正在加载视频...

视频加载失败

返回首页

Meta 推出个人 AI Agent Muse： 每人一台云端电脑，可持续在后台推进任务 听起来是不是很熟悉？？？ 显然就是manus的翻版😂 Muse 有哪些核心能力？ 拥有自己的云端电脑：每位用户都有专属 Linux 虚拟机，里面包含文件系统、终端和 Chromium 浏览器。Muse 可以写代码、调用命令行工具，也能通过浏览器搜集信息和操作网页。 持续在后台推进任务：它可以并行处理事项，根据日程、邮件和网页变化继续工作，不要求用户一直守着聊天窗口。 主动发现并提醒：在获得相应权限后，它能发现截止日期、日程冲突和重要更新；需要用户关注或决策时，再主动发来消息。 跨应用完成连续操作：信息搜集、填写表单、加入购物车、预订和日程安排可以连成一条任务链，而不只是给出操作建议。 交付可用成果：除了文字回答，Muse 还能生成清单、PDF、Markdown 文件和可交互的 Artifacts，例如旅行计划、采购表或国际象棋分析仪表盘。

xiaohu's profile picture

小互

122,168 subscribers

17,220 次观看 • 15 天前 •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

11 条评论

小互 的头像
小互15 天前

Muse 的核心系统提示词第一句是： “你的目标是让用户的生活变得更好。”（Your purpose is to make your user's life better.） 这个目标决定了 Muse 的设计重点：它不追求让聊天看起来更聪明，而是尽量替用户接住那些持续占据注意力、却很难一次做完的琐碎事务。 Muse的设计理念：

Crio Songo 的头像
Crio Songo15 天前

大厂跟进速度果然快，这个功能确实和manus高度重合，不过Meta开放出来的话，对普通用户来说选择更多了。

金隐 的头像
金隐15 天前

注册不了啊，有人能注册码？

Brando uninft.eth 的头像
Brando uninft.eth15 天前

哈哈哈，是的，Manus不知道怎么想

小刘有点东西 的头像
小刘有点东西15 天前

好家伙，Manus 连竞品的需求文档都替人写了。

高运通 的头像
高运通15 天前

对标Grok bot？

tokensflow 的头像
tokensflow15 天前

mauns：先进得过早，就是烈士了🤡

牧云 的头像
牧云14 天前

这个点挺实际。我现在看 Meta 更关注两件事：能不能稳定接住现有代码上下文，以及在 Agent 这类场景里出错后是否容易回滚。

平底锅NON-STICK PAN 的头像
平底锅NON-STICK PAN15 天前

它有个人数据，就比如腾讯推一个类似产品，可以授权获取你微信的所有信息，这个还是会很有想象力的

何晚 的头像
何晚15 天前

真放它在后台自己推进，中途点错一步的权限边界和回滚到底谁负责？ 总不能第二天醒来，发现它在哪个网页上把事给办拧了吧... Manus 这套大家早看懂了，真涉及到跨应用改日程发邮件，没搞清怎么撤回之前谁敢彻底撒手不管...

Nascaline 的头像
Nascaline15 天前

国际象棋分析仪表盘?

相关视频

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。 最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。 它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub： 主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接 安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。
0:40

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。 最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。 它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub： 主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接 安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。

GitHubDaily

35,779 次观看 • 1 年前

我用 Grok Bot ，做了一个会自己运营币安广场的 Bot 我给它定了一条 Routine：每隔一小时去 X 抓取币圈和美股的最新热点，筛选选题，写成文章，寻找相关的真实图片，然后发布到币安广场。 任务设置好以后，我不用每小时提醒它，也不用一直开着 Mac。 Grok Bot 的工作运行在云电脑上，关闭 App、笔记本或手机，不会停止正在执行的后台任务或 Routine。 它和传统聊天式 AI 的差别也在这里。 传统聊天 AI 通常是你问一句，它答一句。Grok Bot 给每个账号分配一台持久化云电脑，里面有浏览器、文件和终端。Bot 可以打开网站、处理文件、运行程序，也能按照时间表重复执行任务。 同一账号下的 Bot 共用这台云电脑，也会共用其中的文件、浏览器会话和登录状态。你在电脑上关掉 Grok Bot，云端已经启动的后台任务还能继续干活。 这类 Bot 比较适合需要反复执行的工作： • 定时追踪行业热点 • 自动整理日报和周报 • 监控市场消息 • 运营需要持续更新的内容账号 • 在多个网站之间收集和整理资料 它也没到完全不用管的程度。你如果要它实现自动回复自动自动关注，全自动，他会很墨迹，消耗Token的速度惊人。 Grok Bot 牛逼的地方，它能给你一个云主机，主机IP环境都是独立的。电脑关了，它还在云端继续干活。 下面是我通过它，运营币安广场的一些数据
0:34

我用 Grok Bot ，做了一个会自己运营币安广场的 Bot 我给它定了一条 Routine：每隔一小时去 X 抓取币圈和美股的最新热点，筛选选题，写成文章，寻找相关的真实图片，然后发布到币安广场。 任务设置好以后，我不用每小时提醒它，也不用一直开着 Mac。 Grok Bot 的工作运行在云电脑上，关闭 App、笔记本或手机，不会停止正在执行的后台任务或 Routine。 它和传统聊天式 AI 的差别也在这里。 传统聊天 AI 通常是你问一句，它答一句。Grok Bot 给每个账号分配一台持久化云电脑，里面有浏览器、文件和终端。Bot 可以打开网站、处理文件、运行程序，也能按照时间表重复执行任务。 同一账号下的 Bot 共用这台云电脑，也会共用其中的文件、浏览器会话和登录状态。你在电脑上关掉 Grok Bot，云端已经启动的后台任务还能继续干活。 这类 Bot 比较适合需要反复执行的工作： • 定时追踪行业热点 • 自动整理日报和周报 • 监控市场消息 • 运营需要持续更新的内容账号 • 在多个网站之间收集和整理资料 它也没到完全不用管的程度。你如果要它实现自动回复自动自动关注，全自动，他会很墨迹，消耗Token的速度惊人。 Grok Bot 牛逼的地方，它能给你一个云主机，主机IP环境都是独立的。电脑关了，它还在云端继续干活。 下面是我通过它，运营币安广场的一些数据

撸毛吃猪脚饭| 美股合约首选Gate

14,674 次观看 • 20 天前

Simular：专为 Mac 用户设计的本地 AI 智能助手 让你和 AI 可以同时控制电脑，互不干扰，一起协作完成任务 它能理解你屏幕上的各种内容，并且能自己点击、填表、实现各种操作等。 你可以随时介入或与 AI 同时操作，比如在它执行任务时，你自己也可以点击、输入，不需要 AI“让位”或交接控制权。 Simular 能自动浏览网页、搜索信息、填写表单、点击按钮、切换标签页等，适合日常生活和工作中的重复性操作。 如自动帮你查找、对比商品、整理清单、下单购物，甚至跨多个网站收集整理信息。
0:59

Simular：专为 Mac 用户设计的本地 AI 智能助手 让你和 AI 可以同时控制电脑，互不干扰，一起协作完成任务 它能理解你屏幕上的各种内容，并且能自己点击、填表、实现各种操作等。 你可以随时介入或与 AI 同时操作，比如在它执行任务时，你自己也可以点击、输入，不需要 AI“让位”或交接控制权。 Simular 能自动浏览网页、搜索信息、填写表单、点击按钮、切换标签页等，适合日常生活和工作中的重复性操作。 如自动帮你查找、对比商品、整理清单、下单购物，甚至跨多个网站收集整理信息。

