共找到 86 个提示词
AI时代职场人技能升级路线图：AI时代的技能分类（AI可替代/不可替代/与AI协作）→必学AI工具清单（从入门到精通）→Prompt Engineering作为基础能力→跨界能力建设（技术+业务+沟通）→学习资源推荐→6个月技能升级计划
布鲁姆认知层次理论由美国教育心理学家本杰明·布鲁姆于1956年提出，将认知过程分为六层次：记忆→理解→应用→分析→评价→创造。每一层是上一层的基础。中国学生普遍停留在前三层，此方法教你如何突破到后三层实现深度学习
分块学习法：把大量信息拆成有意义的"组块"，一次处理4±2个组块。认知心理学经典原理——短时记忆容量有限(7±2)，但通过"组块化"可以将一个组块从单个信息扩展为一组信息。数字/代码/外语词汇记忆示例
在线课程大纲设计方法论：课程定位（目标用户/痛点/学习目标/课程承诺）→课程结构设计（模块化/阶梯式/问题驱动）→每节课的教案模板→定价策略→课程名称命名法则→课程介绍页（详情页）转化文案→教学评估设计
教学练习题与考试题目设计方法：布鲁姆认知层次与题目类型对应（记忆→理解→应用→分析→评价→创造）→选择题题干与选项设计规范→主观题评分标准（Rubric）设计→题目难易度与区分度→题库建设→利用AI批量生成题目→试卷组卷策略
从拿到录取通知书那一刻开始，帮你规划大学4年每学期要做什么。不只是学习，还包括实习、考证、社团、考研准备、求职准备——让大学4年不迷茫，每一步都走得有方向
在线学习效率提升：平台选择、课程筛选、学习计划制定、防拖延策略、从买了=学了到真正掌握
零基础编程学习路线：第一门语言怎么选（Python vs JavaScript vs 其他）→推荐学习资源的正确使用顺序→避坑指南（不要只看不写/不要完美主义/不要同时学多门语言）→前100小时学习计划→如何判断自己是否适合编程→转码学习时间预估
项目式学习法（PBL）核心理念：不要先学再做，而是要"做"驱动"学"——找一个你想完成的真实项目，在做项目的过程中碰到什么不会就学什么。编程学习第一利器、创业学习标配、所有需要输出作品的领域都适用
科研图表制作与优化：图表类型选择决策树（柱状图/折线图/散点图/箱线图/热力图/森林图）→ggplot2/R或Matplotlib/Python代码模板→配色方案→字体与分辨率→多面板组合→为论文/PPT/海报适配不同尺寸→避免误导性图表
研究方法论入门：定量vs定性、实验设计、问卷设计、数据分析方法选择、常见方法误区、研究伦理
西蒙学习法由诺贝尔奖得主赫伯特·西蒙提出：任何人在连续6-12个月内每天专注学习6小时，可以在任何领域达到专业水平。不是泛泛而学，是极度聚焦+高强度+长周期的深度学习。适合跨专业考研、职业转型、深度掌握一个全新领域
T型学习法源自T型人才理论：纵向(竖线)在一个领域深度专精达到专高水平，横向(横线)广泛涉猎多个领域达到基础理解水平。竖线保证你的核心竞争力(不可替代性)，横线让你能与不同领域的人协作和创新(复合优势)。适合大学生和职场人士规划知识结构
30分钟学习法针对"启动困难"和"自控力差"设计：每次只承诺学30分钟，到点立刻停止，制造"意犹未尽"的心理状态。核心是建立"学习=轻松可完成"的心理联想，消除对学习的畏难情绪。特别适合拖延症患者、碎片时间利用者、学习习惯养成初期
职场人学习规划：硬技能与软技能平衡、行业证书选择、碎片化学习效率、转行学习路径、晋升竞争力打造
算法交易执行策略：VWAP(成交量加权均价)/TWAP(时间加权均价)/Implementation Shortfall(执行缺口最小化)算法原理与Python实现、大单拆分(母单→子单)、暗池与大宗交易渠道选择、A股算法交易平台生态
另类数据量化投资指南：卫星图像分析(港口/油田/农田/商圈人流)、信用卡消费数据(行业景气度推断)、招聘网站数据(企业扩张/收缩信号)、社交媒体舆情(微博/小红书/抖音品牌热度)。从获取到因子化的完整pipeline
回测系统工程级设计：事件驱动vs向量化回测架构对比、前视偏差自动检测机制、幸存者偏差矫正(历史成分股还原)、回测"作弊检测清单"、多标的+多周期回测引擎实现(Python)。比fintech-backtest-system更深入架构层面
