Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

今天上午刷到网易有道开源了他们的桌面级 Agent 「LobsterAI（有道龙虾）」，第一时间下了个版本实测，简单跑了几轮任务，产品思路和落地细节都做得比较完整，体验也比预期扎实，总体来说，这个「中国版OpenClaw」值得试试看。以及我真心建议大部分小白用户别折腾终端了，也不用买什么 Mac Mini、VPS，这种开箱即用的桌面级 agent 就挺好，确实比 OpenClaw 更安全、更省心，几分钟就创建了一个任务并跑成功了。还是做了一个 daily news 的 24/7 自动处理任务进行测试，可以操作系统里的日历、邮箱等常规应用，也支持绑定 tg/discord/飞书/钉钉，效果和你自己折腾基本一样。这样做的好处是： - 交互门槛低：GUI + 对话式操作，不用折腾复杂命令行。 - 安全机制清晰：本地优先 + 沙箱隔离，数据与系统风险可控。 - 能力可扩展：多模型切换（含本地模型）、内置多种 skills、定时任务、支持长记忆。 - 场景完整：从文档/PPT/数据处理到自动化流程，基本满足大部分用户的需求。 - 更符合国内使用场景：通过钉钉/飞书远程控制电脑执行任务。 Github 地址：

Ding

151,528 subscribers

161,077 просмотров • 4 месяцев назад •via X (Twitter)

Образование Наука и технологии

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

昨天，网易有道悄悄开源了个大动作：LobsterAI（有道龙虾），可以理解为这个产品是「中国版 OpenClaw」。对，就是你想的那个词典公司，这次出了个桌面级Agent，而且完全对外开源，定位为一个7×24小时帮你干活的全场景个人助理。自己跑了一下，发现有几个特别实用的差异点。简单来说，相比OpenClaw，有道龙虾绝对是更安全、更适合普通用户上手、更好用的一个选择。首先，它原生打通国内办公生态（最实用的差异化） OpenClaw 虽然强大，但对国内办公环境的适配几乎是空白。 LobsterAI的远程控制做的比较好，支持飞书、钉钉、Telegram、Discord 远程操控，手机随时指挥电脑。所以LobsterAI很适合打工人。大年三十你在老家跟亲戚推杯换盏，老板突然在钉钉丢来一句"这个文件今晚改好"。不用打开电脑，掏出手机给龙虾发条消息，它就在你电脑上把活干了再回传结果。等你放下筷子一看，活已经交了。这个远程控制的体验一旦用习惯了很难回去，相当于你电脑永远有个人24h待命。其次，数据全跑在本地，支持沙盒环境，不往云端传东西。隐私性：数据全跑在本地，支持通过 Ollama 挂载 DeepSeek 等模型，可以根据任务自己切换。对企业用户和隐私敏感的人来说，这点应该是加分项。安全性：内置沙盒环境。比起 OpenClaw 直接在宿主机跑脚本的风险，龙虾在隔离环境下执行任务，彻底杜绝了 AI 误操作删改重要文件的可能。第三，对话即开发。我用它尝试对标「羊了个羊」，做了个初级版解压小游戏「虾了个虾」。关键是过程，我只说了简单需求，它自己写代码、测试、改bug、交付成品，没有调任何 UI，没有写一行代码。最后，是长记忆这个功能。 OpenClaw往往更关注单次任务的完成度。而 LobsterAI 内置了偏好记忆模块。它能记住你的操作习惯和工作流，跨 Session 自动复用。它不是每次都要从零调教的工具，而是越用越懂你。我顺便翻了翻，网易有道刚发的财报。全年收入59.1亿，经营利润增长接近50%。其中有道词典等应用的AI订阅全年快4个亿，增速超50%，订阅模型算是跑通了。但在 LobsterAI 上，有道选择了另一条路：开源免费，重注开发者生态。一边靠订阅稳住营收，一边靠开源抢占 Agent 入口，这种双线并行的战略，足见有道在 AI 赛道的野心。中国本土AI Agent大战，看样子是真的要卷起来了。 #AI #LobsterAI #Agent #youdao #netease

