Loading video...

Video Failed to Load

Go Home

Cursor 写代码已经 out 了，现在 Cursor 可以帮你玩 Minecraft ！ 来看这个叫 Steve 的项目，它把 Cursor 的 AI 助手模式搬到了 Minecraft 里。不是让 AI 帮你写游戏代码，而是直接让 AI 化身成游戏角色，在你的世界里干活。 按 K 键打开面板，输入你想做的事，AI agent 就会理解并执行。说"挖点铁矿"，它会自己判断铁矿深度、找到矿脉、开始挖掘。说"建个房子"，它会规划材料、设计结构、一块一块搭建。 更有意思的是多 agent 协作。让三个 Steve 一起建城堡，它们会自动分工、划分区域、并行施工，不会互相冲突。这不是写死的脚本，而是通过自然语言指令实时规划的： 官方介绍的技术实现, 每个 Steve 运行一个 agent 循环： 1. 把指令发给 LLM（支持 OpenAI/Groq/Gemini） 2. LLM 将请求分解为结构化代码 3. 使用 Minecraft 游戏机制执行 4....

karminski3's profile picture

karminski-牙医

32,691 subscribers

28,211 views • 10 months ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

啊？AI可以自己找活干了？ 给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。 举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。 你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。 我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。 项目地址：
1:29

啊？AI可以自己找活干了？ 给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。 举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。 你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。 我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。 项目地址：

karminski-牙医

41,586 views • 11 months ago

疯了，这个 GitHub 项目让 AI 自己创业。 最近看到一个很有意思的开源项目： Paperclip 一句话总结： 用一群 AI Agent，自动经营一家公司。 你只需要给一个目标，比如： 做一个 AI 产品，做到 $1M MRR 系统会自动开始： 1. 搭建 AI 公司结构 CEO CTO 工程师 设计师 市场 全部由 AI Agent 扮演。 2. 自动拆解任务 产品规划 写代码 做设计 市场推广 AI 会自己分配任务、协作完成。 3. 多 Agent 团队协作 不同 AI 角色之间会互相沟通、执行任务、推进项目。 4. 你只负责一件事 当老板。 审批策略、查看进度、控制预算。 剩下的工作 —— 交给 AI 员工。 更有意思的是： - 支持 Claude Code / Codex / Cursor / OpenClaw 等 Agent - 每个 Agent 可以设置 预算、权限、任务范围 - 所有决策都有 日志和审计记录 一句话总结这个项目： 它不是 AI 工具，而是一个「AI 公司操作系统」。 如果你在研究： AI Agent 自动化创业 AI 团队协作 这个项目非常值得收藏。
0:35

疯了，这个 GitHub 项目让 AI 自己创业。 最近看到一个很有意思的开源项目： Paperclip 一句话总结： 用一群 AI Agent，自动经营一家公司。 你只需要给一个目标，比如： 做一个 AI 产品，做到 $1M MRR 系统会自动开始： 1. 搭建 AI 公司结构 CEO CTO 工程师 设计师 市场 全部由 AI Agent 扮演。 2. 自动拆解任务 产品规划 写代码 做设计 市场推广 AI 会自己分配任务、协作完成。 3. 多 Agent 团队协作 不同 AI 角色之间会互相沟通、执行任务、推进项目。 4. 你只负责一件事 当老板。 审批策略、查看进度、控制预算。 剩下的工作 —— 交给 AI 员工。 更有意思的是： - 支持 Claude Code / Codex / Cursor / OpenClaw 等 Agent - 每个 Agent 可以设置 预算、权限、任务范围 - 所有决策都有 日志和审计记录 一句话总结这个项目： 它不是 AI 工具，而是一个「AI 公司操作系统」。 如果你在研究： AI Agent 自动化创业 AI 团队协作 这个项目非常值得收藏。

