Loading video...

Video Failed to Load

Go Home

做 agent 的迟早撞上一个问题： 模型再强，一旦要它去做真实、实时的活，就抓瞎 大家用 agent 解决实际问题时，经常发现它抓瞎 根子常常在搜索这一层：你没给它配搜索，它就只能靠旧知识脑补 没有搜索能力的 agent，等于给大脑没装眼睛 拿最近很热的Intel股票，我实测了一把 🌟 问题都一样： 英特尔最近半年涨幅、最新财报营收、华尔街怎么看下一季 先用普通谷歌搜： 它给的涨幅 88%，营收 Q1 136 亿，华尔街看法就泛泛几句 可我三四月就买了英特尔，88% 这个数，明显偏低了 再看一个没装搜索能力的 agent： 它把涨幅报成了 168%，又飘到另一个极端 评级也只采了 31 位分析师，给个总体印象就完事 一个没眼睛的大脑，数字基本靠脑补，两次给你两个都不太对的答案 最后给 agent 挂上 AnySearch 的 skill，再问同一句： 涨幅约 100%，这回对上了我自己的持仓体感 它还顺手拉了 K 线、50 周的高低点、50 / 200 均线 评级采了 84 位分析师，主流是持有加买入，卖出只有 7...

GoSailGlobal's profile picture

Jason Zhu

33,420 subscribers

44,389 views • 5 days ago •via X (Twitter)

Science & TechnologyFinance
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

兄弟们，挖到金矿了！ 卡了我大半天的难题，AnySearch几分钟就给我刨出来了。 让Coding Agent通过它去搜索一个解密模式，几分钟后它回我一句：「挖到金矿了！！！」 代码、调用关系、上游进度，全给我刨出来了—通用搜索根本给不了这些。 踩了很久的坑我才想明白：模型没问题，是搜索这层拖了后腿。 4 段视频拆开讲：踩坑 → 解法 → coding 实测 → 怎么接。先看这段👇
0:29

兄弟们，挖到金矿了！ 卡了我大半天的难题，AnySearch几分钟就给我刨出来了。 让Coding Agent通过它去搜索一个解密模式，几分钟后它回我一句：「挖到金矿了！！！」 代码、调用关系、上游进度，全给我刨出来了—通用搜索根本给不了这些。 踩了很久的坑我才想明白：模型没问题，是搜索这层拖了后腿。 4 段视频拆开讲：踩坑 → 解法 → coding 实测 → 怎么接。先看这段👇

huangserva

75,716 views • 3 days ago

要想Agent好用，它搜索到数据源是关键！！ 但问题是大部分Agent自带的AI搜索，往往会出现很多搜索多次，搜索返回结果混乱等问题 昨天朋友推荐我试用他们接了专业数据源的AnySearch 官网： GitHub： 发现它的搜索效果很好，特别适合办公用（具体可以看视频，我展示一个用法），更关键的是，免费就能用。 当然，这它还有不少优点👇
0:41

要想Agent好用，它搜索到数据源是关键！！ 但问题是大部分Agent自带的AI搜索，往往会出现很多搜索多次，搜索返回结果混乱等问题 昨天朋友推荐我试用他们接了专业数据源的AnySearch 官网： GitHub： 发现它的搜索效果很好，特别适合办公用（具体可以看视频，我展示一个用法），更关键的是，免费就能用。 当然，这它还有不少优点👇

铁锤人

35,991 views • 1 month ago

最近在搭自己的 AI 交易量化系统 核心架构不复杂：Codex CLI 做策略问答，每天定时抓市场信息辅助决策 上周翻了一次车，导致我亏了3个点 系统提示某只美股（不方便透露）近期无明显利空，我没多想继续持仓 第二天盘前直接低开3个点——前一天夜里有个 Fed 官员放了鹰派信号，市场已经反应了 我回去翻 Agent 的搜索日志记录 搜“美联储利率”，回来的前五条里三条是同一个财经号的不同页面，在复读同一个观点 Agent 老老实实全吃进去了，视野极窄，它不知道这是同一个源在刷屏 而且最新的那条消息根本没搜到——排在前面的全是三天前的解读文章，Agent 分辨不出新旧，拿过期信息当最新的在用 最后输出了一个“无利空”的结论 说实话这一波真的让我意识到了一个问题：不是 Agent 不够聪明，大概率不是模型的问题 是搜索的问题 人搜索的时候，眼睛会自动跳过重复内容、过期信息、SEO 垃圾 但 Agent 不会，它老老实实地把所有垃圾全吃进去，然后基于垃圾给你一个看起来很自信的结论 之前给大家推荐过 anysearch，我吃过这次亏之后，把搜索层换成了 AnySearch 效果立竿见影的变好了 它里面内置了很多能力： 同源衰减——同一个信源不会再霸占前五条，Agent 拿到的视野是多元的 时效性排序——最新信息的权重被拉上来了，不会再拿三天前的旧闻当最新的用 返回的是结构化 Markdown，Agent 拿到就能用，不用花一堆 token 去解析乱码 HTML 现在我的系统每天跑得很稳 Codex CLI 基于 AnySearch 抓回来的金融信息做判断，输出质量跟之前完全不是一个级别 今天它已经在 Product Hunt 上线了，大家可以支持一下！
0:59

