前端哥Liam
@jinglian • 10,221 subscribers
11年前端开发者 & AI 重度用户｜ AI工具 + X运营，我踩过的坑都帮你避开｜ vx：qian_duan_ge
Shorts
Videos
开了红果会员 2 天刷完 10 季《持械入宋》 应该是几个月来 我刷过的短剧天花板了。 战争铁血柔情搞笑 太精彩了 弹幕里面一直刷到 编剧太有才了
前端哥Liam91,089 просмотров • 4 дней назад
孩子初中数学成绩上不去，到底卡在了哪里？📉 与其盲目刷题，不如用【知识图谱】精准把脉！ 昨天分享了国外开源的小学全学科图谱 os-taxonomy，今天带来国内开源神作：「初中数学知识图谱与自动诊断系统」🔥 初中家长、老师强烈建议码住 📌 👇 核心功能一览： 1️⃣ 知识体系极全 包含 333 个知识点、616 条前置逻辑关系。完全对齐 2022 版新课标与人教版教材（七上到九下）。 2️⃣ 顺藤摸瓜式诊断 从目标考点入手测试，答错直接往回追溯前置知识！直到揪出真正没学会的【知识盲区】，并直接生成一套按顺序补救的学习路线图。 3️⃣ 海量自动化题库 内置 1407 道测试题，绝大多数支持自动判分。所有答案都用程序重新验算过一遍，严谨靠谱。 ━━━━━━━━━━ 🆓 授权说明：个人学习与教学用途完全免费（CC BY-NC 4.0），商用需联系授权。 如果觉得这个开源项目对你有帮助，不妨去给作者 风清扬 风清扬 的仓库点个 ⭐ 鼓励一下！ GitHub 的链接放在了评论区👇
前端哥Liam170,594 просмотров • 20 дней назад
卧槽！Claude Code 惨遭封号，Codex 又频频提示模型容量爆满... 打工人的天是不是要塌了？ 别急，前两天我发现了一个杀上 GitHub Trending 全语言日榜第一的开源项目：Cindy。 🎯 Cindy 是什么？ 它是一个开源 AI Agent，能把不同的 Harness、模型和工具无缝串联起来。 Claude 挂了？Codex 暂时不可用？没关系，一键切换 Harness，工作区和上下文都会保留，接着干就行。 它的协同能力同样亮眼： ✅ 跨端无缝接力：手机随时接手电脑里的进度 ✅ 极智多线程分工：让多个 Agent 并行处理代码、测试和文档，再自动汇总复核 ✅ 彻底解放双手：脑子里想到什么，直接交给她执行 💡 顺便分享一个好用的工作流 大家看下方这个视频 👇 分镜、动效、转场、配乐，直到最终导出，全程由 AI 完成，我一次都没打开过剪辑软件。 别误会，这不是用 Claude Opus 5.5 做的，而是 Codex 搭配 Renoise 的 promo-video Skill 做出来的效果。 Renoise MCP 已经把产品发布片、广告和动效包装做成了内置 Skill。想做 Opus 5.5 那类高级动效发布片，赶紧给你常用的 Agent 接上 Renoise MCP 吧。 🎃 福利时间（10/27 至 11/2，万圣节限定） Renoise 正在大促，订阅最高享 7 折： 👉 Standard 计划（$60／月）：无限次使用 Wan 3.0 👉 Advanced 计划（$200／月）：不限量畅用 Seedance 2.5、Wan 3.0 和 Kling 4.0 Omni
前端哥Liam60,109 просмотров • 10 дней назад
我成功躲过了 Claude 封号潮好几波。 我的 #ClaudeCode Max 5X，已经安全度过5个月了。我始终坚持只在我的 Mac 主力机器上单设备登录，其它设备全部使用远程。 今年我把 ToDesk 的会员给停了，曾经的屠龙少年，如今变恶龙，吃相难看，那个弹 VIP 真烦人，经常断连，已被我卸载抛弃。 现在我基本只用UU远程，功能全免费，画质随便调，连接稳定延迟低，别的远程软件的付费功能随便用。 现在Mac上的 AI coding 没跑完，我可以随时放心离开，出门前，把 Claude Code、Codex 等任务都跑在 Herdr 里，Herdr 负责保持 Session 和管理多个 Agent。 人在外面，用 UU 远程连回电脑，直接进 Herdr，哪个 Agent 卡住了，就进去处理一下；还在跑的不用管。 说完这个，接下来还有一个超级实用的功能👇
