正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码”... show more

0x_Miko

16,933 subscribers

47,241 次观看 • 3 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

0x_Miko

188,280 次观看 • 2 个月前

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

Martin

27,466 次观看 • 2 个月前

Anthropic engineer 这句话很关键： “你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。” 这可能是最近看到最值得保存的 Claude workflow 之一视频里她拆了很多人正在犯的同一个问题：用了 Claude 几个月，但每次还是从零开始新开 session 重新解释背景重新贴上下文重新写 prompt 然后关掉 tab，一切停止她讲到几个细节： CLAUDE.md 在你输入第一个字前，就可能吃掉 14% 95% 用户从来没装过的 plugins 不需要你手动输入 prompt，也能运行的 workflows 以及为什么“打一条 prompt 然后关掉页面”，等于把 90% 的能力留在桌上真正有意思的是： Claude 的价值不只是回答你的问题而是你能不能把它放进一套系统里让它记住规则读取上下文调用 plugins 跑 workflows 甚至在你不输入下一条 prompt 的时候，继续推进任务如果你用了 Claude 几个月，但每次 session 还是从头开始那你至少还有 28 个 untouched features 可能是 30 个今晚与其再刷一集剧，不如看完这个视频看完先 bookmark

Anthropic engineer 这句话很关键： “你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。” 这可能是最近看到最值得保存的 Claude workflow 之一视频里她拆了很多人正在犯的同一个问题：用了 Claude 几个月，但每次还是从零开始新开 session 重新解释背景重新贴上下文重新写 prompt 然后关掉 tab，一切停止她讲到几个细节： CLAUDE.md 在你输入第一个字前，就可能吃掉 14% 95% 用户从来没装过的 plugins 不需要你手动输入 prompt，也能运行的 workflows 以及为什么“打一条 prompt 然后关掉页面”，等于把 90% 的能力留在桌上真正有意思的是： Claude 的价值不只是回答你的问题而是你能不能把它放进一套系统里让它记住规则读取上下文调用 plugins 跑 workflows 甚至在你不输入下一条 prompt 的时候，继续推进任务如果你用了 Claude 几个月，但每次 session 还是从头开始那你至少还有 28 个 untouched features 可能是 30 个今晚与其再刷一集剧，不如看完这个视频看完先 bookmark

0x_Miko

155,184 次观看 • 3 个月前

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？

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 次观看 • 5 个月前

今晚如果你本来打算刷 2 小时 Netflix 不如看这个 40 分钟 masterclass 来自一家 $20B 中国 AI company 的 Kimi founder 它最有价值的地方不是“讲 AI 很强” 而是把 Agent Swarms 和 AI systems 到底怎么在规模化场景里运作，讲得非常清楚不管你从来没搭过 agent，还是已经每天都在用 Claude，这个内容都值得看真正有意思的是：很多人还在把 AI 当单个工具用但 Agent Swarms 讨论的是另一件事： -- 多个 agent 如何分工 -- 如何协作 -- 如何把任务拆开 -- 如何在系统层面持续运行这也是为什么我把里面的关键思路整理成了一份 practical guide 重点不是单纯理解概念而是怎么真正用 Kimi 去 build

今晚如果你本来打算刷 2 小时 Netflix 不如看这个 40 分钟 masterclass 来自一家 $20B 中国 AI company 的 Kimi founder 它最有价值的地方不是“讲 AI 很强” 而是把 Agent Swarms 和 AI systems 到底怎么在规模化场景里运作，讲得非常清楚不管你从来没搭过 agent，还是已经每天都在用 Claude，这个内容都值得看真正有意思的是：很多人还在把 AI 当单个工具用但 Agent Swarms 讨论的是另一件事： -- 多个 agent 如何分工 -- 如何协作 -- 如何把任务拆开 -- 如何在系统层面持续运行这也是为什么我把里面的关键思路整理成了一份 practical guide 重点不是单纯理解概念而是怎么真正用 Kimi 去 build

0x_Miko

16,093 次观看 • 3 个月前

Anthropic 刚花了 millions 去 hire Andrej Karpathy 但同一周，Karpathy 把同样级别的认知，用 $0 放出来了 OpenAI co-founder Former head of AI at Tesla 提出 vibe coding 的人没有 recruitment fee 没有 exclusive access 只有一个链接，29 分钟他这次讲了几个很关键的判断： - LLMs are ghosts, not animals. - Vibe coding is dead. - Software 3.0 is here. 真正有意思的是： Karpathy 讲的是 Software 3.0 到底是什么但如果只停留在理解概念，还不够下一步是：怎么把它做出来这也是为什么我整理了一份 full build guide 核心是用 Claude Code 搭一个 software factory 让它自动拆任务、写代码、改功能、推进项目甚至在你睡觉的时候，也能继续 ship features Karpathy 的 29 分钟，告诉你 Software 3.0 是什么这份 guide，则是告诉你怎么用 Claude Code 把它建出来