CTA趋势跟踪策略完整体系：海龟交易法则(20日/55日突破)在中国商品期货的应用→双均线交叉系统的参数优化→唐奇安通道(Donchian Channel)的进场与止损→ATR(平均真实波幅)在仓位管理和止损设置中的应用→多品种分散化的趋势跟踪组合构建
对经济数据进行统计处理和计量分析，发现变量间的因果关系和预测规律
深度学习金融时序预测实战：LSTM/GRU处理收益率序列、Transformer/Informer多头注意力捕捉长程依赖、序列到序列(Seq2Seq)多步预测、金融时序特有的非平稳性处理(差分/标准化/自适应归一化)。A股股票与期货中的应用对比
A股事件驱动量化策略：业绩预告/快报超预期(SURP因子)、高分红(股息率因子)、定增/配股事件、股份回购/增持、股权激励行权期、大宗交易折溢价信号。事件窗口设计与Alpha衰减分析
因子生命周期管理：拥挤度指标(持仓集中度/因子估值价差/资金流入流出)、衰减信号识别(IC下滑/多空收益收敛)、因子轮动与动态权重调整机制。中国量化因子"内卷"现状与应对策略
多因子合成方法论：等权合成/ICIR加权/最大IC加权/回归最优化,因子共线性诊断(VIF/条件数),施密特正交化与对称正交化。A股实践——不同合成方式的收益差异和稳健性对比
金融求职简历撰写系统: 一页原则与模板结构→教育经历(GPA/相关课程/学术荣誉)→实习经历STAR+量化法则(从做了什么→做到什么效果→用数字量化)→Deal Experience专项(项目规模/个人贡献/成果)→技能栏(Excel/VBA/Python/Bloomberg/Wind)→金融简历关键词库→简历自查清单
中国量化数据源全景对比：Wind(全但贵)/Choice(次之)/Tushare Pro(免费好用但限制多)/AkShare(完全免费开源)/Baostock(免费历史行情)/QUANTAXIS(开源数据框架)/米筐&聚宽(平台自带数据).选型决策树+API示例+常见坑点
从零搭建量化回测系统：回测框架选型（Backtrader/Zipline/VNPY/自研）、核心模块设计（数据/信号/执行/风控/绩效）、回测陷阱避坑（前视偏差/生存偏差/过拟合）。帮你不被回测曲线骗到
金融数据获取与清洗方案：股票/基金/期货/宏观数据的免费与付费数据源对比、Python爬取模板（Tushare/AkShare/Baostock/Wind API）、数据清洗pipeline（缺失值/异常值/复权/对齐）。让数据准备从'最耗时的环节'变成'几行代码的事'
从策略思路到可运行Python代码：技术指标策略（均线/布林带/MACD/RSI）、因子策略（动量/价值/质量）、事件驱动策略。代码含注释+参数说明+回测注意事项。不是黑盒——解释每一行在做什么
图神经网络在量化中的应用：供应链图构建(客户-供应商关系)、股权关联图(参股/控股/一致行动人)、知识图谱增强选股(GCN/GAT信息聚合)、产业链上下游信号传导效应。A股产业链图数据构建与GNN模型实现
高频微观结构因子构建：Level2订单簿特征(买卖挂单不平衡/深度/价差)、订单流毒性指标(VPIN/信息交易概率)、高频量价因子(已实现波动/日内动量/开盘效应)、A股Level2数据获取与应用限制
量化实盘交易系统设计：OMS(订单管理系统)/EMS(执行管理系统)架构、风控前置(交易前/中/后三层风控)、宕机恢复与灾备机制(主备切换/断点续传)、券商API对接(中泰XTP/华泰xtquant).从回测到实盘的"最后一公里"
ML量化选股入门实战：XGBoost/LightGBM因子工程、特征处理(缺失值填充/标准化/Winsorize)、训练集/验证集/测试集的时序划分、样本外验证方法论、特征重要性分析与过拟合防范。A股ML选股实践
量化模型过拟合系统性防范：时序交叉验证vs K-Fold的金融适用性、L1/L2/ElasticNet正则化选择、样本外测试的"净化"期设计、拒绝推断(Reject Inference)处理幸存者偏差、A股ML模型真实过拟合案例剖析
