mightybruce

有点意思，一个不错的尝试。
多公开一些 prompt 和 你怎么做的思路。

怀疑是 AI 写的， 没有贴出是哪个股市（ A 股，港股，美股 根本都不是一回事）， 做研报也是 AI 应用开发 deep research agent 这一类，
又没有给出合理的步骤， 上来 plusefin.com , antv.antgroup.com 连证券公司和一些专业的提供财经数据的接口也不用，我根本不相信。

使用 https://github.com/seifghazi/claude-code-proxy
主模型用 glm, subagent 使用 openai + claude opus
用了 openrouter

直接用 AI 是无法感知上下文和做一些复杂地功能地，除非你自己去写一个编程 agent 来做各种上下文管理以及 MCP 、长短记忆以及执行，所以你需要先去用用 claude code 以及 codex cli, 等你懂了如何开发 AI agent, 可以自己写一个更加贴近业务的 agent 出来，这个根据公司内部脚手架（未开源的那种）代码和文档以及各种架构图设计就能自动生成公司的项目已经是搞 AI 创业 和一些软件公司的产品方向，随便给一个比赛，大家可以看看

https://competition.atomgit.com/competitionInfo?id=1a3e1f9990e267464c8d1bbef2bee337#heading-1-0


赛题 3：复杂代码生成 DeepCodeResearch

赛题描述

本赛题要求参赛者设计并实现复杂代码生成任务，让智能体先做自主研究，再设计和实现项目代码。



支持多技术文档输入，如方案详细设计文档、paper 、流程图、技术框图等形式；文档类型涵盖 PDF 、PPT 、DOCX 、TXT 等格式

先做深度研究，再做代码生成

支持 web search

产出 repo-level code

自主探索、自主设计、自主编码实现/调试/修复

支持 human-in-the-loop


技术考察点：



Agent 对于外部文档/知识库的自主深度理解和洞察的能力

多模态知识检索的能力（ Multimodal RAG ）

长短期记忆依赖与超长上下文管理

Code Agent 的自我反思能力（ bug shooting ）

wasm 前端已经出现在各个公司了比如 ffmpeg wasm , opencv 浏览器 wasm ， 后端 wasi 运行时 以及 wasm 还在变化，这个月出现了 wasm 3.0 了,
现在云原生网关大多支持 wasm

wasm 运行时是否能代替容器还不一定，但是在云原生 cncf 中已经有众多项目了

https://landscape.cncf.io/?group=wasm

@bruce0 你这种情况，
第一看你游戏中的是什么数据， 如果是虚拟资产，那么的确要存数据库。
其次正在进行的游戏数据当然放在内存中，通过各种缓存库操作，
不需要实时读取的数据， 放 kvrocks 中，kvrocks 整合 redis 和 rocksdb 用来写数据

由于 Python 和 C++ 相互调用操作太好了， 所以不少 c++库 都可以调用 python, 而 python 也可以调用导出的 ffi 接口
libboost-python 就是 Boost.Python 能够完成 python 和 c++ 相互调用.

python 和 从来就不是对立的， 快速迭代开发 + 关键代码和库重构就是 核心，
往往是核心模型比如计算以及网络底层处理用 c/c++/rust 写，python 做业务层调用封装好的共享链接库。

比如 Opencv, libuv 的库的封装， 可以说 python 能达到几乎 c 的 70%水平，比 java jni 调用 opencv 都快多了，

libuv 的 库 导出为 python 接口有一个叫做 Pyuv

ffmpeg 的众多库如 libavcodec, libavformat, libavutil, libswscale 的接口导出叫做 PyAV.

我费了时间读了一遍，没解决任何 AI 实际问题， 请问你到底是自嗨还是解决了 AI agent 开发的任何痛点。