Loading video...

Video Failed to Load

Go Home

OpenClaw的底层是Pi Pi是什么？ Pi 是 OpenClaw 的核心底层引擎（Agent Engine），提供以下基础能力： 模型抽象 - 统一接口调用不同大模型（Claude、GPT、Gemini 等） 流式推理 - 实时响应的推理机制 Agent Loop - 思考-行动-观察的循环架构 工具执行 - Read/Write/Edit/Bash 等基础工具的原语支持 关系类比 Pi = 汽车的引擎（让它能跑起来） OpenClaw = 车身+交通规则（会话管理、IM 集成、工具链、沙箱等） Pi 的设计哲学是"核心极小，但能长出来"——底层能力收敛到最少的原语，但可通过插件和工具链无限扩展。

sodawhite_dev's profile picture

苏打白.Dev

5,361 subscribers

34,220 views • 7 months ago •via X (Twitter)

EducationScience & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

蚂蚁百灵刚刚发布了 Ling-3.0-flash： 一个AI 执行层的关键拼图 刚刚看到 Ling-3.0-flash 正式发布，我觉得这款模型值得认真关注。原因很简单：在 AI 工程越来越深入到实际业务的今天，大家早就不满足于模型“会不会想”了，更关键的是它“能不能持续做”。 尤其是在 Agent 工作流中，需要高频调用工具、迭代代码、处理长程任务时，一个响应快、执行稳的执行引擎成了刚需。Ling-3.0-flash 的出现，正好瞄准了这个缺口。 1. Agent 的执行层 从我的角度看，它最聪明的一点是没有去硬拼超大模型的深度推理能力，而是把自己定位成一个高速执行引擎——负责把已经规划好的任务快速落地。 这在实际应用中特别实用，比如当大模型把方案设计好之后，剩下的代码生成、工具调用、批量处理就需要一个既快又稳的模型来接手。 2. 为什么它能兼顾速度和成本 技术细节上，它采用 124B 参数的 MoE 架构，但实际激活参数约 5.1B，在推理速度和运行成本之间找平衡。 它还支持混合推理模式：简单任务可以关闭 Reasoning，降低延迟，适合大批量处理；复杂任务则可以开启思考模式，保持逻辑连贯。 原生支持 256K 上下文，对需要持续读取历史指令和项目状态的 Agent 工作流也很重要。 3.如何使用 我觉得 Ling-3.0-flash 最适合做 Agent 工作流里的执行节点。反复调用 API 或 MCP 工具时，它能根据结构化错误信息自我诊断和修复，不容易在循环调试中卡死，因此适合放进 Loop 或 Graph 架构。 4.结对编程和批量任务 结对编程是一个典型场景：人负责架构规划、边界定义和测试，Ling-3.0-flash 负责快速生成代码、调用工具、读取报错，并根据反馈持续修改。 批量处理长文档、日志、简历和结构化数据时，它看重的也是速度、格式稳定性和成本控制。直播数字人或高频办公协作，则需要它的低延迟响应来减少体验断层。 5.边界 当然，它不是万能模型。复杂系统不能只靠一句指令搞定；缺乏架构和测试环境时，结果可能跑偏；需要深度冷门知识的研究任务，还是更适合交给更大规模的推理模型。 更合理的用法是：大模型负责搜索、规划和架构设计，把方案写成规范文档；Ling-3.0-flash 负责高频工具调用、代码执行和批量处理。 总结：Ling-3.0-flash 不是来替代所有模型的，而是把 Agent 工作流里“执行层”这件事做得更快、更稳。大模型负责想清楚，它负责做出来。
0:41