Anthropic 刚花了 millions 去 hire Andrej Karpathy 但同一周，Karpathy 把同样级别的认知，用 $0 放出来了 OpenAI co-founder Former head of AI at Tesla 提出 vibe coding 的人没有 recruitment fee 没有 exclusive access 只有一个链接，29 分钟他这次讲了几个很关键的判断： - LLMs are ghosts, not animals. - Vibe coding is dead. - Software 3.0 is here. 真正有意思的是： Karpathy 讲的是 Software 3.0 到底是什么但如果只停留在理解概念，还不够下一步是：怎么把它做出来这也是为什么我整理了一份 full build guide 核心是用 Claude Code 搭一个 software factory 让它自动拆任务、写代码、改功能、推进项目甚至在你睡觉的时候，也能继续 ship features Karpathy 的 29 分钟，告诉你 Software 3.0 是什么这份 guide，则是告诉你怎么用 Claude Code 把它建出来

0x_Miko

75,348 次观看 • 3 个月前

Anthropic 刚放出一个 27 分钟 workshop 如何真正给 Claude 写 prompts 最关键的是，这不是外面的人二次包装是由 Claude 背后的人亲自讲 Free No registration No paywall 很多人花 $300 买的 prompt course，可能前 8 分钟都讲不到这里面的密度真正有意思的是：大多数人还在把 Claude 当聊天框用但 Anthropic 自己展示的是，怎么把 prompt 变成一套更稳定的工作流你怎么描述任务怎么给上下文怎么限制输出怎么让 Claude 更接近你真正想要的结果如果你正在用 Claude 写代码、做内容、搭 agent，或者处理复杂任务这个 27 分钟值得直接看完，然后 bookmark 问题是： AI 时代真正的差距，是谁买了更贵的课，还是谁更早学会和模型正确协作？

Anthropic 刚放出一个 27 分钟 workshop 如何真正给 Claude 写 prompts 最关键的是，这不是外面的人二次包装是由 Claude 背后的人亲自讲 Free No registration No paywall 很多人花 $300 买的 prompt course，可能前 8 分钟都讲不到这里面的密度真正有意思的是：大多数人还在把 Claude 当聊天框用但 Anthropic 自己展示的是，怎么把 prompt 变成一套更稳定的工作流你怎么描述任务怎么给上下文怎么限制输出怎么让 Claude 更接近你真正想要的结果如果你正在用 Claude 写代码、做内容、搭 agent，或者处理复杂任务这个 27 分钟值得直接看完，然后 bookmark 问题是： AI 时代真正的差距，是谁买了更贵的课，还是谁更早学会和模型正确协作？

0x_Miko

64,328 次观看 • 3 个月前

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

Vincent

69,334 次观看 • 2 个月前

一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。结果最危险的地方，不是 AI 看错了。而是它一本正经地回答：没有明显骨折。很多人会替它辩护。说 Claude 不是专门读 X 光的模型。说它没受过医疗训练。说用户用错了工具。这些话都可能成立。但问题恰恰在这里。如果一个模型没有能力评估 X 光，它最应该输出的，不是一个看起来像医学判断的答案。它应该拒答。它应该说：你正在用错误的模型评估医学影像，我不能给出结论，请找专业医生。医疗场景里，最危险的 AI 不是“不知道”。最危险的是“不知道自己不知道”。人类医生看不准，可以会诊，可以复查，可以承认不确定。 AI 一旦用流畅语言把错误包装成确定答案，普通人很容易把它当成结论。这就是医疗 AI 真正的安全门槛。不是会不会说医学术语。不是回答听起来像不像医生。而是在自己不该回答的时候，能不能闭嘴。未来 AI 进医院，拒答能力和诊断能力一样重要。一个不会刹车的系统，跑得越快，越危险。

一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。结果最危险的地方，不是 AI 看错了。而是它一本正经地回答：没有明显骨折。很多人会替它辩护。说 Claude 不是专门读 X 光的模型。说它没受过医疗训练。说用户用错了工具。这些话都可能成立。但问题恰恰在这里。如果一个模型没有能力评估 X 光，它最应该输出的，不是一个看起来像医学判断的答案。它应该拒答。它应该说：你正在用错误的模型评估医学影像，我不能给出结论，请找专业医生。医疗场景里，最危险的 AI 不是“不知道”。最危险的是“不知道自己不知道”。人类医生看不准，可以会诊，可以复查，可以承认不确定。 AI 一旦用流畅语言把错误包装成确定答案，普通人很容易把它当成结论。这就是医疗 AI 真正的安全门槛。不是会不会说医学术语。不是回答听起来像不像医生。而是在自己不该回答的时候，能不能闭嘴。未来 AI 进医院，拒答能力和诊断能力一样重要。一个不会刹车的系统，跑得越快，越危险。