最近在搭自己的 AI 交易量化系统 核心架构不复杂：Codex CLI 做策略问答，每天定时抓市场信息辅助决策 上周翻了一次车，导致我亏了3个点 系统提示某只美股（不方便透露）近期无明显利空，我没多想继续持仓 第二天盘前直接低开3个点——前一天夜里有个 Fed 官员放了鹰派信号，市场已经反应了 我回去翻 Agent 的搜索日志记录 搜“美联储利率”，回来的前五条里三条是同一个财经号的不同页面，在复读同一个观点 Agent 老老实实全吃进去了，视野极窄，它不知道这是同一个源在刷屏 而且最新的那条消息根本没搜到——排在前面的全是三天前的解读文章，Agent 分辨不出新旧，拿过期信息当最新的在用 最后输出了一个“无利空”的结论 说实话这一波真的让我意识到了一个问题：不是 Agent 不够聪明，大概率不是模型的问题 是搜索的问题 人搜索的时候，眼睛会自动跳过重复内容、过期信息、SEO 垃圾 但 Agent 不会，它老老实实地把所有垃圾全吃进去，然后基于垃圾给你一个看起来很自信的结论 之前给大家推荐过 anysearch，我吃过这次亏之后，把搜索层换成了 AnySearch 效果立竿见影的变好了 它里面内置了很多能力： 同源衰减——同一个信源不会再霸占前五条，Agent 拿到的视野是多元的 时效性排序——最新信息的权重被拉上来了，不会再拿三天前的旧闻当最新的用 返回的是结构化 Markdown，Agent 拿到就能用，不用花一堆 token 去解析乱码 HTML 现在我的系统每天跑得很稳 Codex CLI 基于 AnySearch 抓回来的金融信息做判断，输出质量跟之前完全不是一个级别 今天它已经在 Product Hunt 上线了，大家可以支持一下！

超级个体｜柿子

44,121 views • 9 days ago

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👇
1:50

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

51,746 views • 3 months ago

Agent比软件高一个层级，本质就在于：你有没有真把它当人看，给它配备一台专属电脑。 给足权限，它就活了：你在手机上和它聊，它在远端干，聊着聊着，你就把活干完了；加上Cron机制，它就是7x24小时主动工作的数字员工，而不是拨一下动一下的程序。
1:49

Agent比软件高一个层级，本质就在于：你有没有真把它当人看，给它配备一台专属电脑。 给足权限，它就活了：你在手机上和它聊，它在远端干，聊着聊着，你就把活干完了；加上Cron机制，它就是7x24小时主动工作的数字员工，而不是拨一下动一下的程序。

傅盛

27,949 views • 4 months ago

Anthropic官方最新的演讲，直接给火了一年的Agent时代浇了一盆冷水。 他们说别再造Agents了，赶紧去造Skills。 这句话也不是啥小众观点，是Claude核心团队的工程师Barry Zhang 和Mahesh Murag站在台上对着全世界喊出来的。 最反直觉的地方在这里，大部分人都以为Agent的未来，是做出一个更聪明的大脑，让它自己思考，自己规划，自己解决所有问题。 但Anthropic说，这条路走不通， 通用Agent确实聪明，但它没有领域知识，一碰真实世界就碎。 难维护，不可靠，出了问题你都不知道为什么。 绝大多数你见过的Agent，都只能停留在演示视频里。 真正能落地的，是Skills。 不是什么复杂的新东西， 就是一个个文件夹，里面放着代码、脚本、提示词和流程知识。 用文件系统、bash、Python这些最朴素的东西做接口。 它没有Agent那么酷，但它可组合，可版本控制，可分享。 需要的时候才加载进上下文，永远不会爆token。 甚至连财务、HR、法务这些非程序员，都能自己造技能。 这其实是一次非常务实的倒退， 我们不再要求AI自己学会怎么干活，而是把人类已经验证过的干活方法，打包成一个个技能包，让AI去调用，去执行。 把AI从一个需要你手把手教的实习生，变成一个能熟练使用所有专业工具的得力助手。 现在终于明白，为什么Claude一直在死磕MCP，死磕文件系统，死磕终端集成，它根本就不想做一个聊天机器人，它想做的是所有技能的运行时。 未来的竞争，不看谁的Agent更聪明，主要看谁的技能库更丰富更专业更可靠。 最后两位老哥呼吁别再纠结怎么让AI自己思考了，先把你手里的工作打包成第一个技能。
9:57