前端哥Liam301,116 просмотров • 2 месяцев назад
🚨 突发信息差！Cue 电话号码，网页和桌面端全线暴涨至 $9.99，但我发现了一个巨大的漏网之鱼！ 目前 iOS 端的 Manus 还没来得及改价，依旧只要 $0.99！ 直接一折拿下，这个神仙漏洞绝对手慢无 🔥 ━━━━━ 👇 我刚刚亲测跑通，只需 4 步 1️⃣ 下载应用 前往美区 App Store，搜索并下载「Manus」。 2️⃣ 切换环境 将你的网络节点切换至【英国】。 3️⃣ 开通号码 在 Manus 应用内直接添加电话号码，此时结账显示依然是 $0.99。 4️⃣ 完美同步 打开 Cue，使用与 Manus 完全相同的账号登录。 🎯 见证奇迹的时刻：你会发现刚才一折买到的号码，已经完美同步到了你的 Cue 账户里！ ━━━━━ ⚠️ 趁着还没改价，看到这条推文的立刻去弄！ 成功上车的小伙伴评论区报个喜，遇到问题的直接留言 💸👇 感谢推友WY的信息
前端哥Liam117,475 просмотров • 1 месяц назад
微信终于开放口子了 聊天记录可以转发到第三方应用分析了 手机微信升级到最新的8.0.78 操作如下： 1. 多选聊天记录（一次最多 100 条），合并转发，转到其他应用 2. 优先推给 WorkBuddy，元宝。 如果想用 ChatGPT，「选择手机中的应用」-》ChatGPT 其实转发的就是一个 zip 压缩包，包括聊天记录.txt 和一些附件。 腾讯系的 WorkBuddy，和元宝做了适配，可以识别成聊天记录。 ChatGPT 当普通的压缩包处理，会先解压也能处理聊天记录。 电脑端的微信也支持了，注意要升级到最新版。
前端哥Liam150,413 просмотров • 1 месяц назад
你有没有过这种经历：想薅各种各样的会员VIP首月优惠，但是忘记关闭自动续费，反被扣了连续包月的第二个月高价会员费。 微信读书、QQ音乐、各种会员突然扣了钱，点进去才发现“自动续费”开着，想关的时候，进到微信里面，要跳好几层页面，操作路径总是记不住，烦到想摔手机。 或者每天手动刷X列表找爆款AI帖，滚半小时眼睛酸，还怕漏掉。 这俩痛点我上周用Airtap实测了一遍，把过程和结果完整跑给你看。 不是产品介绍，是真实操作记录。 先说第一个：取消微信自动续费。 我直接给 Airtap Airtap Ai 的iMessage发了一句： “帮我查看一下微信绑定了哪些自动续费的项目，如果有腾讯相关的项目，比如微信读书，或者QQ音乐的，直接关闭自动续费。” 后台立刻启动云手机，开始操作。 这台云手机真的打开了微信 → 点“我” → 服务 → 钱包 → 支付设置 → 自动续费。最终找到了：微信读书会员包月自动续费，19元/月，状态生效中。 它确认关闭成功后，自动续费列表变成“暂无扣费服务”，并且明确说：没有发现QQ音乐或其他腾讯自动续费项。 整个过程我没动手。 #justtextit #textyourapps #airtap
前端哥Liam241,437 просмотров • 3 месяцев назад
传统的 Deep Research 已经卷到头了。 能写出一份漂亮的总结报告 ≠ 能把真实的复杂任务干完。 我拿几十万字的《红楼梦》原著，给 Apodex 1.1 在线工作台，出了个极其变态的任务。 统计 20 个核心人物的 → 出场次数 → 出场回数 → 每个人第一次出场时的原句 最后还要整理成一张可以直接下载的完整表格。 整个完成任务的过程，像是直接「雇佣一个 AI 数据团队」。 上传文件后，它自己开始拆任务。 一个 Agent 负责解析原著，另一个独立分析，多个任务并行推进； 右侧 Task Board 会实时告诉你现在做到哪一步。 