Piyasa yine yapay zeka hisseleri tarafından düşürüldü ve Broadcom bugün %11+ düşüşle sadece Nasdaq'ı değil, aynı zamanda kriptoyu da düşürdü. Kripto bir gece potu gibidir, yükseldiğinde yükselmez, düştüğünde ise düşer. Broadcom'un düşüşünün nedenlerine kısaca bakalım: Broadcom'un hisse senedi fiyatı, gelir ve kâr için "iki kat fazla beklenen" kazanç raporu yayımladıktan sonra düştü; bu, esas olarak yapısal endişeler ve ticaret seviyesindeki yankı nedeniyle piyasa tepkisiydi. Gelir: Aslında 18,02 milyar dolar kaydedildi, piyasa beklentilerinin 17,50 milyar dolarından daha iyi; sadece yüksek yıllık büyüme sağlamakla kalmadı, aynı zamanda Wall Street'in konsensus tahminlerini de aştı. Hisse başına kazanç (EPS, GAAP dışı): Aslında $1.95, bu da $1.87 beklentilerini aştı. Şirketin temel değerleri hâlâ istikrarlı ve yapay zeka işinin geliri önemli ölçüde artmış olsa da, yönetimin "yapay zeka donanımının oranındaki artışın kısa vadede genel brüt kâr marjını düşüreceği" yönündeki yönlendirmesi piyasa kârı için fitil haline geldi. Kişisel olarak, bu geri çekilmenin özün piyasanın yüksek değerlemeleri düzeltmesi (değerlemeleri öldüren) ve yapay zeka sektörü için uzun süre aşırı iyimser beklentilerin mantıklı geri dönüşü olduğuna inanıyorum; bu, Nvidia'nın sonuçlarının açıklanmasından sonra piyasa tarafından eleştirilmekle aynı. Broadcom yıl boyunca keskin bir şekilde yükseldi ve şu anda yıl sonunda; kurumsal fonlar performans değerlendirme baskısı nedeniyle kârları kilitleme eğiliminde, bu da satış baskısını daha da artırıyor. Özetle, Broadcom'un kazanç performansı normal ve sağlıklı bir aralıkta. Mevcut hisse senedi fiyat dalgalanmaları, şirketin temel rekabet gücünün bozulmasından ziyade finansal ve duygusal ayarlamalara dayanmaktadır. Piyasa, yüksek yapay zeka büyümesi ile kâr marjları arasında beklentileri yeniden dengeliyor ve bu geri çekilme, önceki aşırı değerlemenin sindirilmesi için gerekli bir süreç.

a16z kriptosu Asya'ya giriyor ve ilk durağı olarak Güney Kore'yi seçiyor. Nedeni açıktır; Güney Kore en büyük pırasa pazarına sahiptir.

【Vibe Kodlaması Bölüm 2】 "ABD Hisse Paneli"ni buluta yükseltmek ve yayımlamak için yapay zeka kullandım ve tüm süreç sadece üç adımdan oluştu Önceki makalede, Google Antigravity ve birkaç öneri aracılığıyla yerel bir bilgisayarda basit bir "ABD hisse senedi takip panosu"nu başarıyla çalıştırmıştık. Ama aşırı verimlilik arayan bir Vibe Kodlayıcısı olarak, sadece bilgisayarımda çalışmasına nasıl dayanabilirim? Bunu çevrimiçi yayınlayacağım ve istediğim zaman telefonumda izleyebileceğim bağımsız bir uygulamaya dönüştüreceğim. Bugün, Vibe Coding'in ikinci makalesini paylaşacağız: yapay zekayı fonksiyonları yinelemeye, "cennet kitap" hatalarını düzeltmeye ve nihayet sıfır maliyetli bulut dağıtımına nasıl ulaşmaya yönlendirilecek. Önce sonuçlarıma bakalım: Stock Dashboard'a erişmek için tıklayın (Not: Ücretsiz bir sunucu olduğu için ilk yükleme için uyanmak onlarca saniye sürebilir) Aşama 1: Bir ürün yöneticisi gibi gereksinimleri yükseltmek Vibe Kodlama'nın özünde, kod yazmak değil, mantığı açıkça tanımlamakla ilgilidir. 1. Bilgi akışını arındırın: "haberler" ile "duyurular" arasında ayrım yapın İlk baskıda toplanan veriler arasında hem Wall Street Journal'ın analizi hem de sıkıcı SEC 8-K dosyası yer alıyordu. Onları ayırmak istiyorum. Benim Sorum: "Lütfen kodu iki kategoriye ayıracak şekilde değiştirin: 'resmi duyurular' ve 'medya haberleri'. Kurallar: Yayıncı PR Newswire, Business Wire ise veya başlık 8-K, 10-Q ise, bu bir duyuru olarak sınıflandırılır; Diğerleri haber olarak sınıflandırılıyor. Arayüzde sekmeler ayrı gösteriliyor. ” Yapay Zeka'nın Uygulanması: Yapay zeka otomatik olarak anahtar kelime filtreleme mantığını getirir. Şimdi, finansal raporu okumak ve doğrudan "Duyuru" sütununa tıklamak istiyorum, ayrıca piyasa haberlerinin "Haberler" sütununa tıklamasını görmek istiyorum, böylece verimlilik iki katına çıkar. 