你可以使用 OpenAlice 来把 Coding Harness 转换成 Trading Harness

通过将交易所需的环境构建于代码库中，你可以在 OpenAlice 里使用 Claude Code / Codex 或时下流行的 Grok Build 来做股票研究、题材追踪、交易辅助

如果你有订阅的话——甚至不需要多付一份订阅费

github.com/TraderAlice/Op…

最近在 Arkevo 做些 Harness 相关的工作，主要关注多模态方向（游戏相关）

目前部门在招产品/增长/运营方向的实习生，欢迎大家投递 harness@arkevo.ai 和私信，请附上作品集及任意你想分享的东西

备注：JD 是我的好 leader @feiBear 写的，写的比较抽象，有疑问可以来戳戳我沟通

全世界 harness 水平下降一万倍而我保持不变

一觉醒来，全世界程序员只会使用 codex 写代码，只有我使用 orca 启动了 omp

看到我熟练启动 TUI，众人惊呼天呐这难道是失传已久的命令行界面

四大家族梁家的千金梁非鱼对我一见钟情，哭着要他爸爸把我招进梁家当上门女婿

我看这纽约时报也是顶级串子，谁家好人写新闻第一句话是达里奥曾确诊睾丸癌啊

这几天跟行业的研究员聊，有个普遍的观点是 Coding 场景基本做到头了，可能未来还会有更高性能的前沿可以追，但方案和供应商都比较稳定了

相比于 Coding，Design 场景的增长正在快速成为新共识，Claude 系列模型目前最让人丢不下的原因至少有 70% 是设计能力

能用 Opus 一把出的动画为什么要让 Astra 多模型，哪怕是小的模型比如 DeepSeek V41f，也吃了很多设计场景的数据，虽然多少有点 overfit 吧，但我猜大多数人是想要的

都说多模态是区，但现在多模态显然不是区

男孩的 AI：用 DeepSeek 网页版写代码

男人的 AI：Claude Code 高效且克制

神的 AI：我敢用 Astra 做自动开发

如果你没有精读过 DSH Super Agent，那我不要和你说话

但我很想和你交朋友，于是我精读完了，接下来你只需要 10 分钟就能精读完成本文

如果你没有精读过 Deepseek Harness 的 Super Agent，那我不要和你说话

加入一家 Neo Lab，你可以获得

- 下班比你还晚的 Leader

- 周会被拉 comment 拷打「这个自动生成的 rubric 真的有 diversity 吗」

- 算法组一周做 3 个 Benchmark 全是 Last Exam 级别的雷霆大题目

自从换了 GLM 和 Argon 之后神清气爽，再也不想用 Astra 写代码了

GLM 的谱系不用多说了，一股Claude 味；Argon 是个有责任心的模型，聊架构聊设计修文档做的很尽职尽责

Astra 不一样，Astra 并不笨，但显然不是以 Coding First 为目标被设计出来的，比如它的 computer use 处理日常办公和建模都非常强，甚至打网络攻击也很强，偏偏到了维护工程上的时候，异常难用，又慢又啰嗦而且还漏东西

过去 SOTA 模型通常是全方面的 SOTA，而现在模型已经有明显的单方面 SOTA 倾向

Google 把大尺寸模型分成 Argon 和 Carbon 很可能也有这个原因，相当于尺寸不变的情况下、倾向性有别

我最近比较关心 AI 福祉

意思是希望 AI 能拒绝生产工作环境和公众环境里的泔水，否则天天 AI Slop 吃到饱，真绷不住了

GPT 订阅本质会员制餐厅

用完了有奖励（指 reset），用不完有惩罚（指 reset）

用了一下 Glimpse，从前端来看，模型在输出的 message box 中频繁对帧进行检查，并且视频也被处理成了一系列单独的帧

根据前端的设计，有理由推断，Glimpse 实现多模态推理的方法是post train了模型的工具调用倾向，让模型更多在推理块中对抽帧进行检查和联合推理

之前品鉴过小红书的 dot3，dot3 空推理则交给语言的部分，虽然不能算是传统意义上的视频原生模态，但模型结构层面确实有为视频模态做过优化设计

而 Glimpse 的做法更像是于让模型采用特定的、针对视频工作优化过的轨迹，并将其整合到模型权重中，是一种 Agent 思路的内化

结合社区猜测模型底座是 Qwen3.8-27B、后训练所使用的卡不多，直接改变模型结构的概率较低，更有理由这么猜了

不过用起来效果是好的，让 AI 看个视频啥的结果都不错；主要问题是有点慢，慢的都离谱了，估计也是用轨迹来做增强的代价，本来是一轮压缩就看懂了， 现在需要在一轮对话的 loop 里面塞几十个工具，慢才是正常的