开发者Hailey

23,447 views • 6 months ago

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。 现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。 一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。 有了Symphony，直接把这个上限干到了几十个。 它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。 你开一个任务，它自动启动一个独立隔离的Codex Agent。 自己写代码，自己跑测试，自己做交叉Review，damn！ 全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。 所有验证全过了，才会出现在你的Human Review队列里。 以后人类的角色可能会被彻底颠覆了。 以前你是监工，盯着Agent一步一步写代码，上下文切到吐。 现在你是老板，只需要看最终的结果。 满意就点合并，不满意就去仓库里补规则补文档补Guardrails。 记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。 这可不是啥实验室概念，OpenAI自己已经这么干了。 三个工程师，五个月，写了一百万行代码，0行人工写的。 产品已经有几百个内部用户，每天都在迭代。 我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。 现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。 我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。 现在Symphony已经开源了，它甚至不是一个成品。 是一个17k token的完整SPEC。 你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇
0:42

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。 现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。 一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。 有了Symphony，直接把这个上限干到了几十个。 它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。 你开一个任务，它自动启动一个独立隔离的Codex Agent。 自己写代码，自己跑测试，自己做交叉Review，damn！ 全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。 所有验证全过了，才会出现在你的Human Review队列里。 以后人类的角色可能会被彻底颠覆了。 以前你是监工，盯着Agent一步一步写代码，上下文切到吐。 现在你是老板，只需要看最终的结果。 满意就点合并，不满意就去仓库里补规则补文档补Guardrails。 记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。 这可不是啥实验室概念，OpenAI自己已经这么干了。 三个工程师，五个月，写了一百万行代码，0行人工写的。 产品已经有几百个内部用户，每天都在迭代。 我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。 现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。 我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。 现在Symphony已经开源了，它甚至不是一个成品。 是一个17k token的完整SPEC。 你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 views • 5 months ago

一个人做游戏，真的开始像带团队了。 Claude-Code-Game-Studios 这个项目很猛。 它不是单纯给你一个更会写代码的 Claude， 而是想把一整个游戏工作室塞进 Claude Code 里。 README 里直接给了： 48 个 AI agents 37 个 workflows 还有完整的 studio hierarchy、slash commands、hooks、rules 和 templates。 也就是说，你不是在和一个 AI 助手聊天， 而是在调度一支虚拟游戏团队。 从创意总监、技术总监、制作人， 到玩法程序、关卡设计、叙事、音频、QA、发行， 整套分工都已经拆好了。 甚至连 Godot、Unity、Unreal 三套引擎专家也都配上了。 我觉得这类项目真正有意思的地方，不是“Agent 数量很多”， 而是它开始把 AI Coding 从单兵作战，推进到“组织协作”这一步。 游戏开发本来就是最典型的多角色协同场景之一， 所以这种玩法特别值得看。 项目现在 GitHub 也已经有 3.3k Stars、440 Forks。 如果你在关注 AI 游戏开发、多 Agent workflow， 或者一人游戏工作室这个方向，值得研究一下👇
0:27

一个人做游戏，真的开始像带团队了。 Claude-Code-Game-Studios 这个项目很猛。 它不是单纯给你一个更会写代码的 Claude， 而是想把一整个游戏工作室塞进 Claude Code 里。 README 里直接给了： 48 个 AI agents 37 个 workflows 还有完整的 studio hierarchy、slash commands、hooks、rules 和 templates。 也就是说，你不是在和一个 AI 助手聊天， 而是在调度一支虚拟游戏团队。 从创意总监、技术总监、制作人， 到玩法程序、关卡设计、叙事、音频、QA、发行， 整套分工都已经拆好了。 甚至连 Godot、Unity、Unreal 三套引擎专家也都配上了。 我觉得这类项目真正有意思的地方，不是“Agent 数量很多”， 而是它开始把 AI Coding 从单兵作战，推进到“组织协作”这一步。 游戏开发本来就是最典型的多角色协同场景之一， 所以这种玩法特别值得看。 项目现在 GitHub 也已经有 3.3k Stars、440 Forks。 如果你在关注 AI 游戏开发、多 Agent workflow， 或者一人游戏工作室这个方向，值得研究一下👇

axiaisacat

67,870 views • 6 months ago

最近看到一个很值得研究的开源项目：learn-claude-code。 它不是在教你怎么堆 prompt、连工作流、搭节点图， 而是在教你一件更底层的事： 怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。 这个项目最有意思的观点是： 真正的 Agent 是模型本身，外面的代码只是 harness。 所以它讨论的重点，不是“怎么把流程编排得更复杂”， 而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。 说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。 我觉得这个视角很重要。 因为很多人现在做 Agent， 还停留在“拼工作流”和“堆胶水代码”的阶段。 但真正决定 Agent 能不能跑起来的， 往往是你给它什么环境，而不是你给它多少层 prompt。 这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。 如果你在关注 AI Agent、Claude Code，或者 agent engineering， 这个项目很值得看看。👇
0:38