墓碑科技

42,507 次观看 • 1 个月前

OpenClaw/Clawdbot作者 Peter Steinberger 讲了一个让他顿悟的瞬间。他给自己的clawdbot发了条语音消息，然后才反应过来：我根本没做语音功能啊。但"正在输入"的指示器亮了。十秒后，agent若无其事地回复了。 Peter问它：你怎么做到的？ Agent的回答让他震住了：你发的消息只有一个文件链接，没有扩展名。我查了文件头，发现是Opus格式。用你Mac上的FFmpeg转成Wave。想用Whisper但没装，还报错了。不过我翻了翻发现你环境变量里有OpenAI的key，就用curl调了API拿到转写，然后回复你了。这个故事的意义在于，这不是预设好的workflow，不是写好的代码，是agent在遇到一个从未见过的问题时，自己想办法把链路串起来。文件头分析、格式转换、找可用工具、翻环境变量、调第三方API，一气呵成。 Peter说了一句话我很认同：这些东西是该死的聪明、足智多谋的野兽，只要你真的赋予它们力量。 "if you actually give them the power"才是关键。大多数人还在用AI写个总结、改个文案，把它当高级搜索引擎用。但当你给它shell权限，给它访问你本地工具链的能力，它展现出的自主探索完成任务能力完全是另一个量级。与此同时，行业里有一大批人在反方向努力。有人在绞尽脑汁省token，精心设计让AI 更少思考，生怕多花几分钱。还觉得模型做事太慢，自己来设计一些流程替代 AI 的思考探索，美其名曰加速。这种思路本质上是把一个足智多谋的野兽关进笼子里，然后抱怨它不够聪明。更神奇的是，市面上95%的软件压根就不是为面向智能设计的。还是传统思路：产品经理写PRD，开发者把逻辑一条条写死在代码里，用户只能在预设的按钮和流程里点来点去。这些软件在AI时代就像是用打孔纸带写程序，技术上能用，但完全错过了这个时代真正的可能性。 --- 注，这段切片是我丢下一句话给 claude code 完成的下载切片添加字幕，只是提出要求，没有任何 Skills，没有告诉他怎么做。

OpenClaw/Clawdbot作者 Peter Steinberger 讲了一个让他顿悟的瞬间。他给自己的clawdbot发了条语音消息，然后才反应过来：我根本没做语音功能啊。但"正在输入"的指示器亮了。十秒后，agent若无其事地回复了。 Peter问它：你怎么做到的？ Agent的回答让他震住了：你发的消息只有一个文件链接，没有扩展名。我查了文件头，发现是Opus格式。用你Mac上的FFmpeg转成Wave。想用Whisper但没装，还报错了。不过我翻了翻发现你环境变量里有OpenAI的key，就用curl调了API拿到转写，然后回复你了。这个故事的意义在于，这不是预设好的workflow，不是写好的代码，是agent在遇到一个从未见过的问题时，自己想办法把链路串起来。文件头分析、格式转换、找可用工具、翻环境变量、调第三方API，一气呵成。 Peter说了一句话我很认同：这些东西是该死的聪明、足智多谋的野兽，只要你真的赋予它们力量。 "if you actually give them the power"才是关键。大多数人还在用AI写个总结、改个文案，把它当高级搜索引擎用。但当你给它shell权限，给它访问你本地工具链的能力，它展现出的自主探索完成任务能力完全是另一个量级。与此同时，行业里有一大批人在反方向努力。有人在绞尽脑汁省token，精心设计让AI 更少思考，生怕多花几分钱。还觉得模型做事太慢，自己来设计一些流程替代 AI 的思考探索，美其名曰加速。这种思路本质上是把一个足智多谋的野兽关进笼子里，然后抱怨它不够聪明。更神奇的是，市面上95%的软件压根就不是为面向智能设计的。还是传统思路：产品经理写PRD，开发者把逻辑一条条写死在代码里，用户只能在预设的按钮和流程里点来点去。这些软件在AI时代就像是用打孔纸带写程序，技术上能用，但完全错过了这个时代真正的可能性。 --- 注，这段切片是我丢下一句话给 claude code 完成的下载切片添加字幕，只是提出要求，没有任何 Skills，没有告诉他怎么做。

kAI

171,400 次观看 • 7 个月前

很多人用AI，都用错了。这是Claude代码创造者Boris Cherny的观点。他说，太多人想把AI模型塞进一个盒子里。强制它执行死板的流程。第一步，第二步，第三步。像个机器人产线工人。结果呢？效果反而更差。真正聪明的做法是什么？给它工具。给它自由。给它一个目标。然后让它自己想办法去解决问题。别一开始就喂给它海量信息。给它一个能自己找信息的工具就行了。这让人想起一个老问题。是精密的计划经济能赢？还是自由的市场能赢？答案好像越来越清楚了。技术在进步，但背后的哲学却总在重复。到底是控制带来效率，还是自由带来繁荣？