2. Anıları uygulamalara koy: Koleksiyonlar Önceki web sayfasının acı noktalarından biri "tazeleme ve unutma" idi ve önemli haberleri toplamak için favoriye ihtiyacım vardı. Benim Sorum: "Bir toplama fonksiyonu ekleyin. Her haberin yanına bir '⭐ Kaydet' butonu ekleyin. Tıkladıktan sonra haber başlığını kaydedin ve yerel bookmarks.csv dosyanıza bağlantı verin. Bu CSV dosyasını okumak için kenar çubuğuna 'Favorilerim' listesini ekleyin. ” Yapay Zeka'nın Uygulanması: Birkaç saniye sonra kod güncelleniyor. O zamandan beri Kanban kartımda bir "bellek" var ve bilgisayarı yeniden başlattıktan sonra toplanan veriler hâlâ mevcut. Aşama 2: "Hata düzeltme" bir komutan gibi Koleksiyon özelliğini geliştirirken bir Vibe Kodlama hatasıyla karşılaştım. Ekranda büyük kırmızı bir metin belirdi: StreamlitDuplicateElementKey: Aynı anahtara sahip birden fazla öğe var... Daha önce olsaydı, belki kapatıp vazgeçerdim. Ama şimdilik, hatanın kelime anlamını okumam yeterli: "Bir kopya anahtar var". Tabii ki, daha kolay yol hata mesajını Gemini'ye kopyalayıp yapıştırıp yapay zekaya sorup yapay zekanın nasıl düzelteceğini seçmesine izin vermek. Problem Analizi: Ortaya çıkan bir haber makalesi hem NVDA hem de MSFT hisselerinden bahsediyordu. Program bu iki stokun kartlarını render ettiğinde, bu haber için favori buton için tam olarak aynı ID (Anahtar) üretir. Sistem, kullanıcının hangisini sipariş ettiğini bilmiyor, bu yüzden çöküyor. Benim Sorum: "Hata görüntüleme düğmesi kimliği tekrarlandı. Kod mantığını değiştirin: Favori buton için anahtar oluştururken, sadece haber bağlantısını kullanmayın, aynı zamanda her düğme kimliğinin benzersiz olmasını sağlamak için ticker'ı da ekleyin. ” Sonuç: Yapay zeka, kimlik oluşturma mantığını bağlantıdan ticker_link'a değiştirmek için bir kod satırını değiştirdi. Hata kayboluyor ve program mükemmel çalışıyor. Üçüncü aşama: tüm ağ serbest bırakıldı! Nanny seviyesinde deployment tutorial Şimdi, bu programı yerel bilgisayarda internete yayınlayacağız. GitHub (kayıt kodu) + Streamlit Cloud (çalıştırma kodu) altın kombinasyonunu kullanacağız. Tüm süreç ücretsizdir ve sunucu bilgisi gerektirmez. 1. Çantanızı Topla: 4 temel belgeyi kontrol edin Proje klasörünüzde aşağıdaki 4 dosyaya sahip olduğunuzdan emin olmalısınız (yoksa, manuel olarak yeni bir txt dosyası oluşturup adını değiştirin): stock_dashboard.py (ana kodunuz) requirements.txt (Kritik önemde!) İşte bulut sunucusuna hangi yazılımı kurması gerektiğini söyleyen bir kontrol listesi Klasörünüzde yoksa, yeni bir mesaj oluşturun ve aşağıdaki içeriği kopyalayın: yfinance gnews finvizfinance Pandalar Watchdog watchlist.csv (Takip edeceğiniz ilk hisse senedi listesi, sadece bir NVDA satırı ekleyin) bookmarks.csv (İlk favoriniz, yeni boş bir dosya oluşturun, başlığı Zaman damgası, Ticker, Kategori, Başlık, URL, Kaynak gibi bölümleri doldurun) 2. Kodu GitHub'a yükleyin GitHub, bir programcının web sürücüsü gibidir. Kayıt olun ve giriş yapın Sağ üst köşedeki "+" seçeneğine "New repository" > tıklayın. Depo adı: İstediğiniz her şeyi doldurun, örneğin my-stock-app. Açık seçeneğini seçin ve başka başlatma seçeneklerini kontrol etmeyin. Depo Oluştur tuşuna tıklayın. Atlayan sayfada, "mevcut dosya yüklüyor" yazılı bağlantı metnine tıklayın. Yukarıda yazılmış 4 belgenin tamamını sürükleyin. Alttaki yeşil butona tıklayın Değişiklikleri Kabul et. 3. Bir tıklamayla Streamlit Cloud'a dağıtın Bu son adım! Aç "GitHub ile Giriş Yap" seçeneğine tıklayın ve yetkilen. Dikkat çekici mavi butona "Yeni uygulama" tıklayın. Formu doldurun: Depo: Az önce oluşturduğunuz my-stock-uygulamasını seçmek için açılır kutuya tıklayın. Ana dosya yolu: stock_dashboard.py doldurun. Sağ alt köşede Deploy! tuşuna tıklayın. 4. Mucizeye tanık olun Ekranda "pasta pişir" animasyonu belirecek. Yaklaşık 2 dakika bekleyin, tarayıcınız otomatik olarak yenilenerek ABD stok kartınızı gösterecek! özet Özetle, tek bir satır bile Python kodu yazmadık, sadece yapay zeka ile konuşarak: Şartlaştırılmış gereksinimler (otomatik kazıma, ABD stokları, saat dilimi dönüşümü). Yinelemeli özellikler (kategorik duyurular, yerel koleksiyonlar). Hata düzeltildi (mantık çatışmasını belirtti). Dağıtımı tamamladım (GitHub ve Streamlit Cloud kullanarak). Sonraki Önizleme: Mevcut uygulama kullanılabilse de, ücretsiz bir bulut hizmeti olduğu için, yeniden başlatmadan sonra "favoriler" verileri gerçek zamanlı kaydedilmediği için kaybolabilir. Bir sonraki makalede, gelişmiş formu sorgulayacağız: "Yapay Zekaya Bulut Beyni Takmak: ABD hisse sente kartını Google Sheets'e nasıl bağlayarak kalıcı veri senkronizasyonu sağlanır? 》