昨天，网易有道悄悄开源了个大动作：LobsterAI（有道龙虾），可以理解为这个产品是「中国版 OpenClaw」。对，就是你想的那个词典公司，这次出了个桌面级Agent，而且完全对外开源，定位为一个7×24小时帮你干活的全场景个人助理。自己跑了一下，发现有几个特别实用的差异点。简单来说，相比OpenClaw，有道龙虾绝对是更安全、更适合普通用户上手、更好用的一个选择。首先，它原生打通国内办公生态（最实用的差异化） OpenClaw 虽然强大，但对国内办公环境的适配几乎是空白。 LobsterAI的远程控制做的比较好，支持飞书、钉钉、Telegram、Discord 远程操控，手机随时指挥电脑。所以LobsterAI很适合打工人。大年三十你在老家跟亲戚推杯换盏，老板突然在钉钉丢来一句"这个文件今晚改好"。不用打开电脑，掏出手机给龙虾发条消息，它就在你电脑上把活干了再回传结果。等你放下筷子一看，活已经交了。这个远程控制的体验一旦用习惯了很难回去，相当于你电脑永远有个人24h待命。其次，数据全跑在本地，支持沙盒环境，不往云端传东西。隐私性：数据全跑在本地，支持通过 Ollama 挂载 DeepSeek 等模型，可以根据任务自己切换。对企业用户和隐私敏感的人来说，这点应该是加分项。安全性：内置沙盒环境。比起 OpenClaw 直接在宿主机跑脚本的风险，龙虾在隔离环境下执行任务，彻底杜绝了 AI 误操作删改重要文件的可能。第三，对话即开发。我用它尝试对标「羊了个羊」，做了个初级版解压小游戏「虾了个虾」。关键是过程，我只说了简单需求，它自己写代码、测试、改bug、交付成品，没有调任何 UI，没有写一行代码。最后，是长记忆这个功能。 OpenClaw往往更关注单次任务的完成度。而 LobsterAI 内置了偏好记忆模块。它能记住你的操作习惯和工作流，跨 Session 自动复用。它不是每次都要从零调教的工具，而是越用越懂你。我顺便翻了翻，网易有道刚发的财报。全年收入59.1亿，经营利润增长接近50%。其中有道词典等应用的AI订阅全年快4个亿，增速超50%，订阅模型算是跑通了。但在 LobsterAI 上，有道选择了另一条路：开源免费，重注开发者生态。一边靠订阅稳住营收，一边靠开源抢占 Agent 入口，这种双线并行的战略，足见有道在 AI 赛道的野心。中国本土AI Agent大战，看样子是真的要卷起来了。 #AI #LobsterAI #Agent #youdao #netease

林晚晚的猫

246,475 просмотров • 4 месяцев назад

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。

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)

62,474 просмотров • 10 месяцев назад

其实监控x上的信息的话，实用grok的定时任务非常好用。完全免费，不需要创建api的，直接原生支持的。 Grok 的定时任务是很多人忽略的一个功能，它可以结合 X 原生功能，Grok 能完美读 X List、Advanced Search、话题等，比第三方工具准多了。但是免费用户有限制（只能设置两个），Premium+ 基本够用（每天多个任务都没问题）。这里可以根据你自己账户的情况，可以先设定每天自动跑一个 prompt 任务，结果发送到指定邮箱。

其实监控x上的信息的话，实用grok的定时任务非常好用。完全免费，不需要创建api的，直接原生支持的。 Grok 的定时任务是很多人忽略的一个功能，它可以结合 X 原生功能，Grok 能完美读 X List、Advanced Search、话题等，比第三方工具准多了。但是免费用户有限制（只能设置两个），Premium+ 基本够用（每天多个任务都没问题）。这里可以根据你自己账户的情况，可以先设定每天自动跑一个 prompt 任务，结果发送到指定邮箱。

我真的没有拼多多

57,197 просмотров • 2 месяцев назад

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。

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 просмотров • 2 месяцев назад