最近看到一个很值得研究的开源项目：learn-claude-code。 它不是在教你怎么堆 prompt、连工作流、搭节点图， 而是在教你一件更底层的事： 怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。 这个项目最有意思的观点是： 真正的 Agent 是模型本身，外面的代码只是 harness。 所以它讨论的重点，不是“怎么把流程编排得更复杂”， 而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。 说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。 我觉得这个视角很重要。 因为很多人现在做 Agent， 还停留在“拼工作流”和“堆胶水代码”的阶段。 但真正决定 Agent 能不能跑起来的， 往往是你给它什么环境，而不是你给它多少层 prompt。 这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。 如果你在关注 AI Agent、Claude Code，或者 agent engineering， 这个项目很值得看看。👇

axiaisacat

44,334 views • 6 months ago

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。 用的是扣子 2.5，拆解一下它是怎么做的。 这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。 先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。 规划完之后它用自己的邮箱把行程发到了我个人邮箱。 第一印象：确实不只是聊天了👇
1:50

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。 用的是扣子 2.5，拆解一下它是怎么做的。 这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。 先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。 规划完之后它用自己的邮箱把行程发到了我个人邮箱。 第一印象：确实不只是聊天了👇

Yanhua

51,913 views • 5 months ago

想做一个游戏，一时之间想不起来做什么。最近的新闻让人满脑子都是找妈妈。今天结合小学课本上的《小蝌蚪找妈妈》做一个小游戏。游戏非常简单： 第一关：突破卵膜，获得新生 第二关：越过香蕉障碍 第三关：磨掉指甲才是小蝌蚪 第四关：妈妈在烟花下等你 这里必须提到 Gear Zero，根据我自己的体验总结以下优点👇： 1.用聊天做游戏，不是用引擎做游戏 2.交出来的是能玩的游戏，不是一次性 Demo 3.Deep Mode：同一款游戏可以连续打磨很久 4.房间制协作，不是一个人对着对话框苦聊 5.改完就有新版本，好想法不会丢 6.别人的游戏也能接着做 7.发布即分享，几乎零分发成本 8.能免费做起来 以前我们讨论 AI，讨论的是它会不会取代谁。这次我想换个说法：它把入口打开了。让更多本来会被拦在门外的人，第一次摸到「我做的游戏」。 不是发行厂，不是大团队，一个普通人，靠 AI 把脑洞做成能玩的游戏。以前这叫幻想，现在叫上线。热点会过，但「谁都能做自己的游戏」不会过。 试玩我的游戏： 想实现自己的游戏构想？ 官网链接：
1:11

想做一个游戏，一时之间想不起来做什么。最近的新闻让人满脑子都是找妈妈。今天结合小学课本上的《小蝌蚪找妈妈》做一个小游戏。游戏非常简单： 第一关：突破卵膜，获得新生 第二关：越过香蕉障碍 第三关：磨掉指甲才是小蝌蚪 第四关：妈妈在烟花下等你 这里必须提到 Gear Zero，根据我自己的体验总结以下优点👇： 1.用聊天做游戏，不是用引擎做游戏 2.交出来的是能玩的游戏，不是一次性 Demo 3.Deep Mode：同一款游戏可以连续打磨很久 4.房间制协作，不是一个人对着对话框苦聊 5.改完就有新版本，好想法不会丢 6.别人的游戏也能接着做 7.发布即分享，几乎零分发成本 8.能免费做起来 以前我们讨论 AI，讨论的是它会不会取代谁。这次我想换个说法：它把入口打开了。让更多本来会被拦在门外的人，第一次摸到「我做的游戏」。 不是发行厂，不是大团队，一个普通人，靠 AI 把脑洞做成能玩的游戏。以前这叫幻想，现在叫上线。热点会过，但「谁都能做自己的游戏」不会过。 试玩我的游戏： 想实现自己的游戏构想？ 官网链接：

