TechniczneWyróżnione posty
Wybór dostawcy LLM dla bota tradingowego: Gemini, OpenAI, Claude, DashScope, Kimi, DeepSeek
Podpięcie LLM pod bota: routing zadań, abstrakcja providera, sekrety maskowane od początku do końca. Porównanie siedmiu źródeł.
QuantMesh Team
21 czerwca 2026
10 min czytania
Powiązane treści
Tagi
#AI#LLM#Claude#DeepSeek#OpenAI#量化
Powiązane posty
Techniczne
Bot tradingowy jako narzędzie wywoływane przez AI: MCP w systemie quant
MCP standaryzuje opis, wywołanie i zwrot narzędzi. Warstwy meta/read/write, autoryzacja, opisy, liczba narzędzi i testy.
21.06.2026•11 min czytania
Techniczne
Prawdziwy winowajca CPU 100%: brakujący `ok` w Go i wynikły busy-loop
Post-mortem CPU 100% z przerwami: select w Go bez `ok`, zera zalewają pętlę po zamknięciu kanału. Sztuczka SIGUSR1 w komplecie.
21.06.2026•9 min czytania
Techniczne
Dylemat kontroli ryzyka grid tradingu i rozwiązanie Composite Risk Controller
Gdy wiele czynników ryzyka jest jednocześnie niedźwiedzich, ale żaden nie osiąga indywidualnego progu wyzwalania, tradycyjne niezależne kontrole ryzyka zawodzą. Artykuł przedstawia Composite Risk Controller QuantMesh — normalizację rozproszonych sygnałów, ważoną agregację i pokrycie niejednoznacznych scenariuszy ryzyka w grid tradingu.
6.02.2026•15 min czytania