实践哥MinLi
@MinLiBuilds • 13,275 subscribers
AI Builder。实践哥MinLi不做概念党，只聊 AI 实战。分享Claude，Codex，Gemini各种一手折腾心得。
Shorts
Videos
2026最值的研究方向是 multi Agent和 autoresearch。 所有agent 公司做Harness最重要方向，也是最容易出成绩的方向。 AI 的幻觉、速度、安全、深度、精准度都能用多 agent 解决。 下面6月份最新 3 分钟的视频，Perplexity CEO演示了如何利用多agent把 deep research做的又快又安全： 00:02 混合agent 为何能将deep research 把结果最优化 01:42 编排器确决定，哪些敏感信息由本地 AI 解决，最终将结果合并在一起 02:35 本地敏感信息全部留在本地，混合远程 AI 信息 看完视频，再看下文。 下文介绍了 ，将多 agent 和 autoresearch 结合起来做 deep research。 强化训练的工作编排器也能做，直接搞定 150 个 agent 同时分工协作，交叉、对抗验证拿到最佳结果
实践哥MinLi38,051 Aufrufe • vor 5 Tagen
突然发现之前折腾什么Tailscale+tmux，claude remotion，codex远程全他妈浪费时间。 这才是终极的手机AI远程，目前体验下来最舒服的产品。100%跟你本地电脑一致。
实践哥MinLi216,373 Aufrufe • vor 1 Monat
Anthropic的工程师Kevin的一个分享。 价值$1000 刀，关于agent memory的workshop。 这将是 AI memory的主流，提前一年了解它，成为记忆专家。 非常值得看的一个短视频，以下是视频中的实操： 03:31 证明 AI 多个对话间没记忆（对照实验） 06:20 介绍 memory store，可以作为 AI 的记忆外挂 08:44 将 Memory Store 挂载给会话，实现跨对话记忆 15:36 执行 Dream，让 AI 在后台整理记忆并扩写简陋笔记 19:45 展示 dream，记忆变成了结构化 看完这个视频，接着阅读下面的这篇文章。 你将充分了解与 AI agent 一问一答背后，记忆的原理，以及最强省 token 的心法。
实践哥MinLi105,093 Aufrufe • vor 1 Monat
跟祖传的 20K context 说 bye bye 了。 MiniMax M3 发布了，三个亮点： 1M context、原生多模态、Agentic。 我这次做了一次完整评测，使用CC workflow 、 ZenMux和MiniMax M3： 给一张截图，做一个“凡人修仙剑阵对决手势游戏”。 要求是：支持双人对决 、使用 workflow 拆解任务、加入石头剪刀布机制。 2 小时后，游戏真的跑起来了。 这一代LLM的版本答案我知道了： 1M 上下文 + 多模态+ agent 模式。 1M context 是推理深度的基础，多 agent 负责拆任务和执行。
实践哥MinLi38,806 Aufrufe • vor 28 Tagen
Claude Code 到底在没在用 Cache? Cache 是否失效了？ 用的中转站是否有没有开Cache，怎么酷酷扣钱？ 如果你怀疑过上述问题，可以用上我写的 statusline。
实践哥MinLi16,245 Aufrufe • vor 1 Monat
Keine weiteren Inhalte verfügbar