更有意思的是，任务跑到一半，我突然改需求： “只分析前 80 回，后面的不要了。” 以前遇到这种情况，AI 很可能重新来一遍。 Apodex 直接保留已经完成的成果，只重规划受影响的部分。 更关键的是，它不是做完就交卷。 交付前，又调起独立核验 Agent，把人物统计、出场回数和 900+ 条出场原句重新检查一遍。 最后交付给我的是： 可下载的结构化表格 + 完整分析结果 + 口径说明。 这可能才是下一代 Deep Research 真正值得关注的变化： 从“帮你生成一份报告”，变成“接管一项复杂任务，并把它做完”。 目前，Apodex 1.1 Web 端已经正式上线。 🎁 注册即送 credits，强烈建议立刻上传个复杂文件自己跑跑看： 🌐 没想到，更炸裂的是，Apodex 居然开源了 开源模型： Apodex 1.1 mini，35B，开放模型权重，支持本地部署。 开源框架： FrontierAgent，Agent 执行 Harness，支持 ReAct 单 Agent + Multi-Agent Team。 本地运行： 支持 macOS / Linux，无需强制依赖 Docker。 组合能力： Apodex 1.1 mini + FrontierAgent，可在本地运行完整 Agent 执行流程。 💻 如果你是开发者，这里有开源 Agent 框架，欢迎顺手点个 ⭐： 👉 🤗 想本地自己跑模型的看这里👇 #Apodex #DeepResearch
前端哥Liam109,577 просмотров • 2 месяцев назад
卧槽 家人们，国庆只剩最后一天了，我用蚂蚁百灵刚发布的新模型 Ling-3.1-flash，一句提示词做了一个在线小展： 1949—2000 中国家庭数码老物件展 花1 分钟，把国人这 50 多年的数码生活重新过一遍 也许最幸福的日子，不是东西最多的时候 现在的科技产品比以前多太多，可我们越来越难被打动了。参数一年比一年高，期待却一年比一年少。 为什么？ 看完油管博主「小宁子」的《建国 77 年数码产品大开箱》，我好像找到了答案：在那些年代，每一件产品都会实实在在地改变一个家庭的生活。 矿石收音机让不识字的人也能听到外面的世界；一台录音机放在街边，陌生人就能围着跳舞；彩电进门后，各忙各的一家人开始坐在一起，除夕全家看春晚。 那时候的东西也很"笨"。黑白电视贴张三色彩膜就当彩电看；BP 机只能显示几个数字，得靠密码本传话；胶卷每张都要钱，所以每张照片都认真摆好姿势。正因为得来不易，每件东西都被认真对待。 还有个细节：Walkman 上有两个耳机孔。索尼担心一个人戴着耳机会和身边人疏远，特意给别人留了一个。科技一边把我们连得更紧，一边也把每个人放进了自己的小世界。 博主有句话，我觉得是整期视频的核心： "最幸福的日子，倒不是物质上过得最好的，而是那些会感觉未来会更好的日子。" 不管是看着彩膜上的蓝天，还是在电脑前拍下合影，那时的人都相信明天会更好。那种被"点亮"的感觉，其实就是对未来有期待。 看完视频，我把这些老物件做成了一个可以在线逛的小展👇 讲“老物件”的展，用的却是最新的模型，这个反差我还挺喜欢。 在 Ling Studio 在线工作台里，我只发了一段提示词，它一次就把一段文字变成了能点着逛的网页，我没有反复修改，也没有一点点调。 做完那一刻，我好像也体会到了那种被“点亮”的感觉。几十年前，人们第一次看到电视亮起来；今天，我第一次看到一段话自己变成了一个展厅。 做页面本来就是 Ling-3.1-flash 的强项：落地页、移动端界面、SVG、Three.js 3D 演示都能做。在 Design Arena 的开放权重模型里，它的 Mobile App 类排第二，SVG 类排第四。 其他能力也很能打： 1. 长任务扛得住：从零写一个 Lua 原生编译器，连续跑约 17 小时，182 项测试过了 178 项 2. 能从一句模糊需求出发，自己查资料、做表格和 PPT 3. 约 560B 总参数，每个 Token 只激活约 25B，上下文最高 1M 现在有两周免费体验（免费期 256K 上下文），这几个入口任选一个： Ling Studio： 蚂蚁数科大模型服务平台： Vercel 体验地址（海外用户访问更友好）： OpenRouter： 最后，如果让你选一个最喜欢的老物件，你会选哪个？