完整多因子选股框架：Alpha模型(因子合成+预期收益预测)、风险模型(Barra结构化风险/统计风险模型)、组合优化器(最大化Alpha/约束跟踪误差/行业偏离/个股权重)、A股多因子策略全流程实战
财经NLP实战应用：新闻情绪因子构建(正面/负面/中性分类与打分)、财报电话会议纪要情感抽取、券商研报文本挖掘(评级变化/目标价修正/关键段落提取)、FinBERT等预训练模型微调、文本因子与量价因子的结合策略
期权量化：Black-Scholes定价模型推导与Python实现、Greeks风险分解(Delta/Gamma/Vega/Theta/Rho)、波动率曲面构建(SVI/SABR模型)、做市策略(买卖价差管理/库存风险对冲)、中国场内期权市场(50ETF/300ETF/中证1000期权)生态
量化组合绩效归因：Brinson归因(资产配置效应+选股效应+交互效应)、Barra因子归因(行业因子/风格因子/特质收益拆解)、滚动归因与风格漂移检测。量化收益哪部分来自Alpha,哪部分来自运气——帮你回答老板的"这收益怎么来的"
量化组合优化方法论：均值-方差优化(MVO)、风险平价(Risk Parity/Hierarchical Risk Parity)、Black-Litterman模型(融合主观观点)、约束优化(CVaR约束/换手率约束/行业约束)、A股指数增强vs灵活配置的组合构建对比
中国量化行业求职指南：私募量化(九坤/幻方/明法/衍复等)vs券商金工vs公募量化vs自营交易团队、技术面试准备(算法/数学/统计/金融/编程)、简历要点、薪资水平、行业趋势(2024-2025量化监管与人才需求变化)
系统梳理量化因子体系：价值因子(BP/EP/CFP)、动量因子(过去N月收益/均线偏离)、质量因子(ROE/毛利率/杠杆率)、波动率因子(已实现波动/下行波动)、规模因子(对数市值)。含计算代码和A股因子特征差异
量化研究员/交易员面试全攻略: 概率统计经典题(扔硬币/扑克牌/贝叶斯/随机过程)→编程(LeetCode medium+数据处理pandas/numpy)→脑筋急转弯(Brainteaser)类型与解题框架→策略思路题(设计一个做市策略/统计套利/因子回测)→量化面试书单与刷题路径
量化投研平台选型与搭建：第三方平台(聚宽/米筐/优矿/掘金/BigQuant)对比、自建平台架构(数据层→研究层→回测层→执行层)、Docker容器化一键部署、个人/小团队/机构三种规模的平台方案.含成本和时间估算
量化风控体系搭建：VaR(参数法/历史模拟/蒙特卡洛)与CVaR计算、极值理论(EVT)尾部风险建模、压力测试设计(2008/2015/2020/2024场景)、回撤控制机制(最大回撤熔断/动态降仓)。A股量化风控的中国实践
设计量化交易策略，包含选股逻辑、择时信号和回测框架
单因子测试完整方法论：Rank IC/ICIR计算与显著性检验、分层回测(5组/10组)、单调性检验、多空组合收益、因子换手率与自相关分析。附A股主流因子的测试标准
统计套利完整方法论：配对交易选股(相关性+协整性双重筛选)、协整检验(EG两步法/Johansen检验)、价差建模(OU过程/卡尔曼滤波动态对冲比率)、交易信号生成(价差Z-score偏离)、A股配对交易实战经验
量化策略容量测算方法论：基于换手率的容量估算(单标的容量=日均成交×可占用比例)、持仓集中度与容量关系、市场冲击模型反推容量上限、A股不同市值段策略的容量参考(沪深300组件vs中证2000组件).私募"策略容量满了"的识别信号
量化策略工程化管理：Git代码版本控制+DVC(数据版本控制)管理大数据集、MLflow/W&B(Weights&Biases)实验追踪(记录每次回测的参数/指标/模型)、策略生命周期管理(开发→模拟→小实盘→全量)、团队协作规范
量化交易成本精细建模：中国A股费率结构(佣金/印花税/过户费)、市场冲击成本估算(Almgren-Chriss模型/I-STAR模型)、滑点回归分析、小盘股vs大盘股成本差异、成本模型的回测集成与实盘校准
