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

从 Oracle 拿到“一台”免费的 VPS 以后，我手里可用的计算机一下子增加到了 5 台： MacBook Pro MacBook Air Raspberry Pi 5 Dell XPS（Omarchy） Oracle VPS 每台计算机上都运行着 Agent。怎么把这些 Agent 集中管理起来，还能让它们彼此协作？当然是用 Herdr。一般的 Herdr 主要管理本机 Agent，但我的这套设置还可以通过 SSH 管理远程 Agent： herdr --remote 我的 Herdr 跑在 MacBook Pro 上：左上角是 Claude Code，作为主控。右上角是新加入的 Oracle VPS，上面运行 Codex，主要负责 GitHub Repo。左下角是 Raspberry... Pi 上的 Codex，负责管理 OpenClaw 和 Hermes。右下角最有意思：它连接的是 Omarchy 上运行的另一个 Herdr 里的主 Agent Codex。而这个 Codex 自己又负责监管 Omarchy 上的 Pi Agent，后者运行千问 coding 模型。所以现在已经有点像一套分布式 Agent 组织了：一台电脑上的 Agent，可以管理另一台电脑上的 Agent，甚至继续往下监管下一层 Agent。show more

Michael Guo

8,599 subscribers

159,373 просмотров • 15 дней назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 12

Фото профиля bbbbeaverrrr

bbbbeaverrrr15 дней назад

请问怎么做到一个窗口连多个herdr server的？

Фото профиля Michael Guo

Michael Guo15 дней назад

不是多个Herdr server，只是herdr的一个窗口对接的是远程电脑的Agent，通过herdr --remote <ssh-target>

Фото профиля Crio Songo

Crio Songo15 дней назад

这个架构挺有意思，多设备分布式跑Agent，用Herdr统一调度还支持SSH远程，这种分布式协作开发体验怎么样？

Фото профиля Michael Guo

Michael Guo15 дней назад

很干净。一个统一的入口，再也不用几个计算机和窗口之间倒来倒去了。

Фото профиля Dominic Deccoco

Dominic Deccoco3 дней назад

Local llms? What's the use case if you don't mind me asking? Have two free laptops, not sure what to do with them.

Фото профиля Michael Guo

Michael Guo3 дней назад

quite a few models I run: coding: qwen3.8 flash video: minimax h3 music: minimax music 3 and a few smaller models, like tts clone voice and memory management with qwen3.5

Фото профиля 琦玉老师

琦玉老师15 дней назад

这个 setup 很实际，我桌面 + Pi 也一直在琢磨同样的问题。比较好奇 Herdr 怎么处理异构机器的资源差异？Pi 5 跑 agent 任务时 CPU/内存经常是瓶颈，是真做调度还是只是统一入口。另外 Oracle 免费机的 NAT 环境下各 agent 怎么互相发现，走中继还是穿透？

Фото профиля fsfda11

fsfda1115 дней назад

Doesn't that burn a lot of tokens (assuming that you have that running 24/7)? How do you handle that?

Фото профиля AXIALIS | Desktop App Tools

AXIALIS | Desktop App Tools15 дней назад

Once agents span several machines, status, ownership and handoffs become as important as the models themselves

Фото профиля Tonado

Tonado3 дней назад

这个树莓派也是用来跑代码的吗

Фото профиля ΞΘX

ΞΘX15 дней назад

👍

Фото профиля microcn

microcn13 дней назад

很多地方都要放项目代码？然后都要安装好开发环境吗？磁盘很费啊

Похожие видео

有了 Herdr 以后，不仅可以很方便地集中管理所有计算机上的 Agent，也可以直接通过手机远程管理这一整套 Agent。一种办法是 Tailscale + Termius。通过 Termius 登录 MacBook Pro，运行 herdr 命令，就可以直接在手机上控制 Herdr 里的所有 Agent。更有意思的是，我甚至不需要直接操作 Herdr。只要在 Claude Code App 里 remote 到 Herdr 的主 Agent，就可以间接控制其他所有 Agent。这个主 Agent 就像我的眼睛和手，可以命令其他 Agent 做事，也可以把它们的结果汇总反馈给我。这样我在手机上直接用 App 的图形界面，就能控制整套分布式 Agent，而不需要在 Termius 的 CLI 里费劲调出键盘敲命令。

有了 Herdr 以后，不仅可以很方便地集中管理所有计算机上的 Agent，也可以直接通过手机远程管理这一整套 Agent。一种办法是 Tailscale + Termius。通过 Termius 登录 MacBook Pro，运行 herdr 命令，就可以直接在手机上控制 Herdr 里的所有 Agent。更有意思的是，我甚至不需要直接操作 Herdr。只要在 Claude Code App 里 remote 到 Herdr 的主 Agent，就可以间接控制其他所有 Agent。这个主 Agent 就像我的眼睛和手，可以命令其他 Agent 做事，也可以把它们的结果汇总反馈给我。这样我在手机上直接用 App 的图形界面，就能控制整套分布式 Agent，而不需要在 Termius 的 CLI 里费劲调出键盘敲命令。

Michael Guo

33,723 просмотров • 15 дней назад

DHH 在 Lex Fridman 播客里，用 12 分钟完整展示了自己现在的 Agentic Engineering 设置和流程。从 tmux 到 Herdr，再到 GL.iNet Comet KVM + Tailscale 管理多台 Linux mini PC。他在 4–5 台机器上同时跑大约 16 个 agent sessions。Herdr 负责追踪状态，agent 完成任务或需要决策时，就提醒他回来处理。他还是老习惯用Neovim 但不再主要用来写代码，而是浏览项目、查看上下文、review agent 的输出。有意思的是，DHH 讲完这一整套，最后还是说：别叫 Agentic Engineering 了，还是叫 programming 吧。