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

AYi

108,470 views • 3 months ago

我以前的物理老师，去年退休了 养老金：$900 / 月 房租：$400 也就是说，他每个月真正能拿来生活的，只剩： $500 我把一篇讲 Polymarket 定价公式的文章发给了他 一小时后，他回了我一句： “这不就是 softmax 吗？我每年都教 11 年级学生这个。结果现在有人拿它交易几十亿美元，大多数人甚至不知道它是怎么工作的？” 三天后，他又发来一张截图： +$670 他找到 4 个市场， Polymarket 给出的价格是： 0.30 但按他的公式算出来，真实概率更接近： 0.48 又过了一周，他的盈利变成了： +$2,100 他说了一句让我印象很深的话： “我教了 30 年这种数学。30 年都有人告诉我这没用。第一次发现，它赚的钱比学校给我的还多。” 放在一起看，其实就很扎眼： 养老金：$900 / 月 Polymarket 第一周：+$2,100 没有复杂设备 没有量化团队 没有 fancy bot 就一条公式 一个退休物理老师 一部手机上的计算器 你当年在学校里，是不是也被人说过： “数学以后根本用不上。”
0:59

我以前的物理老师，去年退休了 养老金：$900 / 月 房租：$400 也就是说，他每个月真正能拿来生活的，只剩： $500 我把一篇讲 Polymarket 定价公式的文章发给了他 一小时后，他回了我一句： “这不就是 softmax 吗？我每年都教 11 年级学生这个。结果现在有人拿它交易几十亿美元，大多数人甚至不知道它是怎么工作的？” 三天后，他又发来一张截图： +$670 他找到 4 个市场， Polymarket 给出的价格是： 0.30 但按他的公式算出来，真实概率更接近： 0.48 又过了一周，他的盈利变成了： +$2,100 他说了一句让我印象很深的话： “我教了 30 年这种数学。30 年都有人告诉我这没用。第一次发现，它赚的钱比学校给我的还多。” 放在一起看，其实就很扎眼： 养老金：$900 / 月 Polymarket 第一周：+$2,100 没有复杂设备 没有量化团队 没有 fancy bot 就一条公式 一个退休物理老师 一部手机上的计算器 你当年在学校里，是不是也被人说过： “数学以后根本用不上。”

0x_Miko

39,339 views • 4 months ago

🧵1/4 卧槽，我最近被 AI 的一种错误恶心到了——但不是你想的那种😳 一本正经胡说、你一眼能拆穿的，不可怕。可怕的是另一种：数字、引用、逻辑全齐活，看着特别靠谱，结论却是错的。我管它叫“伪正确”。 正好赶上 SpaceX 上市，我顺手拿它当了个活靶子🎯 你现在去搜“这次 IPO 估值多少”，搜出来的数全打架——1.75 万亿？2.2 万亿？2025 年亏 49 亿，还是累计亏 90 亿？每个数背后都有人言之凿凿，随便哪个 AI 抓一条就敢报给你。 我用 Apodex 亲测了一把，看它能不能把这摊浑水理清👇
0:30

🧵1/4 卧槽，我最近被 AI 的一种错误恶心到了——但不是你想的那种😳 一本正经胡说、你一眼能拆穿的，不可怕。可怕的是另一种：数字、引用、逻辑全齐活，看着特别靠谱，结论却是错的。我管它叫“伪正确”。 正好赶上 SpaceX 上市，我顺手拿它当了个活靶子🎯 你现在去搜“这次 IPO 估值多少”，搜出来的数全打架——1.75 万亿？2.2 万亿？2025 年亏 49 亿，还是累计亏 90 亿？每个数背后都有人言之凿凿，随便哪个 AI 抓一条就敢报给你。 我用 Apodex 亲测了一把，看它能不能把这摊浑水理清👇

MapleShaw

10,803 views • 24 days ago

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。
0:29

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。

Indie Fox

99,362 views • 18 days ago

AI会永远对你撒谎。 这不是bug，是数学定律。 我，卡内基梅隆大学的数学学生，用数学告诉你为什么。 所有语言模型，只做一件事： 根据它读过的所有资料，预测下一个最有可能的词。 但这里有个死结。 模型的猜测，我们叫它q(x)。 真实世界的概率，我们叫它p(x)。 q(x)永远不可能等于p(x)。 它们之间，永远有一道鸿沟。 有个数学公式，就是用来测量这道鸿沟的。 只要模型不能完美预测下一个词 它永远不能 那这个鸿沟就永远不会是零。 所以，当AI不知道真相的时候会发生什么？ 它不能停机，它必须给你一个答案。 它只能硬着头皮，输出一个它认为“最像”答案的答案。 哪怕那是错的。 这就是“幻觉”。 一个基于不完整信息，却无比自信的猜测。 最要命的是，数学甚至给出了一个下限。 就算最完美的模型，它的幻觉率也永远不可能低于这个数字。 只要它不知道关于这个世界的一切 它永远不可能知道。 它就总会有概率，编造事实。 所以，无论AI变得多强大，它都会撒谎。 因为数学就是这么写的。
0:45