昨天，网易有道悄悄开源了一个非常有意思的国产 AI Agent —— LobsterAI 。体验完后最大的感慨：这简直就是带 GUI 的中国版 OpenClaw，但门槛被拉低到了普通人也能轻松把玩的程度。现在的 AI 产品有两个痛点：要么纯云端（常遇延迟和断网），要么纯聊天（没法进行深度的交互和操作）。而 LobsterAI 是一个基于 Electron + React 的本地优先 Agent。你只需用自然语言聊天，它就能直接在本地电脑上操作你的文件系统和终端，同时支持最全的主流国内外的聊天软件（飞书，钉钉，Telegram，Discord）去远程控制，比别的工具都丰富，内置 memory 长记忆，会记住你的偏好，跨 session 自动复用。这是官网，可以试试：结合我自己的需求，直接用它跑通了 3 个刚需场景： 1 每天手动刷 HackerNews 并且找有趣的内容比较浪费时间，我让它给我每天早上九点精选 HackerNews 上有趣的十篇文章进行摘要和翻译，生成 Word 文档，然后每天定时发送到我的指定邮箱，这样吃早餐的时候就可以浏览汇总的文章了。 2 简单简历一直在更新最新的简历范本，也是网站 SEO 很重要的一部分，之前需要脚本的方式，经常会出现问题，现在我让它按照每天一次按照热度生成不同的简历职位，然后生成这些职位的简历范本数据，用文件持久化进度，同时将简历数据直接插入到本地数据库中，在我确认之后直接推送到线上数据库。 3 我用手机钉钉上让它调研了一个出行计划并且保存在我本地的 Obsidian。它在家里电脑上自动：浏览器搜索攻略/比价 → 整理成表格 → 生成Obsidian笔记 → 同步给我手机。手机随时指挥电脑，真正的跨端私人助理。远程控制做的比较好：支持飞书、钉钉、Telegram、Discord 远程操控，手机随时指挥电脑。内置长记忆 (Memory)：能记住你的已有信息和偏好，跨 session 自动复用，越用越顺手。定时任务 & 沙盒环境：支持每天定点执行（极其实用）；对数据敏感可以开启沙盒，防止 AI 暴走破坏本地数据。多模型兼容：支持市面上所有主流 Provider，跑本地模型（比如 Ollama）也没问题；内置丰富的 Skills，做视频、幻灯片、写文档全包揽。大年初三刚开源，整体体验下来完成度挺高，集齐了各种功能，本地化做得极其贴心。受够了纯聊天 AI、想让 AI 真正帮你操作电脑“干活”的，强烈建议体验一下。 #AI #LobsterAI #Agent #youdao #netease

昨天，网易有道悄悄开源了一个非常有意思的国产 AI Agent —— LobsterAI 。体验完后最大的感慨：这简直就是带 GUI 的中国版 OpenClaw，但门槛被拉低到了普通人也能轻松把玩的程度。现在的 AI 产品有两个痛点：要么纯云端（常遇延迟和断网），要么纯聊天（没法进行深度的交互和操作）。而 LobsterAI 是一个基于 Electron + React 的本地优先 Agent。你只需用自然语言聊天，它就能直接在本地电脑上操作你的文件系统和终端，同时支持最全的主流国内外的聊天软件（飞书，钉钉，Telegram，Discord）去远程控制，比别的工具都丰富，内置 memory 长记忆，会记住你的偏好，跨 session 自动复用。这是官网，可以试试：结合我自己的需求，直接用它跑通了 3 个刚需场景： 1 每天手动刷 HackerNews 并且找有趣的内容比较浪费时间，我让它给我每天早上九点精选 HackerNews 上有趣的十篇文章进行摘要和翻译，生成 Word 文档，然后每天定时发送到我的指定邮箱，这样吃早餐的时候就可以浏览汇总的文章了。 2 简单简历一直在更新最新的简历范本，也是网站 SEO 很重要的一部分，之前需要脚本的方式，经常会出现问题，现在我让它按照每天一次按照热度生成不同的简历职位，然后生成这些职位的简历范本数据，用文件持久化进度，同时将简历数据直接插入到本地数据库中，在我确认之后直接推送到线上数据库。 3 我用手机钉钉上让它调研了一个出行计划并且保存在我本地的 Obsidian。它在家里电脑上自动：浏览器搜索攻略/比价 → 整理成表格 → 生成Obsidian笔记 → 同步给我手机。手机随时指挥电脑，真正的跨端私人助理。远程控制做的比较好：支持飞书、钉钉、Telegram、Discord 远程操控，手机随时指挥电脑。内置长记忆 (Memory)：能记住你的已有信息和偏好，跨 session 自动复用，越用越顺手。定时任务 & 沙盒环境：支持每天定点执行（极其实用）；对数据敏感可以开启沙盒，防止 AI 暴走破坏本地数据。多模型兼容：支持市面上所有主流 Provider，跑本地模型（比如 Ollama）也没问题；内置丰富的 Skills，做视频、幻灯片、写文档全包揽。大年初三刚开源，整体体验下来完成度挺高，集齐了各种功能，本地化做得极其贴心。受够了纯聊天 AI、想让 AI 真正帮你操作电脑“干活”的，强烈建议体验一下。 #AI #LobsterAI #Agent #youdao #netease