DHH 在 Lex Fridman 播客里，用 12 分钟完整展示了自己现在的 Agentic Engineering 设置和流程。从 tmux 到 Herdr，再到 GL.iNet Comet KVM + Tailscale 管理多台 Linux mini PC。他在 4–5 台机器上同时跑大约 16 个 agent sessions。Herdr 负责追踪状态，agent 完成任务或需要决策时，就提醒他回来处理。他还是老习惯用Neovim 但不再主要用来写代码，而是浏览项目、查看上下文、review agent 的输出。有意思的是，DHH 讲完这一整套，最后还是说：别叫 Agentic Engineering 了，还是叫 programming 吧。

Michael Guo

49,026 просмотров • 16 дней назад

Codex 产品负责人 Tibo 第一次描绘了他理想中的Agent：真正的 AI Agent，不应该还需要用户自己维护 Skills、Memory 和 Sub-agents。他提到，现在很多 Codex 和其他 Coding Agent 的高级用户，已经习惯自己管理 skill files、配置 memory、组织 sub-agents。但这些东西本质上都很难长期维护。 Skills 会越来越多，Memory 不可能永远记住所有东西，Sub-agents 多了以后，你甚至还得自己管理一张 Agent 网络。这其实是在把本来应该由 AI 解决的问题，重新丢回给人。 Tibo 认为，真正理想的 Agent 应该是它深度理解你，知道你的目标、每天在做什么，也理解你的团队。然后主动做事、主动帮你推进工作，同时尽可能不让你感受到背后的 Skills、Memory、Sub-agent 这些复杂结构。另一个很有意思的判断是，未来限制 Agent 的可能反而会是我们的电脑。今天的 Laptop 是按照人类的工作速度设计的，人一次操作几个应用、敲一点代码。但未来一个足够强的模型，可能同时处理 100 个打开的应用都没有问题。到那个时候，Agent 需要的计算和资源，已经远远超过一台个人电脑能够提供的范围。 Agent 的终局不是一个更复杂的 Coding Tool，而是一套你几乎感知不到内部结构、却一直在替你工作的计算系统。

Codex 产品负责人 Tibo 第一次描绘了他理想中的Agent：真正的 AI Agent，不应该还需要用户自己维护 Skills、Memory 和 Sub-agents。他提到，现在很多 Codex 和其他 Coding Agent 的高级用户，已经习惯自己管理 skill files、配置 memory、组织 sub-agents。但这些东西本质上都很难长期维护。 Skills 会越来越多，Memory 不可能永远记住所有东西，Sub-agents 多了以后，你甚至还得自己管理一张 Agent 网络。这其实是在把本来应该由 AI 解决的问题，重新丢回给人。 Tibo 认为，真正理想的 Agent 应该是它深度理解你，知道你的目标、每天在做什么，也理解你的团队。然后主动做事、主动帮你推进工作，同时尽可能不让你感受到背后的 Skills、Memory、Sub-agent 这些复杂结构。另一个很有意思的判断是，未来限制 Agent 的可能反而会是我们的电脑。今天的 Laptop 是按照人类的工作速度设计的，人一次操作几个应用、敲一点代码。但未来一个足够强的模型，可能同时处理 100 个打开的应用都没有问题。到那个时候，Agent 需要的计算和资源，已经远远超过一台个人电脑能够提供的范围。 Agent 的终局不是一个更复杂的 Coding Tool，而是一套你几乎感知不到内部结构、却一直在替你工作的计算系统。

Max For AI

50,991 просмотров • 19 дней назад

我成功躲过了 Claude 封号潮好几波。我的 #ClaudeCode Max 5X，已经安全度过5个月了。我始终坚持只在我的 Mac 主力机器上单设备登录，其它设备全部使用远程。今年我把 ToDesk 的会员给停了，曾经的屠龙少年，如今变恶龙，吃相难看，那个弹 VIP 真烦人，经常断连，已被我卸载抛弃。现在我基本只用UU远程，功能全免费，画质随便调，连接稳定延迟低，别的远程软件的付费功能随便用。现在Mac上的 AI coding 没跑完，我可以随时放心离开，出门前，把 Claude Code、Codex 等任务都跑在 Herdr 里，Herdr 负责保持 Session 和管理多个 Agent。人在外面，用 UU 远程连回电脑，直接进 Herdr，哪个 Agent 卡住了，就进去处理一下；还在跑的不用管。说完这个，接下来还有一个超级实用的功能👇

我成功躲过了 Claude 封号潮好几波。我的 #ClaudeCode Max 5X，已经安全度过5个月了。我始终坚持只在我的 Mac 主力机器上单设备登录，其它设备全部使用远程。今年我把 ToDesk 的会员给停了，曾经的屠龙少年，如今变恶龙，吃相难看，那个弹 VIP 真烦人，经常断连，已被我卸载抛弃。现在我基本只用UU远程，功能全免费，画质随便调，连接稳定延迟低，别的远程软件的付费功能随便用。现在Mac上的 AI coding 没跑完，我可以随时放心离开，出门前，把 Claude Code、Codex 等任务都跑在 Herdr 里，Herdr 负责保持 Session 和管理多个 Agent。人在外面，用 UU 远程连回电脑，直接进 Herdr，哪个 Agent 卡住了，就进去处理一下；还在跑的不用管。说完这个，接下来还有一个超级实用的功能👇

前端哥Liam

299,264 просмотров • 1 месяц назад

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

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

劳伦斯

27,519 просмотров • 3 месяцев назад

万万没想到，居然可以在 Coze 上连接本地 Agent 了。以前我们用 Agent，常常是各跑各的：Claude Code 在本地，Codex CLI 在命令行，OpenClaw 又是另一个入口。 Coze 3.0 把这些能力拉进了同一个项目，让它们像一个真正的本地 Agent 团队一样协作。这期视频我用一个实际案例演示：通过 Coze 3.0 组织 Claude Code、Codex CLI 和 OpenClaw 分工推进，最终Agent团队共同复刻推特一个比较火的Godot小游戏。👇