九尾狐-FoxFairy🦊

18,047 views • 29 days ago

游戏世界的天要变了，玩游戏的人，现在也可以AI搓游戏啦。 哈哈，更有意思的是AI 在干活的时候，你可以一直在旁边摸鱼打游戏。 不用学游戏引擎、不用写代码、不用搞美工，就说话，就靠脑洞，描述它，看它变成游戏。 太高级了，随便什么人，不用关心游戏怎么做，只要有嘴就行。 我对 Gear Zero 说：帮我设计：《是兄弟就来砍我》。 20 分钟后，第一个能在浏览器里直接玩的版本出现了。 突然想起小时候的4488小游戏网站，以前在玩别人创造的世界，现在，轮到我们创造自己的世界。 Gear Zero 不只是生成一个玩完即弃的 AI Demo。Deep Mode 可以围绕同一款游戏持续工作最长 10 小时；你还可以邀请朋友进入同一个创作房间，一起讨论、修改和打磨游戏。 以前我只会玩游戏，现在我一句话就能搓出一个游戏。还可以不断迭代，别人的游戏还可以继续二创 想试试的话，直接来，不用花钱： 打开官网 免费注册账号 用大白话描述你想做的游戏 看着它一步步变成真正能玩的作品 Gear Zero
1:11

游戏世界的天要变了，玩游戏的人，现在也可以AI搓游戏啦。 哈哈，更有意思的是AI 在干活的时候，你可以一直在旁边摸鱼打游戏。 不用学游戏引擎、不用写代码、不用搞美工，就说话，就靠脑洞，描述它，看它变成游戏。 太高级了，随便什么人，不用关心游戏怎么做，只要有嘴就行。 我对 Gear Zero 说：帮我设计：《是兄弟就来砍我》。 20 分钟后，第一个能在浏览器里直接玩的版本出现了。 突然想起小时候的4488小游戏网站，以前在玩别人创造的世界，现在，轮到我们创造自己的世界。 Gear Zero 不只是生成一个玩完即弃的 AI Demo。Deep Mode 可以围绕同一款游戏持续工作最长 10 小时；你还可以邀请朋友进入同一个创作房间，一起讨论、修改和打磨游戏。 以前我只会玩游戏，现在我一句话就能搓出一个游戏。还可以不断迭代，别人的游戏还可以继续二创 想试试的话，直接来，不用花钱： 打开官网 免费注册账号 用大白话描述你想做的游戏 看着它一步步变成真正能玩的作品 Gear Zero

岚叔

125,910 views • 1 month ago

和AI Agent一起工作是一种什么样的体验？ 扣子空间详细体验评测 （下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。 也就是你可以像和真人协作一样，和AI一起完成特定任务。 通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。 提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。 扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。 你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。 支持两种工作方式： 自动模式：AI自动帮你完成任务。 协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。
1:01

和AI Agent一起工作是一种什么样的体验？ 扣子空间详细体验评测 （下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。 也就是你可以像和真人协作一样，和AI一起完成特定任务。 通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。 提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。 扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。 你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。 支持两种工作方式： 自动模式：AI自动帮你完成任务。 协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

小互

27,254 views • 1 year ago

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。 这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。 这里 o1 一次生成可以执行的结果，确实是不错的。 生成游戏时的提示词： 使用 pygame 制作一个名为“找松鼠”的游戏： 每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。 如果草莓碰到你，你会死亡。 三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。
2:00

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。 这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。 这里 o1 一次生成可以执行的结果，确实是不错的。 生成游戏时的提示词： 使用 pygame 制作一个名为“找松鼠”的游戏： 每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。 如果草莓碰到你，你会死亡。 三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

宝玉

18,172 views • 2 years ago

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。 我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论 我第一时间就上手了。 先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。 然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。 我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。
0:22

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。 我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论 我第一时间就上手了。 先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。 然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。 我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

27,519 views • 3 months ago

字节开源了一个 AI 团队大脑：DeerFlow 2.0 刚发就冲上 GitHub Trending 第一，43k ⭐。 它是一个开源的超级代理框架，它让 AI 不再是工具，而是一个能干活的团队。 你只需要一句话： “帮我研究 AI 行业趋势，并做一份 PPT” 它会自动完成： 拆任务 → 分配 Agent → 并行执行 → 汇总交付不是建议，是直接把结果做出来。 更关键的是： 它通过 Agent 协同 + 内存 + 沙箱执行 + 可扩展技能 可以完成几乎任何事情 核心能力就三点： - 多 Agent 协作：一个 AI = 一个团队 - 技能驱动（可扩展）：报告、PPT、网站、视频都能做 - 完整工作流执行：从任务到交付，一步到位 DeerFlow 2.0 不是提升效率，是把几乎所有工作流程交给 AI。
0:35

