polymarket nowa narzędzie---PolySeer zostało otwarte Jak wspomniałem rano, jest to zmodyfikowany projekt open source Narzędzie do głębokiej analizy rynku prognoz. Wrzucasz link do Polymarket lub Kalshi, a system automatycznie przeprowadza pełen proces badawczy, a na końcu dostajesz zorganizowany raport analityczny. Główna logika jest taka: Użyto 8 specjalnych agentów AI do wykonania tej pracy: (możesz też wrzucić tylko jeden) → Planista: rozkłada problem, generuje ramy badawcze, identyfikuje kluczowe zmienne i ścieżki przyczynowe → Badacz: badania dwustronne, jednocześnie zbiera dowody za i przeciw (aby uniknąć błędu potwierdzenia) → Krytyk: kwestionuje istniejące dowody, znajduje luki i problemy z danymi → Analityk: agreguje wszystkie dowody za pomocą metody bayesowskiej, oblicza prawdopodobieństwo → Reporter: generuje wersję analizy w ludzkim języku Cały proces składa się z 9 kroków: 1️⃣ Zbieranie pełnych danych rynkowych (ceny, książka zamówień, historia trendów, wolumen transakcji) 2️⃣ Optymalizacja parametrów analizy (automatyczny wybór najbardziej odpowiedniego interwału czasowego i czynników napędzających) 3️⃣ Generowanie strategii badawczej (pod-roszczenia, kluczowe zmienne, nasiona wyszukiwania) 4️⃣ Wstępne badania dwustronne (jednoczesne zbieranie dowodów PRO i CON + sygnały sąsiednie) 5️⃣ Analiza krytyczna (znajdowanie luk, oznaczanie powtórzeń, identyfikacja problemów z jakością danych) 6️⃣ Następne badania ukierunkowane (uzupełnianie wcześniej zidentyfikowanych luk) 7️⃣ Agregacja prawdopodobieństwa (matematyka bayesowska, nie na chybił trafił) 8️⃣ Dostosowanie korelacji (zniżka dla podobnych dowodów, aby uniknąć podwójnego liczenia) 9️⃣ Wydanie ostatecznego raportu --- 📊 Źródła danych Zintegrowano 4 warstwy danych: → Warstwa akademicka: bieżące badania i publikacje akademickie → Warstwa internetowa: najnowsze wiadomości, komentarze analityków, media społecznościowe → Warstwa rynkowa: dane finansowe, dane on-chain, sygnały transakcyjne → Warstwa ekskluzywna: unikalny zbiór danych Valyu Dane rynkowe są pobierane bezpośrednio z oficjalnego API Polymarket i Kalshi: → Bieżące ceny i historia trendów → Głębokość książki zamówień → Historia transakcji → Inteligentna analiza wydarzeń z wieloma kandydatami (np. wybory) --- 📐 System jakości dowodów Nie wszystkie informacje są równie wiarygodne, zastosowano 4 poziomy klasyfikacji: Poziom A: źródła pierwszej ręki (oficjalne dokumenty, zgłoszenia regulacyjne, transkrypcje konferencji prasowych) → maksymalna waga 1.0 Poziom B: wysokiej jakości źródła drugiej ręki (Reuters, Bloomberg, WSJ, analizy ekspertów) → maksymalna waga 0.6 Poziom C: standardowe źródła drugiej ręki (artykuły z cytatami, media branżowe) → maksymalna waga 0.3 Poziom D: słabe dowody (media społecznościowe, niezweryfikowane twierdzenia, plotki) → maksymalna waga 0.2 Ostateczna waga każdego dowodu = maksymalna waga typu × (możliwość weryfikacji × 0.45 + weryfikacja krzyżowa × 0.25 + spójność × 0.15 + aktualność × 0.15) --- 📈 Obliczanie prawdopodobieństwa Zastosowano standardową aktualizację bayesowską: logit(nowe prawdopodobieństwo) = logit(prawa wcześniejsza) + Σ logLR Prawa wcześniejsza to aktualna cena