Viking

165,132 просмотров • 4 месяцев назад

开源一个我自用的OpenClaw控制中心！可以一个面板： - 看哪些任务烧了多少 token(百分比) - 看整个 OpenClaw 现在健不健康 - 看每个 Agent 现在在干嘛，有没有卡住 - 看每个 Agent 用的模型、目录、权限 - 直接查看和修改 Agent 的记忆，人设、任务文档 - 看定时任务和心跳任务有没有正常在跑项目地址：

开源一个我自用的OpenClaw控制中心！可以一个面板： - 看哪些任务烧了多少 token(百分比) - 看整个 OpenClaw 现在健不健康 - 看每个 Agent 现在在干嘛，有没有卡住 - 看每个 Agent 用的模型、目录、权限 - 直接查看和修改 Agent 的记忆，人设、任务文档 - 看定时任务和心跳任务有没有正常在跑项目地址：

木子不写代码

366,642 просмотров • 3 месяцев назад

OWL团队刚刚又开源了一款多智能体Manus类工具：Eigent，通过多智能体协作，来更高效的处理更复杂任务从效果看具备整合多种工具和数据的能力，生成的报告内容相对专业全面其处理任务时有清晰的任务拆解和执行过程，它把任务拆解成多个子任务，并会清晰展示出每个子任务的执行状态 Eigent支持根据任务创建或灵活调用workforce，多智能体并行处理执行速度更快支持worker间任务的并行，worker下子任务的并行，子任务执行过程中工具调用的并行可以根据需求定制AI团队，组建一个特定的项目组有Human-in-the-Loop机制，可以在关键节点进行人工干预决策内置200+MCP工具，也支持上传常用的MCP工具 #AI员工 #多智能体团队 #Eigent

OWL团队刚刚又开源了一款多智能体Manus类工具：Eigent，通过多智能体协作，来更高效的处理更复杂任务从效果看具备整合多种工具和数据的能力，生成的报告内容相对专业全面其处理任务时有清晰的任务拆解和执行过程，它把任务拆解成多个子任务，并会清晰展示出每个子任务的执行状态 Eigent支持根据任务创建或灵活调用workforce，多智能体并行处理执行速度更快支持worker间任务的并行，worker下子任务的并行，子任务执行过程中工具调用的并行可以根据需求定制AI团队，组建一个特定的项目组有Human-in-the-Loop机制，可以在关键节点进行人工干预决策内置200+MCP工具，也支持上传常用的MCP工具 #AI员工 #多智能体团队 #Eigent

AIGCLINK

16,164 просмотров • 11 месяцев назад

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

歸藏(guizang.ai)

61,710 просмотров • 2 лет назад

中国版 Claude Cowork 来了... 体验了一周我感觉今年AI办公自动化将大爆发... 前两天不是测试了 Claude 的 Cowork 功能嘛测试完就被封号了😂 然后昨天阶跃星辰的人看到我写的 Cowork 测试内容了，说他们也有个和 Cowork 类似的产品，让我也体验下我一看这玩意竟然去年9月份就发布了... 测试了下的感受是：基本上Claude Code 能干的它也都能干： -能读取和直接操作电脑上的文件（区别于纯聊天AI） -能联网、能自动执行复杂任务（如抓取小红书内容） - 能联网、能自动执行复杂任务（如抓取小红书内容）进行重复劳动） - 妙计系统，支持任务模板复用（类似Claude 的技能功能，兼容Claude 的技能） - 多任务并行执行，效率更高（能同时运行多个任务互不干扰）