蚂蚁百灵刚刚发布了 Ling-3.0-flash： 一个AI 执行层的关键拼图 刚刚看到 Ling-3.0-flash 正式发布，我觉得这款模型值得认真关注。原因很简单：在 AI 工程越来越深入到实际业务的今天，大家早就不满足于模型“会不会想”了，更关键的是它“能不能持续做”。 尤其是在 Agent 工作流中，需要高频调用工具、迭代代码、处理长程任务时，一个响应快、执行稳的执行引擎成了刚需。Ling-3.0-flash 的出现，正好瞄准了这个缺口。 1. Agent 的执行层 从我的角度看，它最聪明的一点是没有去硬拼超大模型的深度推理能力，而是把自己定位成一个高速执行引擎——负责把已经规划好的任务快速落地。 这在实际应用中特别实用，比如当大模型把方案设计好之后，剩下的代码生成、工具调用、批量处理就需要一个既快又稳的模型来接手。 2. 为什么它能兼顾速度和成本 技术细节上，它采用 124B 参数的 MoE 架构，但实际激活参数约 5.1B，在推理速度和运行成本之间找平衡。 它还支持混合推理模式：简单任务可以关闭 Reasoning，降低延迟，适合大批量处理；复杂任务则可以开启思考模式，保持逻辑连贯。 原生支持 256K 上下文，对需要持续读取历史指令和项目状态的 Agent 工作流也很重要。 3.如何使用 我觉得 Ling-3.0-flash 最适合做 Agent 工作流里的执行节点。反复调用 API 或 MCP 工具时，它能根据结构化错误信息自我诊断和修复，不容易在循环调试中卡死，因此适合放进 Loop 或 Graph 架构。 4.结对编程和批量任务 结对编程是一个典型场景：人负责架构规划、边界定义和测试，Ling-3.0-flash 负责快速生成代码、调用工具、读取报错，并根据反馈持续修改。 批量处理长文档、日志、简历和结构化数据时，它看重的也是速度、格式稳定性和成本控制。直播数字人或高频办公协作，则需要它的低延迟响应来减少体验断层。 5.边界 当然，它不是万能模型。复杂系统不能只靠一句指令搞定；缺乏架构和测试环境时，结果可能跑偏；需要深度冷门知识的研究任务，还是更适合交给更大规模的推理模型。 更合理的用法是：大模型负责搜索、规划和架构设计，把方案写成规范文档；Ling-3.0-flash 负责高频工具调用、代码执行和批量处理。 总结：Ling-3.0-flash 不是来替代所有模型的，而是把 Agent 工作流里“执行层”这件事做得更快、更稳。大模型负责想清楚，它负责做出来。

奶牛叔

66,157 views • 1 month ago

Pi⚡️Pi项目赞助了加拿大多伦多召开的全球“人工智能+区块链基础设施将推动主流应用”共识大会💥 尼古拉斯北京时间16日晚8点演讲：Pi Network将人工智能与区块链技术结合，以推动其在主流应用中的发展，包括对Pi币未来在去中心化金融、跨境支付、物联网等领域应用的展望，Pi Network的技术架构、共识机制
1:16

Pi⚡️Pi项目赞助了加拿大多伦多召开的全球“人工智能+区块链基础设施将推动主流应用”共识大会💥 尼古拉斯北京时间16日晚8点演讲：Pi Network将人工智能与区块链技术结合，以推动其在主流应用中的发展，包括对Pi币未来在去中心化金融、跨境支付、物联网等领域应用的展望，Pi Network的技术架构、共识机制

大A股金牌分析师

15,032 views • 1 year ago

下一代 RAG 技术来了！微软正式开源 GraphRAG🔥 通过 LLM 构建知识图谱结合图机器学习，极大增强 LLM 在处理私有数据时的性能，同时 GraphRAG 具备连点成线的跨大型数据集的复杂语义问题推理能力。 - 提供 Index、Query 工具链与建模工具 - 提供 Graph Prompt 调优能力
2:17

下一代 RAG 技术来了！微软正式开源 GraphRAG🔥 通过 LLM 构建知识图谱结合图机器学习，极大增强 LLM 在处理私有数据时的性能，同时 GraphRAG 具备连点成线的跨大型数据集的复杂语义问题推理能力。 - 提供 Index、Query 工具链与建模工具 - 提供 Graph Prompt 调优能力

Tom Huang

189,455 views • 2 years ago

今天免费给大家挖到一个牛的工具 Stanford University 放出来的一套 AI 课程，直接用 1 个半小时，把 Claude 和 ChatGPT 背后的工作原理，拆得非常透。 很多人天天都在用 AI。 写内容。 做研究。 跑工作流。 做自动化。 但大部分人，说实话连模型 10% 的能力都没真正用出来。 问题从来不是 AI 不够强。 而是你根本不知道，它到底是怎么思考、怎么推理、怎么处理信息的。 你一旦理解底层逻辑，你会发现，提示词、自动化、Agent、工作流这些东西，全部都会进入另一个层次。 建议直接收藏，少刷一小时短剧。 明天醒来，你可能就比大部分人，多了一条真正能赚钱的路。 AI 最大的红利，永远属于理解它的人。
1:44:25

