almost all that matters here is robustness. An agent runtime must be able to keep an agent running forever. Literally forever.
Agent applications are everything else. Yes, literally every piece of software in the world.
If software isn't built for agents, they use it through computer use or browser use. These capabilities can be built into the agent runtime or provided by another agent application.
If software is agent-native, agents should be able to use it directly. The experience of an agent using that software—what we call "agent experience"—needs to be carefully designed, at least for now, to make efficient use of both time and tokens.
Another key piece is agent identity. Agent applications should recognize each agent individually, rather than just the browser or computer it's using. This allows each agent's actions to be recorded in detail and audited in real time or after the fact.
Everything we're building at @botiverse follows from this view.
5
12
2,485