很多人用AI，都用错了。这是Claude代码创造者Boris Cherny的观点。他说，太多人想把AI模型塞进一个盒子里。强制它执行死板的流程。第一步，第二步，第三步。像个机器人产线工人。结果呢？效果反而更差。真正聪明的做法是什么？给它工具。给它自由。给它一个目标。然后让它自己想办法去解决问题。别一开始就喂给它海量信息。给它一个能自己找信息的工具就行了。这让人想起一个老问题。是精密的计划经济能赢？还是自由的市场能赢？答案好像越来越清楚了。技术在进步，但背后的哲学却总在重复。到底是控制带来效率，还是自由带来繁荣？

墓碑科技

25,600 次观看 • 5 个月前

Karpathy 在一次采访里说了个很扎心的点：很多人每月花 20 美元订 Claude，但其实还停留在“问答使用”阶段。真正拉开差距的，是会不会用 AI 构建东西。他提到，自己发现过 4 类会把 Claude 写代码搞崩的行为，并整理成一个文件。后来有开发者把它扩展成 21 条规则发布，拿到 8.2 万星，还登上 GitHub 第一。更夸张的是，按这套规则调整后，代码准确率从 65% 提升到 94%。这说明 AI 编程的门槛已经变了。会不会写代码只是一层。会不会给 AI 建规则、拆任务、设边界、做反馈，才是下一层能力。

Karpathy 在一次采访里说了个很扎心的点：很多人每月花 20 美元订 Claude，但其实还停留在“问答使用”阶段。真正拉开差距的，是会不会用 AI 构建东西。他提到，自己发现过 4 类会把 Claude 写代码搞崩的行为，并整理成一个文件。后来有开发者把它扩展成 21 条规则发布，拿到 8.2 万星，还登上 GitHub 第一。更夸张的是，按这套规则调整后，代码准确率从 65% 提升到 94%。这说明 AI 编程的门槛已经变了。会不会写代码只是一层。会不会给 AI 建规则、拆任务、设边界、做反馈，才是下一层能力。

KK.aWSB

476,878 次观看 • 3 个月前

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。不是它们不厉害，恰恰相反——都太厉害了。模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。不是“哇好强”，而是突然冒出一个不太技术的问题：如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？不是那种我问你、你马上答的关系，而是你会不会哪天顺手再点开它。有些 AI 真的很聪明，但你心里清楚，它就是工具。用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。它更像是在琢磨一件事：人为什么会愿意和一个存在长期相处？这时候我才开始注意到他们说的那套 Mind / Body / Soul。不是因为名字，而是方向。 Mind 这一层，其实挺像人。不是一直保持同一种状态。有时候你需要逻辑，有时候只是想被理解，有时候甚至不需要答案，只要有人把话接住。再加上它会记得你。不是那种冷冰冰的“你在某年某月问过什么”，而是你们之间发生过的那些事。一旦记忆变成关系的一部分，整个体验就不一样了。 Body 这点我以前真没太当回事。但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。有形象、有存在的位置，在你已经习惯的设备和场景里出现。不是为了炫，而是为了让你不抗拒。在你信任之前，你首先得觉得它“正常”、不吓人。至于 Soul，其实是我最看重的。现在的 AI 都很会，但很少有那种让人想一直留着的。 Kindred 没那么急。不催你、不拉你、不用力制造黏性。你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西，给我的感觉更像是一起走一段，而不是被系统牵着跑。所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI，但底层其实是在讲人。我们怎么建立信任，怎么产生依附，怎么愿意长期和一个存在共处。 AI 只是载体。被认真对待的，其实是人的感受。如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。不是因为它最强，而是它没有急着证明自己。

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。不是它们不厉害，恰恰相反——都太厉害了。模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。不是“哇好强”，而是突然冒出一个不太技术的问题：如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？不是那种我问你、你马上答的关系，而是你会不会哪天顺手再点开它。有些 AI 真的很聪明，但你心里清楚，它就是工具。用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。它更像是在琢磨一件事：人为什么会愿意和一个存在长期相处？这时候我才开始注意到他们说的那套 Mind / Body / Soul。不是因为名字，而是方向。 Mind 这一层，其实挺像人。不是一直保持同一种状态。有时候你需要逻辑，有时候只是想被理解，有时候甚至不需要答案，只要有人把话接住。再加上它会记得你。不是那种冷冰冰的“你在某年某月问过什么”，而是你们之间发生过的那些事。一旦记忆变成关系的一部分，整个体验就不一样了。 Body 这点我以前真没太当回事。但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。有形象、有存在的位置，在你已经习惯的设备和场景里出现。不是为了炫，而是为了让你不抗拒。在你信任之前，你首先得觉得它“正常”、不吓人。至于 Soul，其实是我最看重的。现在的 AI 都很会，但很少有那种让人想一直留着的。 Kindred 没那么急。不催你、不拉你、不用力制造黏性。你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西，给我的感觉更像是一起走一段，而不是被系统牵着跑。所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI，但底层其实是在讲人。我们怎么建立信任，怎么产生依附，怎么愿意长期和一个存在共处。 AI 只是载体。被认真对待的，其实是人的感受。如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。不是因为它最强，而是它没有急着证明自己。