AI会永远对你撒谎。 这不是bug，是数学定律。 我，卡内基梅隆大学的数学学生，用数学告诉你为什么。 所有语言模型，只做一件事： 根据它读过的所有资料，预测下一个最有可能的词。 但这里有个死结。 模型的猜测，我们叫它q(x)。 真实世界的概率，我们叫它p(x)。 q(x)永远不可能等于p(x)。 它们之间，永远有一道鸿沟。 有个数学公式，就是用来测量这道鸿沟的。 只要模型不能完美预测下一个词 它永远不能 那这个鸿沟就永远不会是零。 所以，当AI不知道真相的时候会发生什么？ 它不能停机，它必须给你一个答案。 它只能硬着头皮，输出一个它认为“最像”答案的答案。 哪怕那是错的。 这就是“幻觉”。 一个基于不完整信息，却无比自信的猜测。 最要命的是，数学甚至给出了一个下限。 就算最完美的模型，它的幻觉率也永远不可能低于这个数字。 只要它不知道关于这个世界的一切 它永远不可能知道。 它就总会有概率，编造事实。 所以，无论AI变得多强大，它都会撒谎。 因为数学就是这么写的。

墓碑科技

73,589 views • 6 months ago

说个真相：2026 年最能赚钱的 AI 编程工具不是 Claude Code，是 Cursor。 年化 40 亿美金，Claude Code 25 亿，差一截。 这数字不是我拍脑袋，是我让 Apodex 跑出来的，一个主打“每一步先验证再往下推”的 AI 研究工具。 它没像聊天机器人那样秒回一段话，是真去查，最后给了份带 21 条引用的简报。 大方向它给的结论跟我体感对得上：Cursor 最能赚，Copilot 用户最多，Claude Code 体验最好。 但 AI 给的东西我有个习惯，挨条查，21 条引用翻下来，大多数站得住。 有一条没站住：它说 SpaceX 要花 100 亿买 Cursor 的 Colossus 超算。问题是，Colossus 是马斯克 xAI 的超算，不是 Cursor 的。 它也有很克制的地方。比如 Copilot 的收入，它没硬编一个数，直接标“微软没披露，这是估算”，还给了区间。 所以我真正想说的是：它把每一步推理、每一条来源都摊开给你了。正因为摊开，我才查得出哪条不对。换个黑盒聊天机器人，你连查都没得查。 经过验证的简报，不等于你可以不验证。但它能让你验证，这件事本身就比大多数 AI 强。 报告全文 + 21 条引用我放评论了，现在注册免费试用体验，估计很快也就收费了：
1:00

说个真相：2026 年最能赚钱的 AI 编程工具不是 Claude Code，是 Cursor。 年化 40 亿美金，Claude Code 25 亿，差一截。 这数字不是我拍脑袋，是我让 Apodex 跑出来的，一个主打“每一步先验证再往下推”的 AI 研究工具。 它没像聊天机器人那样秒回一段话，是真去查，最后给了份带 21 条引用的简报。 大方向它给的结论跟我体感对得上：Cursor 最能赚，Copilot 用户最多，Claude Code 体验最好。 但 AI 给的东西我有个习惯，挨条查，21 条引用翻下来，大多数站得住。 有一条没站住：它说 SpaceX 要花 100 亿买 Cursor 的 Colossus 超算。问题是，Colossus 是马斯克 xAI 的超算，不是 Cursor 的。 它也有很克制的地方。比如 Copilot 的收入，它没硬编一个数，直接标“微软没披露，这是估算”，还给了区间。 所以我真正想说的是：它把每一步推理、每一条来源都摊开给你了。正因为摊开，我才查得出哪条不对。换个黑盒聊天机器人，你连查都没得查。 经过验证的简报，不等于你可以不验证。但它能让你验证，这件事本身就比大多数 AI 强。 报告全文 + 21 条引用我放评论了，现在注册免费试用体验，估计很快也就收费了：

Yanhua

27,428 views • 28 days ago

这两天老是刷到用ChatCut插件接入codex就能一键出视频的帖子，我自己也体验了一下，耗时30多分钟就能出一个视频，我只给了它几段素材，甚至连视频主题都没有给它，它就帮我剪辑了一个这样的视频，关键是配音还不消耗积分，就这以后视频剪辑还用啥剪映，剪辑和编导都得下岗了😂
1:01

