ZhuLinsen

开源了一个 1600 行的大模型推理引擎，能跑真实模型，测试场景吞吐超过 vLLM 想入门大模型推理，直接读 vLLM 太重。所以开源了 LiteMoE：约 1600 行 Python ，能跑真实的 Granite 模型，一个下午能读完主线。 适合想快速上手推理的同学： - 交互演示，逐步看一次真实推理： zhulinsen.github.io - 教程，从 KV Cache 、MoE 讲到 DeepSeek 、Kimi 、Qwen 的新设计： github.com/ZhuLinsen/LiteMoE/blob/main/docs/tutor… 固定批次的测试场景下，吞吐是 vLLM 的 105 ～ 109%，脚本可复现。算子用的是 vLLM 的，提升来自算子外的执行层。定位是学习和实验，上线还是用 vLLM 。 如果大家感兴趣，后面会继续做多卡、CPU 版本系列。 项目： ZhuLinsen/LiteMoE 演示： zhulinsen.github.io

For Finance + AI agents in Claude, Cursor or n8n: Run 15 live SEC EDGAR 8-K/10-K, Half-Kelly, Monte Carlo Overfitting & B2B Lead tools via zero-key MCP (`npx -y b2b-lead-quant-mcp`): rotenkus-dot/b2b-lead-quant-mcp x.com

想要玩美股的兄弟强烈建议去安装一下，github高达4w收藏。 基于 AI 大模型的 A股/港股/美股自选股智能分析系统，每日自动分析并推送决策仪表盘 📊 分析市场走势 📰 整理重要资讯 📈 跟踪个股表现 🤖 自动生成投资分析报告 ZhuLinsen/daily_stock_analysis t.co

想炒美股的朋友一定要装这个，github 收藏数高达 4 万。 基于 AI 大模型的 A 股/港股/美股自选股智能分析系统，每日自动分析并推送决策仪表盘。 📊 分析市场走势 📰 整理重要资讯 📈 跟踪个股表现 🤖 自动生成投资分析报告 ZhuLinsen/daily_stock_analysis t.co

📈 想每天用 AI 分析股票，却不想每天手动查行情、看新闻、整理财报？ 发现一个很强的开源项目：daily_stock_analysis 🚀 🔗 ZhuLinsen/daily_stock_analysis 它把大模型、金融数据和自动化工作流结合起来，打造了一套自己的 AI 股票分析系统。 🔥 核心功能一览： 📊 多市场分析：支持 A 股、港股、美股、日股、韩股、台股及 ETF。 🤖 AI 决策报告：自动汇总趋势判断、评分、买卖参考价位、风险预警和潜在催化因素。 🧠 15 种内置策略：涵盖均线、缠论、波浪理论、趋势分析、热点题材、事件驱动等，还支持多轮追问。 📰 行情 + 新闻 + 基本面：整合多源市场数据，为分析提供更丰富的上下文。 ⏰ 自动化每日推送：通过 GitHub Actions、Docker 或本地定时任务运行，并推送到飞书、企业微信、Telegram、Discord、Slack、邮箱等渠道。 🖥️ 完整 Web 工作台：查看历史报告、管理自选股、跟踪任务、分析持仓，还能进行回测。 最吸引我的地方是： 不只是让 AI 告诉你一只股票怎么样，而是把“数据采集 → 分析 → 生成报告 → 自动推送”整个流程串起来。 而且项目支持多种模型，包括 DeepSeek、通义千问、Claude、Gemini 和本地 Ollama 模型；也提供 AkShare、YFinance 等免费数据源。 如果你想搭建自己的 AI 投研助手，或者研究 LLM 在量化金融中的实际应用，这个项目非常值得 Star ⭐ ⚠️ 提醒：AI 分析结果不等于可靠的投资建议，买卖信号需要结合真实数据、风险承受能力和独立判断。 GitHub 👇 ZhuLinsen/daily_stock_analysis #AI #AIAgent #量化交易 #股票分析 #开源项目

开盘前翻各种 App 看行情得半小时。这个项目把流程自动化： 多市场行情加实时新闻，模型分析后生成看板定时推送，免费额度就能跑。 ZhuLinsen/daily_stock_analysis