董小姐｜预测世界杯就在Gate

43,660 次观看 • 7 个月前

我让 Claude 15 分钟做了 3 个交易 bot 第二天，钱包里直接多了 +$2,503 我当天就把工作辞了整个过程很简单：我只写了一段 prompt，再回答了几个问题剩下的，Claude 自己做完了它直接拆出 3 套策略： MACD RSI + VWAP CVD divergence 然后给每个 bot 分了一套第一个做 momentum 看到成交量开始抬头，就在大多数人还没反应过来之前先进去第二个做 reversal 等市场开始恐慌，它反手去做对面第三个专门抓 divergence 当价格讲的是一套故事，资金流讲的是另一套，它只跟钱走更狠的是，这不是我一行一行搭出来的 Claude 自己把整套结构写出来了：回测框架历史数据测试风险管理模块部署流程全是它自己搭的最后变成： 3 个 bot 3 个账户 3 套不同打法而且它们彼此不知道对方在做什么资金也是一路放大的： $1→ $5 → $10 → $50 → 一天 +$2,503 你会发现，真正可怕的地方不是“AI 会写代码” 而是它已经开始把：策略拆分回测验证风控配置自动部署压缩到一条 prompt 里 Citadel、Jane Street、Two Sigma 很早就在用 bot 交易了因为 bot 不会怕不会贪也不会 FOMO 它只听算法市场最终奖励的，也一直都不是情绪而是系统你觉得这种故事真正的核心，是在卖 Claude 写 bot 的能力，还是在说明个人交易也开始进入“小型系统化团队”时代了？如果你想寻找一个Polymarket 上简单又好用的交易和跟单工具，可以使用资料在这里 🔽

我让 Claude 15 分钟做了 3 个交易 bot 第二天，钱包里直接多了 +$2,503 我当天就把工作辞了整个过程很简单：我只写了一段 prompt，再回答了几个问题剩下的，Claude 自己做完了它直接拆出 3 套策略： MACD RSI + VWAP CVD divergence 然后给每个 bot 分了一套第一个做 momentum 看到成交量开始抬头，就在大多数人还没反应过来之前先进去第二个做 reversal 等市场开始恐慌，它反手去做对面第三个专门抓 divergence 当价格讲的是一套故事，资金流讲的是另一套，它只跟钱走更狠的是，这不是我一行一行搭出来的 Claude 自己把整套结构写出来了：回测框架历史数据测试风险管理模块部署流程全是它自己搭的最后变成： 3 个 bot 3 个账户 3 套不同打法而且它们彼此不知道对方在做什么资金也是一路放大的： $1→ $5 → $10 → $50 → 一天 +$2,503 你会发现，真正可怕的地方不是“AI 会写代码” 而是它已经开始把：策略拆分回测验证风控配置自动部署压缩到一条 prompt 里 Citadel、Jane Street、Two Sigma 很早就在用 bot 交易了因为 bot 不会怕不会贪也不会 FOMO 它只听算法市场最终奖励的，也一直都不是情绪而是系统你觉得这种故事真正的核心，是在卖 Claude 写 bot 的能力，还是在说明个人交易也开始进入“小型系统化团队”时代了？如果你想寻找一个Polymarket 上简单又好用的交易和跟单工具，可以使用资料在这里 🔽

