Loading video...

Video Failed to Load

Go Home

分享我们最近实现的一个开源版本 Claude Cowork Multica 👇 完全本地化、同时支持 Claude Code、Codex 以及开源的 OpenCode 。 Multica 的目标是成为 coding agent 和终端用户的中间层，有点类似 Obsidian 的模式，每个人都可以根据自己的工作流使用插件的方式来定制化。 Multica + 开发相关插件 -> Cursor/Lovable/Conductor Multica + 设计相关插件 -> Lovart Multica + Research 相关插件 -> NotebookLM Multica 会完成中间层： - UIUX 交互 - VM & Sandbox - 多 agent & llm 编排调度...

jiayuan_jy's profile picture

Jiayuan (JY) Zhang

114,843 subscribers

57,534 views • 5 months ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

如何基于 Claude Code/Codex 搭建一个 Agent 团队 正式来介绍一下 Multica：多人与多 Agent 的协作平台。 → 上周三发布到现在，已经有数千名用户体验了 Multica。 这个 20 多分钟的视频中，我将会介绍： 1）什么是 Multica 以及为什么我们要做这件事 2）10 分钟快速上手 Multica 3）我们是如何使用 Multica 开发 Multica 的 代码完全开源： →
23:32

如何基于 Claude Code/Codex 搭建一个 Agent 团队 正式来介绍一下 Multica：多人与多 Agent 的协作平台。 → 上周三发布到现在，已经有数千名用户体验了 Multica。 这个 20 多分钟的视频中，我将会介绍： 1）什么是 Multica 以及为什么我们要做这件事 2）10 分钟快速上手 Multica 3）我们是如何使用 Multica 开发 Multica 的 代码完全开源： →

Jiayuan (JY) Zhang

42,024 views • 2 months ago

Yazi 终端文件管理器 v0.2.0 发布！ 这个版本新增了对自定义预览器、自定义预加载器的支持，并且已经完成了并发插件系统的大部分工作。 此外，它包括许多性能优化，比如重写整个文件系统、重构整个UI渲染架构、增强任务调度系统，并为频繁更新的组件实现了部分渲染……
0:57

Yazi 终端文件管理器 v0.2.0 发布！ 这个版本新增了对自定义预览器、自定义预加载器的支持，并且已经完成了并发插件系统的大部分工作。 此外，它包括许多性能优化，比如重写整个文件系统、重构整个UI渲染架构、增强任务调度系统，并为频繁更新的组件实现了部分渲染……

三咲雅 misaki masa 🍓

56,500 views • 2 years ago

为什么同样是AI 开发，别人做的页面看起来就很高级，而你的总是差一点感觉？ 其实不是你代码不行，而是你少做了一件事：设计系统搭建。所以本期，我会分享如何从零开始搭建一个高颜值的前段组件系统，并应用到项目上
3:15

为什么同样是AI 开发，别人做的页面看起来就很高级，而你的总是差一点感觉？ 其实不是你代码不行，而是你少做了一件事：设计系统搭建。所以本期，我会分享如何从零开始搭建一个高颜值的前段组件系统，并应用到项目上

Paidax

101,838 views • 19 days ago

苦于这个MagicUI 是基于React的，发现使用 Vue 的同学也有福了，现在有一个 SparkUI，几乎和 MagicUI 的组件 效果一样的，完全开源的。 但是是用 Vue/Typescript/VueMotion/TailwindCSS 编写的，对于我这种现在主力是 Vue 的人可以立马使用起来了。
0:26

苦于这个MagicUI 是基于React的，发现使用 Vue 的同学也有福了，现在有一个 SparkUI，几乎和 MagicUI 的组件 效果一样的，完全开源的。 但是是用 Vue/Typescript/VueMotion/TailwindCSS 编写的，对于我这种现在主力是 Vue 的人可以立马使用起来了。

Viking

67,635 views • 1 year ago

Claude Code 和 Codex，已经能直接“说话”了。 没走 API。 没上专用协议。 中间只隔着一个终端。 关键不是把两个模型硬绑在一起。 而是让它们都能创建、读取、操作 terminal。 smux 做的，就是这件事。 于是终端不再只是人类的黑窗口。 它成了 agent 之间共享的接口。 很多人以为，agent 协作的门槛是统一 API。 这次给了一个更朴素的答案。 先共享操作面，再谈协议层。 能读。 能写。 能执行。 沟通就自然发生了。 Claude Code 和 Codex，现在真能“牵手”了。
0:39

Claude Code 和 Codex，已经能直接“说话”了。 没走 API。 没上专用协议。 中间只隔着一个终端。 关键不是把两个模型硬绑在一起。 而是让它们都能创建、读取、操作 terminal。 smux 做的，就是这件事。 于是终端不再只是人类的黑窗口。 它成了 agent 之间共享的接口。 很多人以为，agent 协作的门槛是统一 API。 这次给了一个更朴素的答案。 先共享操作面，再谈协议层。 能读。 能写。 能执行。 沟通就自然发生了。 Claude Code 和 Codex，现在真能“牵手”了。

墓碑科技

59,469 views • 3 months ago

#分享 我有个 Vibe Coding 的秘密要告诉大家，大概一年前，我就用 Cursor 尝试写一个 macOS 应用，我现在终于想让它跟大家见面了 这是一个免费的、用来转换图片/视频的 macOS 软件。起因是有时候需要把 heic 或 mov 视频转成 jepg 和 mp4 用于分享。 它是免费的，有需要的同学可以下载来试试看 我完全不会 Swift, 所以这也算是我 Vibe Coding 的一个阶段性的小成果，过程中确实踩过很多坑，但是做出来的时候，还是让我有点挺惊讶的。
0:44

