最新

嗨，HN， 我在过去几个月里独自构建了Ninja.ai——一个用于部署和观察“MCP服务器”的平台。这些服务器本质上是开放协议的端点，AI助手如ChatGPT或Claude可以调用它们以触发实际操作：API、工作流、数据库更新等。 虽然一切还处于早期阶段，但我已经推出了： - 一个基本的MCP托管平台（使用Rails + Deno Deploy进行隔离执行）以及基于Deno Deploy的网关和部署模型。 - 一个网关，可以将多个MCP工具聚合在单一服务器下，允许您一次性将Ninja添加到您的AI中，然后一键安装更多工具。 - 一个命令行工具（CLI），让开发者可以将API和工具打包成可调用的MCP工具。 - 一个实时应用商店，提供可安装的工具和可观察性/日志记录（目前日志记录的图形用户界面尚未开放）。 - 一个接口，允许代理与这些远程MCP进行聊天和使用，即使没有OpenAI/Claude（最高级别）付费账户。 我现在想了解在企业内部，正在尝试使用代理、工具或更广泛的“AI基础设施”时所面临的实际痛点。 如果您在一家进行此类工作的公司工作，或者认识相关的人，我很想和您聊聊。不是为了推销，只是想学习： - 哪些地方出现了问题？ - 哪些解决方案显得不够成熟？ - 需要什么才能使这些东西达到生产级别？ 如果您在内部推出过类似的东西（甚至已经排除了），我将非常感激您的看法。请在这里评论或通过我个人资料中的邮箱联系我。 如果您觉得有帮助，我也乐意分享我目前构建的内容或帮助排查代理基础设施的问题。 谢谢， Marcus

问题： 如果您投资金额少于10万美元，您将获得一个机器人顾问，它会问您5个问题，然后将您分配到三种标准化投资组合之一。 如果您投资金额超过10万美元，您将获得一个人类顾问，年收费为1%到1.5%，基本上做的也是同样的事情，只是多了一份微笑和安抚的声音。 与此同时，机构投资者则会获得围绕特定期限、目标日期、税务情况和实际投资目标构建的定制策略。这并不是因为数学更复杂，而是因为经济学在规模化时才有效。 问题在于：传统顾问和机器人顾问都通过减少选择来最大化利润，并将资本引导到能够为他们带来额外利润的偏向性策略中。两者都只是调整风险滑块，然后称之为“个性化”。 但机构级的投资组合构建并不必然是富人的专属。像Plaid这样的平台铺平了道路，带来了API连接性——将平台和资产聚合引入主流。现代人工智能通过“微建议”使真正的个性化在经济上可行，进一步完善了这一图景。 没有资产转移，没有新的保管人，仅仅是基于您的财务目标执行的复杂策略，结合个性化的财务规划和预算。 技术解决方案： 我们构建了我们的MVP财富管理平台，通过结合来自30多个全球资产类别的机构资本市场预期，创造真正个性化的投资组合。所有这些都可以通过低费用的公开交易所交易基金（ETF）获得。 我们的做法： - 持有美国证券交易委员会（SEC）许可和合规的注册投资顾问 - 生成无限独特的投资组合组合，优化风险、回报和目标特定性 - 针对个人目标进行个性化，而非通用风险类别 - 从每次用户互动中学习和改进 - 提供机构级的复杂性，而没有人力瓶颈 - 消除内部策略的管理者偏见 - 使用类似于美国退休目标日期结构的“滑行路径”方法，以最大化实现重要生活目标（如首付款、退休等）的确定性 - 努力将习惯形成平台（如Duolingo）的元素引入零售财富管理 商业模式创新： - 非保管型+人工智能架构使得订阅定价（每月10美元）成为可能，而不是资产管理费。用户在获得个性化的机构策略的同时，保持对资产的控制。 研究验证： - 滑行路径策略在76%的场景中提供了更高的价值（T. Rowe Price） - 全球多元化在96%的三年期内优于仅限国内的投资（Hübner） - 通过行为优势和序列风险保护，重大生活目标（如退休和重大里程碑）的成功率指标得到了显著改善（T. Rowe Price）。 早期结果： - Alpha用户报告与传统平台相比，成本降低超过90%，个性化程度更高。机构风格的投资组合实现了目标特定的优化，其他地方的成本至少是其10倍。 - 基础模型投资组合在2025年上半年超越了现有市场竞争对手的机器人平台的可比投资组合，无论是绝对收益还是风险调整后收益。 不同之处： 这不是另一个使用基本均值回归的机器人顾问。这是个性化的服务，帮助您理解和发现您的具体目标，并持续适应。想象一下“口袋里的个人财富经理”，而不是“通用投资组合分配”。所有这一切都是在一个旨在赋能零售投资者并保持他们参与的消费产品平台上实现的。 下一步： 目前在www.fulfilledwealth.co进行邀请制的Alpha测试。我们早期专注于投资组合构建和交付过程，现在正在构建面向消费者的网络应用程序的各个方面。 希望从HN社区获得对我们财务个性化方法的反馈。