这两天老是刷到用ChatCut插件接入codex就能一键出视频的帖子，我自己也体验了一下，耗时30多分钟就能出一个视频，我只给了它几段素材，甚至连视频主题都没有给它，它就帮我剪辑了一个这样的视频，关键是配音还不消耗积分，就这以后视频剪辑还用啥剪映，剪辑和编导都得下岗了😂

科技俊 | Tech Jun

54,248 views • 4 days ago

这是Cloudflare的CEO Matthew Prince捅出来的数据。 一个很吓人的数据。 OpenAI每看到1个网页。 谷歌就能看到3.2个。 微软呢？ 谷歌看到的世界是它的4.8倍。 这意味着什么？ AI时代，得数据者得天下。 原料都被一家垄断了，其他人怎么玩？ 用爱发电吗？ 谷歌拥有一个其他任何公司都没有的独特优势 它对整个互联网的访问权限。 这是它通过搜索引擎业务几十年积累下来的护城河。 现在，这条河正在帮助它在AI领域淹没所有对手。 我们担心的不只是商业垄断。 我们担心的是信息和思想的垄断。 当一个实体，拥有不成比例的数据喂养能力，它训练出的AI会是什么样子？ 它会定义“事实”。 它会塑造“真相”。 它会决定你能看到什么，以及你看不到什么。 这比任何媒体都更强大。 Cloudflare的CEO提出了两种解决方案。 要么，把谷歌拉回到和其他人一样的水平，限制它利用搜索优势。 要么，把其他所有人都提升到谷歌的水平。 第一条路，动了巨头的蛋糕，监管能做到吗？ 第二条路，技术上现实吗？谁来组织？ 问题是，时间不多了。 当游戏规则的制定者，和最强的那个玩家，是同一个人时。 其他人还有机会吗？ 还是说，游戏其实早就结束了？
1:46

这是Cloudflare的CEO Matthew Prince捅出来的数据。 一个很吓人的数据。 OpenAI每看到1个网页。 谷歌就能看到3.2个。 微软呢？ 谷歌看到的世界是它的4.8倍。 这意味着什么？ AI时代，得数据者得天下。 原料都被一家垄断了，其他人怎么玩？ 用爱发电吗？ 谷歌拥有一个其他任何公司都没有的独特优势 它对整个互联网的访问权限。 这是它通过搜索引擎业务几十年积累下来的护城河。 现在，这条河正在帮助它在AI领域淹没所有对手。 我们担心的不只是商业垄断。 我们担心的是信息和思想的垄断。 当一个实体，拥有不成比例的数据喂养能力，它训练出的AI会是什么样子？ 它会定义“事实”。 它会塑造“真相”。 它会决定你能看到什么，以及你看不到什么。 这比任何媒体都更强大。 Cloudflare的CEO提出了两种解决方案。 要么，把谷歌拉回到和其他人一样的水平，限制它利用搜索优势。 要么，把其他所有人都提升到谷歌的水平。 第一条路，动了巨头的蛋糕，监管能做到吗？ 第二条路，技术上现实吗？谁来组织？ 问题是，时间不多了。 当游戏规则的制定者，和最强的那个玩家，是同一个人时。 其他人还有机会吗？ 还是说，游戏其实早就结束了？

墓碑科技

33,975 views • 5 months ago

下午转发了LobsterAI（有道龙虾），就是那个网易有道最新推出的桌面级Agent开源的消息之后，忍不住花了几个小时认真测了一圈。 先说整体感受，确实有中国版OpenClaw的味道了，体感来说能力强、易上手、还比OpenClaw安全不少。 前两天不是发了那个数据分析Skill嘛，我直接把它导进了LobsterAI——它支持自定义Skill导入，zip包、文件夹、GitHub仓库三种方式都行，相当于我在Claude Code上积累的整套工作流直接迁移过来了。 然后我把自己B站最近90天的数据丢给它，问怎么从15万涨到100万粉。它没直接输出一段分析，而是同时启动了四个并行Agent，增长PM、算法分析师、内容战略、数据建模，各自从不同角度切入同一份数据，三四分钟跑完整合成一份HTML报告。视觉效果用前两天的话说，只能用惊艳形容。 但真正让我愣住的是一个数据：63.5万播放的视频只涨了163粉，每万播放2.6人；而一条12.9万播放的深度解读涨了1349粉，每万播放104.6人。差了40倍。播放量和涨粉几乎无关，相关系数-0.006。我之前有这个直觉，但从来没人帮我用数据确认过。 后面又测了两个场景。一个是从飞书远程让它每天8点自动搜AI新闻推给我，它真的打开Chrome用Google搜了一圈，筛选排序做成卡片推到飞书群，从此每天通勤路上打开飞书当天动态就整理好了。另一个是一句话让它做竞品分析PPT，自己拆成五步，五六十次工具调用，中间PPT构建报错还自己修了，全程没问我一句。这才是现在AI Agent该有的样子，出错了不是问你怎么办，而是自己想办法解决。 我觉得它确实还挺适合作为国内非技术型用户的OpenClaw平替的，无论是职场人、学生，还是任何普通人，都适用，它把同样的能力翻译成不用命令行的人也能用的东西。桌面应用不用部署，沙盒兜底，远控走飞书钉钉，今天刚宣布开源。这几个特点都挺新手友好，而且挺让人放心的。 2026注定是AI Agent之年，相比以前的AI是顾问，你问它问题它给你一段文字，然后你自己去干；现在的AI Agent更像员工，你给目标，它直接打开文件、读数据、做报告、发给你。顾问你得自己执行，员工你只需要验收。这才是AI从聊天工具到「生产力工具」的本质跃迁。 详细的三个场景测评写了长文，发布后放评论区👇 #AI #Agent #LobsterAI #youdao #netease
1:35