前端哥Liam39,568 просмотров • 1 месяц назад
折腾什么Tailscale+tmux，claude remotion，codex远程全他妈浪费时间。 UU远程连上去，直接操作，缩小放大，键盘输入，点击操作，都特别流畅。 而且可以操作整台电脑得所有的软件，不仅仅是 AI 软件。
前端哥Liam63,579 просмотров • 2 месяцев назад
卧槽，下面这条 Trancy Air 的产品发布视频，我是跟 AI 聊着天做出来的，全程没开剪辑软件。🤯 用的是 Pexo（ AI 视频创作工具。说需求、看效果、提修改，还真像多了个「视频搭子」。 ━━━━━ 📌 告别「一句话成片」的幻觉，真正的创作是持续对话 玩过 AI 视频的人应该都有这种体会： 真正做商业内容，几乎不存在什么「一句话直接出成片」。 好内容一定要经历： 提需求 → 看效果 → 给反馈 → 再修改 → 再打磨。 而 Pexo 最让我惊喜的地方，就是它把过去复杂、枯燥的视频工具操作，直接变成了—— 聊天。 不用研究复杂的节点工作流，也不用先把自己训练成 AI 视频参数大师。 你只需要告诉它： 「我想做什么」 「给谁看」 「想传递什么感觉」 再把基础素材丢给它。 剩下的创意规划、模型调用、视频制作，它会帮你一步步完成。 感觉不是在「操作一个视频工具」，而是在和一个视频搭档一起做片子。 ━━━━━ 🎯 改视频，也可以像批注文档一样简单 最烦的其实不是生成。 而是： “这块不对，我只想改这里。” 传统剪辑里，你可能得重新找到对应时间线、镜头、图层，再一点点调整。 Pexo 有一个我特别喜欢的功能： Mark to Fix。 哪里不满意，直接在画面上圈出来、画出来，再写一句修改意见。 它会结合整条视频的上下文，直接修改你指定的位置。 这种体验特别像我们平时在 Figma、文档里批注，只不过现在批注的对象变成了——视频。 而且聊得越多，它越懂你的风格。 因为整个创作过程，它会保留完整的【创作记忆】。 ━━━━━ 🔥 最后交付的是「成片」，不是一堆等你收拾的素材 这也是我觉得 Pexo 很适合商业内容的一点。 现在很多 AI 视频工具，本质上还是： 给你生成一段几秒钟的素材。 然后字幕你自己加，配乐你自己找，镜头你自己拼，包装你自己做…… AI 帮你干了 20%，剩下 80% 还是剪辑。 但 Pexo 的思路不太一样。 它最终交付的是一条完整视频： 画面 + 字幕 + 动效包装 + 配乐 而且你不用纠结「这一镜到底应该用哪个模型」。 Pexo 会根据任务需求，在后台自动调度更适合的 AI 视频模型，比如 Kling、Hailuo 等。 你只管说自己想要什么。 模型怎么选、流程怎么跑，交给它。 ━━━━━ 🎁 给粉丝争取了点福利 我也帮大家向 Pexo 申请了一份专属福利：新注册用户用 Gmail 登录，输入礼品码 B6YTLE，就能领取 100 体验积分。 这次是限时福利，仅限前 50 名，感兴趣的朋友记得早点领 👀 想体验这种「和 AI 聊着天，就把视频做出来」的感觉，可以去试试。 👉 Pexo #MadeWithPexo
前端哥Liam34,481 просмотров • 1 месяц назад
