目前用AI投研的工作流里面，AI目前还是只能单个环节的交付，例如idea的收集，信息收集。

人总是要作为串联每一个环节的桥梁，特别是在深入研究和决策的过程中。connecting the dots，发现真正牛x的投资机会，好像还是只能依靠人的主观判断。最后再把整个流程串起来

一直在尝试把自己过去的结论，和AI辅助研究的所有资料的中间的link打通，但它得出结论的方式还是过于中庸，或者相信均值回归了。

很好奇是否有非coding领域可以端到端纯AI跑通的场景呢？这种场景又有什么特征

现在是前沿模型+agent爆发的最陡峭的时期，前沿模型拿走了所有的价值，包括开源模型的性价比价值，以及具体应用层的价值。具体来看，可能前沿模型的arr当前是1000亿美金，国内的开源模型arr不知道加起来是否有50亿美金，全球的应用arr加起来可能也就50-100亿？
以后一直会这样吗？还是会在某个时点斜率稍微放缓，应用层崛起，然后把一部分的分层需求替换成性价比的开源模型呢。

我自己感觉大模型通吃全场景和全产业链不合理，未来还是会有垂直领域的knowledge的一席之地，然后让这些人再来重新为用户分配最合适的模型。

历史上三次大的技术创新，都没有让普通人的工资受益，核心还是资本回报迅速提高，利润在分配里面占大头。加上对原有就业的冲击，出现卢德派这种砸设备的，贫富差距拉大，社会极化造成了经济和金融危机。
在危机的倒逼下政府才推动改革，才把社会的裂痕逐步修复，工业革命和电气化都是以战争和危机改革结束。it革命就没有修复这个裂痕。

AI这一轮会怎么样呢，目前已经出现各种抗议，毕业生嘘AI的演讲了，还是会重走老路吗？还是说在现在这轮上来大家就提ubi的情况下，会在早中期让大部分人获益。

"三件套"升级"四件套"了。

过去两周把投资工作流拆得更明确：
- daily-watchlist 早盘扫描，加了 Stooq/Finnhub/EOD/yfinance 多源 fallback
- pod2wiki 这周首发公开版（v0.1），RSS 播客自动转录 + LLM 摘要进知识库
- hypothesis-tracker 1.1，假设支持子拆解 + 证伪三元组 + 月度 Kill Thesis
- karpathy-claude-wiki 长期认知沉淀

四个 repo 之间用 Mermaid 画了数据流，hypothesis-tracker 这周被深度 fold 进 daily workflow——每天扫盘后假设跟着回写。

全部 Claude Code 原生跑，github.com/Benboerba620

AI的速度大幅压缩了时间，能够从体感上感受到相对论正在发挥作用，一两个月取得的技术进步就像过去的几年的技术进步，以至于完全无法用历史的周期节奏来判断我们现在到底处在什么阶段。

Github真的是一个宝库，领带吗基础的我借助CC也可以分享一些我自己的投研+CC的插件，给我的朋友们一键安装。
开源的社区太有意思了，二级投研本质也是开源的，只是项目的开源还有一种众人拾柴火焰高的规模效应，而股票的讨论一般而言都是单向的输出，双向的挑战的都很少。

karpathy-claude-wiki 今天发了 v0.1.1，两个核心更新：

1. 注意力 / 链接结构报告（python scripts/wiki_index.py --report）

灵感继续来自 Karpathy 那条推 —— 让 LLM 帮你看到自己 wiki 的"形状"。跑一下会生成 wiki/_attention.md，告诉你：
- 哪些 entity / concept 是 god node（被引用最多的枢纽）
- 哪些 source 是 hub（一份资料同时连接了多个公司/概念，通常是研报或综述）
- 哪些新建页面孤零零没人引用（"应该串起来但还没串"）
- 引用集中度（是不是少数几个节点吃掉了所有注意力）

第一次能看到自己知识的结构，而不是只看到一堆 markdown 文件。

2. Windows 一键安装脚本（install_wiki.ps1）

这个改动更"软"但更重要 —— 让完全不会 git / markdown / 命令行的小白也能上手。一行命令搞定：复制 wiki 结构、合并 CLAUDE.md、创建第一个 entity、跑 lint。从"必须懂技术"降到"会双击 PowerShell"。

———

几个之前没碰过 git 的朋友拿去试，反馈都是"很丝滑"。这是我做这个项目以来第一次拿到不带客气的正反馈，说明"用户负责策展、LLM 负责维护"这个分工真的能跑通，不是只有我自己能用得顺。

最大的感受：LLM 时代 PKM 这件事的门槛被降到了"一键安装"，连完全 0 代码的朋友也能用起来。以前个人 wiki 是技术活 —— 要懂 markdown / git / 至少看得懂 schema；现在变成"丢文件 + 提问题"，剩下的归 AI。

repo：github.com/Benboerba620/karpathy-claude-wiki

发了第一个公开 GitHub repo：karpathy-claude-wiki。

是一个 Karpathy 风格的个人 wiki 脚手架——你把读到的文章、研报、推文丢进去，Claude Code 帮你抽实体、连关联、沉淀成自己的知识网络。原本是我自己用的投研工具，这次抽掉私有部分开源出来。

附了一份 AI Auto-Install 协议：把 README 丢给 Claude Code，它会问你 4 个问题（你做什么、想跟踪什么、数据放哪、要不要例子）然后自己装好。

github.com

发之前一个小插曲：Claude 一开始跟我说协议"85% 能跑通"，我多问了一句"你确定吗？"，逼出一次真实环境的 dry run，挖出 16 个 bug，3 个是 release blocker。凭印象的 85% 和实测过的"刚才跑通了"是两种东西。

——这跟我在投研里反复踩的坑一模一样。

做股票研究的，用 claude code 差不多三个月了。最大的感受不是效率变高了，是以前自己糊弄自己的地方藏不住了。

比如我给每个投资假设打了个确定性的分，每周让系统扫一遍，哪些被新数据证实了，哪些被削弱了。三个月下来发现好几个自己特别有信心的判断其实经不起检验，但以前就是选择性忽略了。

说白了 AI 最大的价值可能不是帮你做什么，是让你没法骗自己。

假期一些关于二级投资的审美思考，审美是top1的标准，欢迎拍砖