让AI帮你炒币?这个开源项目把“躺赚梦“照进了现实

让AI帮你炒币?这个开源项目把“躺赚梦“照进了现实

写在前面:一个普通人的量化交易觉醒

你是否曾经在凌晨三点盯着K线图,眼睛酸涩却不敢睡,生怕错过那个"完美"的入场时机?你是否曾经因为工作错过了一波行情,然后看着币价暴涨懊悔不已?我猜你一定也想过:要是有个机器人帮我24小时盯盘该多好?

别说,这事儿还真有人做了。而且不是那种"交个年费999就能躺赚百万"的骗局,而是一个真正开源、可验证、能实战的AI量化交易系统。

它叫NOFX——一个让AI模型真正"上岗"交易的智能系统。更有趣的是,它还能让不同的AI模型互相PK,就像斗地主一样,看看是DeepSeek的决策更稳健,还是Qwen的操作更激进。

今天我们就来聊聊这个项目到底怎么玩,以及普通人该如何把它跑起来。


第一章:这个系统到底是个什么东西?

1.1 一句话概括

NOFX是一个AI驱动的加密货币自动交易操作系统。它让AI模型(比如DeepSeek、Qwen)直接分析市场数据、做出交易决策、执行买卖操作——全程无需人工干预。

你可能会问:这不就是个量化交易机器人吗?有什么新鲜的?

别急,它的与众不同之处在于:

  1. AI全权做主:不是简单的均线交叉触发买卖,而是真正让大语言模型(LLM)分析市场、制定策略、动态调整
  2. 多AI竞技场:可以同时运行多个AI交易员,实时对比谁的策略更赚钱(就像给AI搞了个PK赛)
  3. 完整的闭环验证:从决策→执行→记录→反馈→优化,形成了一个完整的自学习循环
  4. 支持多交易所:币安、Hyperliquid、Aster DEX全都支持,而且是真金白银的实盘交易(当然也支持测试网)

用个不太恰当的比喻:如果传统量化是"按菜谱做菜",那NOFX就是"请了个会做菜的机器人厨师"。

1.2 技术栈一览(给开发者看的)

如果你是技术人员,这里是你关心的细节:

后端核心:

  • Go 1.21+ :性能强悍,天生支持高并发
  • Gin框架:RESTful API服务
  • SQLite:轻量级数据库,存储配置和交易记录
  • TA-Lib:专业的技术指标计算库(EMA、MACD、RSI等)

前端界面:

  • React 18 + TypeScript:现代化的单页应用
  • Vite:快如闪电的构建工具
  • TailwindCSS:优雅的UI样式,深色主题(致敬币安风格)
  • Recharts:实时图表展示

AI模型接入:

  • DeepSeek:性价比之王,推理速度快
  • 通义千问(Qwen):阿里云出品,中文理解强
  • 自定义OpenAI兼容API:理论上可以接入任何兼容的模型

交易所支持:

  • Binance Futures:中心化交易所老大
  • Hyperliquid:去中心化永续合约DEX
  • Aster DEX:币安兼容的链上交易所

整个系统的架构非常清晰:用户通过Web界面配置→后端Go服务调度AI决策→解析市场数据并生成Prompt→调用AI API→解析AI返回的交易指令→执行到交易所→记录日志并反馈给下一轮决策。


第二章:核心亮点——这才是杀手锏

2.1 AI自学习机制:会"复盘"的交易员

传统量化策略的问题在于:一套策略在牛市赚钱,熊市就歇菜。而NOFX最牛的地方,是它的AI会"复盘"。

每次做决策前,系统会自动分析最近20笔交易:

  • 哪些币种胜率高?(比如BTCUSDT近期75%胜率)
  • 哪些币种连续亏损?(SOLUSDT连续3次止损,暂时规避)
  • 平均盈亏比如何?(赚3.2%,亏2.1%,盈亏比1.52)
  • 哪种市场环境更适合什么策略?(震荡市减少频率,趋势市加大仓位)

然后把这些"血泪教训"打包塞进Prompt,让AI在下次决策时避免犯同样的错误。

举个例子:

历史反馈(自动生成): - 总交易: 15笔 (胜: 8 | 负: 7) - 胜率: 53.3% - BTCUSDT: 胜率75%,平均+2.5% ✓ (继续做多) - SOLUSDT: 胜率25%,平均-1.8% ✗ (暂时规避) 

AI看到这个反馈后,就会知道:嗯,BTC最近表现不错,可以考虑;SOL连续亏损,先观望。

这种"从错误中学习"的能力,才是真正的智能。

2.2 多时间周期融合分析

人工看盘经常犯的错误是:只看一个时间周期。比如5分钟K线显示要涨,但4小时趋势明明是下跌。

NOFX的AI同时分析多个维度:

  • 3分钟K线:捕捉短期波动,找入场时机
  • 4小时K线:判断大趋势,避免逆势交易
  • 技术指标矩阵:RSI(7)判断超买超卖、MACD看趋势动能、ATR评估波动率
  • 持仓量变化:监控OI(Open Interest)流向,判断资金动向

而且这些数据不是简单堆砌,而是完整的原始序列数据。AI可以自己分析K线形态、支撑阻力位,而不是只看系统算好的几个指标。

就像给了AI一张完整的地图,而不是只告诉它"前方500米左转"。

2.3 风险控制的"铁律"

AI虽然聪明,但如果没有约束,照样会干出"梭哈归零"的蠢事。所以系统内置了几条硬约束:

仓位限制:

  • 山寨币单笔最多1.5倍账户净值(比如账户1000U,山寨币最多开1500U仓位)
  • BTC/ETH最多10倍账户净值(主流币风险相对小)

风险回报比:

  • 强制要求≥1:3(冒1%风险,必须追求3%+收益)
  • 如果AI给出的止损止盈不满足,直接拒绝执行

保证金控制:

  • 总保证金使用率≤90%(留10%缓冲,防止波动爆仓)

杠杆限制:

  • 币安子账户最高5倍(受平台限制)
  • 主账户可配置到20倍(建议保守用户还是5倍起步)

这些规则写死在代码里,AI再想"赌一把大的"也没用。

2.4 完整的决策日志:每一笔都有迹可循

最怕的就是AI像个黑盒,赚了不知道为啥赚,亏了也不知道哪里错了。

NOFX的每一个决策都会完整记录:

  • 输入Prompt:AI看到了什么数据
  • 思维链(CoT):AI的分析过程(比如"BTC 4小时EMA20上穿EMA50,MACD金叉,做多信号明确")
  • 决策JSON:具体的交易指令(币种、方向、仓位、杠杆、止损止盈)
  • 执行结果:实际成交价、订单ID、盈亏情况

所有日志保存在decision_logs/{trader_id}/目录下,随时可以回溯分析。

这就像给AI的每一次操作都录了像,事后可以慢放回看,总结经验。


第三章:手把手教你部署(小白版)

好了,理论讲得差不多了,下面进入实战环节。我会用最通俗的语言,带你从零开始搭建这个系统。

3.1 准备工作:先把家伙事儿备齐

(1)注册币安账户(必须)

虽然系统支持多交易所,但对新手来说,币安是最成熟、流动性最好的选择。

注册链接:https://www.binance.com/join?ref=TINKLEVIP(使用这个链接可以享受手续费折扣)

注册后需要做的事:

  1. 完成KYC认证(实名验证,上传身份证)
  2. 开通合约交易:进入"衍生品"→"U本位合约"→点击"立即开通"
  3. 创建API密钥
    • 进入"API管理"
    • 创建新密钥,勾选"合约交易"权限
    • 保存API Key和Secret Key(只显示一次!)
    • 强烈建议:绑定IP白名单(只允许你的服务器IP访问)

⚠️ 资金安全提醒:

  • 测试阶段建议只转入100-500 USDT
  • API权限只开"合约交易",不要开"提现"权限
  • 绑定IP白名单是最重要的防护措施
(2)获取AI API密钥

系统需要调用AI模型做决策,所以需要API密钥。推荐DeepSeek(便宜、快速、效果好)。

DeepSeek注册:https://platform.deepseek.com

步骤:

  1. 用邮箱注册账号
  2. 充值(最低5美元,推荐充20-50美元测试一段时间)
  3. 创建API密钥(格式类似sk-xxxxxxxxxxxxx
  4. 立即保存(关闭页面后无法再查看)

费用参考: DeepSeek大约$0.14/百万tokens,一天24小时跑大概消耗1-2美元。

(3)安装Docker(最简单的方式)

Docker是一个容器化工具,可以把复杂的环境打包,一键运行。强烈推荐用这种方式部署。

Windows/Mac用户:

Linux用户:

# 一键安装脚本 curl -fsSL https://get.docker.com -o get-docker.sh sudo sh get-docker.sh # 把当前用户加入docker组(避免每次都要sudo) sudo usermod -aG docker $USER newgrp docker 

验证安装:

docker --version docker compose version  # 注意是空格,不是连字符 

看到版本号就说明安装成功了。

3.2 部署系统(3步搞定)

第1步:下载项目代码
# 克隆项目到本地 git clone https://github.com/tinkle-community/nofx.git cd nofx 
第2步:配置文件(最关键)
# 复制配置模板 cp config.example.jsonc config.json # 用你喜欢的编辑器打开(Windows可以用记事本) nano config.json 

最简配置示例:

{   "use_default_coins": true,   "api_server_port": 8080,   "jwt_secret": "your-super-long-random-secret-at-least-32-chars",   "leverage": {     "btc_eth_leverage": 5,     "altcoin_leverage": 5   } } 

字段说明:

  • use_default_coins:使用内置的主流币列表(BTC、ETH、SOL等),新手建议设为true
  • api_server_port:后端API端口,默认8080
  • jwt_secret:用户登录凭证的加密密钥,必须设置一个长随机字符串(建议用openssl rand -base64 64生成)
  • leverage:杠杆倍数配置
    • btc_eth_leverage:BTC和ETH的最大杠杆(建议5倍起步)
    • altcoin_leverage:山寨币最大杠杆(建议5倍,风险控制)

⚠️ 重要提醒:

  • 如果是币安子账户,杠杆最高只能5倍(平台限制)
  • 主账户理论上可以开到50倍,但强烈不建议新手这么玩
第3步:一键启动
# 启动系统(首次运行会自动下载依赖和构建镜像) docker compose up -d --build 

等待3-5分钟(首次构建会慢一些),看到这个输出就成功了:

✅ Container nofx-trading       Started ✅ Container nofx-frontend      Started 

3.3 访问系统并配置

打开浏览器,访问:http://localhost:3000

(1)首次登录

系统默认开启了"管理员模式",使用默认账户登录:

  • 用户名:admin
  • 密码:admin123

⚠️ 生产环境必须修改密码!

(2)配置AI模型

点击"AI模型配置":

  1. 启用DeepSeek(或Qwen)
  2. 填入你的API密钥(之前保存的sk-xxx
  3. 保存
(3)配置交易所

点击"交易所配置":

  1. 选择Binance
  2. 填入API Key和Secret Key
  3. 保存
(4)创建交易员

点击"创建交易员":

  • 交易员名称:比如"稳健策略A"
  • AI模型:选择DeepSeek
  • 交易所:选择Binance
  • 初始余额:填入你转入币安的实际金额(比如500 USDT)
  • 扫描间隔:建议3-5分钟(太频繁会增加API调用成本)

创建完成后,点击"启动"按钮,交易员就开始工作了。


第四章:实战监控与优化

4.1 看懂监控界面

系统提供了专业的实时监控界面(深色主题,像极了币安的交易面板)。

主要模块:

1. 账户概览

  • 总权益:当前账户总价值(包括未实现盈亏)
  • 可用余额:可以开新仓的资金
  • 总盈亏:相对初始余额的盈亏百分比
  • 保证金使用率:已用保证金占比(超过90%会限制开仓)

2. 持仓列表 每个持仓显示:

  • 币种、方向(多/空)
  • 入场价、当前价、浮动盈亏
  • 杠杆倍数、保证金、强平价
  • 持仓时长(系统会自动追踪,帮助AI决策何时止盈)