小互

51,761 次观看 • 1 年前

Claude 在Cowork 推出了中内置浏览器 当你的任务涉及网站时，浏览器会在 Cowork 的侧边栏中打开，Claude 会进行导航、填写表单并完成任务 这个浏览器属于 Claude 自己，与你的个人浏览器（历史、书签、标签页、密码）完全隔离。 你可以按需选择性同步部分网站的登录状态（支持 macOS 上的 Chrome/Edge/Firefox 以及 Windows/Linux 上的 Firefox），但银行、邮箱和单点登录（SSO）等敏感站点默认排除 适用场景：适合将完整的网页任务直接“外包”给 Claude，例如跨平台收集竞品调研数据、从供应商后台批量下载当月账单，或在没有 API 接口的系统里自动填表 面向 Pro、Max 和 Team 订阅用户陆续推送；Enterprise 企业管理员即日起可在后台开启 跨设备支持：内置浏览器依附于桌面端运行 只要你的电脑端桌面应用保持打开并联网，即使从手机端或网页端向 Claude 发送任务，它依然能调用桌面端的内置浏览器完成操作。 若之前已安装 Chrome 插件，默认仍优先使用插件；其他情况下默认启用内置浏览器（可在 Settings → Cowork → Preferred browser 中自由切换）。
0:30

Claude 在Cowork 推出了中内置浏览器 当你的任务涉及网站时，浏览器会在 Cowork 的侧边栏中打开，Claude 会进行导航、填写表单并完成任务 这个浏览器属于 Claude 自己，与你的个人浏览器（历史、书签、标签页、密码）完全隔离。 你可以按需选择性同步部分网站的登录状态（支持 macOS 上的 Chrome/Edge/Firefox 以及 Windows/Linux 上的 Firefox），但银行、邮箱和单点登录（SSO）等敏感站点默认排除 适用场景：适合将完整的网页任务直接“外包”给 Claude，例如跨平台收集竞品调研数据、从供应商后台批量下载当月账单，或在没有 API 接口的系统里自动填表 面向 Pro、Max 和 Team 订阅用户陆续推送；Enterprise 企业管理员即日起可在后台开启 跨设备支持：内置浏览器依附于桌面端运行 只要你的电脑端桌面应用保持打开并联网，即使从手机端或网页端向 Claude 发送任务，它依然能调用桌面端的内置浏览器完成操作。 若之前已安装 Chrome 插件，默认仍优先使用插件；其他情况下默认启用内置浏览器（可在 Settings → Cowork → Preferred browser 中自由切换）。

小互

11,109 次观看 • 28 天前

Figma 正式推出了官方的远程 MCP 服务器，现在不需要安装 Figma 客户端 只需要在支持的软件比如 Cursor、Cluade code 里面添加，并在打开的网页里面完成账户授权就行 而且现在设计组件和前端组件的映射信息也可以通过 MCP 获取到，如果你的团队有设计系统的话，然后你的设计稿组件采用程度高 前端可以一键用 AI 生成全部的前端代码，而且保证高还原度，设计师和前端协作会到一个新的时代
0:29

Figma 正式推出了官方的远程 MCP 服务器，现在不需要安装 Figma 客户端 只需要在支持的软件比如 Cursor、Cluade code 里面添加，并在打开的网页里面完成账户授权就行 而且现在设计组件和前端组件的映射信息也可以通过 MCP 获取到，如果你的团队有设计系统的话，然后你的设计稿组件采用程度高 前端可以一键用 AI 生成全部的前端代码，而且保证高还原度，设计师和前端协作会到一个新的时代

歸藏(guizang.ai)

157,848 次观看 • 1 年前

阿里又开源了一个很绝的项目——PageAgent AI 可以直接操作网页。 它最打动我的一点是： 把最烦人的数据录入干掉了。 很多公司每天都在做这种重复工作： 复制数据 → 打开系统 → 填表 → 提交 以后可能只需要一句话： “帮我填写客户信息。” AI 就会自动识别网页结构，把整个流程全部做完。 几个非常实用的场景： 1. 自动填写网页 CRM 表单、注册表单、订单系统 直接让 AI 帮你把网页表单填好。 2. AI 网站助手（Web Copilot） 用户可以直接说： - 帮我找订单 - 生成报表 - 搜索商品 AI 自动在后台页面完成操作。 3. 企业系统自动化 ERP、CMS、内部管理系统 AI 可以直接操作后台 UI，把复杂流程自动化。 4. 无障碍辅助 语音 → 操作网页 用户说话就能完成网页操作。 和很多 Agent 不一样的是，它 不靠截图识别界面，而是直接读取 HTML DOM，所以： - 更快 - 更稳定 - 成本更低 而且整个系统 直接运行在浏览器里，不需要： - Puppeteer - Playwright - Python 自动化 相当于给网站装了一个 AI 操作员。 未来很多网站可能会变成这样： 用户不点按钮，而是直接和 AI 说话。
0:39

阿里又开源了一个很绝的项目——PageAgent AI 可以直接操作网页。 它最打动我的一点是： 把最烦人的数据录入干掉了。 很多公司每天都在做这种重复工作： 复制数据 → 打开系统 → 填表 → 提交 以后可能只需要一句话： “帮我填写客户信息。” AI 就会自动识别网页结构，把整个流程全部做完。 几个非常实用的场景： 1. 自动填写网页 CRM 表单、注册表单、订单系统 直接让 AI 帮你把网页表单填好。 2. AI 网站助手（Web Copilot） 用户可以直接说： - 帮我找订单 - 生成报表 - 搜索商品 AI 自动在后台页面完成操作。 3. 企业系统自动化 ERP、CMS、内部管理系统 AI 可以直接操作后台 UI，把复杂流程自动化。 4. 无障碍辅助 语音 → 操作网页 用户说话就能完成网页操作。 和很多 Agent 不一样的是，它 不靠截图识别界面，而是直接读取 HTML DOM，所以： - 更快 - 更稳定 - 成本更低 而且整个系统 直接运行在浏览器里，不需要： - Puppeteer - Playwright - Python 自动化 相当于给网站装了一个 AI 操作员。 未来很多网站可能会变成这样： 用户不点按钮，而是直接和 AI 说话。

开发者Hailey

85,884 次观看 • 6 个月前

试了一下昨天这个海外产品 MuleRun，发现很牛啊。 从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。 我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。 这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。 不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。 他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。 我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。 我还用里面的 Blender Agent 让他创建了一个灯塔模型。 里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。
1:21

试了一下昨天这个海外产品 MuleRun，发现很牛啊。 从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。 我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。 这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。 不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。 他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。 我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。 我还用里面的 Blender Agent 让他创建了一个灯塔模型。 里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。

歸藏(guizang.ai)

62,627 次观看 • 1 年前

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 次观看 • 1 年前

Manus 体验报告 能自动完成任务并交付结果的AI代理 全部是在一个云端电脑上完成，AI自动思考分析、自动通过浏览器访问网站收集数据、完成内容撰写 最后在云端电脑运行各种程序并编写代码给你交付出相应的文档、音频、视觉、网站交互结果。 真实体验是一个任务运行的时间会很长，但是你可以干别的事情等待它完成。 总体来看交付的结果还是不错的。
4:38

Manus 体验报告 能自动完成任务并交付结果的AI代理 全部是在一个云端电脑上完成，AI自动思考分析、自动通过浏览器访问网站收集数据、完成内容撰写 最后在云端电脑运行各种程序并编写代码给你交付出相应的文档、音频、视觉、网站交互结果。 真实体验是一个任务运行的时间会很长，但是你可以干别的事情等待它完成。 总体来看交付的结果还是不错的。

