近来的工作打乱我的计划，原本想要多学习一些区块链技术，尤其是Cardano和Plutus。但工作需要一些自然语言处理的应用，所以就重拾荒废一段时间的机器学习，为客户做了一些NLP在金融方面的应用。无可避免的终于在算力上遇到了瓶颈，想要使用深度学习和BERT，Nvidia的GPU还是首选。自己使用了多年的苹果生态系变得无用武之地，即使是最高等级的 i9 MacBook Pro，还是无缘使用与苹果翻脸

下一代的 AI 不仅会更快地回答我们的问题——它还会知道何时该超越我们的知识去探索，何时该沿着我们精心设计的路径前进。

大型语言模型正从 思维链 转向更灵活的工作流程模式。思维链虽能模拟人类推理，但存在不可见、不可调、不稳定等局限。工作流程则提供可视化、可定制、可复用的优势，让AI成为透明协作助手。不同用户可根据需求定制专属流程，如律师、记者或学生处理同一文档时采用不同步骤。工作流程还支持RAG技术，整合个人数据源。开源框架Prompits通过Pathway实现智能流程的自动化生成与优化，使AI成为可共同进化的伙伴

金融领域智能体架构设计摘要： 本文探讨了MCP协议在复杂金融场景中的三种应用架构。基础的单用户架构（20-30个工具）适合小团队，但面对金融领域成百上千的API端点时，需采用"智能体联邦"模式：每个领域智能体维护独立MCP Server（保持20-30个工具规模），通过增加智能体数量而非工具数量来扩展能力。企业级架构中，行情、基本面、期权等专业智能体组成联邦，由编排智能体协调调

金融专家在AI时代面临专业能力被稀释的风险。随着AI系统能够解析、模仿专家公开发表的内容，专业知识正被转化为免费训练数据，而专家却无法从中受益。Attas平台提出解决方案：将专家的判断力和研究方法转化为个人AI Agent，既保护知识产权，又让专业能力产生新价值。该Agent可自主控制运行环境，保留专家独特的思考框架，而非依赖通用AI知识。这种模式为金融专家提供了内容发布之外的变现路径，用户可通过

《attas：构建跨边界协作的智能体生态网络》 当前多智能体系统大多仍是封闭应用，attas提出了一种开放协作框架。该平台通过共享协调机制，使不同组织、不同所有者的智能体能够相互发现、验证身份并完成支付。核心解决了三大问题：动态发现服务（而非固定端点）、跨组织安全协作、价值交换体系。相比单机多模块的"伪多智能体"，attas支持真正分布式场景下的专业协同——不同智能体可贡献私有

在人工智能日益强大的今天，许多系统开始尝试让 AI 执行代码或控制电脑以提升效率。但这背后隐藏着巨大的风险。当 AI 拥有执行权限时，一次简单的误解就可能导致数据丢失、系统瘫痪，甚至现实世界的灾难性后果。本文深入探讨了 AI 自动执行代码的潜在危险，包括误删数据、操控金融系统、破坏物理设备等。同时指出，科幻作品中的三大机器人法则在现实中根本无法套用，AI 没有真正的道德判断，也不理解“伤害”或“责

随着多智能体系统（Multi-Agent Systems, MAS）的兴起，AI 不再是单打独斗，而是学会了如何协作。然而，在智能体之间展开协作的前提，是它们能发现彼此的存在与能力。本文以 Anthropic 的 MCP、Google 的 A2A 和 Prompits 三个框架为例，探讨了三种不同的智能体发现方式：MCP 完全没有发现机制；A2A 通过标准化的 Agent Card（代理卡）进行开

文章目录Haskell, Plutus, 和 CardanoCardanoHaskellPlutusHaskell, Plutus, 和 Cardano随着 Cardano 的进展顺利，相关的开发资源也陆续发布，但主要都是英文的，中文的还没找到。 所以一方面也是记录学习的过程，也以中文来分享给有兴趣的朋友。CardanoCardano 是一个新的区块链主链，代币是 ADA。 虽然目前还在测试中，有

《attas：构建跨边界协作的智能体生态网络》 当前多智能体系统大多仍是封闭应用，attas提出了一种开放协作框架。该平台通过共享协调机制，使不同组织、不同所有者的智能体能够相互发现、验证身份并完成支付。核心解决了三大问题：动态发现服务（而非固定端点）、跨组织安全协作、价值交换体系。相比单机多模块的"伪多智能体"，attas支持真正分布式场景下的专业协同——不同智能体可贡献私有