Airflow实战指南：DAG设计模式→Operator选型→动态DAG生成→XCom数据传递→SLA与告警→回填（Backfill）→Sensor设计→执行器选择→生产环境运维→DAG版本管理
根据语言偏好生成API限流实现：固定窗口→滑动窗口→令牌桶→漏桶算法。含Redis Lua脚本（分布式限流）和内存版本（单机限流），返回标准限流Header
构建API测试金字塔：契约测试→单接口功能测试→场景串联测试→异常注入测试→鉴权测试→性能基线测试→测试数据管理→Newman/Postman自动化→与CI/CD集成
将同步或回调式代码转换为async/await：回调→Promise→async/await的渐进式改造→并行vs串行的正确选择→错误处理模式→避免常见的async陷阱（循环中的await、忘记await）
构建数据质量框架：六维度质量评估（完整性/准确性/一致性/及时性/唯一性/有效性）→自动化质量检查→异常告警→数据血缘→质量Dashboard→Great Expectations/Soda/Deequ工具实战
实施分布式追踪：OpenTelemetry SDK集成→自动埋点vs手动埋点→Span设计→Context传播（HTTP/gRPC/消息队列）→Jaeger部署→采样策略→与日志和指标的关联→性能分析
用Docker优化开发环境：Dev Containers→VS Code Remote→Docker Compose开发环境→热重载→数据库/缓存/消息队列→新成员入职→「在我电脑上能跑」问题的终极解决
模糊测试（Fuzzing）从入门到实践：覆盖率引导的Fuzzing原理→Go原生Fuzzing→libFuzzer/AFL→OSS-Fuzz集成→输入语料库构建→崩溃去重和分类→持续Fuzzing策略
gRPC服务完整设计：Protobuf定义（service/message/enum/oneof）→四种通信模式（Unary/Server Streaming/Client Streaming/Bidirectional）→中间件（Interceptor）→错误处理（gRPC Status Codes）→负载均衡→与REST API的对比选型
实现六边形架构（Ports & Adapters）：领域模型独立于技术→端口定义（输入/输出）→适配器实现（HTTP/数据库/消息队列）→依赖注入组装→与传统分层架构的对比→实际项目中的妥协
Pulumi实战指南：vs Terraform的对比→用TypeScript/Python定义AWS/GCP/Azure资源→组件化封装→CI/CD自动化→状态管理→策略即代码→测试基础设施
开发K8s Operator：CRD定义→controller-runtime框架→Reconcile模式→状态管理→Finalizer→Webhook→Operator SDK/Kubebuilder→测试→发布到OperatorHub
系统化负载测试：负载测试金字塔（单元负载→组件负载→端到端负载）→k6/Gatling/JMeter/Locust工具对比→测试场景设计（突发/渐变/浸泡）→性能基线→容量规划→与CI集成→生产环境混沌负载→结果解读→性能瓶颈定位
分析内存泄漏问题：堆dump分析→GC日志解读→找出泄漏对象和持有者引用链→常见泄漏模式识别（未关闭的连接/静态集合/监听器未注销/ThreadLocal未清理）→修复方案
设计ML工程流水线：数据采集→特征工程→训练→评估→部署→监控→模型更新。涵盖Feature Store、MLflow实验管理、模型版本化、A/B测试部署、数据漂移检测
用变异测试验证测试套件质量：变异算子介绍→Stryker/PITest配置→变异覆盖率解读→存活变异体分析→测试套件改进策略→将变异测试纳入CI→性能优化
设计NLP处理流水线：文本预处理→分词/分句→命名实体识别→关系抽取→文本分类→情感分析→摘要生成→实体链接→多语言支持→模型更新策略→在线vs批处理
系统化性能瓶颈定位：CPU Profiling分析→内存分配热点→锁竞争检测→IO等待分析→数据库慢查询关联→给出可验证的性能优化方案和预期效果