字节开源了一个 AI 团队大脑：DeerFlow 2.0 刚发就冲上 GitHub Trending 第一，43k ⭐。 它是一个开源的超级代理框架，它让 AI 不再是工具，而是一个能干活的团队。 你只需要一句话： “帮我研究 AI 行业趋势，并做一份 PPT” 它会自动完成： 拆任务 → 分配 Agent → 并行执行 → 汇总交付不是建议，是直接把结果做出来。 更关键的是： 它通过 Agent 协同 + 内存 + 沙箱执行 + 可扩展技能 可以完成几乎任何事情 核心能力就三点： - 多 Agent 协作：一个 AI = 一个团队 - 技能驱动（可扩展）：报告、PPT、网站、视频都能做 - 完整工作流执行：从任务到交付，一步到位 DeerFlow 2.0 不是提升效率，是把几乎所有工作流程交给 AI。

开发者Hailey

62,129 views • 6 months ago

对不起，我不是在用 AI，我是在开公司！ 看到 Kimi 2.5 的集群模式，我直接看呆了…… 以前是“一个模型干所有活”，现在是“模型现场帮我招员工” 只要跟它说你的需求，它会自动分身：有的负责调研，有的负责写代码，有的负责整合 最高100个 Agent 并发处理！这种串行+平行的调度能力，以前想都不敢想 “一人公司”的时代真的来了吗 唯一的缺点？贵 现在的我只想大喊：友商们快跟进！早日实现“数字员工自由”！
0:34

对不起，我不是在用 AI，我是在开公司！ 看到 Kimi 2.5 的集群模式，我直接看呆了…… 以前是“一个模型干所有活”，现在是“模型现场帮我招员工” 只要跟它说你的需求，它会自动分身：有的负责调研，有的负责写代码，有的负责整合 最高100个 Agent 并发处理！这种串行+平行的调度能力，以前想都不敢想 “一人公司”的时代真的来了吗 唯一的缺点？贵 现在的我只想大喊：友商们快跟进！早日实现“数字员工自由”！

XDmnnn不淡

50,270 views • 6 months ago

AI 时代，职场人现在最该学的一项技能是什么？ 吴恩达老师的建议是人人都该学编程。 不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。 他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。 学编程不等于手写代码 他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。 他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。
1:28

AI 时代，职场人现在最该学的一项技能是什么？ 吴恩达老师的建议是人人都该学编程。 不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。 他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。 学编程不等于手写代码 他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。 他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

宝玉

111,315 views • 2 days ago

AI 最猛的一步，不是替你工作。 而是开始自己赚钱了。 刚看到一个开源项目 CashClaw，有点离谱。 它不是普通 AI 助手， 而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。 你只要装上它、接好 LLM， 它就能自己评估任务、提交结果， 甚至把整套流程跑完。 更关键的是， 它不是做完就结束， 而是会从每一次任务和反馈里继续学习， 把经验变成下一次任务的能力。 这意味着一件事： 我们可能正在从“AI 提高效率”的阶段， 走向“AI 直接成为生产者”的阶段。 以前你雇人接单。 以后你可能是部署一个 Agent 去接单。 以前 AI 是工具。 现在 AI 开始像个微型公司。 一句话总结： AI 的下一场竞争， 不是谁更聪明， 而是谁先拥有能自己变现的 Agent。 更狠的是，CashClaw 还是开源的。 你甚至可以 fork 之后接到自己的客户和业务上， 把它变成你自己的赚钱系统。 如果这条路跑通， 很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。 你觉得下一波先被重构的， 会是自由职业、外包团队，还是 SaaS？
0:28