万万没想到，居然可以在 Coze 上连接本地 Agent 了。以前我们用 Agent，常常是各跑各的：Claude Code 在本地，Codex CLI 在命令行，OpenClaw 又是另一个入口。 Coze 3.0 把这些能力拉进了同一个项目，让它们像一个真正的本地 Agent 团队一样协作。这期视频我用一个实际案例演示：通过 Coze 3.0 组织 Claude Code、Codex CLI 和 OpenClaw 分工推进，最终Agent团队共同复刻推特一个比较火的Godot小游戏。👇

huangserva

71,360 просмотров • 3 месяцев назад

Grok Bot 很酷，有一个属于自己的云电脑，可以7x24h的帮你处理工作；但不妨试试我们的开源方案：一个cloud first多Agent编排平台 -- Memoh Memoh是我们从今年年初维护到现在的一个开源项目，至今已在 GitHub 上获得 2k stars; 我们给了每个Agent一个sandbox运行环境，并让他有自己的电脑桌面，可以操控Chrome帮你完成任务；支持BYOK, 并支持直接将你的Codex, Claude Code, Hermes 等Agent托管到这个Sandbox里，All in one UI；支持 Telegram, Slack, Discord, 飞书，微信等主流聊天软件的连接；这个月我们也上线了我们的SaaS版本，目前在公测阶段，你可以直接下载我们的客户端或者网页版体验，链接见评论区

Grok Bot 很酷，有一个属于自己的云电脑，可以7x24h的帮你处理工作；但不妨试试我们的开源方案：一个cloud first多Agent编排平台 -- Memoh Memoh是我们从今年年初维护到现在的一个开源项目，至今已在 GitHub 上获得 2k stars; 我们给了每个Agent一个sandbox运行环境，并让他有自己的电脑桌面，可以操控Chrome帮你完成任务；支持BYOK, 并支持直接将你的Codex, Claude Code, Hermes 等Agent托管到这个Sandbox里，All in one UI；支持 Telegram, Slack, Discord, 飞书，微信等主流聊天软件的连接；这个月我们也上线了我们的SaaS版本，目前在公测阶段，你可以直接下载我们的客户端或者网页版体验，链接见评论区

📦Acbox

18,244 просмотров • 1 месяц назад

Phone Harness 最近火了以后，大家开始意识到 Agent 终于可以真的操作手机了。 Phone Harness 的路线过于极客。它需要 Mac 和本地 iPhone，通过 iPhone Mirroring 把手机画面交给 Claude Code 或 Codex，再通过截图和 OCR 理解屏幕内容，最后模拟点击、滑动和输入去操作这台 iPhone。但同样是 Phone Agent，我觉得 Airtap 把场景往外扩了一层。它不只是给 Agent 一个遥控手机的能力，而是真的给 Agent 配了一台完整的云端 Android。我想看看这台 Android 到底能走多远，就给 Airtap Ai 的公开测试号 +1 (650) 444-9517 发了条 iMessage，让它直接打开 Termux 跑 Python。这件事有意思的地方在于，Airtap 后面跑的本来就是完整 Android。所以不只是能打开 TikTok、Amazon、Google 这些 App。还可以直接装 Termux，Termux 本身就是 Android 上的终端和 Linux 环境。打开以后运行 pkg install python 就能把 Python 环境装进去。到这里，这台远程手机就多了一层完全不同的能力。它不只可以点 App。还可以直接成为一个远程代码执行环境。这次我让它用 Python 获取 Hacker News 当前 Top 100 热门帖子，从里面筛出 AI、LLM、Agent、AI Coding 相关内容，再根据 score 和评论数排序，最后生成一份 HTML 报告。整个过程都发生在远程 Android 里。 Airtap 打开 Termux，跑 Python，获取数据，处理结果，再生成 ai_hn_report.html。报告完成以后，它还能把 HTML 打开，截图，再直接通过 iMessage 把图片发回来。这也是我觉得 Airtap 和 Phone Harness 虽然都在做 Phone Agent，但使用边界很不一样的地方。 Phone Harness 更像是让 Claude Code 或 Codex 获得操作本地 iPhone 的能力。 Airtap 更像是直接给 Agent 一台可以自己干活的 Android。 App 是它的 GUI，Termux 是它的命令行，iMessage 是我给这台手机派任务的入口。它可以去 App 里点，也可以进终端跑 Python。可以抓数据，可以处理文件，可以生成 HTML，最后还能把图片和结果直接发回消息里。所以比起 AI 终于会点手机了，我现在更感兴趣的是另一件事。当 Agent 自己拥有一台完整的手机以后，还有多少原本需要电脑和手机来回切换的工作，可以直接丢给它