今天免费给大家挖到一个牛的工具 Stanford University 放出来的一套 AI 课程，直接用 1 个半小时，把 Claude 和 ChatGPT 背后的工作原理，拆得非常透。 很多人天天都在用 AI。 写内容。 做研究。 跑工作流。 做自动化。 但大部分人，说实话连模型 10% 的能力都没真正用出来。 问题从来不是 AI 不够强。 而是你根本不知道，它到底是怎么思考、怎么推理、怎么处理信息的。 你一旦理解底层逻辑，你会发现，提示词、自动化、Agent、工作流这些东西，全部都会进入另一个层次。 建议直接收藏，少刷一小时短剧。 明天醒来，你可能就比大部分人，多了一条真正能赚钱的路。 AI 最大的红利，永远属于理解它的人。

空投龙 | 美股合约首选Gate

19,716 views • 2 months ago

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？ 别背那些复杂定义。 把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。 今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工 可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑 负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单 告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口 让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位 你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准 它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。 不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手 终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包 不同平台对 Plugin 的定义不完全一样。 简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料 当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案 用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。 它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。 最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。 所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。 所谓 AI 工作流，本质上就是： 给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～
2:11

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？ 别背那些复杂定义。 把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。 今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工 可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑 负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单 告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口 让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位 你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准 它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。 不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手 终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包 不同平台对 Plugin 的定义不完全一样。 简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料 当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案 用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。 它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。 最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。 所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。 所谓 AI 工作流，本质上就是： 给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

爱丽丝呀！

152,554 views • 24 days ago

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。
2:15

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,074 views • 3 months ago

太硬核了！英伟达黄仁勋撕穿了传统计算机科学的底层逻辑：云计算的“按需触发”时代已经彻底终结，未来的AI智能体是永远在线的“永动机”！ 别再把大模型当成简单的文字接龙了。老黄一针见血：大模型生成内部 token 进行逻辑推演，叫思考；生成外部 token 去调用各种接口，就叫使用工具。 这就是为什么像 Claude Code 或 DeepSeek V4 这种新生代智能体，能切入硬核的开发工作流，甚至能全自动帮你排查 Python 异步网关里 aiohttp 的并发报错！ 最恐怖的颠覆在于运行模式。以前我们写代码，不管是跑在 MacBook Pro 上的本地脚本，还是云端微服务，全都是按需调用——你不戳它，它就不动。但现在的 Agent 系统是连续不断运行的。它们在后台全天候感知、推演、自我迭代和执行任务。 这根本不是工具的升级，而是整个计算范式的跨代重构！搞懂这种从被动按需到全自动连续运行的跃迁，你才会真正明白，为什么未来所有的云服务和软件架构都面临着被彻底推倒重来的命运。
3:00

太硬核了！英伟达黄仁勋撕穿了传统计算机科学的底层逻辑：云计算的“按需触发”时代已经彻底终结，未来的AI智能体是永远在线的“永动机”！ 别再把大模型当成简单的文字接龙了。老黄一针见血：大模型生成内部 token 进行逻辑推演，叫思考；生成外部 token 去调用各种接口，就叫使用工具。 这就是为什么像 Claude Code 或 DeepSeek V4 这种新生代智能体，能切入硬核的开发工作流，甚至能全自动帮你排查 Python 异步网关里 aiohttp 的并发报错！ 最恐怖的颠覆在于运行模式。以前我们写代码，不管是跑在 MacBook Pro 上的本地脚本，还是云端微服务，全都是按需调用——你不戳它，它就不动。但现在的 Agent 系统是连续不断运行的。它们在后台全天候感知、推演、自我迭代和执行任务。 这根本不是工具的升级，而是整个计算范式的跨代重构！搞懂这种从被动按需到全自动连续运行的跃迁，你才会真正明白，为什么未来所有的云服务和软件架构都面临着被彻底推倒重来的命运。