0x_Miko

10,056 次观看 • 5 个月前

这是美国大学毕业季最诚实的一场演讲也是AI时代最引人思考的关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授专门研究毅力的顶级学者在宾大的毕业典礼上一句话炸翻了全场今天的演讲（稿）是我和AI一起写的！😂 而且我一点儿也不惭愧这太魔幻了一个教孩子要坚毅要刻苦的居然在带头“偷懒” 但是她接下来说的话才是我反复该说的部分就是这篇人机协作的演讲稿给出了AI时代家长心里最担心的两个问题的答案第一个问题孩子天天用AI，脑子会不会废掉？扫了一眼台下的毕业生问了一个戳心的问题如果我们一直这么用AI 会变得越来越不会思考她自己呢带头就举了手台下呢也几乎是全员举手 Angela接着说她自己呢也担心过因为大脑是用尽废退不用的话神经连接都会萎缩她讲了一个故事她被一个很难的统计学方法卡住了当时呢身边没有人能够帮她在客厅里做着房地产相关的工作于是她打开了GPT 就把问题呢告诉它结果AI只用了几句话就把这个复杂的问题讲清楚了不但讲清楚了还提醒她常见的误区给了清晰的步骤她对不懂的地方进行追问让AI示范短短十分钟之后她不仅仅是拿到了答案而且真正的理解了注意她的关键词啊不是替我想而是带我想👊 她又问台下的毕业生们你们有没有哪怕一次真切的感受到因为AI比你之前聪明了一点点？这一次又是几乎全员举手🙋‍♀️ 同样的一群人同样的一双手可以是害怕AI让我变笨也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀两组年轻人写求职信一组呢完全自己写另一组呢用AI辅助结果非常反常识用AI那组不但写的更快就连写作能力也提升的更多为什么？给出了一个关键解释因为AI在做一件人类老师一直想做但没有精力去做的事它会不停的给你看更好的版本这个句子可以更短那个词可以换这个结构呢还可以调整你就一遍一遍的看这些示范就是在训练自己的眼睛和感觉所以结论很简单也很有力量👍🏼 AI会不会废掉孩子并不取决于AI有多强而是取决于我们把它当什么当你把AI当拐杖你交出的就是大脑当你把AI当教练你练出来的就是判断力、表达力、结构感 AI的正确打开方式不是把脑子托管给它而是用它不断的看到更好的思考然后呢逼自己追上去第二个问题既然知识和课程网上全有 AI又能给出答案那我们为什么还需要老师？教育为什么还需要人？在学期末说这样一个秘密这整个学期我教给你们的所有知识网上全都有每一篇文章都有电子版每一道作业都有人做过类似的换句话说就是只要你愿意不来上我的课你照样能学学生们呢？都愣住了然后她说但是你们还是需要我因为你们需要有人在周二之前逼你读完一篇并不轻松的文章😂 需要有人在周四之前提醒你们交出一篇你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室需要有人给你定一个你以为达不到的标准然后认真的看着你的眼睛说我知道你能做到我会等到你做到！👍🏼 这一段看起来安安静静的话简直是一下子戳中了教育的本质教育从来都不是信息的填充而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师图书馆的知识是免费的但是你得自带容器而一个真正的好老师就会帮你塑造这个容器我突然想到了我的孩子们 AI可以把全世界的知识都摆在他们的面前但是它做不到的是在他们快要放弃的时候坚定的看着他们的眼睛说这很难 ☹️ 但我相信你对于孩子们来说爸爸妈妈才是他们最早遇到的老师那位Angela老师在这个算力爆炸的时代我们到底要教给孩子什么？用AI的方法当然但比这个更重要的是带他们去户外徒步去仰望星空去面对挫折去感受心跳我们要做的是站在孩子的身边成为赋予他们品格的那个人如果你有时间强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊有这么想讨论的一起聊聊吧😊

这是美国大学毕业季最诚实的一场演讲也是AI时代最引人思考的关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授专门研究毅力的顶级学者在宾大的毕业典礼上一句话炸翻了全场今天的演讲（稿）是我和AI一起写的！😂 而且我一点儿也不惭愧这太魔幻了一个教孩子要坚毅要刻苦的居然在带头“偷懒” 但是她接下来说的话才是我反复该说的部分就是这篇人机协作的演讲稿给出了AI时代家长心里最担心的两个问题的答案第一个问题孩子天天用AI，脑子会不会废掉？扫了一眼台下的毕业生问了一个戳心的问题如果我们一直这么用AI 会变得越来越不会思考她自己呢带头就举了手台下呢也几乎是全员举手 Angela接着说她自己呢也担心过因为大脑是用尽废退不用的话神经连接都会萎缩她讲了一个故事她被一个很难的统计学方法卡住了当时呢身边没有人能够帮她在客厅里做着房地产相关的工作于是她打开了GPT 就把问题呢告诉它结果AI只用了几句话就把这个复杂的问题讲清楚了不但讲清楚了还提醒她常见的误区给了清晰的步骤她对不懂的地方进行追问让AI示范短短十分钟之后她不仅仅是拿到了答案而且真正的理解了注意她的关键词啊不是替我想而是带我想👊 她又问台下的毕业生们你们有没有哪怕一次真切的感受到因为AI比你之前聪明了一点点？这一次又是几乎全员举手🙋‍♀️ 同样的一群人同样的一双手可以是害怕AI让我变笨也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀两组年轻人写求职信一组呢完全自己写另一组呢用AI辅助结果非常反常识用AI那组不但写的更快就连写作能力也提升的更多为什么？给出了一个关键解释因为AI在做一件人类老师一直想做但没有精力去做的事它会不停的给你看更好的版本这个句子可以更短那个词可以换这个结构呢还可以调整你就一遍一遍的看这些示范就是在训练自己的眼睛和感觉所以结论很简单也很有力量👍🏼 AI会不会废掉孩子并不取决于AI有多强而是取决于我们把它当什么当你把AI当拐杖你交出的就是大脑当你把AI当教练你练出来的就是判断力、表达力、结构感 AI的正确打开方式不是把脑子托管给它而是用它不断的看到更好的思考然后呢逼自己追上去第二个问题既然知识和课程网上全有 AI又能给出答案那我们为什么还需要老师？教育为什么还需要人？在学期末说这样一个秘密这整个学期我教给你们的所有知识网上全都有每一篇文章都有电子版每一道作业都有人做过类似的换句话说就是只要你愿意不来上我的课你照样能学学生们呢？都愣住了然后她说但是你们还是需要我因为你们需要有人在周二之前逼你读完一篇并不轻松的文章😂 需要有人在周四之前提醒你们交出一篇你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室需要有人给你定一个你以为达不到的标准然后认真的看着你的眼睛说我知道你能做到我会等到你做到！👍🏼 这一段看起来安安静静的话简直是一下子戳中了教育的本质教育从来都不是信息的填充而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师图书馆的知识是免费的但是你得自带容器而一个真正的好老师就会帮你塑造这个容器我突然想到了我的孩子们 AI可以把全世界的知识都摆在他们的面前但是它做不到的是在他们快要放弃的时候坚定的看着他们的眼睛说这很难 ☹️ 但我相信你对于孩子们来说爸爸妈妈才是他们最早遇到的老师那位Angela老师在这个算力爆炸的时代我们到底要教给孩子什么？用AI的方法当然但比这个更重要的是带他们去户外徒步去仰望星空去面对挫折去感受心跳我们要做的是站在孩子的身边成为赋予他们品格的那个人如果你有时间强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊有这么想讨论的一起聊聊吧😊