Phone Harness 最近火了以后，大家开始意识到 Agent 终于可以真的操作手机了。 Phone Harness 的路线过于极客。它需要 Mac 和本地 iPhone，通过 iPhone Mirroring 把手机画面交给 Claude Code 或 Codex，再通过截图和 OCR 理解屏幕内容，最后模拟点击、滑动和输入去操作这台 iPhone。但同样是 Phone Agent，我觉得 Airtap 把场景往外扩了一层。它不只是给 Agent 一个遥控手机的能力，而是真的给 Agent 配了一台完整的云端 Android。我想看看这台 Android 到底能走多远，就给 Airtap Ai 的公开测试号 +1 (650) 444-9517 发了条 iMessage，让它直接打开 Termux 跑 Python。这件事有意思的地方在于，Airtap 后面跑的本来就是完整 Android。所以不只是能打开 TikTok、Amazon、Google 这些 App。还可以直接装 Termux，Termux 本身就是 Android 上的终端和 Linux 环境。打开以后运行 pkg install python 就能把 Python 环境装进去。到这里，这台远程手机就多了一层完全不同的能力。它不只可以点 App。还可以直接成为一个远程代码执行环境。这次我让它用 Python 获取 Hacker News 当前 Top 100 热门帖子，从里面筛出 AI、LLM、Agent、AI Coding 相关内容，再根据 score 和评论数排序，最后生成一份 HTML 报告。整个过程都发生在远程 Android 里。 Airtap 打开 Termux，跑 Python，获取数据，处理结果，再生成 ai_hn_report.html。报告完成以后，它还能把 HTML 打开，截图，再直接通过 iMessage 把图片发回来。这也是我觉得 Airtap 和 Phone Harness 虽然都在做 Phone Agent，但使用边界很不一样的地方。 Phone Harness 更像是让 Claude Code 或 Codex 获得操作本地 iPhone 的能力。 Airtap 更像是直接给 Agent 一台可以自己干活的 Android。 App 是它的 GUI，Termux 是它的命令行，iMessage 是我给这台手机派任务的入口。它可以去 App 里点，也可以进终端跑 Python。可以抓数据，可以处理文件，可以生成 HTML，最后还能把图片和结果直接发回消息里。所以比起 AI 终于会点手机了，我现在更感兴趣的是另一件事。当 Agent 自己拥有一台完整的手机以后，还有多少原本需要电脑和手机来回切换的工作，可以直接丢给它

白骏知识分享

59,190 просмотров • 1 месяц назад

$SAUCE：币安 Agent 真正开始“自己发币”了 CA：0xd7ccd29b6fd1464edb425f24b01115556e737777 近期 BSC 上比较有意思的一条 AI Agent 叙事，我反而更关注 $SAUCE 它炒的不是普通 AI Meme，而是一个非常具体的链上实验：让 Binance Agent OS 的 Agentic Wallet，通过 MCP 调用合约，直接在 Flap 上完成发币。这件事真正有意思的地方在于—— Agent 不再只是帮你分析市场，而是开始自己调用链上基础设施。币安 4 月上线 Agentic Wallet，本身就是在把 AI Agent 和链上交易连接起来：Agent 可以在权限范围内执行转账、交易和资产管理，并支持 CLI、MCP、Skills、OpenAPI 等接入方式。而 $SAUCE 做的事情，是把这个能力进一步往前推： Binance Agent OS → Agentic Wallet → MCP → 中转合约 → Flap → 创建 Token 也就是说，它不是在讲“AI 会不会炒币”，而是在演示： > AI Agent 能不能自己成为链上用户。这才是我认为 $SAUCE 比普通 Agent Meme 更值得看的地方。更关键的是，相关合约已经部署并开源。如果后续 Binance Agent OS 的 Agentic Wallet 可以直接调用这套流程，那么未来理论上不只是发一个 $SAUCE： Agent 可以自己创建 Meme、部署合约、管理资产，甚至进一步组合不同的链上服务。这也是 MCP 叙事真正有想象力的地方—— 过去我们是人 → 钱包 → DApp。未来可能变成：人 → Agent → 钱包 → 链上协议。 $SAUCE 恰好卡在这个转折点上。目前市值大约 $1.5M，我个人反而觉得这个位置比已经被炒到几十 M 的 AI Agent Meme 更值得观察。当然，它最大的风险也非常明显： $SAUCE ≠ Binance 官方代币。目前能确认的是 Binance Agentic Wallet / MCP / Agent OS 这套基础设施本身是真实存在的，而 $SAUCE 是社区基于这套技术做出来的链上实验。所以我不会把它当成“币安官方币”去理解。但如果后续真的出现： Binance Agent OS 更新 → Agentic Wallet 能力扩大 → 更多 Agent 开始自主调用链上协议 → Flap/Four 等发币平台被 Agent 接入那么 $SAUCE 今天这个 “第一个把 Binance Agent 和发币结合起来的实验”，很可能会变成一个非常漂亮的早期 Lore。我的看法：我更愿意把 $SAUCE 看成 Binance Agent 经济的 Demo Token，而不是单纯 Meme。如果后面只有一个中转合约，热度很快就会过去；但如果它真的能成为 Agent → Wallet → MCP → Token Launch 这条链路的第一个案例，1.5M 的定价就会显得非常便宜。 AI Agent 下一阶段拼的不是会不会聊天，而是能不能自己干活。而 $SAUCE 现在玩的，恰好就是这个方向。查看及交易： DYOR。不是投资建议。

