为什么现在的 Coding Agent 都不约而同把 Token 监控藏起来了
声明：本文由 AI 辅助创作，经作者核实与修订。 一次典型的 session 会话 平时用 Google Antigravity 写代码，编码的最佳实践通常是一个会话只做一件事。 但在日常写代码时，这件事很难把握。很多任务我们很难度量它到底会消耗多少 Token，也没办法准确评估手头的任务粒度拆得是不是够细。 实际写起来的状态往往是：感觉一直在往同一个会话里面塞东西。刚开始聊着改着，好像一切都很顺 …
#精选产品
Vibe Coding 实战课
零基础用 AI 一个人做出上线产品
不用懂代码。从配置工具、做出第一版到上线收费，带你用自然语言把真实想法做成能用的独立产品。
vibe-coding-101.kuhung.me ↗
TrakToken
大模型 API 价格与性价比对比
每天追踪 60+ 厂商、近 700 个模型的输入输出价格与性价比。按你的真实用量算月费，选型不花冤枉钱。
www.traktoken.com ↗
PageGrok
浏览器 AI 总结侧边栏
装完就能用，无需注册与 API Key。在侧边栏一键总结长文、框选重点提问，不离开网页直接问懂它。
www.pagegrok.org ↗
QuantFull
系统化量化投研知识库
www.quantfull.com
LLM Benchmark
大模型推理测速工具
benchmark-for-llm.kuhung.me
Alpha101 因子三维图谱
把 101 个量化因子做成可旋转缩放的三维图谱
v.quantfull.com
凡人修仙传人物关系图谱
把小说里的人物、门派、地点和事件整理成可交互的关系网。
fanren.kuhung.me
出行可达地图
一小时逃离上海 / 北京 / 深圳 / 广州 / 杭州
keda.kuhung.me
查看全部 30 个产品 → 按 AI 工具、量化、链上等六类整理
#最新文章
个人量化选股（二）：标的池怎么选，以及多路召回与双轨粗排
在上一篇《个人量化选股（一）：大类资产配置与量化选股分层》中，我们对比了夏普率优先与几何复利优先两种目标函数，通过资产穿透、代理映射、参数求解与跨周期回测检验，推导出了美股（47.5%）、日股（14.5%）、中国资产（9.5%）等各大市场之间的目标配比，并在股票预算内部切分了核心宽基底仓（约 70%）与卫星轮动个股（约 30%）（早期组合诊断也可参考《用 AI 优化我的投资组合》）。 这也是我最近 …
个人量化选股（一）：大类资产配置与量化选股分层
讨论量化交易时，人们往往容易直接聚焦在微观的选股指标上：均线组合、动量斜率、波动率通道、突破信号。 在实际构建量化交易体系时，单独一个选股引擎无法独立运转。选股系统处于整个交易框架的执行层。在决定买入哪些个股之前，系统必须先知道前置的宏观输入：总资金在哪些市场之间分布、哪些资金负责承担长期的 Beta 收益、哪些资金才划拨给量化引擎做战术选股。 全球不同股票市场有各自独立的运行周期。美股经历过长时 …
出行可达地图：用路网等时圈计算真实生活圈，即将支持自定义地点
在城市生活中，评估居住、工作与出行往往依赖距离。租房信息常标注“距离地铁站 1 公里”或“距离商圈 3 公里”，但直线距离往往忽略了城市路网的真实形态。一条河流、一条全封闭高架路或一段铁路线，都会让实际通勤耗时成倍增加。 以往要在地图上确认通勤范围，往往需要手动逐个搜索不同目的地的导航时间。如今路网等时圈计算使得多方向的可达性能够在数秒内直接生成多边形轮廓。出行可达地图（Isochrone …
创业预型思维：如何在三天内知道想法能不能挣钱
声明：本文由 AI 辅助创作，经作者核实与修订。 平时做产品，常会遇到一个问题：为什么点子听起来很好，做出来却总是失败？有没有什么办法能在三天之内就知道一个想法能不能挣钱？ 身边常能看到这样的人：脑子里一有想法，立马打开 coding agent 开始写代码、调模型、上架发布。到了发布环节却发现根本没人关注这件事情，然后归结为自己流量不好、酒香也怕巷子深。 这毛病跟开餐饮店类似：自己尝一口觉得味道 …