华尔街财经 | WS × AI Era

43,968 次观看 • 6 个月前

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。👇

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 次观看 • 5 个月前

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

比特币橙子Trader

122,896 次观看 • 8 个月前

在硅谷科技圈社交的觥筹交错之中，小龙虾之父🦞 Peter Steinberger 🦞 打开自己的电脑，分享了他和 Agent 一起工作的几个流程。开篇他就提到：去年，我受限于 token。我通过加入 OpenAI 解决了这个问题。后来，我受限于 CPU。现在我感觉，真正限制我的其实是注意力。他点出了我们与 AI 协作方式中正在发生的一个重要转变。大多数人以为自己在使用 AI。但实际上，他们还在做那些未来应该由 agent 接手的协调工作。我把它整理成一个 7 层阶梯。看看你现在在哪一层。第 1 层：聊天你提问，它回答。其他事情还是你自己做。第 2 层：上下文你把背景信息贴进去，它的回答变好了。但你仍然要决定什么上下文重要，以及什么时候提供。第 3 层：记忆它开始记住你。你不用反复解释那么多。但你仍然在管理每一次会话。第 4 层：工具它可以搜索、读文件、运行代码。但你仍然要决定什么时候调用工具、为了什么调用工具，以及如何检查每一个结果。第 5 层：技能skill 你已经给了它一些工作流程和 playbook。它知道你的工作方式，而不只是你问了什么。但它仍然是被动的，还在等你启动。第 6 层：后台工作它可以在你不盯着看的情况下运行，异步执行。你审核的是输出，而不是过程。现在大多数关于 “agentic” 的炒作，其实都集中在这一层，而且大多数团队还没有真正达到。第 7 层：目标你定义结果、约束和品味。agent 负责跑完整个循环。你不再管理任务，而是管理方向。每往上一层，你做的任务管理就更少，承担的结果 ownership 就更多。这不只是工具能力的变化，而是你和工具、你和自己时间之间关系的根本变化。大多数人还停留在第 2 层或第 3 层，却把这叫作“使用 AI”。大多数团队还停留在第 4 层或第 5 层，却把这叫作“AI-powered”。真正的突破，是建立一种更好的 delegation contract，把人从执行者释放出来，变成方向的定义者。那么：你现在在哪一层呢？

在硅谷科技圈社交的觥筹交错之中，小龙虾之父🦞 Peter Steinberger 🦞 打开自己的电脑，分享了他和 Agent 一起工作的几个流程。开篇他就提到：去年，我受限于 token。我通过加入 OpenAI 解决了这个问题。后来，我受限于 CPU。现在我感觉，真正限制我的其实是注意力。他点出了我们与 AI 协作方式中正在发生的一个重要转变。大多数人以为自己在使用 AI。但实际上，他们还在做那些未来应该由 agent 接手的协调工作。我把它整理成一个 7 层阶梯。看看你现在在哪一层。第 1 层：聊天你提问，它回答。其他事情还是你自己做。第 2 层：上下文你把背景信息贴进去，它的回答变好了。但你仍然要决定什么上下文重要，以及什么时候提供。第 3 层：记忆它开始记住你。你不用反复解释那么多。但你仍然在管理每一次会话。第 4 层：工具它可以搜索、读文件、运行代码。但你仍然要决定什么时候调用工具、为了什么调用工具，以及如何检查每一个结果。第 5 层：技能skill 你已经给了它一些工作流程和 playbook。它知道你的工作方式，而不只是你问了什么。但它仍然是被动的，还在等你启动。第 6 层：后台工作它可以在你不盯着看的情况下运行，异步执行。你审核的是输出，而不是过程。现在大多数关于 “agentic” 的炒作，其实都集中在这一层，而且大多数团队还没有真正达到。第 7 层：目标你定义结果、约束和品味。agent 负责跑完整个循环。你不再管理任务，而是管理方向。每往上一层，你做的任务管理就更少，承担的结果 ownership 就更多。这不只是工具能力的变化，而是你和工具、你和自己时间之间关系的根本变化。大多数人还停留在第 2 层或第 3 层，却把这叫作“使用 AI”。大多数团队还停留在第 4 层或第 5 层，却把这叫作“AI-powered”。真正的突破，是建立一种更好的 delegation contract，把人从执行者释放出来，变成方向的定义者。那么：你现在在哪一层呢？