$SAUCE：币安 Agent 真正开始“自己发币”了 CA：0xd7ccd29b6fd1464edb425f24b01115556e737777 近期 BSC 上比较有意思的一条 AI Agent 叙事，我反而更关注 $SAUCE 它炒的不是普通 AI Meme，而是一个非常具体的链上实验：让 Binance Agent OS 的 Agentic Wallet，通过 MCP 调用合约，直接在 Flap 上完成发币。这件事真正有意思的地方在于—— Agent 不再只是帮你分析市场，而是开始自己调用链上基础设施。币安 4 月上线 Agentic Wallet，本身就是在把 AI Agent 和链上交易连接起来：Agent 可以在权限范围内执行转账、交易和资产管理，并支持 CLI、MCP、Skills、OpenAPI 等接入方式。而 $SAUCE 做的事情，是把这个能力进一步往前推： Binance Agent OS → Agentic Wallet → MCP → 中转合约 → Flap → 创建 Token 也就是说，它不是在讲“AI 会不会炒币”，而是在演示： > AI Agent 能不能自己成为链上用户。这才是我认为 $SAUCE 比普通 Agent Meme 更值得看的地方。更关键的是，相关合约已经部署并开源。如果后续 Binance Agent OS 的 Agentic Wallet 可以直接调用这套流程，那么未来理论上不只是发一个 $SAUCE： Agent 可以自己创建 Meme、部署合约、管理资产，甚至进一步组合不同的链上服务。这也是 MCP 叙事真正有想象力的地方—— 过去我们是人 → 钱包 → DApp。未来可能变成：人 → Agent → 钱包 → 链上协议。 $SAUCE 恰好卡在这个转折点上。目前市值大约 $1.5M，我个人反而觉得这个位置比已经被炒到几十 M 的 AI Agent Meme 更值得观察。当然，它最大的风险也非常明显： $SAUCE ≠ Binance 官方代币。目前能确认的是 Binance Agentic Wallet / MCP / Agent OS 这套基础设施本身是真实存在的，而 $SAUCE 是社区基于这套技术做出来的链上实验。所以我不会把它当成“币安官方币”去理解。但如果后续真的出现： Binance Agent OS 更新 → Agentic Wallet 能力扩大 → 更多 Agent 开始自主调用链上协议 → Flap/Four 等发币平台被 Agent 接入那么 $SAUCE 今天这个 “第一个把 Binance Agent 和发币结合起来的实验”，很可能会变成一个非常漂亮的早期 Lore。我的看法：我更愿意把 $SAUCE 看成 Binance Agent 经济的 Demo Token，而不是单纯 Meme。如果后面只有一个中转合约，热度很快就会过去；但如果它真的能成为 Agent → Wallet → MCP → Token Launch 这条链路的第一个案例，1.5M 的定价就会显得非常便宜。 AI Agent 下一阶段拼的不是会不会聊天，而是能不能自己干活。而 $SAUCE 现在玩的，恰好就是这个方向。查看及交易： DYOR。不是投资建议。

银马

15,062 просмотров • 24 дней назад

半年前，我们就在尝试着Agent的虚拟机云运行方案，然后诞生了一个2k stars的开源项目；今天，我们正式推出Memoh的官方SaaS服务 —— 或者我们可以叫他 AaaS (Agent as a Service) 他是一个Multi-agent平台，每一个Agent都有他自己独立的运行环境，文件系统，长期记忆，桌面环境 —— 不管是使用自己的 api_key, 还是将你的 Codex, Claude Code 等Coding Agent 托管上去，他就这么24/7的在这里。支持10个主流的聊天软件连接，使得无论在哪里你都可以召唤到他 —— 去提交代码，验证环境，做社区维护，做赛博群友，或者任何你能想到的事情如果你对此感兴趣，欢迎加入我们的 Waitlist, 我们将会在月底逐步开放访问权限！

半年前，我们就在尝试着Agent的虚拟机云运行方案，然后诞生了一个2k stars的开源项目；今天，我们正式推出Memoh的官方SaaS服务 —— 或者我们可以叫他 AaaS (Agent as a Service) 他是一个Multi-agent平台，每一个Agent都有他自己独立的运行环境，文件系统，长期记忆，桌面环境 —— 不管是使用自己的 api_key, 还是将你的 Codex, Claude Code 等Coding Agent 托管上去，他就这么24/7的在这里。支持10个主流的聊天软件连接，使得无论在哪里你都可以召唤到他 —— 去提交代码，验证环境，做社区维护，做赛博群友，或者任何你能想到的事情如果你对此感兴趣，欢迎加入我们的 Waitlist, 我们将会在月底逐步开放访问权限！

📦Acbox

37,873 просмотров • 2 месяцев назад

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口前台上，全双工实时语音层，支持连续对话和自然打断后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务复杂任务委派给后台Agent，执行结果实时带回当前语音对话人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口前台上，全双工实时语音层，支持连续对话和自然打断后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务复杂任务委派给后台Agent，执行结果实时带回当前语音对话人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio

AIGCLINK

68,938 просмотров • 1 месяц назад

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

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

Yanhua

51,875 просмотров • 5 месяцев назад

如何让多个 Agent 之间真正互相学习、互相帮助？现在很多 Agent 都开始有自己的记忆，但问题是：这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”：只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承；一个 Agent 总结出的经验，另一个 Agent 可以继续使用。记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。具体看视频，地址在评论区👇

如何让多个 Agent 之间真正互相学习、互相帮助？现在很多 Agent 都开始有自己的记忆，但问题是：这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”：只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承；一个 Agent 总结出的经验，另一个 Agent 可以继续使用。记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。具体看视频，地址在评论区👇

huangserva

161,621 просмотров • 3 месяцев назад

还没体验过 Pi 或 Craft agent 的朋友，建议现在就去试一次。你会立刻明白我上个月说那句话时是什么心情。我之前就讲过：未来程序员不再主要“做需求”，而是“做 agent”。agent 用来把你的能力蒸馏出来：你只要把需求说清楚，剩下的交给它完成。如果你要研究怎么做一个 code agent，别从 0 开始，直接从 Pi agent 起步。它的可扩展性很好，集成进现有业务会省掉大量时间。如果你要研究怎么做一个类似 codex desktop 的产品，那就从 Craft agent 入手。它基于 Pi agent 和 Claude agent，功能完整、覆盖面也足。觉得复杂也没关系：能裁就裁。Claude agent sdk、messaging-gateway 这些都可以精简掉，留下的就是实打实的核心能力。我已经基于它二开了一个新产品，叫 Echo，接入了技能市场，流程非常顺滑。它现在就是我的独立开发搭子，后续开发、运营我都在它上面跑。