千万别盲目在公司做“AI赋能雷锋”！ 一个月薪 3 万 8 的程序员，被裁了。 最讽刺的是： 不是因为他技术差， 而是因为他太会用 AI 了。 去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。 老板一看： 你这么会用 AI，那你能不能带带团队？ 于是他花了 3 个月，把团队都教会了 Claude Code。 结果团队效率翻倍，公司发现： 以前需要他兜底的事，现在其他人也能干了。 上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。 这件事最扎心的地方在于： 未来最危险的程序员，可能不是不会用 AI 的人， 而是只会把 AI 用在“写代码”上的人。 因为写代码正在变便宜。 真正值钱的是： 懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。 未来最吃香的工程师，不是单纯的代码高手， 而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。 顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode
前端哥Liam62,018 просмотров • 4 месяцев назад
1/2) 最近看到一个有意思的技术趋势：大家又开始重新拥抱 Native 了。 Shopify 刚刚宣布，要把移动 App 从 React Native 重新迁回 Swift 和 Kotlin。 更夸张的是，在 Coding Agent 的帮助下，他们只用了 12 周，就把 Shop 从 概念验证做成了已经上架 App Store 的原生应用。 Shopify 给出的理由很直白： 以前选择跨平台，是因为“同一个功能写两遍”太贵。 Notion 其实更早就在走这条路。 它的移动端曾经大量依赖 WebView / React Native，后来为了启动速度、交互体验和系统级控制，一点点把核心界面迁到了原生。 现在也宣布，完全用原生方式重建 Notion 的移动端应用。 why？ 因为现在 AI Coding 能力是越来越强，原生开发最大的成本劣势正在快速消失。 所以我最近 Vibe Coding 一个 AI 工具的时候，没有 Electron，没有网页套壳。 我直接就是做成了一个 macOS 原生的实时视觉 AI 助手。 它想解决的问题非常简单： 以前你想问 AI： “右上角那个按钮是什么意思？” “这个公式怎么推出来的？” “第三行这个数字占总数多少？” 你首先得花半天跟 AI 描述—— “我到底在看哪里。” 现在不用了。 在 Mac 上按下快捷键，直接在当前屏幕上： 截图 → 画圈 / 框选 / 箭头标记 → 提问。 AI 直接看懂你指的是哪里，然后秒级流式回答。 整个过程不用切 App，也不需要把截图保存下来，再拖进 ChatGPT。 看到哪里，问到哪里。 一个视觉 AI 助手如果每天要被唤起几十次，它就不应该像一个“网页工具”。 它应该像 Spotlight、截图工具一样，长在操作系统里。 而驱动这个助手的，是蚂蚁百灵刚刚开源的： Ling-3.0-flash-VL。 实际跑下来，我测试了几个特别适合这种 Native + Vision 交互的场景。 ━━━━━ ✨ 场景 1：看到外语，直接圈 碰到英文文档、论文、国外软件界面： 不用复制文字。 直接把屏幕上的区域圈出来，问： “这段是什么意思？” Ling-3.0-flash-VL 会同时利用视觉位置和文字内容进行理解，再把结果流式返回。 相当于给 Mac 加了一个随时可以召唤的视觉翻译层。 ━━━━━ ✨ 场景 2：看到公式，直接问 看论文时遇到复杂的微积分公式、上下标、符号关系： 直接框起来： “给我讲明白这个公式。” 它不仅要 OCR 出字符，还需要理解公式的结构。 实际测试里，它可以继续解释定理、变量含义、推导过程，再用大白话重新讲一遍。 以前是： 截图 → 保存 → 上传 → 描述问题。 现在就是：圈一下。 ━━━━━ ✨ 场景 3：看到数据，直接算 表格可能才是这个交互方式最爽的地方。 我直接用画圈和箭头标出表格里的一个商品，然后问它占比是多少。 它马上识别出我指的是“桃子”，再结合整张表里的数字完成计算： 桃子的销量占比：16.7%。 这里实际上连续做了三件事： 视觉定位 → 语义理解 → 数值计算。 而用户只做了一件事：圈。 ━━━━━ 但 Ling-3.0-flash-VL 真正让我感兴趣的，其实不只是“看图问答”。 它本身就是冲着 长程多模态 Agent 去设计的。 ⚙️ 124B 总参数，单 Token 仅激活 5.5B 采用稀疏 MoE 架构。也就是说，它不是靠把一个巨大的 124B Dense 模型每次完整跑一遍来工作，而是在每次推理时只激活其中一部分专家。 目标就是： 把大模型容量和实时推理效率同时保留下来。 ⚡ 视觉不是外挂，而是原生进入推理链 它原生支持图片、文字和视频。 ViT 负责视觉编码，再把视觉信息真正送进后面的理解、推理、行动与验证流程。 这点很重要。 因为未来的视觉 Agent，并不是： 看图 → 回答一句话。 而应该是： Observe → Act → Verify → Correct 看见界面 → 执行操作 → 再看结果 → 发现错误 → 自己修。 这才是 GUI Agent 真正需要的能力。 📚 256K 长上下文，面向复杂多模态任务 这意味着它不只是适合单张截图问答，也能一次处理更长的文本、更复杂的多图输入，以及持续时间更长的视觉信息。 同时，它还加入了 VideoRoPE 时空编码，让模型不仅能理解“画面里有什么”，还能够结合时间顺序去判断： 什么事情，在什么时候发生。 所以它可以进一步用于长视频理解、事件检索、片段定位，以及更复杂的多模态 Agent 工作流。 对我这个 Mac 原生助手来说，这一点也很重要： 未来它不一定只理解“你刚刚圈的这一块”，还可以结合前后的屏幕内容、历史操作和上下文，持续理解你正在做什么。 💻 对 Agent 和代码生成尤其友好 这也是为什么我觉得它特别适合这个 Mac 助手。 它不仅能够理解： ⭕ 圆圈 ➡️ 箭头 🟨 高亮 ▢ 框选 这些人为添加的视觉提示， 还可以直接： 看 UI → 理解布局 → 写 HTML / CSS / SVG → 再看生成结果。 如果再给 Agent 接一个 Image Diff： 生成页面 ↓ 截图 ↓ 和目标图对比 ↓ 发现偏移 ↓ 修改代码 ↓ 再次截图验证 就可以做出完整的： 「生成 → 看结果 → 对比 → 修改」视觉自愈闭环。 ━━━━━ 而且 Ling-3.0-flash-VL 最近又更新了两个非常关键的东西。 ① API 可以免费玩 Ling-3.0-flash-VL 现在已经上线 OpenRouter， 官方最新活动是：两周免费使用。 所以想复刻类似的视觉 Agent，基本可以直接拿 API 开始测试。 ② 模型已经开源，而且量化版本也补齐了 也就是说，你既可以直接调用 API， 也可以根据自己的硬件环境，选择不同精度版本自己部署。 这对本地视觉 Agent 尤其重要： 云端 API 是最快的起点，本地模型才是隐私和系统级 AI 的终局之一。 ━━━━━ 所以我越来越觉得： Shopify 从 React Native 回到 Swift/Kotlin，其实不只是一次技术栈轮回。 背后更大的变化是： AI 正在重新改写“原生开发到底贵不贵”这笔账。 以前： 跨平台 = 开发快。 原生 = 成本高，但体验好。 现在 Coding Agent 开始承担大量重复实现、迁移、测试和 Review 之后， 这个公式可能变成： AI Coding + Native = 开发效率 + 原生体验。 而视觉模型又给 Native App 增加了一层新的可能： 它不只是“一个带 AI 的应用”。 AI 可以开始直接理解你正在使用的整个操作系统。 以前是： 人费劲地告诉 AI：我在看什么。 以后可能只需要：划个圈。 它就懂了。 附录链接👇
前端哥Liam27,110 просмотров • 1 месяц назад