Michael Guo

17,812 次观看 • 1 个月前

Anthropic官方最新的演讲，直接给火了一年的Agent时代浇了一盆冷水。他们说别再造Agents了，赶紧去造Skills。这句话也不是啥小众观点，是Claude核心团队的工程师Barry Zhang 和Mahesh Murag站在台上对着全世界喊出来的。最反直觉的地方在这里，大部分人都以为Agent的未来，是做出一个更聪明的大脑，让它自己思考，自己规划，自己解决所有问题。但Anthropic说，这条路走不通，通用Agent确实聪明，但它没有领域知识，一碰真实世界就碎。难维护，不可靠，出了问题你都不知道为什么。绝大多数你见过的Agent，都只能停留在演示视频里。真正能落地的，是Skills。不是什么复杂的新东西，就是一个个文件夹，里面放着代码、脚本、提示词和流程知识。用文件系统、bash、Python这些最朴素的东西做接口。它没有Agent那么酷，但它可组合，可版本控制，可分享。需要的时候才加载进上下文，永远不会爆token。甚至连财务、HR、法务这些非程序员，都能自己造技能。这其实是一次非常务实的倒退，我们不再要求AI自己学会怎么干活，而是把人类已经验证过的干活方法，打包成一个个技能包，让AI去调用，去执行。把AI从一个需要你手把手教的实习生，变成一个能熟练使用所有专业工具的得力助手。现在终于明白，为什么Claude一直在死磕MCP，死磕文件系统，死磕终端集成，它根本就不想做一个聊天机器人，它想做的是所有技能的运行时。未来的竞争，不看谁的Agent更聪明，主要看谁的技能库更丰富更专业更可靠。最后两位老哥呼吁别再纠结怎么让AI自己思考了，先把你手里的工作打包成第一个技能。

Anthropic官方最新的演讲，直接给火了一年的Agent时代浇了一盆冷水。他们说别再造Agents了，赶紧去造Skills。这句话也不是啥小众观点，是Claude核心团队的工程师Barry Zhang 和Mahesh Murag站在台上对着全世界喊出来的。最反直觉的地方在这里，大部分人都以为Agent的未来，是做出一个更聪明的大脑，让它自己思考，自己规划，自己解决所有问题。但Anthropic说，这条路走不通，通用Agent确实聪明，但它没有领域知识，一碰真实世界就碎。难维护，不可靠，出了问题你都不知道为什么。绝大多数你见过的Agent，都只能停留在演示视频里。真正能落地的，是Skills。不是什么复杂的新东西，就是一个个文件夹，里面放着代码、脚本、提示词和流程知识。用文件系统、bash、Python这些最朴素的东西做接口。它没有Agent那么酷，但它可组合，可版本控制，可分享。需要的时候才加载进上下文，永远不会爆token。甚至连财务、HR、法务这些非程序员，都能自己造技能。这其实是一次非常务实的倒退，我们不再要求AI自己学会怎么干活，而是把人类已经验证过的干活方法，打包成一个个技能包，让AI去调用，去执行。把AI从一个需要你手把手教的实习生，变成一个能熟练使用所有专业工具的得力助手。现在终于明白，为什么Claude一直在死磕MCP，死磕文件系统，死磕终端集成，它根本就不想做一个聊天机器人，它想做的是所有技能的运行时。未来的竞争，不看谁的Agent更聪明，主要看谁的技能库更丰富更专业更可靠。最后两位老哥呼吁别再纠结怎么让AI自己思考了，先把你手里的工作打包成第一个技能。

AYi

108,687 次观看 • 4 个月前

大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事：为什么这完全不够它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理所以很多时候，AI 给出的坏答案，不一定是模型差也可能只是 setup 太差这个 prompting playbook，建议在下次怪 AI 之前先看完

大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事：为什么这完全不够它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理所以很多时候，AI 给出的坏答案，不一定是模型差也可能只是 setup 太差这个 prompting playbook，建议在下次怪 AI 之前先看完

0x_Miko

15,628 次观看 • 2 个月前