下午转发了LobsterAI（有道龙虾），就是那个网易有道最新推出的桌面级Agent开源的消息之后，忍不住花了几个小时认真测了一圈。 先说整体感受，确实有中国版OpenClaw的味道了，体感来说能力强、易上手、还比OpenClaw安全不少。 前两天不是发了那个数据分析Skill嘛，我直接把它导进了LobsterAI——它支持自定义Skill导入，zip包、文件夹、GitHub仓库三种方式都行，相当于我在Claude Code上积累的整套工作流直接迁移过来了。 然后我把自己B站最近90天的数据丢给它，问怎么从15万涨到100万粉。它没直接输出一段分析，而是同时启动了四个并行Agent，增长PM、算法分析师、内容战略、数据建模，各自从不同角度切入同一份数据，三四分钟跑完整合成一份HTML报告。视觉效果用前两天的话说，只能用惊艳形容。 但真正让我愣住的是一个数据：63.5万播放的视频只涨了163粉，每万播放2.6人；而一条12.9万播放的深度解读涨了1349粉，每万播放104.6人。差了40倍。播放量和涨粉几乎无关，相关系数-0.006。我之前有这个直觉，但从来没人帮我用数据确认过。 后面又测了两个场景。一个是从飞书远程让它每天8点自动搜AI新闻推给我，它真的打开Chrome用Google搜了一圈，筛选排序做成卡片推到飞书群，从此每天通勤路上打开飞书当天动态就整理好了。另一个是一句话让它做竞品分析PPT，自己拆成五步，五六十次工具调用，中间PPT构建报错还自己修了，全程没问我一句。这才是现在AI Agent该有的样子，出错了不是问你怎么办，而是自己想办法解决。 我觉得它确实还挺适合作为国内非技术型用户的OpenClaw平替的，无论是职场人、学生，还是任何普通人，都适用，它把同样的能力翻译成不用命令行的人也能用的东西。桌面应用不用部署，沙盒兜底，远控走飞书钉钉，今天刚宣布开源。这几个特点都挺新手友好，而且挺让人放心的。 2026注定是AI Agent之年，相比以前的AI是顾问，你问它问题它给你一段文字，然后你自己去干；现在的AI Agent更像员工，你给目标，它直接打开文件、读数据、做报告、发给你。顾问你得自己执行，员工你只需要验收。这才是AI从聊天工具到「生产力工具」的本质跃迁。 详细的三个场景测评写了长文，发布后放评论区👇 #AI #Agent #LobsterAI #youdao #netease

花叔

45,987 views • 4 months ago

一键生成短视频的AI终于来了！ 特别神奇的是，它却叫纳米搜索... 我用了一下，输入话题，搜索，下一步，下一步，下一步，一个视频就生成了，就是你现在看到的这个视频。 一个字没有改，一个剪辑操作都没有做，就这么做出来了。 人物动作比较自然，声音挺真实的，口型对的不错，虽然跟真人肯定还是有一定差距吧，但是直接发抖音没有任何问题。 我们都知道，一定会有一款产品，可以把内容一键生成短视频。只 是没想到，这么快，就来了。 未来一定会来越来越多。 人人都是短视频自媒体的时代即将来临。
0:32

一键生成短视频的AI终于来了！ 特别神奇的是，它却叫纳米搜索... 我用了一下，输入话题，搜索，下一步，下一步，下一步，一个视频就生成了，就是你现在看到的这个视频。 一个字没有改，一个剪辑操作都没有做，就这么做出来了。 人物动作比较自然，声音挺真实的，口型对的不错，虽然跟真人肯定还是有一定差距吧，但是直接发抖音没有任何问题。 我们都知道，一定会有一款产品，可以把内容一键生成短视频。只 是没想到，这么快，就来了。 未来一定会来越来越多。 人人都是短视频自媒体的时代即将来临。

