CLI 优先发布
工具以命令行形态优先发布，而非 MCP。官方给出三条依据：暴露一次调用消耗 0 tokens、可靠性接近 100%、可以直接用管道组合进现有流程。
Sparkco AI Spreadsheet Agent
AI TOOL PROFILE工具资料开源研究项目发布 AI 基础设施与预测市场工具的实验日志。
官网地址 https://sparkco.ai
价格免费 + 付费
平台Web
归类AI 智能体
收录2026-01-01
复核2026-01-01
编辑评分
4.3 / 5
★★★★☆
Sparkco AI Spreadsheet Agent编辑总结
Sparkco 是 SimpleFunctions 团队维护的开源研究项目，方向是后 AGI 技术栈：Agent 运行的容器、容器内部的粘合代码以及 Agent 之间的消息通信。站点作为公开工作日志，发布 AI 与预测市场信号的实时信息流，以及面向 Agent 构建者的工具推荐。工具以 CLI 形态优先发布而非 MCP，官方给出的理由是暴露成本为 0 tokens、可靠性约 100%、可管道组合。当前研究重点是把对话记忆直接编码进模型权重，前两轮迭代结果为负。
Sparkco AI Spreadsheet Agent是什么？
Sparkco 是 SimpleFunctions 团队发起的一个开源研究项目，聚焦所谓的后 AGI 技术栈。这条技术栈由三部分组成：Agent 运行所依赖的运行时容器、容器内部的粘合代码（之为 harnessing），以及 Agent 彼此之间的消息传递机制。站点本身是这个研究过程的公开工作日志，内容包含 AI 与预测市场信号的实时信息流，以及团队推荐给 Agent 构建者的配置与工具。
在工具发布策略上，团队明确选择以 CLI 为第一形态，而不是 MCP。官方给出的三条理由是：暴露一次调用消耗 0 tokens，可靠性接近 100%，并且可以直接用管道组合。页面顶部提供了 RSS 与 X 的订阅入口，信息流中展示了条目数量与最近更新时间。
站点同时对外公开研究进展。当前主攻方向记为 April 2026 的 Parametric memory：把对话中的事实、偏好与行为直接编码进模型权重，从而让上下文窗口只承载当前这一轮对话。团队已经跑完第 1–2 轮迭代，结论为负向——在单卡 GPU 预算下，训练得到的扰动没有形成可检索的记忆编码。下一轮计划转向 base 与 TTT 的联合训练。对协作感兴趣的人可以通过公开邮箱联系。
Sparkco AI Spreadsheet Agent核心功能
实时信号信息流
首页提供 AI 与预测市场信号的实时信息流，当前 feed 中有 19 条条目，并显示最近一条更新于 8 分钟前。支持 RSS 与 X 两种订阅方式。
参数量记忆研究
当前主攻方向为 Parametric memory，目标是让对话中的事实、偏好与行为直接写进模型权重，使上下文窗口只保留当前这一轮对话，不再依赖摘要压缩或向量检索。
因果树建模
SimpleFunctions 的引擎会把一个宏观判断拆解成因果树，节点覆盖通胀路径、就业数据、金融压力信号等子命题，子命题概率向上汇聚为整体置信度，并据此推导相关合约的隐含价格。
心跳引擎
心跳引擎在服务端每 15 分钟运行一次，自动完成新闻扫描、价格刷新与里程碑检测，无需用户自行搭建 cron 任务。它同时评估支持与反对某一判断的信息。
可执行边际计算
除理论边际外还计算可执行边际，把买卖价差纳入考量。若理论边际为 +38¢ 而价差为 10¢，跨过价差后的真实边际为 +28¢，同时给出盘口深度与滑点信息。
Agent 交易工具集
面向 Agent 辅助交易场景提供 21 个以上工具，其中包含 place_order 与 cancel_order。每笔交易在执行前会展示预览并要求确认，团队说明 LLM 只用于评估而非交易逻辑本身。
Sparkco AI Spreadsheet Agent适合谁用？
Agent 构建者
推荐正在为 Agent 挑选工具形态的开发者。团队主张 CLI 优先于 MCP，理由是 0 tokens 暴露、接近 100% 可靠、可管道组合，可以作为选型时的参考立场。
预测市场研究者
推荐关注 Kalshi 与 Polymarket 定价分歧的人。站点公开了从构建概率模型、扫描价差到计算可执行边际的完整方法路径，并提示了流动性、过度集中、压力测试等常见失误。
AI 记忆方向研究者
推荐关心上下文窗口替代方案的研究者。项目公开了 Parametric memory 的完整方向拆解与第 1–2 轮负向结果，明确记录了单个 A100 卡预算下扰动未形成可检索编码的结论。