基于属性的测试（Property-Based Testing）实战：属性定义方法→生成器策略→shrinking自动简化反例→与Example-based testing的互补→Python Hypothesis/JS fast-check/Go Rapid库实战
根据IO密集型场景生成正确的异步/并发代码：asyncio最佳实践→线程池vs进程池选择→async/await正确使用→避免常见的GIL/事件循环/协程混用陷阱→性能对比测试代码
描述命令行工具需求，生成完整的Python CLI应用：argparse/click/typer选型→参数/选项/子命令设计→彩色输出和进度条→配置文件支持→打包为pip可安装包
描述数据源和清洗目标，自动生成Pandas/NumPy数据处理脚本：缺失值处理→异常值检测→数据类型转换→聚合统计→结果导出。附带数据质量报告
输入项目需求，生成完整的FastAPI项目结构：路由组织、依赖注入、异常处理中间件、数据库会话管理、环境变量配置、Dockerfile和CI配置
输入Python函数代码，自动生成pytest测试用例：正常路径→边界条件→异常路径→Mock外部依赖→参数化测试→fixture组织。覆盖分支覆盖率报告中遗漏的逻辑
用自然语言描述匹配规则，生成完整Python正则表达式代码：re.match/search/findall/sub的正确用法→捕获组命名→编译优化→附带详细注释解释每个符号的含义→常见正则陷阱提醒
将Python代码迁移到Go的完整方案：惯用模式转换（list comprehension→for loop、装饰器→中间件）→并发模型迁移（asyncio→goroutine）→错误处理转换→性能对比→渐进迁移策略
排查并发Bug：竞态条件识别→死锁分析（锁顺序/等待图）→用Thread Sanitizer/race detector工具→修复方案（加锁/原子操作/不可变对象/重新设计并发模型）→验证并发安全的测试方法
生成 Rust CLI 工具的完整项目：clap参数解析→anyhow错误处理→tracing日志→tokio异步运行时→并行处理→编译优化配置→发布到crates.io的完整流程
Rust系统编程进阶：FFI（与C/其他语言互操作）→unsafe的正确使用边界→裸指针→内联汇编→零成本抽象→嵌入式Rust（no_std）→内核/驱动开发→性能调优与SIMD→与其他语言的互操作性实践
快照测试的正确用法和常见陷阱：快照适用的场景→快照粒度过粗/过细的问题→快照更新的规范流程→快照评审→与视觉回归测试的区别→多语言实现（Jest/Vitest/Go/Golden Files）
软件供应链安全防护体系：SBOM物料清单→依赖漏洞扫描→构建签名与验证→制品仓库安全→CI/CD流水线安全→代码签名→来源证明（SLSA框架）→包管理安全（typosquatting/依赖混淆防护）
设计测试数据构建策略：Object Mother→Builder Pattern→Test Fixture→Factory方法→随机数据生成策略→结合Faker库→避免测试数据间的隐式耦合
覆盖6种语言的单元测试最佳实践：测试命名规范→AAA模式（Arrange/Act/Assert）→测试数据构造策略→Mock vs Stub vs Fake选择→测试反模式避坑→可测试代码的设计原则
VS Code极致生产力配置：必备插件→快捷键优化→多光标魔法→Snippet配置→Task自动化→Debug配置→settings.json最佳实践→Remote Development→与Cursor/Copilot的AI编码集成
根据语言/框架生成WebSocket完整实现：服务端连接管理→心跳保活→消息广播/私信→断线重连→房间管理→鉴权→水平扩展方案（Redis Pub/Sub）
生成信息流广告创意文案：各平台文案规范（巨量引擎/腾讯广告/小红书/知乎）、高转化文案结构（痛点-解决-行动/好奇-揭秘-行动）、A/B测试文案对、不同行业的文案模板（电商/教育/金融/本地生活/游戏）