数据智能老司机

真正从只会“调用模型 API” 晋升到“全栈产品级工程化” —— 把数据、训练、部署、监控、Agent 与商业闭环串成一条生产线，才算真正的 AI Engineering 落地。 下面这 9 本书，我

到目前为止，我们已经把 AI 代理系统的各个部分分别搭建了出来：我们构建了简单代理，用工具扩展了它们的能力，加入了记忆与知识库，编排了多个代理协同工作，并学习了如何管理模型与护栏。现在，在最后一章里，

随着你的代理系统日益复杂，如何让它们“可管、可观、可测、可证”就和实现核心逻辑一样重要。 多代理系统里常有大量代理、工具与交接（handoff）彼此作用，路径并不直观。为管理这类复杂性，OpenAI

本章内容 量化分析 用回测（backtesting）测试策略 作为“变局者”的催化剂（catalysts） 交易所与券商的区别 用 Python 执行下单 订单类型与交易方式（modalities）

本章涵盖的内容（This chapter covers） 解读图表中的形态 如何使用蜡烛图（K 线） 哪些均线有助于评估股票 布林带、MACD 与均线带（moving average ribbons）

本章涵盖的内容（This chapter covers） 为结构化研究构建 AI 代理 使用 LangChain 构建 AI 代理 复用强提示词以获得可比研究 将研究结果导出到 Notion 第 8

本章涵盖的内容 使用机器学习预测股价所面临的挑战 用大语言模型开展投研 通过 Python 向大语言模型提交提示词 用提示工程改进提问质量 让我们用一个“激进”的想法开启本章：如果我们不再写代码做金融

本章内容包括 什么是数据叙事 数据叙事的重要性 为什么在数据叙事中使用 Python 的 Altair 与生成式 AI 工具 何时 Altair 与生成式 AI 工具不适用于数据叙事 如何阅读本书 数

在你动手打造自己的系统之前，必须先考察可行的实现路径。也许你的点子早有人做过，你就没必要再自己写一套程序。即便市面上没有与你想法相同的产品，你仍然可以从现有产品中汲取有价值的洞见。 当前，构建交易系统