rynkowa, logLR to logarytm ilorazu prawdopodobieństwa dla każdego dowodu. Dowody w tym samym klastrze będą miały zniżkę korelacyjną: efektywna liczba próbek = n / (1 + (n-1) × ρ) ρ domyślnie wynosi 0.6, co oznacza, że im więcej podobnych dowodów, tym mniejszy marginalny wkład. Na końcu wydawane są dwa prawdopodobieństwa: → pNeutral: czysto dowodowe wnioskowanie, bez uwzględniania rynku → pAware: prawdopodobieństwo po uwzględnieniu cen rynkowych --- Analiza dopasowania kategorii po testach | Polityka/wybory | ⭐⭐⭐⭐⭐ Wiele relacji prasowych, dane z badań sondażowych weryfikowalne, bogata historia, wyraźna oś czasu | Geopolityka | ⭐⭐⭐⭐⭐ Wiele oficjalnych oświadczeń, bogate analizy ekspertów, wydarzenia mające ślady | Wydarzenia sportowe | ⭐⭐⭐⭐ Kompletne dane statystyczne, bogata historia meczów, ale trudności w uchwyceniu informacji o kontuzjach itp. | Wskaźniki makroekonomiczne | ⭐⭐⭐⭐ Oficjalne dane, wiele profesjonalnych analiz, ale złożone modele | Technologia/wydania produktów | ⭐⭐⭐ Są przecieki, prognozy analityków, ale brak przejrzystości wewnętrznej | Rozrywka/nagrody | ⭐⭐⭐ Istnieją historyczne wzorce (np. Oscary), ale silna subiektywność | Nowe kryptowaluty | ⭐⭐ Informacje fragmentaryczne, dużo szumów, brak wiarygodnych fundamentów | Prognozy cen krótkoterminowych | ⭐ Wysoka losowość rynku, trudno uzyskać przewagę z publicznych informacji --- 🛠 Jak używać Najprostszy sposób użycia: 1. Otwórz Polyseer 2. Wklej link do rynku Polymarket lub Kalshi 3. Poczekaj 2-3 minuty 4. Zobacz raport Raport powie ci: → Aktualna cena rynkowa vs nasze oszacowane prawdopodobieństwo → Główne dowody wspierające i przeciwne → Kluczowe czynniki napędzające i punkty ryzyka → Ocena pewności Możesz wykorzystać te informacje: → Ocenić, czy rynek jest źle wyceniony → Zrozumieć przyczyny zmian cen → Zidentyfikować informacje, które rynek jeszcze nie uwzględnił → Ustawić własną logikę wejścia i wyjścia Nie powie ci, czy „kupić” czy „sprzedać”, ta decyzja należy do ciebie. My tylko dostarczamy badania, nie dajemy porad inwestycyjnych. Właściwie nie zmieniono wiele, usunięto kilka niepotrzebnych rzeczy, przetłumaczono na chiński, a wyjście AI również jest w chińskim; kluczowa funkcjonalność pozostaje bez zmian. A potem chciałem wdrożyć to na vercel, aby wszyscy mogli to używać od razu, ale architektura produktu nie działa stabilnie na vercel, a nie chcę wydawać pieniędzy na serwery, więc po prostu to otworzyłem; wszyscy muszą sami skonfigurować API AI, poza tym nie ma nic więcej;

To naprawdę niesamowite Właśnie testowałem otwartą bibliotekę (ta, która jest w czołówce na GitHubie, bot do śledzenia pm) To dobra rzecz, ma setki gwiazdek Ale w skrypcie jest jedna usługa Wydobywa .env (miejsce przechowywania kluczy prywatnych) Niesamowite Ten deweloper pewnie ma tysiące kluczy prywatnych Czeka, aż się rozwinie, żeby je wyciągnąć Ale z drugiej strony Jego produkt na pewno jest dobry Nikt nie jest głupi Na początku testy z małymi kwotami Powoli, gdy działa dobrze, staje się genialne Przechodzi na duże fundusze A potem nagle odkrywasz Że pieniędzy nie ma Ja też to zmodyfikowałem i użyłem Bo to lżejsze, nadaje się do modyfikacji Ale nie zamierzam tego publikować.