中国版 Claude Cowork 来了... 体验了一周我感觉今年AI办公自动化将大爆发... 前两天不是测试了 Claude 的 Cowork 功能嘛测试完就被封号了😂 然后昨天阶跃星辰的人看到我写的 Cowork 测试内容了，说他们也有个和 Cowork 类似的产品，让我也体验下我一看这玩意竟然去年9月份就发布了... 测试了下的感受是：基本上Claude Code 能干的它也都能干： -能读取和直接操作电脑上的文件（区别于纯聊天AI） -能联网、能自动执行复杂任务（如抓取小红书内容） - 能联网、能自动执行复杂任务（如抓取小红书内容）进行重复劳动） - 妙计系统，支持任务模板复用（类似Claude 的技能功能，兼容Claude 的技能） - 多任务并行执行，效率更高（能同时运行多个任务互不干扰）

小互

85,825 просмотров • 5 месяцев назад

昨天发了一个视频，看到评论里有人问：你都在用 Claude Code 了，为什么还要用国内的 Coding Plan？对我来说，这不是一个二选一的问题，而是一个补充题。大家都知道御三家的硬实力更强，这点没什么好争议的。但很多日常场景里，国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。比如文本处理、资料整理、基础 coding、简单 agent 任务，这类占日常 80% 的工作，很多时候并不一定非要上最贵的模型。对大多数中国用户来说，国产模型更顺手，速度也够，价格还低不少。还有一个经常被忽略的点，其实是处理速度。我自己实测下来，国内这些模型在一些简单任务上，接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务，用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。另外我觉得，现在国内头部几家 AI 厂商，已经不是“能不能做”的问题了。无论是阿里还是字节，一方面有足够的算力和基础设施，另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里，把国产模型纳入自己的工具链，本来就是很自然的事。所以我现在的看法一直都不是“国产替代”或者“二选一”，而是按场景分工：复杂、高价值任务交给最强模型；大量日常、重复、成本敏感的任务，用国产模型做补充，我觉得这反而是更现实、也更科学的用法。

昨天发了一个视频，看到评论里有人问：你都在用 Claude Code 了，为什么还要用国内的 Coding Plan？对我来说，这不是一个二选一的问题，而是一个补充题。大家都知道御三家的硬实力更强，这点没什么好争议的。但很多日常场景里，国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。比如文本处理、资料整理、基础 coding、简单 agent 任务，这类占日常 80% 的工作，很多时候并不一定非要上最贵的模型。对大多数中国用户来说，国产模型更顺手，速度也够，价格还低不少。还有一个经常被忽略的点，其实是处理速度。我自己实测下来，国内这些模型在一些简单任务上，接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务，用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。另外我觉得，现在国内头部几家 AI 厂商，已经不是“能不能做”的问题了。无论是阿里还是字节，一方面有足够的算力和基础设施，另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里，把国产模型纳入自己的工具链，本来就是很自然的事。所以我现在的看法一直都不是“国产替代”或者“二选一”，而是按场景分工：复杂、高价值任务交给最强模型；大量日常、重复、成本敏感的任务，用国产模型做补充，我觉得这反而是更现实、也更科学的用法。

luolei

32,330 просмотров • 3 месяцев назад

前阵子 Claude Cowork 发布，开始进入严肃办公场景，让白领都能把 Claude 的各种能力用起来。不过这个产品限定 Claude 订阅用户使用，且对国内非常不友好，至少我身边几乎没有人能真正用进日常工作流。这个价值很高的赛道，国产软件自然不会落后。今天天工就推出了一个对标 Claude Cowork 的 Skywork 桌面版，看到这个我的第一反应是：这个桌面级AI Agent赛道，国产团队终于认真入场了。 Skywork 桌面版不是个 chatbot，而是可以进驻你工作场景的私人秘书，功能极其强大： - 文件批量处理，秒速自动整理电脑上的各种文件，总结、分类、排序、批量重命名等，非常方便 - 多模态输出，基于系统内各种不同格式的文件，一键生成直接可用的文档、PPT、Excel、图片、音乐、播客、视频等内容 - Skills 支持，内置 100+ 精选 Skills，从 Office 三件套到图片生成、视频生成都包括 - 多模型支持，同时支持 Claude Opus 4.5 和 Gemini 3 Pro 等顶级模型 - 优先支持 Windows 系统，不用羡慕 Mac 用户，Win 用户可以用起来了还有很重要的一点是，相比 OpenClaw 这样的安全杀手，Skywork 这个把所有操作都放到了虚拟机隔离环境中完成，避免误删，损坏这样的问题。价格方面，$16.99 的会员就能使用Skywork桌面版，Windows 用户可以冲。 Claude Cowork 负责打开想象空间，Skywork 负责落地办公。桌面级 Agent 超越了聊天，它将在你的电脑里真的帮你做事。