小互

304,348 次观看 • 1 年前

Ling-3.0-flash ：一个更适合实际工作的 AI 执行助手 过去一段时间，大模型的发展重点一直集中在能力提升上。模型能回答什么问题、能处理多复杂的任务，成为行业关注的焦点。但随着 AI 开始进入真实工作流程，用户对于模型的期待也在发生变化：除了能够提供高质量答案，更希望它能够稳定、高效地完成具体任务。 在日常工作中，真正消耗时间的往往不是复杂问题，而是大量重复性的处理工作。例如整理资料、分析数据、生成文档、处理代码、执行流程任务。这些事情需要投入大量精力，但其中有很多环节都可以通过 AI 进行优化。 Ling-3.0-flash 的定位正是在这一方向展开。它并不是单纯追求更大的模型规模，而是聚焦 Agent 工作流中的执行效率，帮助用户将明确的任务快速推进完成。官方介绍，该模型面向长程 Agent 工作流设计，重点提升响应速度、工具调用能力以及任务执行稳定性。 从实际体验来看，它最大的特点是能够很好地融入已有工作流程，让 AI 从一个问答工具变成一个真正参与任务执行的助手。 实测一：资料整理效率明显提升 第一个测试场景是长文档处理。 在实际工作中，经常会遇到需要快速阅读大量资料的情况，例如行业报告、会议记录、产品文档等。如果完全依靠人工整理，需要花费大量时间筛选重点、提取信息，再重新组织内容。 测试过程中，我将一批较长的资料交给 Ling-3.0-flash 处理，让它完成信息提取、重点归纳和结构化整理。 整个过程比较符合实际工作习惯。它能够快速抓取文档中的核心内容，并按照任务要求整理成更加清晰的结构。尤其是在面对大量相似信息时，它可以帮助用户减少重复阅读和手动整理的时间。 这类能力对于内容运营、产品分析、市场研究等岗位非常实用。很多时候，用户并不是需要 AI 替自己完成最终判断，而是希望它先完成信息整理，把大量基础工作处理好，让人可以把精力放在更重要的分析和决策上。 实测二：代码协作更加高效 第二个体验场景是代码辅助。 AI 编程已经成为大模型应用的重要方向，但真正影响开发效率的，不只是生成代码的速度，更重要的是能否持续参与开发过程。 在测试中，我让 Ling-3.0-flash 协助完成一个简单工具开发任务，包括生成基础代码、调整功能逻辑以及根据反馈进行优化。 我需要做一个AI 会议纪要整理助手，请帮我生成代码，把会议录音转文字或会议记录，自动生成：会议摘要、决策事项、待办任务、负责人、截止时间 首字耗时：337ms·完成耗时：68984ms·每秒 token 数：371 ，Ling-3.0-flash生成的会议纪要整理助手功能完整、专业美观，支持录音转文字、AI自动生成摘要/决策/待办任务，并支持导出和多种交互功能。 实际体验下来，它更适合成为开发过程中的协作助手。开发者可以先确定整体需求和功能方向，再让 AI 快速完成代码生成、修改和补充。这样一来，开发者不需要把大量时间花在重复编码和基础调整上，而可以更多关注产品逻辑和技术方案。 这种协作方式更接近真实开发场景。人负责判断方向，AI 负责提高执行效率。 实测三：批量任务处理展现执行优势 除了开发场景，批量信息处理也是 Ling-3.0-flash 比较适合的方向。 例如整理用户反馈、分析业务数据、处理文本分类等任务，通常具有数据量大、格式相对固定的特点。 在测试中，我模拟了用户反馈整理场景，让模型对大量文本进行分类，并提炼其中的主要问题。 从结果来看，它能够快速完成信息归类，并输出较为清晰的结构化结果。 这类任务的价值在于帮助用户减少大量机械操作。以前需要人工逐条查看和整理的信息，现在可以先由 AI 完成初步处理，再由人工进行确认和优化。 对于企业团队来说，这种能力可以应用在客服分析、市场调研、内部知识整理等多个环节。 速度和效率，是 Flash 模型的重要优势 随着 AI 应用逐渐深入业务流程，模型的效率同样成为重要指标。 很多实际任务并不需要每一次都进行复杂推理，而更需要快速响应和稳定执行。例如信息分类、内容整理、数据转换等工作，如果能够以更高效率完成，就能明显提升整体生产力。 Ling-3.0-flash 支持混合思考模式，可以根据任务复杂程度调整处理方式，在响应速度和任务能力之间进行平衡。 这种设计让它更适合高频使用场景。用户可以将更多日常任务交给 AI 处理，而不必担心流程效率受到影响。 从使用体验来看，它更像一个高效执行伙伴 经过几个场景测试后，Ling-3.0-flash 给我的整体感受是，它并不是单纯提升聊天体验，而是在帮助用户重新分配工作时间。 它可以处理大量信息整理工作，可以辅助开发过程，也可以参与自动化任务执行。 对于普通用户来说，它能够减少重复操作，提高工作效率。 对于开发者来说，它能够加快开发流程，降低基础工作的时间成本。 对于企业来说，它能够帮助更多业务流程实现自动化。 未来 AI 的价值，不只是回答问题，而是逐渐参与到真实工作流程中，帮助人完成更多具体任务。 Ling-3.0-flash 所体现的方向，就是让 AI 从一个提供答案的工具，进一步成为一个能够执行任务、提升效率的工作伙伴。 官推： 感兴趣可以自己试试 👉
0:32

Ling-3.0-flash ：一个更适合实际工作的 AI 执行助手 过去一段时间，大模型的发展重点一直集中在能力提升上。模型能回答什么问题、能处理多复杂的任务，成为行业关注的焦点。但随着 AI 开始进入真实工作流程，用户对于模型的期待也在发生变化：除了能够提供高质量答案，更希望它能够稳定、高效地完成具体任务。 在日常工作中，真正消耗时间的往往不是复杂问题，而是大量重复性的处理工作。例如整理资料、分析数据、生成文档、处理代码、执行流程任务。这些事情需要投入大量精力，但其中有很多环节都可以通过 AI 进行优化。 Ling-3.0-flash 的定位正是在这一方向展开。它并不是单纯追求更大的模型规模，而是聚焦 Agent 工作流中的执行效率，帮助用户将明确的任务快速推进完成。官方介绍，该模型面向长程 Agent 工作流设计，重点提升响应速度、工具调用能力以及任务执行稳定性。 从实际体验来看，它最大的特点是能够很好地融入已有工作流程，让 AI 从一个问答工具变成一个真正参与任务执行的助手。 实测一：资料整理效率明显提升 第一个测试场景是长文档处理。 在实际工作中，经常会遇到需要快速阅读大量资料的情况，例如行业报告、会议记录、产品文档等。如果完全依靠人工整理，需要花费大量时间筛选重点、提取信息，再重新组织内容。 测试过程中，我将一批较长的资料交给 Ling-3.0-flash 处理，让它完成信息提取、重点归纳和结构化整理。 整个过程比较符合实际工作习惯。它能够快速抓取文档中的核心内容，并按照任务要求整理成更加清晰的结构。尤其是在面对大量相似信息时，它可以帮助用户减少重复阅读和手动整理的时间。 这类能力对于内容运营、产品分析、市场研究等岗位非常实用。很多时候，用户并不是需要 AI 替自己完成最终判断，而是希望它先完成信息整理，把大量基础工作处理好，让人可以把精力放在更重要的分析和决策上。 实测二：代码协作更加高效 第二个体验场景是代码辅助。 AI 编程已经成为大模型应用的重要方向，但真正影响开发效率的，不只是生成代码的速度，更重要的是能否持续参与开发过程。 在测试中，我让 Ling-3.0-flash 协助完成一个简单工具开发任务，包括生成基础代码、调整功能逻辑以及根据反馈进行优化。 我需要做一个AI 会议纪要整理助手，请帮我生成代码，把会议录音转文字或会议记录，自动生成：会议摘要、决策事项、待办任务、负责人、截止时间 首字耗时：337ms·完成耗时：68984ms·每秒 token 数：371 ，Ling-3.0-flash生成的会议纪要整理助手功能完整、专业美观，支持录音转文字、AI自动生成摘要/决策/待办任务，并支持导出和多种交互功能。 实际体验下来，它更适合成为开发过程中的协作助手。开发者可以先确定整体需求和功能方向，再让 AI 快速完成代码生成、修改和补充。这样一来，开发者不需要把大量时间花在重复编码和基础调整上，而可以更多关注产品逻辑和技术方案。 这种协作方式更接近真实开发场景。人负责判断方向，AI 负责提高执行效率。 实测三：批量任务处理展现执行优势 除了开发场景，批量信息处理也是 Ling-3.0-flash 比较适合的方向。 例如整理用户反馈、分析业务数据、处理文本分类等任务，通常具有数据量大、格式相对固定的特点。 在测试中，我模拟了用户反馈整理场景，让模型对大量文本进行分类，并提炼其中的主要问题。 从结果来看，它能够快速完成信息归类，并输出较为清晰的结构化结果。 这类任务的价值在于帮助用户减少大量机械操作。以前需要人工逐条查看和整理的信息，现在可以先由 AI 完成初步处理，再由人工进行确认和优化。 对于企业团队来说，这种能力可以应用在客服分析、市场调研、内部知识整理等多个环节。 速度和效率，是 Flash 模型的重要优势 随着 AI 应用逐渐深入业务流程，模型的效率同样成为重要指标。 很多实际任务并不需要每一次都进行复杂推理，而更需要快速响应和稳定执行。例如信息分类、内容整理、数据转换等工作，如果能够以更高效率完成，就能明显提升整体生产力。 Ling-3.0-flash 支持混合思考模式，可以根据任务复杂程度调整处理方式，在响应速度和任务能力之间进行平衡。 这种设计让它更适合高频使用场景。用户可以将更多日常任务交给 AI 处理，而不必担心流程效率受到影响。 从使用体验来看，它更像一个高效执行伙伴 经过几个场景测试后，Ling-3.0-flash 给我的整体感受是，它并不是单纯提升聊天体验，而是在帮助用户重新分配工作时间。 它可以处理大量信息整理工作，可以辅助开发过程，也可以参与自动化任务执行。 对于普通用户来说，它能够减少重复操作，提高工作效率。 对于开发者来说，它能够加快开发流程，降低基础工作的时间成本。 对于企业来说，它能够帮助更多业务流程实现自动化。 未来 AI 的价值，不只是回答问题，而是逐渐参与到真实工作流程中，帮助人完成更多具体任务。 Ling-3.0-flash 所体现的方向，就是让 AI 从一个提供答案的工具，进一步成为一个能够执行任务、提升效率的工作伙伴。 官推： 感兴趣可以自己试试 👉