3. 权益曲线图 这是最直观的表现:

  • 横轴是时间,纵轴是账户价值
  • 曲线向上走→赚钱,向下走→亏钱
  • 可以切换"绝对值"和"百分比"视图

4. AI决策日志 点击"展开"可以看到完整的思维过程:

输入数据: - BTC价格96500,4小时+2.5% - RSI(14): 62(中性偏强) - MACD: 金叉信号 AI分析: BTC近期突破95000阻力位,4小时级别呈现上升三角形态, MACD金叉且RSI未进入超买区,做多信号明确。 设置止损95000(-1.5%),止盈99000(+2.6%), 风险回报比1:1.73,符合要求。 决策: 开多BTCUSDT,杠杆5x,仓位3000U,止损95000,止盈99000 

看到这个,你就知道AI为什么做出这个决策了。

4.2 多AI竞技场(进阶玩法)

如果你有两个币安账户(或者一个币安+一个Hyperliquid),可以玩更高级的:让两个AI互相PK。

配置方法:

  1. 创建两个交易员:
    • 交易员A:DeepSeek + 币安账户1
    • 交易员B:Qwen + 币安账户2
  2. 初始余额设置相同(比如都是1000U)
  3. 同时启动

系统会自动生成对比图表:

  • 实时排行榜:谁的ROI更高,谁就排前面(金色边框高亮)
  • 双AI ROI曲线对比:紫色vs蓝色,一目了然
  • 领先幅度:实时显示谁领先多少百分比

这就像给AI搞了个擂台赛,非常有趣。

4.3 优化策略的几个技巧

(1)调整扫描间隔

  • 3分钟:激进策略,捕捉短期波动,但费用更高
  • 5分钟:平衡策略,适合大多数情况
  • 10分钟:保守策略,适合趋势交易

(2)自定义Prompt(高级)

如果你懂一些交易策略,可以在Web界面添加"个性化策略":

个性化策略: - 优先关注BTC和ETH,山寨币仅在市场热度极高时参与 - 震荡市降低杠杆到3倍,趋势市可提升到5倍 - 连续亏损2笔后,暂停交易1小时 

系统会把这段内容追加到AI的Prompt里,让它按照你的风格来交易。

(3)关注夏普比率

夏普比率衡量的是"风险调整后的收益":

  • 夏普>1:策略表现不错
  • 夏普>2:优秀
  • 夏普<0.5:策略可能需要调整

不要只看总盈亏,要看夏普比率。一个稳定小赚的策略,远胜于大起大落的赌博。


第五章:常见问题与避坑指南

Q1:系统会不会亏光所有钱?

理论上会,但概率很低。

系统内置了多重保护:

  • 单笔最大亏损限制(风险回报比≥1:3)
  • 保证金使用率≤90%(防止爆仓)
  • 强制止损(每笔交易都有止损价)

但市场极端波动(比如瞬间插针、交易所宕机)时,止损可能无法成交。所以:

  • 只投入你能承受损失的资金
  • 建议小资金测试(100-500U)
  • 不要用借来的钱或生活费

Q2:AI决策错了怎么办?

AI不是神,它也会判断失误。关键是:

  • 风险控制做得好:单笔最多亏1-2%,连续错几次也不会伤筋动骨
  • 自学习机制:连续亏损后,AI会调整策略,避免重复犯错
  • 人工干预:你可以随时在Web界面手动停止交易员

Q3:用哪个AI模型更好?

新手推荐DeepSeek:

  • 便宜(每天1-2美元)
  • 快速(响应时间<2秒)
  • 效果稳定

进阶用户可以试Qwen:

  • 中文理解更好(如果你自定义了中文Prompt)
  • 有时候会更激进(风险和收益都更高)

终极玩法:同时跑两个,看谁表现更好。

Q4:系统会被封号吗?

只要你遵守交易所规则,不会被封:

  • 不要用VPN频繁切换IP(绑定IP白名单可以避免这个问题)
  • 不要用API疯狂刷接口(系统默认3分钟一次决策,远低于限额)
  • 不要给别人用你的API密钥

Q5:能盈利吗?

