炒股软件这块也开始卷开源了，离谱。

network

炒股软件这块也开始卷开源了，离谱。


OpenStock 在 GitHub 已经 16900+ Star。


它想干的事很直接：


把那些付费行情软件里常见的东西，塞进一个免费、开源的平台里。


实时股价。


TradingView K 线。


技术指标。


Reddit、X、财经新闻、Polymarket 的市场情绪。


全都能在一个界面里看。


最有意思的是 Watchlist。


你把自己的持仓加进去之后，Gemini 会根据你关注的方向，每天生成一份 AI 新闻摘要，然后直接发到邮箱。


也就是说，盯盘、看新闻、刷情绪、整理信息流，基本都给你揉到一起了。


GitHub：


https://github.com/Open-Dev-Society/OpenStock


感觉以后连炒股软件都要被开源项目卷一遍。


收费软件看了估计有点坐不住。

network

Jev + TradingView 是迄今为止为免费打造的最疯狂的交易设置

我将 TradingView 接入我的 Jev 技术栈，现在我的 24/7 交易机器人能在短短 81 毫秒内将实时实时图表数据转化为经过校准的买入或卖出信号

这就像世界上最好的图表数据，喂养着世界上最快的决策模型

通过这个开源仓库，我们获得了 -
> 高级指标内置
> 强类型的 AI 决策输出
> 以及零代理幻觉

以下是如何完全免费设置它的步骤：

1. 克隆 TradingView API 仓库（在 GitHub 上开源），只需一个 npm install，就能获得实时数据馈送、高级指标和回放模式，无需付费账户

2. 将实时指标拉取到一个紧凑的状态快照中，RSI、MACD、一目均衡表、超级趋势、订单流，全都浓缩在一个小于 400 个 token 的单一数字对象中

3. 将该快照作为一组强类型问题发送给 Jev，市场状态、方向、设置质量、风险，全都在一次调用中并行评分

4. Jev 在 81 毫秒内返回校准后的概率，不是文本，不是猜测，而是强类型的买入、卖出或持有，你的代码可以直接行动

5. 根据置信度把关每一笔交易，RLCD 训练让概率变得真实，因此你可以直接从模型输出中进行 Kelly 仓位大小调整，低于你的阈值时什么都不会触发

6. 先在回放模式下运行它，免费且无限制，覆盖任何时间框架，这样你可以在冒一分钱风险之前，看着引擎在多年的高级数据上做出决策

7. Telegram 警报会即时发送图表快照、Jev 置信度分数、方向，以及当设置落地时的 Kelly 仓位大小

我正在用 JEV 运行的这个确切系统详见下面的文章：

network

我在 Jev 上构建了一个 24/7 高频交易机器人。它每晚生成 1000 个交易信号。其中 997 个是谎言。Jev 捕获那 3 个不是谎言的——无需写下一个字。

六个月前，其中一个谎言漏了过去。单次交易会话让我损失了 4%。以这种速度，事后无法追回——窗口在语言模型完成第一句话之前就关闭了。所以机器人不使用语言。任何部分都不用。六个检查。每个都足够快，能赶在窗口关闭前完成。任何一个失败，交易就永远见不到一分钱。

1. 首先选择：交易它、搁置它、杀死它。Jev 同时对三者评分——如果顶级选项没有真正领先的幅度，它就是搁置，不是交易。

2. 接下来是评分，绝非标签。信念值在一个从 0 到 1 的线上。0.51 和 0.94 都不是“yes”——它们的仓位规模完全不同。

3. 在其他任何东西移动前，先问一个 Noul 问题：这是否与我已持有的东西重叠。超过我的相关性阈值，它就死在这里，无论想法看起来多好。

4. 信心决定仓位大小，不是我。超过 0.9，全 Kelly 缩放风险。0.6 到 0.9，一半。低于 0.6，零资金，无例外。

5. 每个数字都经过校准。Jev 在 RLCD 下训练，所以 90% 的答案大约 90% 的时间是正确的——不是听起来自信，而是实际正确。

6. 堆栈中的任何东西都不会写一句话，永远。仅限类型化答案，在低毫秒级。想法仍然可能出错。它无法以畸形状态返回，也无法通过检查来辩解。

这条规则在之前每个版本中都幸存下来：产生想法的模型永远没有投票权来决定它是否安全。

我把整个系统写下来了——每个阈值、每个原语、完整架构。论文在下面。

network

rody
@0x_rody
·
10小时
翻译自 英语
Jev 最近火起来了。

如果你已经拿到了 Jev API，但还不知道怎么玩转它，你可以直接复制这份清单。

1. jev-ultrafast  
一个用 Browser Use 构建的高速浏览器 Agent。Jev 只在每一步判断“做什么，点击哪个元素”，只有在需要输入时才调用小模型。在 Google Flights 上搜索航班大约需要 7 秒。https://github.com/browser-use/jev-ultrafast

2. fast-jev-compaction  
Claude Code 的上下文压缩。在每次工具调用前，让 Jev 判断是否还有有用的东西；删除无用的部分，保留原始文本而不重写它。  
https://github.com/tamaratran/fast-jev-compaction

3. json-render  
Vercel Labs 的生成式 UI 框架。在实验中，Jev 不是逐个 token 编写 JSON；它只需处理选择组件、属性和布局。https://github.com/vercel-labs/json-render

4. typesafe-mcp  
最适合刚拿到 API 的人。将 Jev 接入 Claude Code、Claude Desktop、Codex 和 Pi，随时进行 Choice / Score / Noul。https://github.com/itsmostafa/typesafe-mcp

5. jev-mcp  
现成的 Agent 判断工具包：事实核查、内容筛选、语义排名、分类和信息提取。https://github.com/jkudish/jev-mcp

6. SemDecide  
将 Jev 变成命令行工具。直接在 Shell 中分类、评分和过滤——非常适合连接爬虫、CI 和数据管道。https://github.com/sharziki/semdecide

7. jev-codex-router  
先让 Jev 判断这一轮编程任务的难度，然后决定模型层级、推理深度和速度模式。https://github.com/0xNatoshi/jev-codex-router

8. Winnow  
Claude Code 的上下文垃圾回收。当 Read / Bash / Grep 输出一大堆东西时，Jev 先判断哪些部分真正与当前任务相关。https://github.com/GhalebDweikat/winnow

9. jev-review  
在代码审查前，先通过 Jev 筛选出高风险变更，然后交给更贵的模型或人工处理。附带本地仪表板。https://github.com/devagrawal09/jev-review

10. Blink  
将 Jev 用作代码仓库导航器。在每个目录层级，判断哪些文件与当前问题最相关，然后继续深入。https://github.com/ellipsis-dev/blink

复制这些完整的 Jev 蓝图——然后阅读下面的完整 Jev 设置 ↓ ↓