本文通过统一工具集、测试题和评判标准，对5个国产大模型在中文金融查询场景下的Function Calling能力进行了横向评测。测试覆盖三类易翻车场景：中文简称映射、工具选择错误和错误恢复不足。结果显示，DeepSeek在工具选择、参数格式和多工具编排上表现最优，豆包和通义千问在中文语义理解上表现突出，而Kimi和智谱GLM在部分场景存在明显短板。评测特别指出，所有模型在错误恢复能力上均有不足，缺

本文通过统一工具集、测试题和评判标准，对5个国产大模型在中文金融查询场景下的Function Calling能力进行了横向评测。测试覆盖三类易翻车场景：中文简称映射、工具选择错误和错误恢复不足。结果显示，DeepSeek在工具选择、参数格式和多工具编排上表现最优，豆包和通义千问在中文语义理解上表现突出，而Kimi和智谱GLM在部分场景存在明显短板。评测特别指出，所有模型在错误恢复能力上均有不足，缺

本文通过统一工具集、测试题和评判标准，对5个国产大模型在中文金融查询场景下的Function Calling能力进行了横向评测。测试覆盖三类易翻车场景：中文简称映射、工具选择错误和错误恢复不足。结果显示，DeepSeek在工具选择、参数格式和多工具编排上表现最优，豆包和通义千问在中文语义理解上表现突出，而Kimi和智谱GLM在部分场景存在明显短板。评测特别指出，所有模型在错误恢复能力上均有不足，缺

给 AI Agent 接美股数据，第一个翻车现场通常是这样的：Agent 在美东时间凌晨 5 点查了一次 AAPL 的价格，兴冲冲告诉你“当前价格 260.81”。你手动打开 tradingview 一看——价格根本不一样。不是数据源错了，是 Agent 不知道美股有 4 个交易时段。它随便拿了一个时段的报价就当“最新价”用。给 AI Agent 接美股数据，几乎所有开发者第一次都会忽略时段问题—

给 AI Agent 接美股数据，第一个翻车现场通常是这样的：Agent 在美东时间凌晨 5 点查了一次 AAPL 的价格，兴冲冲告诉你“当前价格 260.81”。你手动打开 tradingview 一看——价格根本不一样。不是数据源错了，是 Agent 不知道美股有 4 个交易时段。它随便拿了一个时段的报价就当“最新价”用。给 AI Agent 接美股数据，几乎所有开发者第一次都会忽略时段问题—

给 AI Agent 接美股数据，第一个翻车现场通常是这样的：Agent 在美东时间凌晨 5 点查了一次 AAPL 的价格，兴冲冲告诉你“当前价格 260.81”。你手动打开 tradingview 一看——价格根本不一样。不是数据源错了，是 Agent 不知道美股有 4 个交易时段。它随便拿了一个时段的报价就当“最新价”用。给 AI Agent 接美股数据，几乎所有开发者第一次都会忽略时段问题—

为什么有的AI工具能回答复杂问题，有的却卡住？应用层决定了你能不能用得爽数据层决定了AI能有多聪明它的数据从哪里来？是交易所直连，还是第三方爬虫？数据更新频率是多少？实时、分钟级，还是T+1？覆盖哪些市场？只有A股，还是全球资产？如果你只是入门学习，用免费开源库足够，不要为数据付费。如果你想构建自己的AI Agent或量化系统，请认真考虑数据源的选择。稳定、规范、多市场覆盖的API，会让你少走很多

为什么有的AI工具能回答复杂问题，有的却卡住？应用层决定了你能不能用得爽数据层决定了AI能有多聪明它的数据从哪里来？是交易所直连，还是第三方爬虫？数据更新频率是多少？实时、分钟级，还是T+1？覆盖哪些市场？只有A股，还是全球资产？如果你只是入门学习，用免费开源库足够，不要为数据付费。如果你想构建自己的AI Agent或量化系统，请认真考虑数据源的选择。稳定、规范、多市场覆盖的API，会让你少走很多

生存偏差的5个层次：从退市股票到基金业绩的隐藏陷阱 量化研究中生存偏差的影响远比想象中深远，本文通过美股和A股数据揭示了5个关键层次：1）退市股票导致年化收益被高估1.6%-4.9%；2）指数剔除股反而长期跑赢市场5%；3）修正退市偏差后小市值因子消失；4）价值因子溢价每年被高估0.6%；5）存活基金收益比真实水平高0.6%/年。随着A股退市常态化（2023年达47家），这些偏差正急剧放大。针对不

不用打开行情软件，不用敲代码，微信对话框里问一句“黄金多少钱”，AI 把实时价格推给你。甚至还能让它每隔 3 分钟报一次价。这套方案，十分钟就能搭好。