比特币橙子Trader

69,195 views • 3 months ago

GPT-Realtime-2 语音模型发布 语音首次接入 GPT-5 推理能力 OpenAI一口气发布了三个实时语音模型： GPT-Realtime-2 GPT-Realtime-Translate GPT-Realtime-Whisper 其中GPT-Realtime-2 是其中的主角，这是 OpenAI 第一次把“GPT-5 级推理”塞进语音模型，同时把上下文从 32K 扩到 128K... GPT-Realtime-2：首个具备 GPT-5 级推理能力的语音模型，能在对话中推理复杂请求、并行调工具、处理打断和纠错，上下文窗口从 32K 升到 128K GPT-Realtime-Translate：实时语音翻译模型，支持 70+ 种输入语言、13 种输出语言，跟着说话人的节奏边听边译，能处理口音和专业词 GPT-Realtime-Whisper：流式语音转文字模型，边说边出字，专门给实时字幕、会议纪要、客服转写这类不能等的
1:45

GPT-Realtime-2 语音模型发布 语音首次接入 GPT-5 推理能力 OpenAI一口气发布了三个实时语音模型： GPT-Realtime-2 GPT-Realtime-Translate GPT-Realtime-Whisper 其中GPT-Realtime-2 是其中的主角，这是 OpenAI 第一次把“GPT-5 级推理”塞进语音模型，同时把上下文从 32K 扩到 128K... GPT-Realtime-2：首个具备 GPT-5 级推理能力的语音模型，能在对话中推理复杂请求、并行调工具、处理打断和纠错，上下文窗口从 32K 升到 128K GPT-Realtime-Translate：实时语音翻译模型，支持 70+ 种输入语言、13 种输出语言，跟着说话人的节奏边听边译，能处理口音和专业词 GPT-Realtime-Whisper：流式语音转文字模型，边说边出字，专门给实时字幕、会议纪要、客服转写这类不能等的

小互

31,189 views • 4 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 • 5 months ago

#分享 借 Cursor 在最新版本支持了 MCP，学习下 MCP 是什么，怎么用 MCP，全称 Model Context Protocol，由 Anthropic 在 2024 年 11 月推出，社区共建的开放协议。目的是提供一个通用的开放标准，用来连接大语言模型和外部数据、行为。 通过训练 LLM，让其掌握外部工具的使用的能力。这样，一个大致的智能体雏形就出现了：LLM 可以作为智能体的大脑，外部工具就是智能体的手和脚，协助智能体执行决策。 简单来说，MCP 就是手脚连接身体的“关节”。这样，智能体就能“活动”起来，解决一些 LLM 不擅长、不了解的事情，比如实时获取天气、浏览网页等等能力。 目前有很多客户端支持了 MCP，比如 Cline 和 Cursor。
1:11

#分享 借 Cursor 在最新版本支持了 MCP，学习下 MCP 是什么，怎么用 MCP，全称 Model Context Protocol，由 Anthropic 在 2024 年 11 月推出，社区共建的开放协议。目的是提供一个通用的开放标准，用来连接大语言模型和外部数据、行为。 通过训练 LLM，让其掌握外部工具的使用的能力。这样，一个大致的智能体雏形就出现了：LLM 可以作为智能体的大脑，外部工具就是智能体的手和脚，协助智能体执行决策。 简单来说，MCP 就是手脚连接身体的“关节”。这样，智能体就能“活动”起来，解决一些 LLM 不擅长、不了解的事情，比如实时获取天气、浏览网页等等能力。 目前有很多客户端支持了 MCP，比如 Cline 和 Cursor。

nazha

40,190 views • 1 year ago

最近Hermes Agent 爆火，OpenClaw 过时了？ 现在真实发生的是 AI Agent 正在分成两条路 一条是 OpenClaw 这类：系统派 - 强调多 Agent 调度 - 强调工具链、权限、流程控制 - 更像一个AI操作系统 本质是： 让 AI 更好地“干活” 另一条是 Hermes：进化派 - 强调长期记忆 - 强调自我学习、技能沉淀 - 用得越久越强 本质是： 让 AI 自己变强 很多人觉得 Hermes 更高级 是因为它解决了一个痛点： AI 不再用完就忘 但这不代表 OpenClaw 没价值 OpenClaw 解决的是另一件更硬的事： 多系统、多工具、多人协作的控制问题 有人这样用 Hermes 当大脑，OpenClaw 当执行层 下面是Hermes的安装文档
0:32