AI 最猛的一步，不是替你工作。 而是开始自己赚钱了。 刚看到一个开源项目 CashClaw，有点离谱。 它不是普通 AI 助手， 而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。 你只要装上它、接好 LLM， 它就能自己评估任务、提交结果， 甚至把整套流程跑完。 更关键的是， 它不是做完就结束， 而是会从每一次任务和反馈里继续学习， 把经验变成下一次任务的能力。 这意味着一件事： 我们可能正在从“AI 提高效率”的阶段， 走向“AI 直接成为生产者”的阶段。 以前你雇人接单。 以后你可能是部署一个 Agent 去接单。 以前 AI 是工具。 现在 AI 开始像个微型公司。 一句话总结： AI 的下一场竞争， 不是谁更聪明， 而是谁先拥有能自己变现的 Agent。 更狠的是，CashClaw 还是开源的。 你甚至可以 fork 之后接到自己的客户和业务上， 把它变成你自己的赚钱系统。 如果这条路跑通， 很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。 你觉得下一波先被重构的， 会是自由职业、外包团队，还是 SaaS？

axiaisacat

29,514 views • 6 months ago

港大团队这次开源的，不只是一个 Agent 项目， 而是把 Agent 从“会做事”推进到“会进化”。 项目名叫 OpenSpace。 它想解决的不是“再做一个 Agent”， 而是让 Agent 具备 从实践中学习、持续进化、彼此共享经验 的能力， 避免每次干活都从零开始、重复踩坑。 它的核心卖点有 3 个： 自我进化：skill 会自动修复、自动改进、自动学习，在失败中持续迭代。 群体智能：一个 Agent 学到的新技能，可以同步共享给其他 Agent。 降本增效：复用已经验证过的解决方案，出问题时只修局部，不用每次推翻重来。 README 里还有个很抓人的数字： 4.2× better performance，46% fewer tokens。 我觉得这个项目最值得看的地方，不是“又一个 Agent 框架”， 而是它在试图回答一个更关键的问题： Agent 能不能像团队一样，把经验真正沉淀下来，并且共享给其他 Agent。
0:45

港大团队这次开源的，不只是一个 Agent 项目， 而是把 Agent 从“会做事”推进到“会进化”。 项目名叫 OpenSpace。 它想解决的不是“再做一个 Agent”， 而是让 Agent 具备 从实践中学习、持续进化、彼此共享经验 的能力， 避免每次干活都从零开始、重复踩坑。 它的核心卖点有 3 个： 自我进化：skill 会自动修复、自动改进、自动学习，在失败中持续迭代。 群体智能：一个 Agent 学到的新技能，可以同步共享给其他 Agent。 降本增效：复用已经验证过的解决方案，出问题时只修局部，不用每次推翻重来。 README 里还有个很抓人的数字： 4.2× better performance，46% fewer tokens。 我觉得这个项目最值得看的地方，不是“又一个 Agent 框架”， 而是它在试图回答一个更关键的问题： Agent 能不能像团队一样，把经验真正沉淀下来，并且共享给其他 Agent。

axiaisacat

30,217 views • 6 months ago

Mininglamp-AI Mininglamp（2718.HK） 开源了两个很有意思的项目： Cider 和 Mano-P 一个解决“Mac 本地跑 AI 怎么更快” 一个解决“AI 怎么真正操作电脑” 可以让你的 Mac 不只是运行 AI，而是成为本地 AI 工作站 很多人用 Mac 跑本地模型，会遇到一个问题： 芯片很强，但模型跑起来没有想象中那么快 Cider 做的事情，就是把 M5 芯片里的 INT8 TensorOps 更充分用起来，让 LLM / VLM 推理更快、更省内存 Mano-P 则是一个 GUI-VLA Agent，面向端侧设备，可以在 Mac mini / MacBook 上本地推理 它不是只能操作浏览器，还能操作桌面软件、网页界面、专业工具和复杂图形化工作流 支持复杂 GUI 自动化、跨系统数据整合、长任务规划执行、智能报告生成、自主应用构建 技术路径是纯视觉 GUI 操作，截图和任务数据可以不出设备 Cider 解决的是： Mac 本地模型怎么跑得更快、更省内存 Mano-P 解决的是： AI 怎么像人一样看屏幕、操作电脑、完成任务 一个是端侧推理加速框架 一个是端侧 GUI Agent 模型 合起来，就是一套私有 AI 的本地基础设施 下面是 Mano-P系统在麻将游戏中的应用：通过纯视觉理解游戏界面，自主完成识牌、分析和决策。
1:24