卧槽，GPT-6 Astra 的蜜月期也太短了吧。 爽了不到一周，就从“小甜甜”变成“牛夫人”了。 熟悉的剧情再次上演：刚让你产生依赖，降智，速率限制就开始逼你戒断。 偏偏 Deadline 已经顶到脑门，我还有一堆任务没跑完，只能紧急把部分工作搬到 Claude Code 和 Cursor。 但现实很骨感：Agent 可以随时切，【上下文】和【记忆】却带不走。 为了解决这个问题，我最近开始折腾一个很有意思的开源项目：Memmy。 它想解决的问题很直接： 把散落在 Codex、 Claude Code等不同 Agent 里的经验抽出来，沉淀成真正属于我们自己的长期资产。 这样，昨天 Codex 踩过的坑，今天换成 Claude Code 就不用再踩一遍；项目背景、失败方案和关键决策，也不用每换一个工具就重新解释。 ━━━━━ Memmy 不只是一个本地个人 AI Agent，更像是多个 Agent 共用的「个人记忆中枢」。 只要获得你的授权，Memmy 就会自动扫描 Codex、 Claude Code等工具的历史记录。 它能把过去的历史，精准转化为可查询、可复用的长期记忆： 1️⃣ 项目核心背景 2️⃣ 关键技术决策 3️⃣ 你的个人偏好 4️⃣ 踩过的血泪坑 最让我惊喜的是，Memmy 让各个独立的 Agent 变成了配合默契的「一家人」。 以前大家各干各的，现在基于同一份用户上下文，一个 AI 学会的东西，下一个 AI 直接用！ 更重要的是，这份记忆只属于【你】，而不是某个 AI 。 Memmy 默认 Local-first： ✅ 你的记忆你做主，自由决定连接和保留哪些数据 ✅ 换 Agent、换模型，上下文数据直接打包带走 它不仅是 Memory Layer，还是 Personal Agent Runtime，支持桌面端、CLI/TUI 甚至工具直连执行任务。 ━━━━━ 如果你也是多 Agent 重度用户，强烈建议把过去几个月积累的上下文导进去跑一遍，看看下一个 Agent 能不能真正「接着干」。 Memmy 目前已开源，完美支持 Claude Code, Codex，Cursor, Hermes, OpenClaw, DeepSeek Harness 等。 👉 GitHub 传送门： 别忘记福利🎁 👇
前端哥Liam20,650 просмотров • 1 месяц назад
两年前，MiniMax 的闫俊杰问梁文峰：DeepSeek 做不做 AI Coding？ 梁文峰当时的判断是：不做。 中国真正写代码的人也就一两百万，市场太小。 结果两年后，AI Coding 成了大模型主战场 😂 其实仔细想想，也不难理解。 Coding 是一个特别适合大模型率先突破的场景：效果好不好，有相对明确的判断标准；模型能力有没有进步，也更容易量化。每次新模型发布，代码能力往往也是最容易拿出来展示和对比的指标。 另一方面，Vibe Coding 本身确实有点让人上瘾。效率提升足够直观，而程序员和有编程需求的人，付费意愿也普遍更强。 所以 Coding 最先跑出来，并不一定意味着它是最大的市场，而是因为它可能是最容易验证价值、也最容易商业化的市场。 但真正更大的市场，可能是白领 Agent。 销售、运营、财务、人事……人数是程序员的几十上百倍。 只是这里有个悖论： TAM 大得多，ARPU 却可能低得多。 程序员愿意每个月花几十甚至上百美元购买生产力工具，但普通白领的个人付费意愿和客单价，可能都没那么高。 所以 AI Coding 可能只是 Agent 商业化的第一站。 真正的大仗，还没开始。
前端哥Liam27,172 просмотров • 2 месяцев назад
劳伦斯大神好久没更文章了，这次他评测的 Ante CLI真是个狠货 Ante 是一个用 Rust 从零写的终端编码 Agent > 单个 ~15MB 二进制，零运行时依赖 > 自研推理引擎（内置 llama.cpp 路线），指一个 GGUF 文件就能整个 loop 跑在本机。没 API key、没账号、没网都能干活。 > 零厂商锁定：12+ provider 自由切换，用你自己的 key / 订阅 / 本地模型 > 目前是 Alpha preview，只支持 macOS / Linux，Windows 要 WSL。 最炸裂的是，同样 20 个并行任务对比 Claude Code： 内存少 7×，CPU 少 9×，磁盘 I/O 少 5×。详细看下面的对比视频 更多详细评测，请看原文章👇
前端哥Liam26,649 просмотров • 2 месяцев назад