最近Hermes Agent 爆火，OpenClaw 过时了？ 现在真实发生的是 AI Agent 正在分成两条路 一条是 OpenClaw 这类：系统派 - 强调多 Agent 调度 - 强调工具链、权限、流程控制 - 更像一个AI操作系统 本质是： 让 AI 更好地“干活” 另一条是 Hermes：进化派 - 强调长期记忆 - 强调自我学习、技能沉淀 - 用得越久越强 本质是： 让 AI 自己变强 很多人觉得 Hermes 更高级 是因为它解决了一个痛点： AI 不再用完就忘 但这不代表 OpenClaw 没价值 OpenClaw 解决的是另一件更硬的事： 多系统、多工具、多人协作的控制问题 有人这样用 Hermes 当大脑，OpenClaw 当执行层 下面是Hermes的安装文档

HankAI

36,924 views • 4 months ago

今天 Claude 在开发者大会上低调推出了一个小功能“Dream” - 做梦！在 Platform 控制面板里选择 Agent 留下的记忆，让它做梦就行，模仿了人类“梦境”修剪记忆和整理思绪的逻辑，可以异步执行，对已有的 memory 进行反思、整理 + 改进，挖出未被显式写下的新模式，这不是简单的总结！ Dario 在各种播客多次提到过，持续学习很重要，但不需要在模型的权重层做，只要 Context 足够大，通过优秀的工程架构也能实现的。真正的"持续学习"，可能只需要一个独立的离线 curation 循环——这就是 Dreams😴
1:14

今天 Claude 在开发者大会上低调推出了一个小功能“Dream” - 做梦！在 Platform 控制面板里选择 Agent 留下的记忆，让它做梦就行，模仿了人类“梦境”修剪记忆和整理思绪的逻辑，可以异步执行，对已有的 memory 进行反思、整理 + 改进，挖出未被显式写下的新模式，这不是简单的总结！ Dario 在各种播客多次提到过，持续学习很重要，但不需要在模型的权重层做，只要 Context 足够大，通过优秀的工程架构也能实现的。真正的"持续学习"，可能只需要一个独立的离线 curation 循环——这就是 Dreams😴

indigo

41,073 views • 4 months ago

阿里刚刚放出了其首个千问具身智能体通用模型：Qwen-Robot ，也开始搞具身智能了！ Qwen-Robot由三个模型组成机器人的手+脚+大脑，三个模型可以独立用，也可以组合用 比如，用它可以组成一个既能动手端盘子，又能走路送餐，还能预判端着热汤拐弯儿会不会洒的服务机器人 Qwen-RobotManip： 其采用80维统一动作表征，把不同机器人的动作翻译成同一种通用语言，并基于摄像头画面的相对位置操作，不再依赖繁琐的绝对坐标计算，解决了换个机械臂、换个场景数据不通用的情况 Qwen-RobotNav： 核心思路是把视觉分配策略本身参数化，而非固定，具体解法是把记多少、怎么记变成可调参数，根据任务类型自动配置，不同任务按需配置，比如目标追踪只关注最近几帧省算力，指令跟随保留长程上下文不迷路 因为记忆策略参数化了，一套权重即统一五类导航任务 在双层智能体系统（上层规划器+Qwen-RobotNav）中，EXPRESS-Bench提升15.4%，导航步数减少了77% 通用接口设计，其他上层AI可以直接调用它的导航能力，无需再为每个任务单独训练一个导航模型，原生支持多种智能体框架 Qwen-RobotWorld：相当于机器人的想象力 基于对物理规律的理解，可推理和模拟下一时间点的合理动作和状态；能生成视频数据用于训练，缓解训练数据不足问题；可以在执行前推演未来动作轨迹，使操作更精准 Qwen-Robot相当于是一套模块化的具身智能系统，把导航、操作、世界预测三个专业的能力解耦又协同，让通用模型像调用软件工具一样，调用物理世界的行动能力 #QwenRobot #robot #具身智能
1:46