Mininglamp-AI Mininglamp（2718.HK） 开源了两个很有意思的项目： Cider 和 Mano-P 一个解决“Mac 本地跑 AI 怎么更快” 一个解决“AI 怎么真正操作电脑” 可以让你的 Mac 不只是运行 AI，而是成为本地 AI 工作站 很多人用 Mac 跑本地模型，会遇到一个问题： 芯片很强，但模型跑起来没有想象中那么快 Cider 做的事情，就是把 M5 芯片里的 INT8 TensorOps 更充分用起来，让 LLM / VLM 推理更快、更省内存 Mano-P 则是一个 GUI-VLA Agent，面向端侧设备，可以在 Mac mini / MacBook 上本地推理 它不是只能操作浏览器，还能操作桌面软件、网页界面、专业工具和复杂图形化工作流 支持复杂 GUI 自动化、跨系统数据整合、长任务规划执行、智能报告生成、自主应用构建 技术路径是纯视觉 GUI 操作，截图和任务数据可以不出设备 Cider 解决的是： Mac 本地模型怎么跑得更快、更省内存 Mano-P 解决的是： AI 怎么像人一样看屏幕、操作电脑、完成任务 一个是端侧推理加速框架 一个是端侧 GUI Agent 模型 合起来，就是一套私有 AI 的本地基础设施 下面是 Mano-P系统在麻将游戏中的应用：通过纯视觉理解游戏界面，自主完成识牌、分析和决策。

小互

12,114 views • 4 months ago

说实话，这才是我想要的AI该有的样子。 前_buildspace创始人Farza刚刚发布了Clicky，一个住在你Mac光标旁边的AI伙伴， 你不用打开任何App，不用打字，只要对着屏幕说一句话， 它就会分裂出一个小代理， 直接帮你把活干了。 你说，帮我把桌面这些乱七八糟的截图清理一下， 它就自动给你分类归档。 你说，帮我明天晚上九点设个提醒和Sharif去吃饭，它就直接打开提醒事项帮你建好。 你说，帮我找25个粉丝不到五万的同领域微网红，列成CSV再写几条DM模板， 它就自己上网搜，自己整理，几分钟给你一个现成的表格。 最离谱的是这个， 你说，帮我建一个Mac App，控制本地的Spotify，做成复古唱片机风格，有播放暂停显示歌名，五分钟之后，它真的给你编译出了一个完整的原生App，还自动打开给你运行。 以前所有的AI，都是你去找它，你打开聊天框，你打字，你复制粘贴，而Clicky是它一直在你身边，它看得到你屏幕上的一切，你需要的时候喊一声，它就出来帮你搞定。 Siri会告诉你，我帮你打开提醒事项，然后让你自己填，而Clicky会直接帮你填好保存，这才是真正的AI助手，不是聊天机器人，是你的数字员工。 现在已经可以免费下载了，Mac用户直接冲，这绝对是2026年到目前为止，最让我兴奋的AI产品。
3:43

说实话，这才是我想要的AI该有的样子。 前_buildspace创始人Farza刚刚发布了Clicky，一个住在你Mac光标旁边的AI伙伴， 你不用打开任何App，不用打字，只要对着屏幕说一句话， 它就会分裂出一个小代理， 直接帮你把活干了。 你说，帮我把桌面这些乱七八糟的截图清理一下， 它就自动给你分类归档。 你说，帮我明天晚上九点设个提醒和Sharif去吃饭，它就直接打开提醒事项帮你建好。 你说，帮我找25个粉丝不到五万的同领域微网红，列成CSV再写几条DM模板， 它就自己上网搜，自己整理，几分钟给你一个现成的表格。 最离谱的是这个， 你说，帮我建一个Mac App，控制本地的Spotify，做成复古唱片机风格，有播放暂停显示歌名，五分钟之后，它真的给你编译出了一个完整的原生App，还自动打开给你运行。 以前所有的AI，都是你去找它，你打开聊天框，你打字，你复制粘贴，而Clicky是它一直在你身边，它看得到你屏幕上的一切，你需要的时候喊一声，它就出来帮你搞定。 Siri会告诉你，我帮你打开提醒事项，然后让你自己填，而Clicky会直接帮你填好保存，这才是真正的AI助手，不是聊天机器人，是你的数字员工。 现在已经可以免费下载了，Mac用户直接冲，这绝对是2026年到目前为止，最让我兴奋的AI产品。