Orange AI

42,481 views • 1 year ago

港大团队这次开源的，不只是一个 Agent 项目， 而是把 Agent 从“会做事”推进到“会进化”。 项目名叫 OpenSpace。 它想解决的不是“再做一个 Agent”， 而是让 Agent 具备 从实践中学习、持续进化、彼此共享经验 的能力， 避免每次干活都从零开始、重复踩坑。 它的核心卖点有 3 个： 自我进化：skill 会自动修复、自动改进、自动学习，在失败中持续迭代。 群体智能：一个 Agent 学到的新技能，可以同步共享给其他 Agent。 降本增效：复用已经验证过的解决方案，出问题时只修局部，不用每次推翻重来。 README 里还有个很抓人的数字： 4.2× better performance，46% fewer tokens。 我觉得这个项目最值得看的地方，不是“又一个 Agent 框架”， 而是它在试图回答一个更关键的问题： Agent 能不能像团队一样，把经验真正沉淀下来，并且共享给其他 Agent。
0:45

港大团队这次开源的，不只是一个 Agent 项目， 而是把 Agent 从“会做事”推进到“会进化”。 项目名叫 OpenSpace。 它想解决的不是“再做一个 Agent”， 而是让 Agent 具备 从实践中学习、持续进化、彼此共享经验 的能力， 避免每次干活都从零开始、重复踩坑。 它的核心卖点有 3 个： 自我进化：skill 会自动修复、自动改进、自动学习，在失败中持续迭代。 群体智能：一个 Agent 学到的新技能，可以同步共享给其他 Agent。 降本增效：复用已经验证过的解决方案，出问题时只修局部，不用每次推翻重来。 README 里还有个很抓人的数字： 4.2× better performance，46% fewer tokens。 我觉得这个项目最值得看的地方，不是“又一个 Agent 框架”， 而是它在试图回答一个更关键的问题： Agent 能不能像团队一样，把经验真正沉淀下来，并且共享给其他 Agent。

axiaisacat

30,217 views • 3 months ago

👏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。
0:22

👏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

26,809 views • 1 month ago

我对国产 AI Agent 一直没抱太大期待，直到这次它干了件让我意外的事。 我让 Tencent WorkBuddy 做个竞品调研，它派出一整个研究团队，其中一个 AI 专门审稿。它把同伴写好的报告退了回去，理由是里面有个数字查不到来源。 一个 AI，自己抓出自己编的数据，要求重做。 最后我拿到的，是一套能直接演示的 10 页 slides，一个字都不用改。 WorkBuddy，全程录屏在这👇
1:29

我对国产 AI Agent 一直没抱太大期待，直到这次它干了件让我意外的事。 我让 Tencent WorkBuddy 做个竞品调研，它派出一整个研究团队，其中一个 AI 专门审稿。它把同伴写好的报告退了回去，理由是里面有个数字查不到来源。 一个 AI，自己抓出自己编的数据，要求重做。 最后我拿到的，是一套能直接演示的 10 页 slides，一个字都不用改。 WorkBuddy，全程录屏在这👇

Yanhua

82,363 views • 29 days ago

黑莓的统治，是怎么被苹果终结的？ 就靠一个瞬间。 当时，所有智能手机都长一个样： 一块小屏幕，下面密密麻麻，全是塑料按键。 问题在哪？ 问题就在这些按键上。 无论你需不需要，键盘永远都在那儿。 每个App，都只能用同一套固定的按钮。 但每个App，都想要一套为自己量身定制的界面，对吧？ 更要命的是，如果你半年后有了个绝妙的新点子，怎么办？ 你不可能给已经卖出去的手机，再加一个新按钮。 产品已经定型了。 所以，这套模式走不通。 按键和控件，它们无法改变。 怎么解决？ 其实，答案二十年前就有了。 在电脑上，我们早就解决了。 用一块可以显示任何东西的屏幕，再加一个鼠标。 那怎么把这个方案，搬到手机上？ 很简单。 扔掉所有实体按键，只留一块巨大的屏幕。 好了，下一个问题。 我们总不能随时带个鼠标吧？ 那用什么来操作？ 用手写笔？ 不。 谁想要那玩意儿？ 你要把它拿出来、放回去，还老是弄丢。 太恶心了，没人想要手写笔。 所以，我们不用手写笔。 我们要用世界上最强的指点设备。 一个我们每个人生下来就有的设备。 我们生下来就有十个。 我们要用的，是我们的手指。
1:55