还没体验过 Pi 或 Craft agent 的朋友，建议现在就去试一次。你会立刻明白我上个月说那句话时是什么心情。我之前就讲过：未来程序员不再主要“做需求”，而是“做 agent”。agent 用来把你的能力蒸馏出来：你只要把需求说清楚，剩下的交给它完成。如果你要研究怎么做一个 code agent，别从 0 开始，直接从 Pi agent 起步。它的可扩展性很好，集成进现有业务会省掉大量时间。如果你要研究怎么做一个类似 codex desktop 的产品，那就从 Craft agent 入手。它基于 Pi agent 和 Claude agent，功能完整、覆盖面也足。觉得复杂也没关系：能裁就裁。Claude agent sdk、messaging-gateway 这些都可以精简掉，留下的就是实打实的核心能力。我已经基于它二开了一个新产品，叫 Echo，接入了技能市场，流程非常顺滑。它现在就是我的独立开发搭子，后续开发、运营我都在它上面跑。

Fox

113,795 просмотров • 2 месяцев назад

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

karminski-牙医

18,950 просмотров • 3 месяцев назад

卧槽，我的 Agent 也有自己的手机了哈哈！（效果可直接看视频👇）最近正在调研，准备搞一台二手 iPhone 来运营小红书，然后就遇到了 Airtap Ai 这款产品，真的有点牛！我把 Airtap 官方提供的 Skill 加进 Codex App 和 OpenClaw，然后—— 我的 Agent 就连上了一部真实的手机，跑在 AWS 美国机房的真实 Android！不是模拟器，不是浏览器套壳。是一部真机，上面装着你日常用的所有 App。我在 Codex 里说一句“帮我发布一条小红书笔记”，它就真的在那部手机上点开 App、上传图片、撰写内容直接发布。 AI Agent 之前的能力版图是 ✅ 写代码 ✅ 逛网页 ✅ 操控桌面，现在把操作手机 App 这最后一公里也补齐了！最最重要的目前免费！后续会有付费套餐，但现在每天限量免费体验。链接直达 👉

卧槽，我的 Agent 也有自己的手机了哈哈！（效果可直接看视频👇）最近正在调研，准备搞一台二手 iPhone 来运营小红书，然后就遇到了 Airtap Ai 这款产品，真的有点牛！我把 Airtap 官方提供的 Skill 加进 Codex App 和 OpenClaw，然后—— 我的 Agent 就连上了一部真实的手机，跑在 AWS 美国机房的真实 Android！不是模拟器，不是浏览器套壳。是一部真机，上面装着你日常用的所有 App。我在 Codex 里说一句“帮我发布一条小红书笔记”，它就真的在那部手机上点开 App、上传图片、撰写内容直接发布。 AI Agent 之前的能力版图是 ✅ 写代码 ✅ 逛网页 ✅ 操控桌面，现在把操作手机 App 这最后一公里也补齐了！最最重要的目前免费！后续会有付费套餐，但现在每天限量免费体验。链接直达 👉

MapleShaw

58,319 просмотров • 4 месяцев назад

每一次重制 Codex 背后的男人 Tibo 终于来了，看完这 44 分钟视频，我感觉 OpenAI 已经把下一代 ChatGPT 的样子提前说透了。 Tibo 反复在讲一件事：今天我们使用 AI 的方式，很快也会显得极其原始。现在你还要写 Skills、维护记忆、启动子 Agent、切十几个窗口、自己盯进度，本质上还是“人类在管理 AI”。OpenAI 想做的下一步，是把这整层管理工作也干掉。 Tibo 给出的终局非常明确：ChatGPT 和 Codex 会继续融合，语音、视觉、记忆、工具调用、云端 Agent 全部接到一个系统里。它长期理解你是谁、你每天在做什么、团队做到哪一步，然后自己决定该调用什么工具、开多少个 Agent、什么时候提醒你、什么时候直接执行。程序员和普通人最后甚至可能用的是同一个产品，只不过 AI 根据每个人自动长出完全不同的界面。今天的笔记本电脑，本来就是按人类能处理多少工作设计的。你一次只能盯几个窗口、操作几个 App，但模型没有这个限制，未来完全可以同时处理几十甚至上百个应用。到那时候，瓶颈就不再是模型会不会写代码，而是我们今天这套电脑、App、菜单、鼠标点击的交互方式，本身已经配不上 AI 的速度了。所以 Codex 一次次重制，其实不是 OpenAI 在打磨一个更好的编程工具。它更像是在拿程序员这群最重度用户，提前测试一种新的计算范式：你不再操作软件，也不再管理 Agent，你只负责表达目标，剩下的工作由 AI 自己组织完成。看完这 44 分钟，我对 OpenAI 的判断反而更清楚了：它真正想吞掉的，可能从来都不是 Cursor 或 Claude Code。而是人类亲自操作电脑这件事。

每一次重制 Codex 背后的男人 Tibo 终于来了，看完这 44 分钟视频，我感觉 OpenAI 已经把下一代 ChatGPT 的样子提前说透了。 Tibo 反复在讲一件事：今天我们使用 AI 的方式，很快也会显得极其原始。现在你还要写 Skills、维护记忆、启动子 Agent、切十几个窗口、自己盯进度，本质上还是“人类在管理 AI”。OpenAI 想做的下一步，是把这整层管理工作也干掉。 Tibo 给出的终局非常明确：ChatGPT 和 Codex 会继续融合，语音、视觉、记忆、工具调用、云端 Agent 全部接到一个系统里。它长期理解你是谁、你每天在做什么、团队做到哪一步，然后自己决定该调用什么工具、开多少个 Agent、什么时候提醒你、什么时候直接执行。程序员和普通人最后甚至可能用的是同一个产品，只不过 AI 根据每个人自动长出完全不同的界面。今天的笔记本电脑，本来就是按人类能处理多少工作设计的。你一次只能盯几个窗口、操作几个 App，但模型没有这个限制，未来完全可以同时处理几十甚至上百个应用。到那时候，瓶颈就不再是模型会不会写代码，而是我们今天这套电脑、App、菜单、鼠标点击的交互方式，本身已经配不上 AI 的速度了。所以 Codex 一次次重制，其实不是 OpenAI 在打磨一个更好的编程工具。它更像是在拿程序员这群最重度用户，提前测试一种新的计算范式：你不再操作软件，也不再管理 Agent，你只负责表达目标，剩下的工作由 AI 自己组织完成。看完这 44 分钟，我对 OpenAI 的判断反而更清楚了：它真正想吞掉的，可能从来都不是 Cursor 或 Claude Code。而是人类亲自操作电脑这件事。