AYi

14,316 views • 5 months ago

其实不是每个职场人都必须去学 Claude Code 或 Codex。 如果你的工作主要只是改 PPT、补 Excel、写汇报，那么你真正缺的不是一个超强的 Agent，而是一个知道你工作上下文的 AI助手。 比如 remio，它会持续把你的本地文件、会议、邮件这些资料变成上下文。 让它改 PPT 的时候，不需要每次重新上传十个文件、再把项目背景解释一遍，只需要选取本地相关资料，它会自动读取、分析、提炼、并快速汇总成你需要的交付形式。 它更像一个已经在公司陪你协作了很久、知道项目来龙去脉的 AI 办公秘书。 以后老板一发任务，你就可以直接让remio帮你干。
0:30

其实不是每个职场人都必须去学 Claude Code 或 Codex。 如果你的工作主要只是改 PPT、补 Excel、写汇报，那么你真正缺的不是一个超强的 Agent，而是一个知道你工作上下文的 AI助手。 比如 remio，它会持续把你的本地文件、会议、邮件这些资料变成上下文。 让它改 PPT 的时候，不需要每次重新上传十个文件、再把项目背景解释一遍，只需要选取本地相关资料，它会自动读取、分析、提炼、并快速汇总成你需要的交付形式。 它更像一个已经在公司陪你协作了很久、知道项目来龙去脉的 AI 办公秘书。 以后老板一发任务，你就可以直接让remio帮你干。

木马人

18,540 views • 1 month ago

以前玩贪吃蛇，玩的都是别人做好的。 今天我试着让 AI 给我做了一款。 我只说了一句： “做一个经典贪吃蛇小游戏，用方向键控制小蛇吃苹果，撞墙或撞到自己就结束。” 然后 Gear Zero 就开始自己规划、写代码、搭画面。 我在旁边等着，它在认真给小蛇铺果园、放苹果。 最神奇的是，做完不是给你一张效果图，而是真的生成一个能玩的小游戏。打开浏览器就能玩；觉得不够好玩，还能接着跟它说：“加几个障碍物”“吃到金苹果多加分”“速度再快一点”，它会继续往下改。 不用学游戏引擎，不用写代码，也不用找美工。 你只要把脑子里的游戏说出来，它就能一步步给你做成能在浏览器里直接玩的版本。 以前我们玩别人创造的游戏， 现在，终于可以玩自己脑洞里的游戏了。 想做贪吃蛇、赛车、塔防，还是“打工人下班逃生”？ 去 Gear Zero，说一句试试。 想自己做一个的话，方法很简单： 打开 比如“做一个贪吃蛇”“做一个双人赛车”“做一个奶茶店经营游戏”。 剩下的，交给 Gear Zero。 Gear Zero
0:45

以前玩贪吃蛇，玩的都是别人做好的。 今天我试着让 AI 给我做了一款。 我只说了一句： “做一个经典贪吃蛇小游戏，用方向键控制小蛇吃苹果，撞墙或撞到自己就结束。” 然后 Gear Zero 就开始自己规划、写代码、搭画面。 我在旁边等着，它在认真给小蛇铺果园、放苹果。 最神奇的是，做完不是给你一张效果图，而是真的生成一个能玩的小游戏。打开浏览器就能玩；觉得不够好玩，还能接着跟它说：“加几个障碍物”“吃到金苹果多加分”“速度再快一点”，它会继续往下改。 不用学游戏引擎，不用写代码，也不用找美工。 你只要把脑子里的游戏说出来，它就能一步步给你做成能在浏览器里直接玩的版本。 以前我们玩别人创造的游戏， 现在，终于可以玩自己脑洞里的游戏了。 想做贪吃蛇、赛车、塔防，还是“打工人下班逃生”？ 去 Gear Zero，说一句试试。 想自己做一个的话，方法很简单： 打开 比如“做一个贪吃蛇”“做一个双人赛车”“做一个奶茶店经营游戏”。 剩下的，交给 Gear Zero。 Gear Zero

Cheery

11,465 views • 1 month ago