黑莓的统治，是怎么被苹果终结的？ 就靠一个瞬间。 当时，所有智能手机都长一个样： 一块小屏幕，下面密密麻麻，全是塑料按键。 问题在哪？ 问题就在这些按键上。 无论你需不需要，键盘永远都在那儿。 每个App，都只能用同一套固定的按钮。 但每个App，都想要一套为自己量身定制的界面，对吧？ 更要命的是，如果你半年后有了个绝妙的新点子，怎么办？ 你不可能给已经卖出去的手机，再加一个新按钮。 产品已经定型了。 所以，这套模式走不通。 按键和控件，它们无法改变。 怎么解决？ 其实，答案二十年前就有了。 在电脑上，我们早就解决了。 用一块可以显示任何东西的屏幕，再加一个鼠标。 那怎么把这个方案，搬到手机上？ 很简单。 扔掉所有实体按键，只留一块巨大的屏幕。 好了，下一个问题。 我们总不能随时带个鼠标吧？ 那用什么来操作？ 用手写笔？ 不。 谁想要那玩意儿？ 你要把它拿出来、放回去，还老是弄丢。 太恶心了，没人想要手写笔。 所以，我们不用手写笔。 我们要用世界上最强的指点设备。 一个我们每个人生下来就有的设备。 我们生下来就有十个。 我们要用的，是我们的手指。

墓碑科技

48,312 views • 7 months ago

我同时问了四个AI同一个问题： 帮我找一个每天稳定赚1万美金以上的Polymarket钱包。 ChatGPT直接说：我访问不了实时数据。 Gemini倒是给了三个地址，我一查，全是一月份之后就再没动过的僵尸号。 Claude态度最好，说可以帮我写个脚本，但得先给它API密钥。 只有Grok，11秒就甩回来一个结果。 没有脚本。 没有免责声明。 只有一个钱包地址，加一句评价： “这个钱包从去年12月到现在，一周都没亏过。” k9Q2mX4L8A7ZP3R 盈利：1,436,159 美元 交易次数：37,552 次 加入时间：2025年12月 钱包在这： 跟单入口： 我让Grok再深扒一下策略。 它扫了眼交易时间戳，8秒后给出答案： 每一笔进场，都精准卡在币安BTC价格波动超过0.11%之后的第9到16秒之间。 9秒前绝不动手。 16秒后绝不再进。 一个硬编码的时间窗口。 37,552次交易，平均一天375次。 三个月，140万美元。 我问Grok：这得写多少行代码？ “大概18到25行。 一个币安WebSocket。 一个价格比对。 一个买入函数。 一个设成9000毫秒的休眠计时器。” 我又问：能复制吗？ “能。但你看这用户名，长得跟自动生成的API密钥一样。 这钱包大概率是程序批量创建的，背后可能跑着好几个实例。 你复制一个，就得跟它所有的兄弟抢饭吃。” 最后一个问题：如果这个钱包明天突然停了，会怎样？ “不会怎样。 至少还有11个钱包跑着同样的逻辑，只是时间窗口稍微错开一点。 这不是一个人，这是一个生态。 你看到的，只是被注意到的那一个。 其他的，还藏在暗处。” 140万美元。 Grok用了11秒找到的。 另外三个AI，一个都没挖出来。
1:07

我同时问了四个AI同一个问题： 帮我找一个每天稳定赚1万美金以上的Polymarket钱包。 ChatGPT直接说：我访问不了实时数据。 Gemini倒是给了三个地址，我一查，全是一月份之后就再没动过的僵尸号。 Claude态度最好，说可以帮我写个脚本，但得先给它API密钥。 只有Grok，11秒就甩回来一个结果。 没有脚本。 没有免责声明。 只有一个钱包地址，加一句评价： “这个钱包从去年12月到现在，一周都没亏过。” k9Q2mX4L8A7ZP3R 盈利：1,436,159 美元 交易次数：37,552 次 加入时间：2025年12月 钱包在这： 跟单入口： 我让Grok再深扒一下策略。 它扫了眼交易时间戳，8秒后给出答案： 每一笔进场，都精准卡在币安BTC价格波动超过0.11%之后的第9到16秒之间。 9秒前绝不动手。 16秒后绝不再进。 一个硬编码的时间窗口。 37,552次交易，平均一天375次。 三个月，140万美元。 我问Grok：这得写多少行代码？ “大概18到25行。 一个币安WebSocket。 一个价格比对。 一个买入函数。 一个设成9000毫秒的休眠计时器。” 我又问：能复制吗？ “能。但你看这用户名，长得跟自动生成的API密钥一样。 这钱包大概率是程序批量创建的，背后可能跑着好几个实例。 你复制一个，就得跟它所有的兄弟抢饭吃。” 最后一个问题：如果这个钱包明天突然停了，会怎样？ “不会怎样。 至少还有11个钱包跑着同样的逻辑，只是时间窗口稍微错开一点。 这不是一个人，这是一个生态。 你看到的，只是被注意到的那一个。 其他的，还藏在暗处。” 140万美元。 Grok用了11秒找到的。 另外三个AI，一个都没挖出来。

区块链行情研究

80,257 views • 4 months ago