比特币橙子Trader

15,740 просмотров • 19 дней назад

没玩过 Grok Bot 可以重点关注一下这个产品。目前体验下来甩什么 Hermes Agent、OpenClaw 好几条街。 Grok Bot 最牛逼的就是他真的提供了一台真正的云电脑，它不像 Workbuddy、豆包只提供了云端能力，但是用户完全看不到，而且Grok Bot 的云电脑的配置相当抗打 8核 16G 存储 130G。有浏览器、有文件管理、有终端工具，你甚至可以在上面安装 Telegram、微信、QQ、飞书、Discord 等等支持 Linux的应用，目前我已经安装了 Telegram客户端了，其他的有需要慢慢探索。现在最大的问题就是你想让 Grok Bot 帮你干活，没问题，但是就是额度太低了。于是我有两种想法，已经实现的就是在 Grok Bot 云电脑上已经安装了 Hermes Agent 和OpenClaw，这样额度用光了，我还可以继续使用这台云电脑。还有就是如果我想远程这台云电脑，直接叫 Grok Bot 分别在云电脑和本地电脑上都安装 Tailscale ，然后就可以远程了。远程这个可以看看我的视频实操。最后想要了解 Grok Bot 的一定来看看这篇文章，非常棒的解析。

没玩过 Grok Bot 可以重点关注一下这个产品。目前体验下来甩什么 Hermes Agent、OpenClaw 好几条街。 Grok Bot 最牛逼的就是他真的提供了一台真正的云电脑，它不像 Workbuddy、豆包只提供了云端能力，但是用户完全看不到，而且Grok Bot 的云电脑的配置相当抗打 8核 16G 存储 130G。有浏览器、有文件管理、有终端工具，你甚至可以在上面安装 Telegram、微信、QQ、飞书、Discord 等等支持 Linux的应用，目前我已经安装了 Telegram客户端了，其他的有需要慢慢探索。现在最大的问题就是你想让 Grok Bot 帮你干活，没问题，但是就是额度太低了。于是我有两种想法，已经实现的就是在 Grok Bot 云电脑上已经安装了 Hermes Agent 和OpenClaw，这样额度用光了，我还可以继续使用这台云电脑。还有就是如果我想远程这台云电脑，直接叫 Grok Bot 分别在云电脑和本地电脑上都安装 Tailscale ，然后就可以远程了。远程这个可以看看我的视频实操。最后想要了解 Grok Bot 的一定来看看这篇文章，非常棒的解析。

AI少年

75,187 просмотров • 12 дней назад

我想很多人都有这个困扰：之前经常需要在Codex和Claude Code之间来回切换，现在又加上了最近爆火的DeepSeek Harness。但是每次来回切换、或者想尝尝DSH的鲜的时候，我都得把背景重新讲一遍，确实挺烦的~ 最近在GitHub上发现的一个开源项目 memmy-agent，把 Codex、DeepSeek Harness、Claude Code接了进去，直接解决了困扰我很久的跨Agent 记忆的问题。我用它做的事情很简单：把分散在不同 Agent 里的历史，沉淀到同一份个人上下文里，默认 Local-first，让它们都能调用。我把它分别接入 Codex、DeepSeek Harness、Claude Code 之后，我做了一个信号中继站小游戏。我先在Codex 写完基础玩法，然后对话里说一句话：第一次失败时，给玩家一次翻盘机会，别直接结束游戏。但这句话我故意不写入代码、README 或者是本地记忆文件。然后新开 DeepSeek Harness，它从 Memmy 直接读出了这条决定，非常丝滑。再新开 Claude Code，它读代码前先复述了规则，再按这个方向把后续功能补完。代码只能告诉下一个 Agent 项目做到哪，但那些留在对话里的决策，才影响着项目接下来往哪走。以后，Agent 要记住的，不只是代码，还有你前面已经决定的决策和经验。 Memmy 不仅帮我解决了Agent记忆的问题，还让这些经验不再独属于某一个 Agent，而是只属于你。 Switch agents, not context。 Memmy 支持桌面端、CLI、API、MCP 和 Skills多种方式，可以直接接着执行任务。如果你也经常在多个 Agent 之间切换，可以拿自己的项目试一下。项目GitHub：

我想很多人都有这个困扰：之前经常需要在Codex和Claude Code之间来回切换，现在又加上了最近爆火的DeepSeek Harness。但是每次来回切换、或者想尝尝DSH的鲜的时候，我都得把背景重新讲一遍，确实挺烦的~ 最近在GitHub上发现的一个开源项目 memmy-agent，把 Codex、DeepSeek Harness、Claude Code接了进去，直接解决了困扰我很久的跨Agent 记忆的问题。我用它做的事情很简单：把分散在不同 Agent 里的历史，沉淀到同一份个人上下文里，默认 Local-first，让它们都能调用。我把它分别接入 Codex、DeepSeek Harness、Claude Code 之后，我做了一个信号中继站小游戏。我先在Codex 写完基础玩法，然后对话里说一句话：第一次失败时，给玩家一次翻盘机会，别直接结束游戏。但这句话我故意不写入代码、README 或者是本地记忆文件。然后新开 DeepSeek Harness，它从 Memmy 直接读出了这条决定，非常丝滑。再新开 Claude Code，它读代码前先复述了规则，再按这个方向把后续功能补完。代码只能告诉下一个 Agent 项目做到哪，但那些留在对话里的决策，才影响着项目接下来往哪走。以后，Agent 要记住的，不只是代码，还有你前面已经决定的决策和经验。 Memmy 不仅帮我解决了Agent记忆的问题，还让这些经验不再独属于某一个 Agent，而是只属于你。 Switch agents, not context。 Memmy 支持桌面端、CLI、API、MCP 和 Skills多种方式，可以直接接着执行任务。如果你也经常在多个 Agent 之间切换，可以拿自己的项目试一下。项目GitHub：

