{}N1:=3;
N2:=8;
N3:=13;
TH:=MAX(HIGH,REF(CLOSE,1));
TL:=MIN(LOW,REF(CLOSE,1));
ACC1:=SUM(CLOSE-TL,N1)/SUM(TH-TL,N1);
ACC2:=SUM(CLOSE-TL,N2)/SUM(TH-TL,N2);
ACC3:=SUM(CLOSE-TL,N3)/SUM(TH-TL,N3);
ACC4:=(ACC1*N2*N3+ACC2*N1*N3+ACC3*N1*N2)*100/(N1*N2+N1*N3+N2*N3);
先锋:EXPMEMA(ACC4,5),LINETHICK2;
主力:EXPMEMA(ACC4,10),COLORMAGENTA;
{DRAWBAND(MA5,RGB(150,0,100),MA10,RGB(100,100,50));};
先锋1:IF(先锋<REF(先锋,1),先锋,DRAWNULL),COLORGREEN,LINETHICK2;
{}
STICKLINE(先锋<=31.1,50,65,2,0),COLORRED;
风险:65,COLORLIRED;
分界:50,COLORLIBLUE;
底部:30,COLORGREEN;
通达信顶底自知 源码
张小明
前端开发工程师
anything-llm能否接入飞书?企业协作平台集成方案
anything-llm能否接入飞书?企业协作平台集成方案 在现代企业的日常协作中,信息的流动速度往往决定了决策效率。然而,即便拥有完善的文档体系和知识库,员工仍常常陷入“我知道有这份文件,但不知道它在哪”的困境。尤其是…
基于文档热度自动归档冷数据——知识库维护策略
基于文档热度自动归档冷数据——知识库维护策略 在企业级AI应用日益普及的今天,一个常见的矛盾逐渐浮现:我们投入大量资源构建强大的RAG系统,期望它能精准回答复杂问题,但随着时间推移,知识库却变得越来越臃肿。那些曾…
如何通过标签系统分类管理anything-llm中的文档集合?
如何通过标签系统分类管理 Anything-LLM 中的文档集合? 在企业知识管理日益复杂的今天,面对海量非结构化文档——从技术手册到内部政策、项目报告——如何让大语言模型(LLM)真正“懂”你想要找的内容?这不仅是语义理解…
Anything-LLM在跨境电商中的十大应用场景
Anything-LLM在跨境电商中的十大应用场景 你有没有遇到过这样的情况:凌晨三点,一位德国客户在官网留言询问退货流程,而客服团队还在睡觉?或者新来的运营同事花了整整两周才搞清楚不同国家的清关要求?更别提那些散落在几…
大模型预训练还在“吃土“?MinerU-HTML两阶段提取管道,让代码块、公式、表格“原地复活“!
网页数据是大模型预训练的核心来源(如Common Crawl),但需先将HTML转换为结构化文本。现有工具(Trafilatura、Resiliparse)依赖启发式规则(如文本密度、DOM树遍历规则),导致代码块、公…
Gemini 3 实战揭秘:AI智能体的循环 + LLM 原理
如果你见过 AI 智能体编辑文件、运行代码、修正自身错误,并且能像早已规划好一样持续工作……它看起来确实像魔法。但实际原理远没有那么复杂。这里没有秘密技巧。 没有秘密算法。 更没有神秘的“智能体大脑”。本质上,智能体的构成只有三点:…