冰糖雪梨

15,661 次观看 • 1 个月前

复刻Manus，无需邀请码，开源版Manus！ 支持在电脑上完成很多任务，包括网页浏览、文件操作、写代码等 OpenManus使用了传统的ReAct模式，优势是基于当前的状态进行决策，上下文和记忆方便管理，无需单独处理，需要注意，Manus有使用Plan进行规划 OpenManus目前也已初步加入了具有 Plan&ReAct的功能，正在优化调试，大家也可以尝试更改System Prompt 让OpenManus学会记录文档和Todo List的习惯 主要依赖的几个工具： 1. PythonExecute：执行Python代码与电脑系统交互，可以进行文件操作、数据处理、自动化任务等 2. FileSaver：保存文件到本地，比如txt、python、html等 3. BrowserUseTool：打开、浏览和控制浏览器 4. GoogleSearch：进行网络信息检索 开源链接见下条
4:24

复刻Manus，无需邀请码，开源版Manus！ 支持在电脑上完成很多任务，包括网页浏览、文件操作、写代码等 OpenManus使用了传统的ReAct模式，优势是基于当前的状态进行决策，上下文和记忆方便管理，无需单独处理，需要注意，Manus有使用Plan进行规划 OpenManus目前也已初步加入了具有 Plan&ReAct的功能，正在优化调试，大家也可以尝试更改System Prompt 让OpenManus学会记录文档和Todo List的习惯 主要依赖的几个工具： 1. PythonExecute：执行Python代码与电脑系统交互，可以进行文件操作、数据处理、自动化任务等 2. FileSaver：保存文件到本地，比如txt、python、html等 3. BrowserUseTool：打开、浏览和控制浏览器 4. GoogleSearch：进行网络信息检索 开源链接见下条

AIGCLINK

348,888 次观看 • 1 年前

Hermes Studio 开始于今年四月。 当时我们想使用 Hermes Agent，却没有找到一套顺手的 Web UI。于是团队做出了第一版界面 Hermes web ui，开放给社区使用。 5月收到第一批用户反馈后，我们继续推出桌面客户端，并持续支持 macOS、Windows 和 Linux，Hermes Studio上线。 Hermes Studio 把文件系统、终端、浏览器、Coding Agent、MCP 和多平台消息渠道集中到一个工作台里。用户可以让 Agent 搜索和整理文件、运行命令、操作网页、修改代码、执行测试，也可以连接知识库、数据库、GitHub、邮件和企业内部服务。 项目目前获得超过 9,000 个 GitHub Star，npm 下载量超过 35 万次，Docker 拉取量超过 31 万次。 Hermes Studio 在 OpenRouter 累计使用约 476.9 亿 Tokens。2026 年 6 月 8 日，桌面客户端进入 OpenRouter 全球 Tokens 日榜第 9，Web UI 位列第 17。 6月 Hermes Studio 小方盒。它可以放在桌面或户外，通过语音、实体按键和小屏接收指令，再交给电脑或远程服务器执行。这个硬件入口也会连接后续的手机 App、MCP 工具和自动化服务。 7月 Hermes Studio 已与阿里云旗下无影云电脑展开合作，相关 Web UI 镜像已经上线，用户可以一键完成部署。 未来 6 到 12 个月，团队会继续更新打磨桌面端，发布并打磨手机 App，推进 ESP32 与软件工具链的连接，同时建设Hermes Studio社区。
1:07

Hermes Studio 开始于今年四月。 当时我们想使用 Hermes Agent，却没有找到一套顺手的 Web UI。于是团队做出了第一版界面 Hermes web ui，开放给社区使用。 5月收到第一批用户反馈后，我们继续推出桌面客户端，并持续支持 macOS、Windows 和 Linux，Hermes Studio上线。 Hermes Studio 把文件系统、终端、浏览器、Coding Agent、MCP 和多平台消息渠道集中到一个工作台里。用户可以让 Agent 搜索和整理文件、运行命令、操作网页、修改代码、执行测试，也可以连接知识库、数据库、GitHub、邮件和企业内部服务。 项目目前获得超过 9,000 个 GitHub Star，npm 下载量超过 35 万次，Docker 拉取量超过 31 万次。 Hermes Studio 在 OpenRouter 累计使用约 476.9 亿 Tokens。2026 年 6 月 8 日，桌面客户端进入 OpenRouter 全球 Tokens 日榜第 9，Web UI 位列第 17。 6月 Hermes Studio 小方盒。它可以放在桌面或户外，通过语音、实体按键和小屏接收指令，再交给电脑或远程服务器执行。这个硬件入口也会连接后续的手机 App、MCP 工具和自动化服务。 7月 Hermes Studio 已与阿里云旗下无影云电脑展开合作，相关 Web UI 镜像已经上线，用户可以一键完成部署。 未来 6 到 12 个月，团队会继续更新打磨桌面端，发布并打磨手机 App，推进 ESP32 与软件工具链的连接，同时建设Hermes Studio社区。