阿里刚刚放出了其首个千问具身智能体通用模型：Qwen-Robot ，也开始搞具身智能了！ Qwen-Robot由三个模型组成机器人的手+脚+大脑，三个模型可以独立用，也可以组合用 比如，用它可以组成一个既能动手端盘子，又能走路送餐，还能预判端着热汤拐弯儿会不会洒的服务机器人 Qwen-RobotManip： 其采用80维统一动作表征，把不同机器人的动作翻译成同一种通用语言，并基于摄像头画面的相对位置操作，不再依赖繁琐的绝对坐标计算，解决了换个机械臂、换个场景数据不通用的情况 Qwen-RobotNav： 核心思路是把视觉分配策略本身参数化，而非固定，具体解法是把记多少、怎么记变成可调参数，根据任务类型自动配置，不同任务按需配置，比如目标追踪只关注最近几帧省算力，指令跟随保留长程上下文不迷路 因为记忆策略参数化了，一套权重即统一五类导航任务 在双层智能体系统（上层规划器+Qwen-RobotNav）中，EXPRESS-Bench提升15.4%，导航步数减少了77% 通用接口设计，其他上层AI可以直接调用它的导航能力，无需再为每个任务单独训练一个导航模型，原生支持多种智能体框架 Qwen-RobotWorld：相当于机器人的想象力 基于对物理规律的理解，可推理和模拟下一时间点的合理动作和状态；能生成视频数据用于训练，缓解训练数据不足问题；可以在执行前推演未来动作轨迹，使操作更精准 Qwen-Robot相当于是一套模块化的具身智能系统，把导航、操作、世界预测三个专业的能力解耦又协同，让通用模型像调用软件工具一样，调用物理世界的行动能力 #QwenRobot #robot #具身智能

AIGCLINK

11,106 views • 2 months ago

⏰最近在研究代码库更新的过程中，我发现了一个值得关注的信息。Pi 首席软件工程师李学京在最新更新中，为 Pi 制定了一个标准化的“地址/身份证格式CAIP-2”。简单理解就是：以后支持这套标准的钱包、DApp、其他区块链基础设施，就更容易识别 Pi，并为未来与 Pi 互通打下基础。这个就是“跨链”的雏形。（💻文章中视频有查找方式） 其实在 Pi 的路线图中，早就有过这样一段话： “开放网络阶段意味着封闭网络阶段的防火墙将被移除，从而允许任何外部连接，例如连接到其他网络、钱包以及任何想要连接到 Pi 主网的用户。”这里提到的“连接到其他网络”，就包含了未来与其他区块链网络互联互通的方向。 🤔用最简单的话来说：原来 Pi 主要在自己的“城市”里跑；未来如果跨链基础设施和跨链桥逐步建立起来，就相当于城市之间的高速公路修通了，可以和其他区块链城市做生意。 1️⃣ Pi 生态资产可以走出去 未来建立相应的跨链桥以后，Pi 生态中的资产就有机会进入 ETH、SOL、BNB Chain 等生态使用；同样，其他链上的资产也有机会进入 Pi 生态。而 Pi 本身又长期围绕 KYC、合规和真实用户体系建设，这会成为它非常有特点的一部分。 2️⃣ 其他链的资产也可以进入 Pi 生态 比如未来 USDC、USDT 等资产通过合适的跨链基础设施进入 Pi 生态，那么外部资金进入 Pi 的应用、游戏、DeFi 等场景就会更加方便。 3️⃣ Pi 生态也能吸引外面的用户跨链从来不是单向的。 Pi → ETH，是出去； ETH / SOL / BNB → Pi，同样可以是进来。 所以记住一个特别简单的比喻：Pi 以前就像一座发展得很好的岛，岛上有自己的道路、商店和居民。跨链就是给这座岛修跨海大桥。桥修通以后，不仅岛上的人可以出去，外面的用户、资产、资金和生意也可以进来。 这样一来，整个生态的连接范围就更大，流动性也有机会进一步提升。 🌞这几天我还一直在研究 OpenClaw 🦞 和 MCP 服务器。在部署过程中，OpenClaw 既可以采用本地模型，也可以接入 OpenAI API 等外部模型。用大白话讲，就是现在可以通过 Pi Desktop、SoloHost，把这种 AI Agent 能力直接部署到节点电脑上运行。这也是我非常看好的一个方向——让区块链和 AI 进一步融合。 举个最简单的例子： 我觉得 Pi 就像“大哥大时代里的智能手机”。当年大家拿着大哥大，最重要的功能就是打电话。后来智能手机出现以后，人们才慢慢发现：原来一部手机不只是打电话，还可以拍照、导航、支付、办公、玩游戏，甚至最后成为整个移动互联网的入口。我觉得 Pi 现在走的也是类似的思路。很多公链首先解决的是转账、交易和链上资产的问题，而 Pi 一直在不断往外扩展：KYC → 钱包 → 支付 → App Studio → 智能合约 → 节点 → RPC → SoloHost → OpenClaw → MCP → 本地 AI。它不是做完一条区块链就停在那里，而是在不断给这套系统增加新的能力。从区块链，到应用生态，再到 AI 与节点计算，边界正在一点点往外扩展。 不止于前，不止于此。 另外再讲一件值得期待的事情：Pi 投资的第三家公司 Axis Robotics，预计未来 1—2 个月可能会带着新的成果出现，我也会继续关注它接下来的进展。最后也祝愿各位叔叔阿姨、哥哥姐姐： 身体健康，万事如意，越来越好。💐Pi Network Nicolas Kokkalis Chengdiao Fan
5:06