前阵子 Claude Cowork 发布，开始进入严肃办公场景，让白领都能把 Claude 的各种能力用起来。不过这个产品限定 Claude 订阅用户使用，且对国内非常不友好，至少我身边几乎没有人能真正用进日常工作流。这个价值很高的赛道，国产软件自然不会落后。今天天工就推出了一个对标 Claude Cowork 的 Skywork 桌面版，看到这个我的第一反应是：这个桌面级AI Agent赛道，国产团队终于认真入场了。 Skywork 桌面版不是个 chatbot，而是可以进驻你工作场景的私人秘书，功能极其强大： - 文件批量处理，秒速自动整理电脑上的各种文件，总结、分类、排序、批量重命名等，非常方便 - 多模态输出，基于系统内各种不同格式的文件，一键生成直接可用的文档、PPT、Excel、图片、音乐、播客、视频等内容 - Skills 支持，内置 100+ 精选 Skills，从 Office 三件套到图片生成、视频生成都包括 - 多模型支持，同时支持 Claude Opus 4.5 和 Gemini 3 Pro 等顶级模型 - 优先支持 Windows 系统，不用羡慕 Mac 用户，Win 用户可以用起来了还有很重要的一点是，相比 OpenClaw 这样的安全杀手，Skywork 这个把所有操作都放到了虚拟机隔离环境中完成，避免误删，损坏这样的问题。价格方面，$16.99 的会员就能使用Skywork桌面版，Windows 用户可以冲。 Claude Cowork 负责打开想象空间，Skywork 负责落地办公。桌面级 Agent 超越了聊天，它将在你的电脑里真的帮你做事。

Orange AI

38,334 просмотров • 5 месяцев назад

最近 Claude Cowork 让「桌面 Agent」赛道彻底爆火。阿里 Qoder 团队也迅速跟进，并秀了一波极限操作：团队仅用 5 个人，7 天时间，便打造了一款全新的桌面端 Agent 工具：QoderWork。用户无需任何复杂部署工作，只要简单输入一句话，它就能按需调用授权本地应用，完成文件整理、数据处理、文档生成等任务。其核心优势在于提供「双重保障」：一是主打本地执行，无需走云端传输，高效且安全；二是集成了全球顶尖 SOTA 模型，赋予它极强的意图识别与任务拆解能力。再配合内置的 MCP 工具，用户不仅能自定义扩展技能，更能实现工作流的全面自动化：比如让它自动清洗 Excel 数据，生成可视化报告；或者将长音频一键转成文案、小红书笔记。把数小时的工作缩短至分钟级。地址：

最近 Claude Cowork 让「桌面 Agent」赛道彻底爆火。阿里 Qoder 团队也迅速跟进，并秀了一波极限操作：团队仅用 5 个人，7 天时间，便打造了一款全新的桌面端 Agent 工具：QoderWork。用户无需任何复杂部署工作，只要简单输入一句话，它就能按需调用授权本地应用，完成文件整理、数据处理、文档生成等任务。其核心优势在于提供「双重保障」：一是主打本地执行，无需走云端传输，高效且安全；二是集成了全球顶尖 SOTA 模型，赋予它极强的意图识别与任务拆解能力。再配合内置的 MCP 工具，用户不仅能自定义扩展技能，更能实现工作流的全面自动化：比如让它自动清洗 Excel 数据，生成可视化报告；或者将长音频一键转成文案、小红书笔记。把数小时的工作缩短至分钟级。地址：

GitHubDaily

69,824 просмотров • 5 месяцев назад

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。

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

27,158 просмотров • 1 год назад

介绍 Memoh Desktop，一个多智能体桌面应用。过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。下载链接见评论区。

介绍 Memoh Desktop，一个多智能体桌面应用。过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。下载链接见评论区。

