连凯 —— 扎根深圳三十年。白天部署 AI Agent 框架、服务美国产险数据管线与量化研究;晚上可以带你走一段只有本地人知道的深圳。
我把 AI 基础设施、美国产险数据工程与量化研究,以及对深圳这座城市的了解,整合在一张名片上 —— 既能动代码,也能带你吃早茶。
Hermes Agent 是 Nous Research 在 2026 年 2 月开源的自学习 AI Agent 框架 —— 目前 GitHub 星数已突破 9.5 万,成为 OpenClaw 之后新一代的社区焦点。我已经把它跑在我的美国远程 Mac Mini 上,支持 Telegram / Discord / Slack / WhatsApp / Signal 六大通道,打通持久记忆与技能自动沉淀。
不止是聊天客户端,它具备三层记忆架构与技能自学习闭环 —— 用得越久,越懂你的工作习惯。
curl | bash,自动处理 Python / Node / ffmpeg 依赖curl | sh、rm -rf 等危险指令curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
hermes setup
hermes gateway setup
hermes claw migrate 命令,自动导入原有的配置、记忆、技能与 API Keys,无需重造。OpenClaw 的安装、WhatsApp / Telegram / 飞书接入、ClawHub 技能管理,我一样能搞。
美国产险数据对接与量化研究的交叉地带 —— 既懂保单层面的脏数据,也搭得出低延迟的回测系统。
多年对接美国主流产险公司的保单数据管线 —— 处理跨公司数据格式差异、字段映射、核保核赔口径对齐,交付面向精算师与产品经理的可视化。
Hands-on data engineering across U.S. P&C carriers — AIG, Chubb, PURE, Cincinnati, Vault, Ivans — covering cross-carrier reconciliation, policy-level normalization, and analyst-ready dashboards.
Python 端做因子挖掘与回测(pandas / numpy / yfinance / backtrader),C++ 端重写延迟敏感的执行路径,Flask 搭建策略看板与临时分析工具。
Quant research stack: Python for signal discovery & backtesting, C++ for latency-critical execution, Flask dashboards for strategy review and ad-hoc analyst tooling.
从华强北的老柜台到前海的玻璃幕墙,从蛇口的茶餐厅到大鹏半岛的海岸线 —— 我能带你绕开游客套路,走一段真正属于深圳的路线。
AI Agent 部署、产险数据对接、量化策略可视化,或者一趟深度的深圳之旅 —— 加微信聊聊,通常 2 小时内回复。