⏰最近在研究代码库更新的过程中，我发现了一个值得关注的信息。Pi 首席软件工程师李学京在最新更新中，为 Pi 制定了一个标准化的“地址/身份证格式CAIP-2”。简单理解就是：以后支持这套标准的钱包、DApp、其他区块链基础设施，就更容易识别 Pi，并为未来与 Pi 互通打下基础。这个就是“跨链”的雏形。（💻文章中视频有查找方式） 其实在 Pi 的路线图中，早就有过这样一段话： “开放网络阶段意味着封闭网络阶段的防火墙将被移除，从而允许任何外部连接，例如连接到其他网络、钱包以及任何想要连接到 Pi 主网的用户。”这里提到的“连接到其他网络”，就包含了未来与其他区块链网络互联互通的方向。 🤔用最简单的话来说：原来 Pi 主要在自己的“城市”里跑；未来如果跨链基础设施和跨链桥逐步建立起来，就相当于城市之间的高速公路修通了，可以和其他区块链城市做生意。 1️⃣ Pi 生态资产可以走出去 未来建立相应的跨链桥以后，Pi 生态中的资产就有机会进入 ETH、SOL、BNB Chain 等生态使用；同样，其他链上的资产也有机会进入 Pi 生态。而 Pi 本身又长期围绕 KYC、合规和真实用户体系建设，这会成为它非常有特点的一部分。 2️⃣ 其他链的资产也可以进入 Pi 生态 比如未来 USDC、USDT 等资产通过合适的跨链基础设施进入 Pi 生态，那么外部资金进入 Pi 的应用、游戏、DeFi 等场景就会更加方便。 3️⃣ Pi 生态也能吸引外面的用户跨链从来不是单向的。 Pi → ETH，是出去； ETH / SOL / BNB → Pi，同样可以是进来。 所以记住一个特别简单的比喻：Pi 以前就像一座发展得很好的岛，岛上有自己的道路、商店和居民。跨链就是给这座岛修跨海大桥。桥修通以后，不仅岛上的人可以出去，外面的用户、资产、资金和生意也可以进来。 这样一来，整个生态的连接范围就更大，流动性也有机会进一步提升。 🌞这几天我还一直在研究 OpenClaw 🦞 和 MCP 服务器。在部署过程中，OpenClaw 既可以采用本地模型，也可以接入 OpenAI API 等外部模型。用大白话讲，就是现在可以通过 Pi Desktop、SoloHost，把这种 AI Agent 能力直接部署到节点电脑上运行。这也是我非常看好的一个方向——让区块链和 AI 进一步融合。 举个最简单的例子： 我觉得 Pi 就像“大哥大时代里的智能手机”。当年大家拿着大哥大，最重要的功能就是打电话。后来智能手机出现以后，人们才慢慢发现：原来一部手机不只是打电话，还可以拍照、导航、支付、办公、玩游戏，甚至最后成为整个移动互联网的入口。我觉得 Pi 现在走的也是类似的思路。很多公链首先解决的是转账、交易和链上资产的问题，而 Pi 一直在不断往外扩展：KYC → 钱包 → 支付 → App Studio → 智能合约 → 节点 → RPC → SoloHost → OpenClaw → MCP → 本地 AI。它不是做完一条区块链就停在那里，而是在不断给这套系统增加新的能力。从区块链，到应用生态，再到 AI 与节点计算，边界正在一点点往外扩展。 不止于前，不止于此。 另外再讲一件值得期待的事情：Pi 投资的第三家公司 Axis Robotics，预计未来 1—2 个月可能会带着新的成果出现，我也会继续关注它接下来的进展。最后也祝愿各位叔叔阿姨、哥哥姐姐： 身体健康，万事如意，越来越好。💐Pi Network Nicolas Kokkalis Chengdiao Fan