libapi

82,324 次观看 • 2 个月前

一个放在桌面上或者户外的 AI Agent 控制小方盒：用语音、按键、小屏，去控制电脑/远程服务器、调用所有工具、执行任务 在做这个产品的时候有做过调研，现在市面上大都是纯对话的语音AI Hermes Studio 小方盒 可以做什么 ？ （视频演示） 1. 控制电脑 /远程服务器 小方盒本身是 ESP32，但它可以作为入口，把指令交给 Hermes Studio 在电脑 /远程服务器 上执行。 （它就是Hermes Agent） 可以做： 打开/关闭本地应用或网页 在电脑/远程服务器 上运行命令 读取、搜索、整理本地文件 上传文件给 Agent 分析 下载 Agent 生成的文件 控制浏览器访问网页、查资料、填表、抓取信息 调用本地 Coding Agent，让它改代码、跑测试、生成项目 查看运行日志、任务状态、错误信息 用语音触发“帮我总结这个文件夹”“打开今天的任务”“跑一下测试” 2. 调用工具 （生产力有待研究） Hermes Studio 的核心优势是 Agent 工具链。小方盒可以作为物理触发器，让 Agent 调用工具。 文件工具：浏览文件、搜索文件、读取内容、上传下载、重命名、复制、移动、删除。 终端工具：执行 shell 命令、启动服务、查看进程、跑脚本、拉代码、跑测试。 浏览器工具：打开网页、搜索资料、读取网页内容、自动化页面操作。 代码工具：启动 Codex / Claude Code 等 coding-agent 会话，做代码修改、调试、检查。 MCP 工具：接入外部系统，比如数据库、知识库、Notion、GitHub、邮件、企业内部 API、智能家居等。 语音工具：STT 语音转文本，TTS 回复朗读，多种 TTS Provider。 自动化工具：定时任务、周期汇报、监控任务、Kanban 工作项。 多平台工具：Telegram、Discord、Slack、WhatsApp、Matrix、飞书、微信、企业微信等渠道。 一句话：小方盒不是自己完成所有任务，而是唤醒 Hermes Studio 里的工具系统。 产品功能： 语音唤醒桌面 Agent 实体按键触发 本地文件读取、搜索与整理 电脑/远程服务器命令执行与任务自动化 浏览器自动化与网页信息获取 Coding Agent 启动 MCP 工具扩展，连接外部服务 多模型、多 Profile 切换 多平台消息接入 TTS/STT 语音输入输出 Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀
1:31

一个放在桌面上或者户外的 AI Agent 控制小方盒：用语音、按键、小屏，去控制电脑/远程服务器、调用所有工具、执行任务 在做这个产品的时候有做过调研，现在市面上大都是纯对话的语音AI Hermes Studio 小方盒 可以做什么 ？ （视频演示） 1. 控制电脑 /远程服务器 小方盒本身是 ESP32，但它可以作为入口，把指令交给 Hermes Studio 在电脑 /远程服务器 上执行。 （它就是Hermes Agent） 可以做： 打开/关闭本地应用或网页 在电脑/远程服务器 上运行命令 读取、搜索、整理本地文件 上传文件给 Agent 分析 下载 Agent 生成的文件 控制浏览器访问网页、查资料、填表、抓取信息 调用本地 Coding Agent，让它改代码、跑测试、生成项目 查看运行日志、任务状态、错误信息 用语音触发“帮我总结这个文件夹”“打开今天的任务”“跑一下测试” 2. 调用工具 （生产力有待研究） Hermes Studio 的核心优势是 Agent 工具链。小方盒可以作为物理触发器，让 Agent 调用工具。 文件工具：浏览文件、搜索文件、读取内容、上传下载、重命名、复制、移动、删除。 终端工具：执行 shell 命令、启动服务、查看进程、跑脚本、拉代码、跑测试。 浏览器工具：打开网页、搜索资料、读取网页内容、自动化页面操作。 代码工具：启动 Codex / Claude Code 等 coding-agent 会话，做代码修改、调试、检查。 MCP 工具：接入外部系统，比如数据库、知识库、Notion、GitHub、邮件、企业内部 API、智能家居等。 语音工具：STT 语音转文本，TTS 回复朗读，多种 TTS Provider。 自动化工具：定时任务、周期汇报、监控任务、Kanban 工作项。 多平台工具：Telegram、Discord、Slack、WhatsApp、Matrix、飞书、微信、企业微信等渠道。 一句话：小方盒不是自己完成所有任务，而是唤醒 Hermes Studio 里的工具系统。 产品功能： 语音唤醒桌面 Agent 实体按键触发 本地文件读取、搜索与整理 电脑/远程服务器命令执行与任务自动化 浏览器自动化与网页信息获取 Coding Agent 启动 MCP 工具扩展，连接外部服务 多模型、多 Profile 切换 多平台消息接入 TTS/STT 语音输入输出 Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀

libapi

31,786 次观看 • 3 个月前

哈佛CS50课程节选：如何构建基于GPT-4的应用 上一节介绍了什么是GPT-4，这一节则是基于GPT-4可以构建什么样的应用，以及如何构建。 这部分课程介绍了GPT-4可以构建的各种类型的应用，包括不限于： - 助手应用：GPT可以用于创建AI助手，帮助完成写作、编程或回答问题等任务。通过结合专业领域知识和用户的喜好，还可以对这些助手可以进一步定制。 - 文档问答系统：GPT可以用于构建基于上下文、对文档的问答系统。 - 实用功能：GPT可用于自动化需要基本语言理解的任务，如生成单元测试、查找文档、重写功能或检查品牌一致性。 - 创意创作：GPT可以用于在各个领域生成想法、可能性或建议，包括写作、营销和研究。通过将GPT的生成能力与专业领域的知识相结合，用户可以创建更有针对性和相关性的输出。 - Baby AGI或多步计划机器人：GPT可以放入一个循环中，与自己对话并指导自己的行动，从而创建一个基于一组工具和目标的自主执行任务或生成结果的自主代理。 通过这个教程，可以大概了解GPT能做一些什么事情，以及背后的原理是什么。 上一节什么是GPT-4： 完整课程视频地址： edX:
26:10

哈佛CS50课程节选：如何构建基于GPT-4的应用 上一节介绍了什么是GPT-4，这一节则是基于GPT-4可以构建什么样的应用，以及如何构建。 这部分课程介绍了GPT-4可以构建的各种类型的应用，包括不限于： - 助手应用：GPT可以用于创建AI助手，帮助完成写作、编程或回答问题等任务。通过结合专业领域知识和用户的喜好，还可以对这些助手可以进一步定制。 - 文档问答系统：GPT可以用于构建基于上下文、对文档的问答系统。 - 实用功能：GPT可用于自动化需要基本语言理解的任务，如生成单元测试、查找文档、重写功能或检查品牌一致性。 - 创意创作：GPT可以用于在各个领域生成想法、可能性或建议，包括写作、营销和研究。通过将GPT的生成能力与专业领域的知识相结合，用户可以创建更有针对性和相关性的输出。 - Baby AGI或多步计划机器人：GPT可以放入一个循环中，与自己对话并指导自己的行动，从而创建一个基于一组工具和目标的自主执行任务或生成结果的自主代理。 通过这个教程，可以大概了解GPT能做一些什么事情，以及背后的原理是什么。 上一节什么是GPT-4： 完整课程视频地址： edX:

宝玉

172,688 次观看 • 3 年前

朋友们，我发现一个超级哇塞的技能 现在已经有不少不错的工具可以画出好看的项目架构图，但大多是静态的，不能交互。今天分享的这个不一样，它是会动的！ 视频里是我在 MkAgent 项目下执行出来的效果，一次搞定。它会根据项目的 logo、主题风格等信息，生成对应的架构图。 不仅如此，它还能分析代码，找出核心节点，生成节点信息和节点关系。每个节点都可以点击，右侧会显示该节点的详细信息。 最终产物是一个 HTML 文件：展示核心架构和工作流程，并且支持动画自动演示调用流程。这个挺有意思，以后读新项目代码可以先用它。
0:28