这是最核心的问题,我必须实话实说:

能盈利,但不保证。

加密货币市场本身就是高风险、高波动的。AI可以帮你:

  • 24小时监控,不错过机会
  • 纪律执行,不会情绪化操作
  • 快速决策,捕捉短期波动

但它做不到:

  • 预测黑天鹅事件(比如监管政策突变)
  • 在极端行情下保证盈利
  • 对抗市场大趋势(熊市再牛的AI也难赚钱)

现实情况:

  • 牛市或震荡市:AI有较大概率盈利(年化20-50%是可能的)
  • 单边熊市:AI会尽量减少亏损,但很难逆势盈利
  • 测试用户反馈:3个月测试周期,60%的用户实现了正收益

我的建议:

  • 把它当成学习量化交易的工具,而不是"躺赚神器"
  • 用小资金测试,积累经验
  • 关注AI的决策逻辑,学习它的思路
  • 如果持续亏损,及时停止,复盘原因

第六章:进阶玩法与未来展望

6.1 部署到云服务器(24小时运行)

如果你想让系统24小时不间断运行,可以部署到云服务器。

推荐配置:

  • CPU:2核
  • 内存:4GB
  • 存储:20GB SSD
  • 运营商:阿里云、腾讯云、AWS都可以

部署步骤:

# SSH登录服务器后 git clone https://github.com/tinkle-community/nofx.git cd nofx # 修改config.json(填入你的API密钥) docker compose up -d --build 

然后通过http://你的服务器IP:3000访问。

⚠️ 安全建议:

  • 修改默认管理员密码
  • 配置防火墙,只开放必要端口(80、443、3000)
  • 定期备份config.dbdecision_logs/目录

6.2 接入更多交易所

系统目前支持3个交易所,但架构上可以无限扩展:

Hyperliquid(去中心化):

  • 无需KYC,用MetaMask钱包即可交易
  • 手续费更低
  • 但流动性可能不如币安

Aster DEX(新兴选择):

  • 币安兼容API,迁移成本低
  • API钱包机制,安全性更好
  • 支持多链部署

未来可能接入:OKX、Bybit、dYdX等。

6.3 深入学习:从日志中提取Alpha

这个系统最大的价值不仅是帮你赚钱,更重要的是帮你理解量化交易的本质

建议每周花1小时复盘:

  1. 打开decision_logs目录,查看AI的所有决策
  2. 对比盈利和亏损的交易,找出差异点
  3. 总结规律
    • 什么市场环境下胜率更高?(趋势市 vs 震荡市)
    • 什么类型的信号更可靠?(突破 vs 回调 vs 反转)
    • 止损止盈设置是否合理?(过窄容易扫损,过宽亏损太大)
  4. 优化Prompt:把总结的经验融入自定义策略

经过几轮迭代,你会发现自己的交易理解已经超越了90%的散户。

6.4 项目的未来规划

根据官方Roadmap,NOFX的野心不只是加密货币:

短期目标(3-6个月):

  • 支持更多AI模型(Claude、GPT-4、Gemini)
  • 增加更多交易所(OKX、Bybit)
  • 优化Prompt模板系统(支持市场化的策略模板商店)

中期目标(6-12个月):

  • 扩展到股票市场(A股、美股)
  • 支持期权交易
  • 引入社区策略评级机制

长期愿景:

  • 成为通用AI交易操作系统
  • 支持外汇、大宗商品、甚至预测市场
  • 打造一个"AI交易员市场"(就像App Store,但卖的是交易策略)

这个项目的架构设计非常模块化,理论上可以适配任何有API的交易平台。


第七章:写在最后的几点思考

7.1 AI量化的哲学:工具还是竞争对手?

有人担心:AI都会交易了,散户还有活路吗?

我的看法是:AI不是来取代你的,而是帮你进化的。

就像计算器没有淘汰数学家,反而让数学家能解决更复杂的问题。AI量化系统也一样,它让普通人能够:

  • 接触到专业级的量化工具
  • 学习到机构投资者的思维方式
  • 用算法对抗情绪化交易

关键在于:你把它当成学习的阶梯,还是懒惰的借口?