📦Acbox

47,369 просмотров • 1 месяц назад

Perplexity发布Personal Computer服务，通过一台Mac mini实现7×24小时自主运行，类似OpenClaw/龙虾。官方介绍，Personal Computer可在安全环境中访问用户的文件、应用及会话数据，并支持从任意设备远程控制。客户端部署于本地，由Perplexity的安全服务器处理核心计算任务，兼顾功能性与隐私保护。

Perplexity发布Personal Computer服务，通过一台Mac mini实现7×24小时自主运行，类似OpenClaw/龙虾。官方介绍，Personal Computer可在安全环境中访问用户的文件、应用及会话数据，并支持从任意设备远程控制。客户端部署于本地，由Perplexity的安全服务器处理核心计算任务，兼顾功能性与隐私保护。

外汇交易员

73,409 просмотров • 3 месяцев назад

刚在 GitHub 看到一个挺实用的项目： U-Claw 它把整个 OpenClaw 运行环境直接打包好了。也就是说：不用折腾 npm 不用装一堆依赖不用配置复杂环境。下载 → 安装 → 直接跑。里面已经包含： • Node 环境 • 800+ 依赖 • 52 个 Skills • 多模型支持最关键的是：国内网络也能直接用，不用翻墙。对想体验 OpenClaw 的人来说，基本相当于一个开箱即用的 OpenClaw 发行版。项目地址：👇

刚在 GitHub 看到一个挺实用的项目： U-Claw 它把整个 OpenClaw 运行环境直接打包好了。也就是说：不用折腾 npm 不用装一堆依赖不用配置复杂环境。下载 → 安装 → 直接跑。里面已经包含： • Node 环境 • 800+ 依赖 • 52 个 Skills • 多模型支持最关键的是：国内网络也能直接用，不用翻墙。对想体验 OpenClaw 的人来说，基本相当于一个开箱即用的 OpenClaw 发行版。项目地址：👇

axiaisacat

23,868 просмотров • 3 месяцев назад

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：

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

41,533 просмотров • 8 месяцев назад

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。

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)

46,978 просмотров • 1 месяц назад

Claude上线Computer Use功能能完全自动化操作你的电脑，这还只是第一个版本，效果就已经非常稳了。有MCP的应用，优先通过MCP来操作；没有MCP的，直接截屏一步步通过GUI操作，理论上讲能操作任意应用。单次执行任务可以长达几十分钟，而且是真的能完成。牛，太牛了。我下达的命令：打开微信，根据微信群“Gorden的AI交流群”里的最近30条消息，写一段话承接群里的消息，然后抛出新的可以讨论的话题，并把以上内容直接发送到群里。跑了20分钟完成了，我拍了整个过程，视频无删减只有加速。结合Dispatch，可以实现手机遥控电脑操作其他应用；结合定时任务，可以每天定时操作应用（这2个功能是之前就已经上线的）目前还有几个明显的缺点： 1、通过截屏操作太慢了，一步步截屏和识别非常费时间；MCP会好很多，以后应用CLI化会更好； 2、费token，上面的任务，费了我Pro订阅的30%的5h额度，就只是发了这么一条消息； 3、权限机制目前比较保守，需要你反复授权；

Claude上线Computer Use功能能完全自动化操作你的电脑，这还只是第一个版本，效果就已经非常稳了。有MCP的应用，优先通过MCP来操作；没有MCP的，直接截屏一步步通过GUI操作，理论上讲能操作任意应用。单次执行任务可以长达几十分钟，而且是真的能完成。牛，太牛了。我下达的命令：打开微信，根据微信群“Gorden的AI交流群”里的最近30条消息，写一段话承接群里的消息，然后抛出新的可以讨论的话题，并把以上内容直接发送到群里。跑了20分钟完成了，我拍了整个过程，视频无删减只有加速。结合Dispatch，可以实现手机遥控电脑操作其他应用；结合定时任务，可以每天定时操作应用（这2个功能是之前就已经上线的）目前还有几个明显的缺点： 1、通过截屏操作太慢了，一步步截屏和识别非常费时间；MCP会好很多，以后应用CLI化会更好； 2、费token，上面的任务，费了我Pro订阅的30%的5h额度，就只是发了这么一条消息； 3、权限机制目前比较保守，需要你反复授权；

Gorden Sun

49,090 просмотров • 3 месяцев назад