朋友们，我发现一个超级哇塞的技能 现在已经有不少不错的工具可以画出好看的项目架构图，但大多是静态的，不能交互。今天分享的这个不一样，它是会动的！ 视频里是我在 MkAgent 项目下执行出来的效果，一次搞定。它会根据项目的 logo、主题风格等信息，生成对应的架构图。 不仅如此，它还能分析代码，找出核心节点，生成节点信息和节点关系。每个节点都可以点击，右侧会显示该节点的详细信息。 最终产物是一个 HTML 文件：展示核心架构和工作流程，并且支持动画自动演示调用流程。这个挺有意思，以后读新项目代码可以先用它。

Fox

75,312 次观看 • 1 个月前

Codex 操控电脑的三种方式。Codex 团队成员 Jason 今天写了一篇详细指南，把三者的区别和适用场景理清楚了，这里做个精简版。 【1】Computer Use：最广，也最慢 Computer Use 让 Codex 像人一样看屏幕、点鼠标、敲键盘，操作你电脑上的任何图形界面应用。Spotify、Xcode、系统设置、iOS 模拟器，甚至 iPhone Mirroring 都能控制。 代价是慢。结构化插件可以直接调 API，Computer Use 得一步步看界面、找按钮、等响应、再检查结果。但它能搞定没有 API 的应用，这是其他方式做不到的。 Mac 和 Windows 的体验差距很大：Mac 上 Codex 可以在后台静悄悄地操作，你继续用自己的电脑不受影响；Windows 上它必须占据前台，操作期间你没法用那台机器。 Jason 举了个例子：有次他的快递被偷了，Amazon 说要等 25 分钟才能接通客服。他让 Codex 每五分钟检查一次聊天窗口，客服出现后改为每分钟一次，自动完成退款流程。他去洗了个澡，回来退款已经办好了。 【2】Chrome 扩展：带着你的登录状态 Chrome 扩展让 Codex 使用你已登录的浏览器会话，包括 cookies、账号状态和已有标签页。Gmail、LinkedIn、Salesforce、公司内部后台，这些需要登录才能用的工具，Chrome 扩展是对的选择。 它还能同时控制多个标签页，在一个标签里读信息，到另一个标签里对比，再到第三个标签完成操作。Computer Use 也能操作浏览器，但它只认屏幕坐标，Chrome 扩展理解的是浏览器层面的上下文。 Jason 用它跑了一个长期任务：每天让 Codex 通过 Chrome 检查他的 Twitter 私信、浏览相关新闻、收集反馈，把有价值的内容存到本地文件，但不发任何消息。 要注意的是，网站会把 Codex 的点击和表单提交当作你本人的操作。研究、浏览、起草可以自动化，但发送、发布、付款这类操作最好留给自己确认。 【3】内置浏览器：给开发者的沙盒 内置浏览器住在 Codex 的对话线程里，你和 Codex 共享同一个渲染页面。它不带任何登录状态和 cookies，是个完全隔离的环境。 这反而成了开发场景的优势。它的主场是本地开发服务器、文件预览、公共网页、响应式布局检查和视觉 bug 复现。Codex 可以改代码、操作页面、截图、再跑一遍，形成紧密的反馈循环。 Jason 最喜欢的功能是标注：你可以直接在页面上点击某个元素留评论，比如"这个层级反了""这个按钮间距不够"，Codex 会拿着截图和元素上下文去改代码，改完重新打开同一个页面等你下一轮标注。比来回传截图和文字描述高效得多。 【选哪个？】 简单记：任务需要登录状态用 Chrome，需要操作桌面应用用 Computer Use，在做前端开发用内置浏览器。如果有现成的插件或 MCP 能完成任务，优先用结构化工具，视觉控制是最后手段。
1:28

Codex 操控电脑的三种方式。Codex 团队成员 Jason 今天写了一篇详细指南，把三者的区别和适用场景理清楚了，这里做个精简版。 【1】Computer Use：最广，也最慢 Computer Use 让 Codex 像人一样看屏幕、点鼠标、敲键盘，操作你电脑上的任何图形界面应用。Spotify、Xcode、系统设置、iOS 模拟器，甚至 iPhone Mirroring 都能控制。 代价是慢。结构化插件可以直接调 API，Computer Use 得一步步看界面、找按钮、等响应、再检查结果。但它能搞定没有 API 的应用，这是其他方式做不到的。 Mac 和 Windows 的体验差距很大：Mac 上 Codex 可以在后台静悄悄地操作，你继续用自己的电脑不受影响；Windows 上它必须占据前台，操作期间你没法用那台机器。 Jason 举了个例子：有次他的快递被偷了，Amazon 说要等 25 分钟才能接通客服。他让 Codex 每五分钟检查一次聊天窗口，客服出现后改为每分钟一次，自动完成退款流程。他去洗了个澡，回来退款已经办好了。 【2】Chrome 扩展：带着你的登录状态 Chrome 扩展让 Codex 使用你已登录的浏览器会话，包括 cookies、账号状态和已有标签页。Gmail、LinkedIn、Salesforce、公司内部后台，这些需要登录才能用的工具，Chrome 扩展是对的选择。 它还能同时控制多个标签页，在一个标签里读信息，到另一个标签里对比，再到第三个标签完成操作。Computer Use 也能操作浏览器，但它只认屏幕坐标，Chrome 扩展理解的是浏览器层面的上下文。 Jason 用它跑了一个长期任务：每天让 Codex 通过 Chrome 检查他的 Twitter 私信、浏览相关新闻、收集反馈，把有价值的内容存到本地文件，但不发任何消息。 要注意的是，网站会把 Codex 的点击和表单提交当作你本人的操作。研究、浏览、起草可以自动化，但发送、发布、付款这类操作最好留给自己确认。 【3】内置浏览器：给开发者的沙盒 内置浏览器住在 Codex 的对话线程里，你和 Codex 共享同一个渲染页面。它不带任何登录状态和 cookies，是个完全隔离的环境。 这反而成了开发场景的优势。它的主场是本地开发服务器、文件预览、公共网页、响应式布局检查和视觉 bug 复现。Codex 可以改代码、操作页面、截图、再跑一遍，形成紧密的反馈循环。 Jason 最喜欢的功能是标注：你可以直接在页面上点击某个元素留评论，比如"这个层级反了""这个按钮间距不够"，Codex 会拿着截图和元素上下文去改代码，改完重新打开同一个页面等你下一轮标注。比来回传截图和文字描述高效得多。 【选哪个？】 简单记：任务需要登录状态用 Chrome，需要操作桌面应用用 Computer Use，在做前端开发用内置浏览器。如果有现成的插件或 MCP 能完成任务，优先用结构化工具，视觉控制是最后手段。

