最新

我创建 Taxplain 的初衷是，现有的税务软件擅长填写表格，但在指导方面却做得不够好。大多数美国人并不理解他们 <i>为什么</i> 要缴纳税款，或者 <i>如何</i> 优化他们的税务状况。<p>Taxplain 使用人工智能，针对复杂的场景，例如加密货币收益、个体户、AMT（备选最低税）、企业结构、各州特定规定，用通俗易懂的语言回答税务问题。它就像一个口袋里的税务顾问，由经过验证的 IRS 文件和税法提供支持。<p>核心洞察：人们想要的不是软件，而是答案。我们的目标是 DIY 报税市场，而 TurboTax 在指导方面做得不够。<p>目前处于 Beta 测试阶段。欢迎大家对我们的方法、用户体验提出反馈，或者告诉我们这是否解决了您真正的问题。<p><a href="https:&#x2F;&#x2F;www.taxplain.xyz&#x2F;" rel="nofollow">https:&#x2F;&#x2F;www.taxplain.xyz&#x2F;</a>

总的来说，我正在寻找我编写的蒙特卡洛解决方案的应用场景。我的假设是，加密货币和预测市场工具尚未成熟，存在对经过调整的金融量化分析的需求。 对于预测市场而言，以一致的联合分布视角观察世界是否有帮助？例如，作为一种衡量相对价值、量化和汇总风险敞口的方式？我的工具可以为这些问题提供尾部风险分析。 我理解目前可能没有需求，但当这些市场进入需要通过传统投资组合分析视角审视的跨资产投资组合时，它可能仍然有用。 我这样想错了吗？或者还有其他我没有看到的用途？ 谢谢！

最近，我一直在用 Claude 的默认提示词试验这个模板： ``` 当我提问时，请至少给出两种看似合理但相互对立的观点，即使其中一种观点占主导地位。让我意识到每种观点背后的假设。 ``` 我发现它很烦人，因为 A) 它牺牲了简洁性 B) 有时这些看似合理的答案写得太好了，逼着我思考。 你迄今为止尝试了什么？

大家好， 我为 PolyMCP 添加了一个技能系统，以解决大规模 MCP 服务器的常见问题。 当工具数量增加时： * 代理会消耗大量 token 来加载原始模式 * 工具发现变得嘈杂 * 不同的代理需要不同的工具子集 * 编排逻辑会泄漏到提示中 技能是经过整理、结构化的 MCP 工具集，并附带文档。 代理仅加载他们需要的技能，而不是完整的工具模式。 技能通过从 MCP 服务器发现工具并自动分类来生成。 示例：从 Playwright MCP 服务器生成技能： ``` polymcp skills generate --servers "npx @playwright/mcp@latest" ``` HTTP MCP 服务器： ``` polymcp skills generate \ --servers "http://localhost:8000/mcp" \ --output ./mcp_skills ``` Stdio MCP 服务器： ``` polymcp skills generate \ --stdio \ --servers "npx -y @playwright/mcp@latest" \ --output ./mcp_skills ``` 在代理中启用技能： ```python agent = UnifiedPolyAgent( llm_provider=llm, skills_enabled=True, skills_dir="./mcp_skills", ) ``` 优点： * 更小的代理上下文 * 可扩展到大型工具集 * 跨代理的可重用功能 * 无需更改提示即可进行工具访问控制 * 适用于 HTTP 和 stdio MCP 服务器 仓库：[https://github.com/poly-mcp/Polymcp](https://github.com/poly-mcp/Polymcp)