AI 资讯 + 量化金融：新闻 + 课程驱动，完全免费
NewsHub 每天从上千个账号与媒体自动抓取，由模型做中文化、评分、分类和精选，再聚成事件与日报——你可以在站内读，也可以订阅 RSS，或让你的 Agent 直接接入。
量化金融是一套 56 讲的课程体系，从数学与统计基础走到风险控制、投资组合与实战。
先把公式跑起来，再被市场教一课
我从数学系出发，学概率论和随机过程。那时对论文里的模型很好奇：它写在纸上是这样，交给真实数据以后还会是这样吗？于是白天上课，晚上对着公式写代码。后来第一次做出漂亮的回测曲线，也兴奋过，直到策略进了实盘——滑点、延迟和突如其来的行情一起到齐。第一次亏损不算多，却把一件事说清楚了：回测里的世界是整齐的，真实市场不是。
从那以后我看一条回测曲线，先想的不是它赚了多少，而是它遗漏了什么。
链上更快、更透明，也更不留情
后来我转向 DeFi，做永续合约的资金费率套利，也捕捉不同 DEX 之间的价差。数据公开、过程可见，但这并不让事情更简单：延迟、Gas、合约机制，每个细节都会落到结果上。我遇到过三明治攻击，也经历过参数没调好、一次清算抹掉一周盈利。
链上教会我的不只是怎样找机会，还有怎样在出手之前先把风险想完整。
从调一个 API，到让它把事情做完
2023 年我把 LLM 接进量化研究和内容流程。最初以为无非是调 API、把提示词写仔细，长期跑起来才发现幻觉、成本、评分是否稳定、长摘要会不会走样，全是问题。再往后我不满足于让它只回答一个问题，开始认真做 Agent loop、工具调用、记忆与多 Agent 协作。你现在看到的抓取、评分、聚类和日报，就是一条每天自己运转的任务链。
Agent 最难的从来不是第一次跑通，而是遇到超时、错误和意外之后，仍然知道下一步该怎么办。
把两件长期在做的事放在一起
Agent 那条线后来长成了独立的学习系统 AgentWay，搬去了自己的站。留在这里的是两件我会一直做下去的事：一边是每天从多个信源筛出来、再由模型评过分的 AI 与投资资讯；另一边是量化金融，从数学基础到市场里的真实问题。它们看着不同，背后是同一种方法——把问题拆开，亲手跑通，在失败里修正，再把过程写清楚。
如果你最后带走的不只是几个答案，而是独立完成一件事的能力，这条路就没有白走。
这里解决的两个问题
过滤 90% 的噪音
上千个账号与媒体，每天产出数千条；模型逐条中文化、评分、分类，只留下不到一成最值得看的。
系统性学习
56 讲的课程主干，系统掌握量化交易的数学基础与实战技能——不是零散教程的堆叠。
接下来，一起慢慢往前走
我会继续把新学到的、真正做过的东西整理到这里。有问题，或者想聊聊合作，都欢迎找我。