[5/26 - 6/1] GitHub Weekly Digest

📌 Fosowl/agenticSeek

簡介

AgenticSeek 是一款完全本地化的語音 AI 助理，可替代 Manus AI。它在您的裝置上自主瀏覽網頁、編寫程式碼和規劃任務，所有資料都儲存在本地，確保您的隱私和零雲端依賴。AgenticSeek 專為本地推理模型設計，完全在您的硬體上執行。目前仍在積極開發中，程式碼/Bash尚未容器化，不建議部署到網路或生產環境。

主要功能

• 完全本地且私密：所有操作都在您的機器上執行，無雲端、無資料共享。您的檔案、對話和搜尋結果都保持私密。
• 智慧網頁瀏覽：AgenticSeek 可以自主瀏覽網路，搜尋、閱讀、提取資訊、填寫網路表單，所有操作均免人工幹預。
• 自主編碼助理：可以編寫、除錯和執行 Python、C、Go、Java 等多種程式語言的程式碼，無需監督。
• 智慧代理選擇：它可以自動選擇最適合任務的代理，就像擁有一支專家團隊隨時待命。
• 規劃和執行複雜任務：從行程規劃到複雜專案，它可以將大型任務分解成步驟並使用多個 AI 代理完成。
• 語音啟用：乾淨、快速、具有未來感的語音和語音轉文字功能，讓您可以像科幻電影中的個人 AI 一樣與它交談。

如何使用

• 安裝: 確保已安裝 Chrome 驅動程式、Docker 和 Python 3.10。建議使用 ./install.sh (Linux/macOS) 或 ./install.bat (Windows) 進行自動安裝，或根據您的作業系統手動安裝相依套件和 ChromeDriver。
• 設定本地 LLM 提供者: 啟動本地提供者 (例如 ollama: ollama serve)，並更新 config.ini 檔案，設定 provider_name、provider_model 等引數。 需具備足夠的硬體資源，至少需要能執行 Qwen/Deepseek 14B 的 GPU。
• 啟動服務並執行: 使用 sudo ./start_services.sh (macOS) 或 start ./start_services.cmd (Windows) 啟動必要的服務 (searxng、redis、frontend)。然後使用 python3 cli.py (命令列介面) 或 python3 api.py (網頁介面) 啟動 AgenticSeek。網頁介面網址為 http://localhost:3000/。
• 使用: 在 CLI 模式下，您可以直接輸入指令；網頁介面提供圖形化操作。可以使用語音輸入 (需在 config.ini 中設定 listen = True)，但目前僅支援英文。結束使用，請輸入或說 "goodbye"。 範例用法包含程式碼撰寫、網頁搜尋、檔案處理等複雜任務。
• 設定遠端 LLM 伺服器: 您可以在伺服器上執行 LLM 模型，並在您的個人電腦上使用它。需要在伺服器端安裝相依套件並執行 llm_server/app.py，然後在 config.ini 中設定相關引數。

📌 microsoft/qlib

簡介

RD-Agent 是一個強大的工具，支援量化投資研發中的自動化因素挖掘和模型最佳化。它基於大型語言模型 (LLM)，能夠自主演化，提升量化投資策略的效率。RD-Agent 已經在 GitHub 上發布，並提供英文和中文的演示影片，方便使用者理解其應用場景和使用方法。該工具整合了資料處理、模型訓練、回測等全流程的機器學習 (ML) 管線，涵蓋量化投資的整個環節，從 Alpha 尋找、風險建模、投資組合最佳化到訂單執行。RD-Agent 基於 Qlib 平臺構建，並與其功能緊密結合。

主要功能

• 自動化因素挖掘 (Quant Factor Mining)：自動從資料中發現有價值的投資因子。
• 基於報表的因素挖掘 (Quant Factor Mining from reports)：從投資報告中提取投資因子。
• 量化模型最佳化 (Quant Model Optimization)：自動最佳化量化投資模型，提升模型績效。
• 支援多種機器學習範例 (Supervised learning, market dynamics modeling, and reinforcement learning)：涵蓋監督式學習、市場動態建模和強化學習等多種模型。
• 整合完整的 ML 管線：包含資料處理、模型訓練、回測和評估等完整流程。
• 涵蓋量化投資全流程：從 Alpha 尋找、風險建模、投資組合最佳化到訂單執行。
• 基於 LLM 的自主演化：利用大型語言模型自主學習和最佳化。

如何使用

• 參閱 GitHub 頁面 (https://github.com/microsoft/RD-Agent/) 下載 RD-Agent。
• 參考官方提供的英文和中文演示影片，瞭解 RD-Agent 的應用場景和使用方法。
• 使用者可根據自身需求，利用 RD-Agent 進行量化因子挖掘和模型最佳化。
• RD-Agent 基於 Qlib 平臺，熟悉 Qlib 的使用將有助於更好地使用 RD-Agent。
• 檔案提供了關於安裝、資料準備、自動化量化研究工作流程和自定義工作流程的詳細指南。
• 提供 qrun 工具自動執行整個工作流程，包含資料集構建、模型訓練、回測和評估。
• 提供程式碼範例，方便使用者自定義量化研究工作流程。
• 提供多種模型 (例如：LightGBM, LSTM, GRU 等)，使用者可選擇適合自身需求的模型。