只想用表格做数据分析的人
不推荐如果把 Sparkco 当作开箱即用的表格分析工具来用，会发现站点主体是研究日志与技术文档，官方也未公开面向普通用户的操作界面与使用向导。
Sparkco AI Spreadsheet Agent优点和缺点
优点
- 工具以 CLI 优先发布，官方给出 0 tokens 暴露、接近 100% 可靠两条依据
- 研究结论如实公开，第 1–2 轮 Parametric memory 迭代被标记为负向结果
- 心跳引擎服务端每 15 分钟自动运行，无需用户自行搭建定时任务
- 公开区分理论边际与可执行边际，并把买卖价差与盘口深度纳入计算
- 首页信息流支持 RSS 与 X 订阅，便于持续跟踪信号
缺点
- 官网未公开定价与付费档位信息
- 工具形态以 CLI 为主，没有面向非开发者的图形界面说明
- Parametric memory 方向的前两轮实验结果为负，尚未产出可用能力
- Agent 交易功能需要自行准备 API 密钥，接入门槛偏向工程背景用户
Sparkco AI Spreadsheet Agent常见问题
这套工具该怎么用，有现成界面吗？＋
官方明确工具以 CLI 形态优先发布，而不是 MCP。也就是说使用方式偏向命令行与脚本集成，适合已经习惯终端工作流的开发者。
接预测市场交易需要准备什么？＋
需要三样凭据：SimpleFunctions 的 API key、具备读写权限的 Kalshi API key，以及用于 Agent 大模型的 OpenRouter API key。说明 sf setup 命令会带实时校验地引导完成全部配置。大模型只参与评估环节，不参与交易逻辑本身。
心跳引擎多久检查一次，我需要自己写定时任务吗？＋
不需要自行搭建 cron。心跳引擎在服务端每 15 分钟运行一次，自动完成三类检查：价格是否朝判断方向移动、是否出现改变因果节点概率的新闻、是否有即将发布的数据（例如 CPI、失业率、FOMC）可能消除不确定性。
为什么理论上有边际，实际交易却赚不到？＋
区分了理论边际与可执行边际。举例来说，如果边际是 +38¢ 而买卖价差是 10¢，跨过价差后的真实边际只剩 +28¢。还提醒要看盘口深度与滑点，并给出判断：一个 55¢ 边际但价差 6¢、深度低的市场，可能不如一个 30¢ 边际但价差 1¢、深度高的市场。
项目现在主攻什么方向？＋
当前公开的研究方向是 Parametric memory，目标是让对话中的事实、偏好与行为直接编码进模型权重，从而把上下文窗口腾出来只承载当前这一轮对话。团队认为现有做法（摘要记忆、向量检索、KV 缓存）只是把成本挪了位置，并未真正解决长上下文漂移与压缩丢信息的问题。
这个研究方向的实验做到哪一步了？＋
第 1–2 轮迭代结果为负。团队先在单张 A100 上自训练检查点测试 TTT fast weights，发现训练得到的扰动产生的是噪声而非可检索的记忆编码，即使把推理时尺度调小也一样。下一步计划转向 base 与 TTT 的联合训练，作为新的攻击面。
在哪里能找到完整文档？＋
给出的完整文档入口是 simplefunctions.dev/docs。API key 可以在 simplefunctions.dev/dashboard 申请。站点首页另外提供 RSS 与 X 两种订阅方式，用于跟踪 AI 与预测市场信号的实时更新。
Sparkco AI Spreadsheet Agent竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Sparkco AI Spreadsheet Agent本工具 | 4.3 | 免费 + 付费 | CLI 优先发布；实时信号信息流；参数量记忆研究；因果树建模 | Web |
| Endex AI Agent | — | 未公开具体价格，需联系销售 | 本地化的 Excel AI 助手，用于自动化财务建模和数据分析 | Web / Mobile / Outlook |
| Revent | — | 未标价 | 一款基于人工智能的数据分析平台，用于自动化报告和即时洞察 | — |
| Sheet0 | — | 未标价 | 基于 AI 的电子表格代理，用于自动化和准确的数据收集与分析 | — |
| Browserfly | — | 未标价 | 用于浏览器交互和自动化的 AI 助手 | — |
| Flowtrail AI | — | 未标价 | 对话式人工智能平台，用于数据分析和报告生成 | — |