xu sheng

20,122 views • 4 days ago

发现一个被低估的 AI 基建：XCrawl XCrawl是一个网页抓取和数据采集的API，它让 Agent 拥有了真正意义上的"上网能力"。 它提供几个核心能力： - Scrape：抓单个页面 - Crawl：批量跑整个站点 - Map：摸清网站结构 - Search：拿搜索结果 从单页到整站，从搜索到整理，一步打通。 用下来最直接的感受： - 不给一堆原始HTML，直接输出Markdown、JSON、摘要、链接 - 基本不用二次清洗，拿来就能用 - 动态页面（JS渲染）也能处理 - 地区、语言、结构化提取都支持 - 成功率稳定 如果你在用OpenClaw，会发现很多Agent卡住不是因为模型不行，而是数据不好用。 XCrawl正好解决这块——让Agent自己搜、抓、读，继续执行下去。OpenClaw负责决策，XCrawl负责把信息接进来。 能落地的场景： - 电商选品、竞品整理 - 招聘、社交、新闻信息汇总 - SEO关键词跟踪 - 自动整理资料、生成报告 原本需要人工收集的数据，现在跑个流程就行。 它遵循公开网页+合规采集的原则，自带规则约束。 这不是更强的爬虫，而是把"获取数据"变成可以直接接进Agent的能力。 做Agent或自动化，XCrawl 是一个趁手的工具。
0:31

发现一个被低估的 AI 基建：XCrawl XCrawl是一个网页抓取和数据采集的API，它让 Agent 拥有了真正意义上的"上网能力"。 它提供几个核心能力： - Scrape：抓单个页面 - Crawl：批量跑整个站点 - Map：摸清网站结构 - Search：拿搜索结果 从单页到整站，从搜索到整理，一步打通。 用下来最直接的感受： - 不给一堆原始HTML，直接输出Markdown、JSON、摘要、链接 - 基本不用二次清洗，拿来就能用 - 动态页面（JS渲染）也能处理 - 地区、语言、结构化提取都支持 - 成功率稳定 如果你在用OpenClaw，会发现很多Agent卡住不是因为模型不行，而是数据不好用。 XCrawl正好解决这块——让Agent自己搜、抓、读，继续执行下去。OpenClaw负责决策，XCrawl负责把信息接进来。 能落地的场景： - 电商选品、竞品整理 - 招聘、社交、新闻信息汇总 - SEO关键词跟踪 - 自动整理资料、生成报告 原本需要人工收集的数据，现在跑个流程就行。 它遵循公开网页+合规采集的原则，自带规则约束。 这不是更强的爬虫，而是把"获取数据"变成可以直接接进Agent的能力。 做Agent或自动化，XCrawl 是一个趁手的工具。

开发者Hailey

29,538 views • 5 months ago

兄弟们 这可能是目前全球最强的AI图像生成设计工具了 我测试了一周多，真的是非常强大 它把【深度思考】的理念引入到了AI图像生成领域 你只需描述你的需求，它会进逐步的推理和思考来分解和理解你的任务需求，然后调用合适的模型工具进行创作。 而且在一个展开的画布中直接呈现，还能随时修改 Lovart 集成 GPT image-1、Flux Pro、OpenAI-o3、Gemini Imagen 3、Kling AI、Tripo AI、Suno AI 等市面上主流的多模态工具 一站式调用，无需来回切换工具和跳来跳去，一个画布内即可完成你的所有图像、视频生成和设计需求。 下面是我通过我的头像批量生产表情包和体恤、手机壳的过程 效果和速度都非常的炸裂
2:40

兄弟们 这可能是目前全球最强的AI图像生成设计工具了 我测试了一周多，真的是非常强大 它把【深度思考】的理念引入到了AI图像生成领域 你只需描述你的需求，它会进逐步的推理和思考来分解和理解你的任务需求，然后调用合适的模型工具进行创作。 而且在一个展开的画布中直接呈现，还能随时修改 Lovart 集成 GPT image-1、Flux Pro、OpenAI-o3、Gemini Imagen 3、Kling AI、Tripo AI、Suno AI 等市面上主流的多模态工具 一站式调用，无需来回切换工具和跳来跳去，一个画布内即可完成你的所有图像、视频生成和设计需求。 下面是我通过我的头像批量生产表情包和体恤、手机壳的过程 效果和速度都非常的炸裂

小互

76,345 views • 1 year ago