📌 mindsdb/mindsdb

簡介

MindsDB 是一個開放原始碼伺服器，能讓使用者從分散且大型的資料來源中獲得高精準度的答案。它支援連線、統一和回應來自各種資料來源（資料庫、資料倉庫和SaaS應用程式）的查詢，並透過MCP (Model Context Protocol) 提供互動介面。其核心哲學圍繞著「連線、統一、回應」三個關鍵能力，讓使用者能輕鬆地與資料互動並獲得洞察。 MindsDB 也提供 Docker 和 PyPI 等多種安裝方式。

主要功能

• 連線資料 (Connect Your Data): 連線數百個企業級資料來源，無論資料位於何處都能輕鬆存取。
• 統一資料 (Unify Your Data): 使用完整的 SQL 語法查詢已連線的資料來源，如同它們是單一資料庫的一部分。
• 虛擬表 (VIEWS): 跨不同資料來源建立統一檢視，簡化資料存取 (無需 ETL)。
• 知識庫 (KNOWLEDGE BASES): 索引和組織非結構化資料，以利有效率的檢索。
• 機器學習模型 (ML MODELS): 應用 AI/ML 轉換，從資料中獲得洞察。
• 工作 (JOBS): 排程同步和轉換任務，以進行即時處理。
• 代理程式 (AGENTS): 設定內建代理程式，專門用於回答關於已連線和統一資料的提問。
• MCP (Model Context Protocol): 透過 MCP 與 MindsDB 無縫互動。

如何使用

• 使用 Docker Desktop: 這是最快且推薦的入門方式。
• 使用 Docker: 提供更多自定義伺服器的彈性。
• 使用 PyPI: 讓您可以貢獻到 MindsDB 專案。

安裝完成後，您可以使用 SQL 語法查詢資料，並利用 MindsDB 提供的各種功能 (例如 VIEWS, KNOWLEDGE BASES, ML MODELS, AGENTS) 來處理和分析資料。 透過 MCP，應用程式也能與 MindsDB 進行整合。

📌 anthropics/claude-code

簡介

Claude Code 是一款終端機程式碼輔助工具，能理解你的程式碼庫並透過自然語言指令協助你更快編寫程式碼。它能執行例行性任務、解釋複雜程式碼以及處理 Git 工作流程。Claude Code 旨在提升開發效率，讓開發者更專注於程式碼邏輯和架構。此工具目前為 Beta 版本，歡迎提供回饋。

主要功能

• 編輯檔案並修正程式碼庫中的錯誤 (Edit files and fix bugs across your codebase)
• 解答關於程式碼架構和邏輯的問題 (Answer questions about your code's architecture and logic)
• 執行和修正測試、程式碼風格檢查和其他指令 (Execute and fix tests, lint, and other commands)
• 搜尋 Git 歷史記錄、解決合併衝突並建立提交和 PR (Search through git history, resolve merge conflicts, and create commits and PRs)

如何使用

• 安裝 Claude Code：使用 npm install -g @anthropic-ai/claude-code 全域性安裝。
• 導覽至你的專案目錄並執行 claude。
• 完成與你的 Claude Max 或 Anthropic Console 帳戶的一次性 OAuth 流程。
• 建議以非特權使用者身份安裝，而非以 root 等管理員身份安裝，以維護系統安全性和穩定性。
• 如有錯誤回報，請使用 /bug 指令在 Claude Code 內直接回報，或提交 GitHub 問題。

📌 anthropics/courses

簡介

Anthropic 提供一系列線上課程，協助使用者學習如何有效運用 Claude SDK 及其相關技術。目前包含五個課程，建議循序漸進完成，逐步掌握從 API 基本操作到進階應用技巧。課程涵蓋 API 基礎、提示工程、真實世界應用、提示評估以及工具使用等面向。

主要功能

• 教學如何取得 Anthropic API Key 並使用 Claude SDK。
• 詳細說明模型引數設定及使用方法。
• 提供撰寫多模態提示 (multimodal prompts) 的技巧。
• 說明串流回應 (streaming responses) 的機制。
• 提供逐步教學，學習關鍵提示工程技術。
• 指導如何將提示工程技巧應用於複雜的真實世界情境。
• 教學如何撰寫生產環境等級的提示評估方法，以衡量提示品質。
• 教學如何在工作流程中成功地實施工具使用 (tool use) 與 Claude 整合。

如何使用

• 依照建議順序完成五個課程。
• 參考提供的教學內容，學習 API 使用、提示工程技巧及工具應用。
• 針對不同課程主題，練習實作並應用所學知識。
• 利用提供的資源，例如 AWS Workshop 或 Google Vertex 版本的課程，加強學習效果。
• 完成課程後，可以更有效地運用 Claude SDK 及其相關技術，提升工作效率。