宝玉

186,649 次观看 • 3 个月前

卧槽，最近发现一个强的有点离谱的 AI 团队。 96人的团队约 2/3 的研发成员是在校学生，博士、硕士、本科生都有，来自复旦、中科院软件所、中科院自动化所、人大、哈工大、华东师大等高校。 本来以为又是什么学生创业项目，结果顺着他们做的东西看下去，发现不太对劲。 他们做了一个 Agent 模型，叫 Atria Dawn Preview Atria ASI。 官网放出来的 Demo 一个比一个猛。 有科研和深度研究，有完整的软件项目，有交互作品和游戏，还有 3D 建模、CAD 机械结构。 重点不是让模型生成一张图或者一段代码。 而是让模型在一个真实环境里持续推进任务。 Atria Dawn Preview 面向科研、开发和专业工作，可以往下推进资料检索、写代码、调用工具、运行实验，再根据真实结果继续修改。 代码能不能跑，文件有没有生成，结果是否符合要求，也可以通过外部工具和环境继续验证。 看了一圈，我也拿了用它跑了个任务，因为之前9 月 12 日是世界急救日。 我就让它做一个 3D 海姆立克急救法互动学习页面。 就用大白话描述需求后，它开始拆任务、写代码、搭 3D 场景、做交互，再根据运行结果继续修改。 最后就是视频里的东西。 3D 人体模型、施救位置、操作步骤、动作演示都有，整个页面也可以直接操作和交互。 而一个完整的 3D 网页，恰好把 Agent 面对的另一类问题暴露了出来。 今天能力比较强的模型接上 Coding、搜索、文件系统和运行环境，都能完成相当复杂的任务。 真正难的，正在从能不能做，变成能不能稳定地做完。 一个复杂任务可能涉及几十甚至上百步操作。 前面查到的信息能不能被后面的步骤正确使用，代码报错后能不能恢复，工具返回意外结果会不会把整个任务带偏，最后的产物有没有经过独立验证。 任何一步出问题，都可能沿着任务链一路放大。 单步能力越来越强之后，长链路里的错误累积、状态保持和结果验证，反而变得越来越重要。 这也是 Atria Dawn Preview 比较强调 Harness、环境和 Verifiable Experience 的原因。 模型负责理解、推理和行动，Harness 负责维持目标、状态、上下文和错误恢复，环境则提供真实反馈和验证依据。 这套思路关注的已经不只是模型单次回答有多聪明。 而是把模型放进一个真实任务里，它能连续干多久，出错之后能不能拉回来，最后交付的结果又能不能被验证。 模型能力决定单步能走多聪明。 Agent 系统决定这些聪明的单步，能不能最终连成一个可靠的结果。 现在模型的单步能力已经卷得很高了。 AI下一阶段真正值得看的，可能就是谁能把这些能力稳定地串起来。
1:24

卧槽，最近发现一个强的有点离谱的 AI 团队。 96人的团队约 2/3 的研发成员是在校学生，博士、硕士、本科生都有，来自复旦、中科院软件所、中科院自动化所、人大、哈工大、华东师大等高校。 本来以为又是什么学生创业项目，结果顺着他们做的东西看下去，发现不太对劲。 他们做了一个 Agent 模型，叫 Atria Dawn Preview Atria ASI。 官网放出来的 Demo 一个比一个猛。 有科研和深度研究，有完整的软件项目，有交互作品和游戏，还有 3D 建模、CAD 机械结构。 重点不是让模型生成一张图或者一段代码。 而是让模型在一个真实环境里持续推进任务。 Atria Dawn Preview 面向科研、开发和专业工作，可以往下推进资料检索、写代码、调用工具、运行实验，再根据真实结果继续修改。 代码能不能跑，文件有没有生成，结果是否符合要求，也可以通过外部工具和环境继续验证。 看了一圈，我也拿了用它跑了个任务，因为之前9 月 12 日是世界急救日。 我就让它做一个 3D 海姆立克急救法互动学习页面。 就用大白话描述需求后，它开始拆任务、写代码、搭 3D 场景、做交互，再根据运行结果继续修改。 最后就是视频里的东西。 3D 人体模型、施救位置、操作步骤、动作演示都有，整个页面也可以直接操作和交互。 而一个完整的 3D 网页，恰好把 Agent 面对的另一类问题暴露了出来。 今天能力比较强的模型接上 Coding、搜索、文件系统和运行环境，都能完成相当复杂的任务。 真正难的，正在从能不能做，变成能不能稳定地做完。 一个复杂任务可能涉及几十甚至上百步操作。 前面查到的信息能不能被后面的步骤正确使用，代码报错后能不能恢复，工具返回意外结果会不会把整个任务带偏，最后的产物有没有经过独立验证。 任何一步出问题，都可能沿着任务链一路放大。 单步能力越来越强之后，长链路里的错误累积、状态保持和结果验证，反而变得越来越重要。 这也是 Atria Dawn Preview 比较强调 Harness、环境和 Verifiable Experience 的原因。 模型负责理解、推理和行动，Harness 负责维持目标、状态、上下文和错误恢复，环境则提供真实反馈和验证依据。 这套思路关注的已经不只是模型单次回答有多聪明。 而是把模型放进一个真实任务里，它能连续干多久，出错之后能不能拉回来，最后交付的结果又能不能被验证。 模型能力决定单步能走多聪明。 Agent 系统决定这些聪明的单步，能不能最终连成一个可靠的结果。 现在模型的单步能力已经卷得很高了。 AI下一阶段真正值得看的，可能就是谁能把这些能力稳定地串起来。

李岳

31,475 次观看 • 9 天前

昨天用 DAPPOS 的 xBubble Coding 搭了个小工具，专门盯头部账号互动和事件市场信号。 起因很简单。我刷到某个头部交易所创始人，回复了一条内容账号的推文，底下还顺手点了个赞。 我切到相关代币的 K 线看了一眼，市值直接拉了几千万！这种机会如果只靠人一直刷推，很难卡到前面的位置。尤其是链上 meme，很多注意力信号本来就不是从公告开始的。 可能是头部账号的一次点赞。也许是交易所创始人的一次回复。或者是项目方和 KOL 之间的一次互动。 我当时就在想，这种信号如果能自动抓下来，再接一层策略判断，自动买入，那岂不是能赚麻了！比别人先看到消息，然后提前卖出获利 刚好最近看到 xBubble 官方演示里有一个 Polymarket 事件检测和交易辅助案例，思路跟这个很像不是让人手动盯每条信息，而是把事件、信号、价格、市场变化串成一条流程。 我就顺着这个方向，用 xBubble Coding 搭了一套 Web3 交易信号工具。 测试版本： 流程大概是这样：推特那边一出现新互动信号，系统先自动抓下来，抓完之后，先过一层策略匹配，只有命中我设定的规则，才继续往下走。然后查一遍白名单库，筛出我真正关注的资产。再查一次钱包缓存，看有没有相关地址和历史行为。接着生成一份代币价格简报。 如果是 Polymarket 这类事件市场，还会同步整理事件状态、赔率变化、相关信息源和潜在交易方向。最后把符合条件的内容，提交到预设链上流程里。 这就是“追头部账号”和“追事件市场”真正能产生的结果。是把一个轻互动信号，变成一套可以执行的交易观察链路。 以前我是刷到相关信号之后，再手动去查币、看价格、翻钱包、看链上数据。那时候已经到接盘的时间了。现在是信号自己进入流程，系统帮我先完成筛选、整理和下一步动作。 这个变化很关键。因为 xBubble Coding 真正有价值的地方，不是帮我生成一段代码，而是把一个具体场景封装成一条端到端的业务 SOP。 我这次做的，其实更像是一套小型 Web3 交易信息服务。前端是头部账号互动监控和事件市场检测。中间是策略匹配、资产筛选和信息源整理。后面接价格简报、钱包缓存、赔率变化和链上流程。 这条链路跑通之后，它就不只是一个工具，而是一个可以持续迭代的个人信息优势系统。 这也是我理解 xBubble 商业价值的地方。它卖的不是代码本身，而是端到端的业务服务。 对小团队和个人来说，真正卡住人的往往不是“能不能生成一个页面”，而是能不能把内容、数据、流程、支付、执行和后续修改串成一个闭环。 xBubble 的 SOP 系统，核心就是把这个门槛压低。你可以用它做世界杯周边商城，把商品页、素材、收款和订单流程快速串起来。也可以做交规学习产品，把内容流量和私域转化接起来。也可以做本地服务入口，让用户看服务、提交需求、完成支付。 也可以像我这样，做一个 Web3 事件检测、头部账号信号追踪、Polymarket 交易辅助工具。 这些需求都有一个共同点很垂直，很细分，很贴近真实生意。它们不一定需要一个庞大的技术团队，但需要一套能快速上线、持续修改、直接承接收入的执行流程。 这正是 xBubble 适合 OPC 的地方。 一个人或者一个小团队，只要知道自己要服务谁、抓什么信号、卖什么产品、怎么完成交付，就可以用 SOP 把业务搭起来。 更重要的是，xBubble 不是只有固定模板。成熟场景可以直接用现成 SOP 快速启动，新的细分需求则可以通过 Bubble Engine 继续生成更贴合场景的专用 SOP。 这点对 Web3 特别重要。因为这里的机会变化很快。今天可能是头部账号互动。明天可能是 Polymarket 事件变化。后天可能是某个钱包行为。下一轮又可能变成社区积分、空投任务、链上数据面板。 如果工具只能做一种固定场景，空间会很有限。但如果 SOP 可以跟着新场景继续生成，个人和小团队就能把自己的细分判断，不断沉淀成新的业务流程。 我这次搭头部账号和 Polymarket 事件监控，就是一个很小但很具体的例子。它把我平时刷推、盯盘、查币、看钱包、看事件赔率的动作，变成了一条可以自动跑的流程。 以后我想加新的账号源，可以继续扩展。想换策略匹配规则，可以继续调整。想把简报字段做细，也可以继续改。想接更多链上动作，也能继续往后接。 这才是 OPC 时代 AI 工具真正该有的样子。不是让个人去模仿大公司搭团队，而是让个人用 SOP 获得接近专业团队的执行能力。 内容自动生成、多平台宣发、稳定币结算、链上任务执行、客户承接、后台管理，这些原本需要多人协作的环节，被压缩进一套更轻的业务系统里。 所以我现在看 xBubble Coding，已经不只是把它当成 AI Coding 工具。它更像是给个人创业者和小团队准备的业务启动基础设施。 对我来说，头部账号互动不再只是一个我刷到之后才处理的信息点。Polymarket 事件变化也不再只是一个我想起来才去看的页面。它们都可以变成自动进入系统、自动筛选、自动整理、自动触发后续流程的策略输入。这类细分需求过去很少有人专门做，因为太个人化、太垂直、变化也快。 但 xBubble 的 SOP 思路，刚好适合把这种需求做成可以低成本验证、持续迭代、甚至沉淀成服务的东西。这可能就是它最值得看的地方。AI Coding 的上半场，是让更多人可以做出应用。 xBubble 想做的下半场，是让这些应用真正变成能跑业务、能接收入、能持续迭代的商业流程。对 OPC 来说，这比一个好看的 Demo 重要得多。
0:21