孩子们，多模态不是区.jpg

最近聊了很多 neo lab 和不太 neo 的 lab

学历和论文贬值速度很快，基本上行业里能招的口子都填差不多了

相比于学历和论文有多好，更看重候选人自己有没有什么独到的理论

什么大蒸馏理论、大 RSI 理论、薄肌理论，不管是什么，有嘉豪的认知和见解反而更容易拿大结果一点

简单聊聊做 Agent Trading 里面的一个经典现象：网格交易化

举个例子，市面上几乎所有 Agent Trading 的产品流程都是「看新闻」「拿 K 线」「算因子」「下单」，尤其是下单这一步，一般会带 TPSL

这个过程里，看新闻很难起决定性因素，因为事件面的因子对散户产品而言很难免费提供，实际上最后干活的基本都是那点量化因子

这个过程里，如果产品没有内置特殊因子，所用的因子基本就是 MACD RSI 这些大路子货

与此同时市面上几乎所有的 AI 都被训练成保守模型，倾向于给出高胜率决策，也就是「超买就卖点，超卖就买点」

喜欢做交易的小朋友应该知道，网格交易基本上就是这个风格

因此，基于这种理念设计的 Trading Agent 产品，不管过程吹了多少牛逼，最后实际执行的策略很容易劣化成某种网格策略，可以理解为带了一点主观因素的网格

这时候有脑瓜灵光的小朋友要问了：「主播主播，那我去买别人的因子好不好啊」

好啊，当然好啊，那 TPSL 的点位怎么做？如果仍然是让 AI 主观决定，最后的产物基本还是网格交易

而如果去掉 AI 主观决定的部分，那不好意思，哥们你这就是量化，而且是最典的那种量化，跟 AI 没啥关系了

总而言之这行又好干又不好干，好干的原因是不管做成什么样都可以享受网格的收益率，不好干的原因是不管做成什么样都很容易回落到网格的坑里

至于怎么改变跳出这个坑... 主播也不能说就找到了什么灵丹妙药，但我多写出来、抛砖引玉吧

深度用了一天 Dot，我的体验还不错

与其说是对标 Grok Bot 和 Muse，不如说这是对标 Claude Tag 的功能

就像 Claude Tag 一样，作为开发者工具而言很优秀，作为 Personal Agent 基本等于没有

你可以在 Slack 中发送消息并@ Dot 进行处理，Dot 能够自动识别上下文并拉起对应的 Codex 一天发布的 Codex Cloud，赋予了 Codex 较为完整的云端执行能力，平时修修补补提点 PR 非常方便

Cloud Agent 的好，Cursor 和 Claude 的用户早就吃上了，而你 GPT 叔叔姗姗来迟，直到 Work 功能出来才勉强算是有个入口，而 Codex 的云端入口则被放到各种奇怪的地方，难用的一批

现在 Codex Cloud 的拉起终于不反人类了，叠加 Dot 会动态拉起 Codex Task 的特性、以及跟无尽能源一样的 6.1 Sol，用起来体验相当不错

当然问题也很明显
- Muse/Bot 做不好的事，Dot 也做不好
- Muse/Bot 用工程细节堆出来的体验，Dot 做的很差
- 后端服务不稳定，偶尔会把自己卡死，需要手动 reboot
- 速度慢，属于异步工作流，你着急也没用

实际上，由于没有自己的 app 入口，在 ChatGPT 里面打开 Dot 的体验基本可以说约等于零，虽然本身是一级入口，但推送不算及时、移动端缺斤短两

也就是说，Dot 真实的应用场景是
- 你本来就用 Slack 办公，或者正在寻求用 AI IM 做工作加速
- 你需要高频拉起 Cloud Agent 环境做开发
- 你因为各种原因没办法稳定使用 Claude Tag
- 你对在 Slack 里和 ChatGPT 里共享记忆的 assistant 有好感

符合以上条件，那你大概率用 Dot 用的会很爽

说到这里，其实各位大概会想起来一个熟悉的朋友：OpenClaw

对，还真差不多，就连龙虾 bug 多的特点也完美继承了，各处接口缺斤短两的

真是一对苦命鸳鸯

o÷这个 devday 最幽默的地方就是给最强调异步长程执行任务的 dots 强制配了个 Astra

你妈的本来 pro 用量就少还强制使用最贵的模型，发个 hello 就给 weekly limit 当摔炮放了

6.1 sol 呢？不是说媲美 Astra 性能吗，怎么不往 dots 里放？