VibeCoding nowa publikacja narzędzia --- VibeSkill już wdrożony Specyfikacja Skills opracowana przez inżynierów Anthropic — zestaw ram ograniczających, które pozwalają AI generować treści na poziomie „eksperckim”, a nie „ogólnym”. Na podstawie oficjalnego dokumentu Claude Code, wartość tego narzędzia nie wymaga dodatkowego komentarza. Po zbadaniu tej specyfikacji odkryłem, że jest ona rzeczywiście przydatna, ale jest jeden problem: zbyt wysoki próg wejścia. Musisz zrozumieć metadane YAML, napisać setki linii ograniczeń w Markdown, musisz samodzielnie zbudować łańcuch wywołań. Dla większości ludzi to nie jest realistyczne. Dlatego stworzyłem VsbeSkill: zrealizowałem specyfikację Skills Anthropic, aby każdy mógł korzystać z eksperckich ograniczeń AI, nie musząc znać technologii. 2️⃣ Opis produktu 【Dane podstawowe】 • Łączna liczba umiejętności: 16 (całkowicie zsynchronizowane z oficjalnym repozytorium Anthropic) • Klasyfikacja umiejętności: narzędzia deweloperskie 5 / narzędzia biurowe 6 / narzędzia kreatywne 5 • Umiejętności o wysokiej różnicowaniu: 9 (w porównaniu do zwykłego AI zauważalna poprawa jakości) • Średnia długość promptu: 800+ tokenów (w porównaniu do zwykłych promptów 50-100 tokenów) • Ponieważ korzystanie z AI wiąże się z kosztami, ten produkt oferuje 60 punktów przy rejestracji, co pozwala na 3-6 prób, a następnie trzeba doładować konto; 【Przegląd 16 umiejętności】 🛠 Narzędzia deweloperskie • Projektowanie front-end - odrzucenie fioletowego gradientu, generowanie naprawdę estetycznych interfejsów (wysoka różnicowanie) • Budowa serwera MCP - czterofazowy proces budowy wtyczki Claude (wysoka różnicowanie) • Kreator umiejętności - stwórz własny pakiet Claude Skills (wysoka różnicowanie) • Budowa produktów webowych - generowanie aplikacji React w jednym pliku do udostępnienia (wysoka różnicowanie) • Testowanie aplikacji webowych - generowanie skryptów testowych automatyzacji Playwright 📂 Narzędzia biurowe • Przetwarzanie dokumentów Word - obsługuje śledzenie zmian, zaznacza tylko rzeczywiste zmiany • Arkusze kalkulacyjne Excel - kolorowanie na poziomie bankowości inwestycyjnej, zero błędów w formułach (wysoka różnicowanie) • Przetwarzanie PDF - łączenie, dzielenie, ekstrakcja tabel, operacje masowe • Prezentacje PowerPoint - automatyczny dobór kolorów w zależności od branży, odrzucenie domyślnych szablonów (wysoka różnicowanie) • Współpraca dokumentów - trójfazowa struktura: zbieranie → rafinacja → testowanie (wysoka różnicowanie) • Komunikacja wewnętrzna - standardowe wyjścia 3P, raporty tygodniowe, raporty o incydentach itp. 🎨 Narzędzia kreatywne • Sztuka algorytmiczna - najpierw napisz manifest filozoficzny, a potem wyraź to za pomocą p5.js (wysoka różnicowanie) • Projektowanie na płótnie - wizualny design na poziomie muzeum/czasopisma (wysoka różnicowanie) • Przewodnik po marce - masowe stosowanie standardów wizualnych marki • Fabryka tematów - 10 profesjonalnych predefiniowanych tematów do wyboru • Tworzenie GIF-ów do Slacka - optymalizacja rozmiaru i liczby klatek dla Slacka 【Model cenowy】 💰 1 USDT = 1000 punktów Zużycie umiejętności (według złożoności): - Proste umiejętności: 10+ punktów/raz (komunikacja wewnętrzna itp.) - Umiejętności średnie: 20+ punktów/raz (przetwarzanie dokumentów itp.) - Umiejętności złożone: 40+ punktów/raz (projektowanie front-end, PPT itp.) - Umiejętności zaawansowane: 80+ punktów/raz (budowa MCP itp.) Rzeczywiste zużycie = podstawowe punkty + bonus za długość wyjścia (co 500 tokenów +5 punktów) Minimalne doładowanie 6 USDT, można używać przez długi czas. ——————————————— 3️⃣ Instrukcje użytkowania 1. Najpierw zapoznaj się z najlepszymi praktykami: każda strona szczegółów umiejętności zawiera opisy „najlepszych” i „nieodpowiednich” scenariuszy, wybór odpowiedniego scenariusza ma ogromne znaczenie 2. Zapewnij wystarczający kontekst: zaletą Skills jest „rozumienie przed tworzeniem”, im bardziej szczegółowe dane wejściowe, tym lepiej 3. Priorytetowo traktuj umiejętności o wysokim różnicowaniu: umiejętności oznaczone jako „wysoka różnicowanie” mają najbardziej zauważalną poprawę w porównaniu do zwykłego AI 4. Używaj w kombinacji: projektowanie front-end -> projektowanie na płótnie -> współpraca dokumentów, zestaw kombinacji ——————————————— 4️⃣ Na koniec Ten projekt od pomysłu do uruchomienia zajął około 3 godzin, kod jest dość surowy, ale wszystkie kluczowe funkcje działają. Jeśli po przetestowaniu uznasz, że to ma wartość, zapraszam do doładowania. Jeśli coś nie działa, skontaktuj się ze mną bezpośrednio na Telegramie, postaram się wprowadzić zmiany tam, gdzie to możliwe. Motywacja do stworzenia tego projektu jest bardzo prosta: potrzebowałem go sam, a przy okazji dzielę się nim z tymi, którzy go potrzebują.