昨天用 DAPPOS 的 xBubble Coding 搭了个小工具，专门盯头部账号互动和事件市场信号。 起因很简单。我刷到某个头部交易所创始人，回复了一条内容账号的推文，底下还顺手点了个赞。 我切到相关代币的 K 线看了一眼，市值直接拉了几千万！这种机会如果只靠人一直刷推，很难卡到前面的位置。尤其是链上 meme，很多注意力信号本来就不是从公告开始的。 可能是头部账号的一次点赞。也许是交易所创始人的一次回复。或者是项目方和 KOL 之间的一次互动。 我当时就在想，这种信号如果能自动抓下来，再接一层策略判断，自动买入，那岂不是能赚麻了！比别人先看到消息，然后提前卖出获利 刚好最近看到 xBubble 官方演示里有一个 Polymarket 事件检测和交易辅助案例，思路跟这个很像不是让人手动盯每条信息，而是把事件、信号、价格、市场变化串成一条流程。 我就顺着这个方向，用 xBubble Coding 搭了一套 Web3 交易信号工具。 测试版本： 流程大概是这样：推特那边一出现新互动信号，系统先自动抓下来，抓完之后，先过一层策略匹配，只有命中我设定的规则，才继续往下走。然后查一遍白名单库，筛出我真正关注的资产。再查一次钱包缓存，看有没有相关地址和历史行为。接着生成一份代币价格简报。 如果是 Polymarket 这类事件市场，还会同步整理事件状态、赔率变化、相关信息源和潜在交易方向。最后把符合条件的内容，提交到预设链上流程里。 这就是“追头部账号”和“追事件市场”真正能产生的结果。是把一个轻互动信号，变成一套可以执行的交易观察链路。 以前我是刷到相关信号之后，再手动去查币、看价格、翻钱包、看链上数据。那时候已经到接盘的时间了。现在是信号自己进入流程，系统帮我先完成筛选、整理和下一步动作。 这个变化很关键。因为 xBubble Coding 真正有价值的地方，不是帮我生成一段代码，而是把一个具体场景封装成一条端到端的业务 SOP。 我这次做的，其实更像是一套小型 Web3 交易信息服务。前端是头部账号互动监控和事件市场检测。中间是策略匹配、资产筛选和信息源整理。后面接价格简报、钱包缓存、赔率变化和链上流程。 这条链路跑通之后，它就不只是一个工具，而是一个可以持续迭代的个人信息优势系统。 这也是我理解 xBubble 商业价值的地方。它卖的不是代码本身，而是端到端的业务服务。 对小团队和个人来说，真正卡住人的往往不是“能不能生成一个页面”，而是能不能把内容、数据、流程、支付、执行和后续修改串成一个闭环。 xBubble 的 SOP 系统，核心就是把这个门槛压低。你可以用它做世界杯周边商城，把商品页、素材、收款和订单流程快速串起来。也可以做交规学习产品，把内容流量和私域转化接起来。也可以做本地服务入口，让用户看服务、提交需求、完成支付。 也可以像我这样，做一个 Web3 事件检测、头部账号信号追踪、Polymarket 交易辅助工具。 这些需求都有一个共同点很垂直，很细分，很贴近真实生意。它们不一定需要一个庞大的技术团队，但需要一套能快速上线、持续修改、直接承接收入的执行流程。 这正是 xBubble 适合 OPC 的地方。 一个人或者一个小团队，只要知道自己要服务谁、抓什么信号、卖什么产品、怎么完成交付，就可以用 SOP 把业务搭起来。 更重要的是，xBubble 不是只有固定模板。成熟场景可以直接用现成 SOP 快速启动，新的细分需求则可以通过 Bubble Engine 继续生成更贴合场景的专用 SOP。 这点对 Web3 特别重要。因为这里的机会变化很快。今天可能是头部账号互动。明天可能是 Polymarket 事件变化。后天可能是某个钱包行为。下一轮又可能变成社区积分、空投任务、链上数据面板。 如果工具只能做一种固定场景，空间会很有限。但如果 SOP 可以跟着新场景继续生成，个人和小团队就能把自己的细分判断，不断沉淀成新的业务流程。 我这次搭头部账号和 Polymarket 事件监控，就是一个很小但很具体的例子。它把我平时刷推、盯盘、查币、看钱包、看事件赔率的动作，变成了一条可以自动跑的流程。 以后我想加新的账号源，可以继续扩展。想换策略匹配规则，可以继续调整。想把简报字段做细，也可以继续改。想接更多链上动作，也能继续往后接。 这才是 OPC 时代 AI 工具真正该有的样子。不是让个人去模仿大公司搭团队，而是让个人用 SOP 获得接近专业团队的执行能力。 内容自动生成、多平台宣发、稳定币结算、链上任务执行、客户承接、后台管理，这些原本需要多人协作的环节，被压缩进一套更轻的业务系统里。 所以我现在看 xBubble Coding，已经不只是把它当成 AI Coding 工具。它更像是给个人创业者和小团队准备的业务启动基础设施。 对我来说，头部账号互动不再只是一个我刷到之后才处理的信息点。Polymarket 事件变化也不再只是一个我想起来才去看的页面。它们都可以变成自动进入系统、自动筛选、自动整理、自动触发后续流程的策略输入。这类细分需求过去很少有人专门做，因为太个人化、太垂直、变化也快。 但 xBubble 的 SOP 思路，刚好适合把这种需求做成可以低成本验证、持续迭代、甚至沉淀成服务的东西。这可能就是它最值得看的地方。AI Coding 的上半场，是让更多人可以做出应用。 xBubble 想做的下半场，是让这些应用真正变成能跑业务、能接收入、能持续迭代的商业流程。对 OPC 来说，这比一个好看的 Demo 重要得多。

币圈荒木｜Araki🪵

30,150 次观看 • 2 个月前