木马人

62,947 просмотров • 25 дней назад

我基于 BNB Chain ，实现了历史上第一次在L1主网上跑Linux。这是第一个每条指令都由 L1 主网交易执行、全部状态都存在 L1 上的 Linux。此前这个领域公认的先行者是 Cartesi：它的 RISC-V 虚拟机能启动完整的 Linux，但 Linux 是在链下节点上跑的，以太坊 L1 只负责结算，只有当参与者对结果有争议时，才把争议的那一步拿到链上重算。正常情况下，L1 从头到尾没有执行过一条 Linux 指令。它是 L2 框架，靠欺诈证明和至少一个诚实的挑战者。而TapeOut做的是真正的，Linux 的每一条指令都在 BNBChain 主网的交易里由验证者算出来，并且拥有32 个寄存器、全部 CSR以及16 MB 内存的每一页都在BNBChain主网上，没有任何链下执行。也就是说Cartesi 上让 L1 能验证 Linux，我们让BNBChain 真实的链上运行完整的 Linux。它是由TapeOut 的电路+容器组成，第一次组成了一台完整的链上计算机。一片电路（#4246）开通了容器，容器成了这台机器的主人，谁持有这片电路的 NFT，谁就是它的管理员。CPU 是一个 RISC-V 元件，内存是 16 MB、按 1 KB 分页的 16,384 个页合约，写时复制。主板合约用交易跑指令，把改过的内存页写回链上，把串口输出发成事件。装的是 kernelorg 主线 Linux 6.5.12，它从复位向量 0x80000000 上电，在主网上安拍跑完整个内核启动，直到 root 登录：一共44,988 拍，9,000 余笔交易（花了我好多bnb啊，有点肉疼，另外我还找bnbchain的小伙伴申请了10个tBNB做的测试网测试，感谢 Sandy 帮助协调测试网的tBNB）。另外呢，任何人都可以用它。打开 -a 会告诉你这是 riscv32 上的 Linux 6.5.12；factor 1000000007 在链上做一次质因数分解；echo 写一个文件，这个文件就住在主网上某一页合约的字节码里，你能在 BscScan 上看见它，谁使用谁自己付 gas（我可支付不起这么多人测试，哈哈）。这件事说明： BNB Chain 不只是一个公共账本，它可以基于TapeOut承载可验证的生产工具，一台计算机是所有生产工具的底座。接下来：用门级 RISC-V 核做这台机器的裁判，让每一条指令都有晶体管级的定义；让 Linux 能直接读链上数据；让更多电路拥有自己的不同类型的机器。BNB Chain 的延展性比大多数人想象的大得多，TapeOut在为此全力以赴。测试用例： CZ 🔶 BNB Yi He BNB Chain Four.meme-華語

我基于 BNB Chain ，实现了历史上第一次在L1主网上跑Linux。这是第一个每条指令都由 L1 主网交易执行、全部状态都存在 L1 上的 Linux。此前这个领域公认的先行者是 Cartesi：它的 RISC-V 虚拟机能启动完整的 Linux，但 Linux 是在链下节点上跑的，以太坊 L1 只负责结算，只有当参与者对结果有争议时，才把争议的那一步拿到链上重算。正常情况下，L1 从头到尾没有执行过一条 Linux 指令。它是 L2 框架，靠欺诈证明和至少一个诚实的挑战者。而TapeOut做的是真正的，Linux 的每一条指令都在 BNBChain 主网的交易里由验证者算出来，并且拥有32 个寄存器、全部 CSR以及16 MB 内存的每一页都在BNBChain主网上，没有任何链下执行。也就是说Cartesi 上让 L1 能验证 Linux，我们让BNBChain 真实的链上运行完整的 Linux。它是由TapeOut 的电路+容器组成，第一次组成了一台完整的链上计算机。一片电路（#4246）开通了容器，容器成了这台机器的主人，谁持有这片电路的 NFT，谁就是它的管理员。CPU 是一个 RISC-V 元件，内存是 16 MB、按 1 KB 分页的 16,384 个页合约，写时复制。主板合约用交易跑指令，把改过的内存页写回链上，把串口输出发成事件。装的是 kernelorg 主线 Linux 6.5.12，它从复位向量 0x80000000 上电，在主网上安拍跑完整个内核启动，直到 root 登录：一共44,988 拍，9,000 余笔交易（花了我好多bnb啊，有点肉疼，另外我还找bnbchain的小伙伴申请了10个tBNB做的测试网测试，感谢 Sandy 帮助协调测试网的tBNB）。另外呢，任何人都可以用它。打开 -a 会告诉你这是 riscv32 上的 Linux 6.5.12；factor 1000000007 在链上做一次质因数分解；echo 写一个文件，这个文件就住在主网上某一页合约的字节码里，你能在 BscScan 上看见它，谁使用谁自己付 gas（我可支付不起这么多人测试，哈哈）。这件事说明： BNB Chain 不只是一个公共账本，它可以基于TapeOut承载可验证的生产工具，一台计算机是所有生产工具的底座。接下来：用门级 RISC-V 核做这台机器的裁判，让每一条指令都有晶体管级的定义；让 Linux 能直接读链上数据；让更多电路拥有自己的不同类型的机器。BNB Chain 的延展性比大多数人想象的大得多，TapeOut在为此全力以赴。测试用例： CZ 🔶 BNB Yi He BNB Chain Four.meme-華語

Blonskr

111,035 просмотров • 6 дней назад