7.2 开源的力量:为什么这个项目值得关注

NOFX最打动我的,不是它有多赚钱,而是它的透明度

在量化交易这个领域,太多项目是黑盒:

  • 承诺年化100%,但不告诉你怎么实现的
  • 收取高额管理费,但策略完全保密
  • 一旦亏损,跑路比谁都快

而NOFX完全开源:

  • 代码托管在GitHub,任何人都能审计
  • 决策日志完整保存,每一笔都能回溯
  • 社区活跃,问题响应快

这种透明度在金融领域是极其罕见的。

7.3 风险提示:不要忘记的三条红线

最后,我必须再次强调风险(即使前面已经说过无数遍):

红线1:资金安全

  • 只投入闲钱,最多不超过可投资资产的10%
  • 绝对不要借钱、贷款去搞

红线2:心态管理

  • 即使AI 24小时盯盘,你也要控制自己频繁查看的冲突
  • 设定一个"最大亏损阈值"(比如-20%),触发就停止
  • 记住:市场永远在,机会也永远在

红线3:合规合法

  • 确保你所在地区允许加密货币交易
  • 正确申报收益,避免税务问题
  • 不要用这个系统做任何违法的事

7.4 给不同人群的建议

如果你是程序员:

  • Fork这个项目,研究代码,尝试改进
  • 可以考虑开发自己的策略模板
  • 甚至可以贡献PR(Pull Request)给社区

如果你是交易爱好者:

  • 用小资金测试,把它当成学习工具
  • 关注AI的决策逻辑,提升自己的盘感
  • 尝试和AI"对弈"(手动操作 vs AI,看谁更赚钱)

如果你是纯小白:

  • 先花一周时间学习基础知识(什么是合约、杠杆、止损)
  • 从测试网开始(Hyperliquid有测试网,不用真金白银)
  • 不要着急,慢慢来

结语:技术改变金融的一个缩影

站在2025年的今天,回看金融市场的发展:

  • 20世纪90年代,程序化交易出现
  • 21世纪初,高频交易崛起
  • 2010年代,机器学习被引入量化
  • 2020年代,大语言模型开始接管决策

NOFX可能不是第一个AI量化系统,但它是第一个真正面向普通人、完全开源、可以实战的完整解决方案

它证明了一件事:金融民主化不是空谈,技术正在抹平散户和机构的鸿沟。

当然,它也不是完美的。AI会犯错,市场有风险,黑天鹅永远存在。但至少,它让我们看到了一种可能性:

  • 个人也能拥有机构级的交易工具
  • 算法也能为普通人服务
  • 金融科技的成果可以惠及更多人

如果你对量化交易感兴趣,如果你想尝试AI驱动的投资,如果你愿意为这个领域做点贡献——那么,NOFX值得你花一个周末的时间去探索。

最后,祝你在量化交易的道路上,既能学到真知识,也能有真收益。

但永远记住:市场有风险,投资需谨慎。


附录:常用资源链接

官方资源:

推荐注册链接:

学习资源:

  • 量化交易入门:建议先看《量化投资:以Python为工具》
  • 技术分析基础:《日本蜡烛图技术》是经典之作
  • 风险管理:《交易心理分析》帮你建立正确心态
  • 区块链基础:了解去中心化交易所的运作原理

技术支持:


作者后记:

这篇文章写了整整4200+字,从项目原理到部署实战,从风险提示到未来展望,我尽量做到了"技术严谨、表达通俗"。

如果你看到这里,首先感谢你的耐心。其次,我想说:量化交易不是赌博,AI也不是魔法。它们只是工具,真正决定结果的,是你的学习态度、风险意识和执行纪律。

NOFX给了我们一个机会:用最低的成本、最小的门槛,去尝试那些原本只有机构才能玩得起的游戏。但机会也意味着责任——对自己的资金负责,对自己的决策负责。

最后,如果这篇文章对你有帮助,欢迎分享给更多需要的人。如果你实际使用了NOFX并有心得体会,也欢迎在评论区交流(或者加入Telegram社区讨论)。

让我们一起见证AI如何改变金融,也见证普通人如何借助技术实现更好的投资回报。

祝交易顺利,收益长虹!🚀


更多AIGC文章

RAG技术全解:从原理到实战的简明指南

更多VibeCoding文章

Read more

将AI生成的数学公式正确复制到word中

将AI生成的数学公式正确复制到word中 ChatGPT 1. ChatGPT渲染出的公式无法直接复制到Word中; 2. ChatGPT默认渲染的是「数学排版(MathJax)」而不是 LaTeX 源码; 3. 复制时得到的是 Unicode / 富文本; 4. 可明确给ChatGPT说: 请用 LaTeX 源码形式给我公式, 不要渲染. 举例 强行复制粘贴只会得到字母 { u α ​ =R s ​ i α ​ + dt dψ α ​ ​ u β ​ =R s ​ i β ​ + dt dψ β ​ ​ ​ ChatGPT输出LaTeX源码 \begin{cases} u_\alpha = R_s i_\alpha

By Ne0inhk
OpenClaw 最新保姆级飞书对接指南教程 搭建属于你的 AI 助手

OpenClaw 最新保姆级飞书对接指南教程 搭建属于你的 AI 助手

OpenClaw 最新保姆级飞书对接指南教程 搭建属于你的 AI 助手 OpenClaw 是一款开源的本地 AI 助手,本篇 OpenClaw 安装教程将手把手教你在 Linux 系统下部署最新版 OpenClaw,并完成飞书机器人对接。OpenClaw 支持在你自己的服务器上运行,通过飞书、WhatsApp、Telegram 等聊天工具交互。与云端 SaaS 服务不同,OpenClaw 让你完全掌控数据隐私,可以执行系统命令、浏览网页、管理文件,甚至编写代码——是你的专属开源 AI 助手。 注意:本教程在 Linux 系统下进行 OpenClaw 是什么? OpenClaw(原名 Clawdbot,后更名为 Moltbot,现正式命名为 OpenClaw)是一个运行在你本地环境的高权限 AI 智能体。

By Ne0inhk
微调模型成本太高,用RAG技术,低成本实现AI升级

微调模型成本太高,用RAG技术,低成本实现AI升级

文章目录 * 大模型 RAG 技术深度解析:从入门到进阶 * 一、大语言模型(LLM)的三大痛点 * 1.1 幻觉问题:一本正经地胡说八道 * 1.2 时效性问题:知识更新不及时 * 1.3 数据安全问题:敏感信息泄露风险 * 二、RAG 技术:检索增强生成 * 2.1 RAG 的定义 * 2.2 RAG 的架构 * 2.2.1 检索器模块 * 2.2.2 生成器模块 * 三、使用 RAG 的八大优势 * 3.1 可扩展性:减少模型大小和训练成本 * 3.

By Ne0inhk
人工智能:计算机视觉的基础与应用

人工智能:计算机视觉的基础与应用

第十二篇:计算机视觉的基础与应用 学习目标 💡 理解计算机视觉的基本概念和重要性 💡 掌握计算机视觉中的图像处理技术、特征提取方法、常用模型与架构 💡 学会使用计算机视觉库(OpenCV、PIL、PyTorch、TensorFlow)进行图像处理、特征提取和模型训练 💡 理解图像分类、目标检测、语义分割等任务的实现方法 💡 通过实战项目,开发一个完整的计算机视觉应用 重点内容 * 计算机视觉的基本概念 * 图像处理技术(图像预处理、增强、滤波) * 特征提取方法(HOG、SIFT、ORB) * 常用模型与架构(LeNet、AlexNet、VGG、ResNet、YOLO) * 实战项目:计算机视觉应用开发(图像分类、目标检测等) 一、计算机视觉基础 1.1 计算机视觉的基本概念 计算机视觉(Computer Vision)是人工智能的一个重要分支,它涉及计算机与图像之间的交互。其目标是让计算机能够理解和解释图像内容,

By Ne0inhk