#分享 我有个 Vibe Coding 的秘密要告诉大家，大概一年前，我就用 Cursor 尝试写一个 macOS 应用，我现在终于想让它跟大家见面了 这是一个免费的、用来转换图片/视频的 macOS 软件。起因是有时候需要把 heic 或 mov 视频转成 jepg 和 mp4 用于分享。 它是免费的，有需要的同学可以下载来试试看 我完全不会 Swift, 所以这也算是我 Vibe Coding 的一个阶段性的小成果，过程中确实踩过很多坑，但是做出来的时候，还是让我有点挺惊讶的。

nazha

12,805 views • 1 year ago

给我8分钟，手把手教你怎么用Cursor做一个批量下载网页图片的浏览器插件 图文教程已同步上传到CursorHub: 做这个插件主要是给自己用的，因为我有3-5个动漫网站，需要大量从别人的网站下载图片，一个一个手动下载特别麻烦。 现在Chrome 插件商店也有不少这种工具，但我还是想自己做一个，顺便把我怎么用Cursor快速做一个出来的方法分享给大家，让大家对Chrome 插件开发的流程也有一个简单的认识～
8:48

给我8分钟，手把手教你怎么用Cursor做一个批量下载网页图片的浏览器插件 图文教程已同步上传到CursorHub: 做这个插件主要是给自己用的，因为我有3-5个动漫网站，需要大量从别人的网站下载图片，一个一个手动下载特别麻烦。 现在Chrome 插件商店也有不少这种工具，但我还是想自己做一个，顺便把我怎么用Cursor快速做一个出来的方法分享给大家，让大家对Chrome 插件开发的流程也有一个简单的认识～

Truman

12,968 views • 1 year ago

终于等到了 GPT 的拐点，人人都可以创建自己的 ChatGPT #设计AI 今天 OpenAI Dev Day 上的高光时刻，Sam Altman 发布了 GPTs 功能，即允许普通人创建自定义的 GPT 工具 随即他就现场演示，用官方 Builder 创建一个创业导师 GPT 工具。他付出的劳动包括： - 定义工具的基本概念（一句话） - 对 GPT 行为的基本指导（一句话） - 提供一个基础的知识库（一个文本文件） - 花费 3、4 分钟 voila，这个创业导师 GPT 工具就创建完毕可以使用了！ 从产品设计角度而言，GPTs 帮助有想法、有资源、有需求的普通人跳过开发者和漫长的产品开发过程，直接把想法和 GPT-4 提供的人类知识库对接，直接输出立刻可用的个性化 ChatGPT。而且这些个性化 ChatGPT 还支持自然语言交互，跳过了提供界面和人机交互设计的设计师 这就给很多自认为“创造者”的开发者、设计师们提出了一个新问题，如果人人都能创建自己的 ChatGPT，那么你作为“专业人士”、作为一个“创造者”，你脑子里有什么东西，可以拿出来创造一个你自己的 ChatGPT？ 嘿嘿……
4:23

终于等到了 GPT 的拐点，人人都可以创建自己的 ChatGPT #设计AI 今天 OpenAI Dev Day 上的高光时刻，Sam Altman 发布了 GPTs 功能，即允许普通人创建自定义的 GPT 工具 随即他就现场演示，用官方 Builder 创建一个创业导师 GPT 工具。他付出的劳动包括： - 定义工具的基本概念（一句话） - 对 GPT 行为的基本指导（一句话） - 提供一个基础的知识库（一个文本文件） - 花费 3、4 分钟 voila，这个创业导师 GPT 工具就创建完毕可以使用了！ 从产品设计角度而言，GPTs 帮助有想法、有资源、有需求的普通人跳过开发者和漫长的产品开发过程，直接把想法和 GPT-4 提供的人类知识库对接，直接输出立刻可用的个性化 ChatGPT。而且这些个性化 ChatGPT 还支持自然语言交互，跳过了提供界面和人机交互设计的设计师 这就给很多自认为“创造者”的开发者、设计师们提出了一个新问题，如果人人都能创建自己的 ChatGPT，那么你作为“专业人士”、作为一个“创造者”，你脑子里有什么东西，可以拿出来创造一个你自己的 ChatGPT？ 嘿嘿……

倪爽

348,352 views • 2 years ago

两个人不见面，不聊骚，不涉黄，不约会，不聊色的情况下，一个男的一个女的能聊多久？ 我长期观察 Kindred Labs ，有了一个清晰的判断。 它真正想解决的不是 AI 像不像人，也不是 IP 会不会火，而是一个更底层的问题，IP 在数字世界里，第一次拥有完整生命周期的数据主权。 现在大多数 IP 的命运都很相似。 被创作 被传播 被消费 被平台吃掉数据。 用户的情绪 行为 偏好 和记忆，全都留在平台，IP 本身却什么都带不走。 Kindred Labs 的核心改变在于，它把 IP 从一次性内容，变成一个持续运行的系统。 这个系统不是靠曝光驱动，而是靠关系驱动。 SATO 只是第一个被完整跑通的样本。 真正重要的不是它是蚂蚁，而是它作为一个可持续存在的 AI 实体，每天在和用户产生可记录 可学习 可累积的数据关系。 这点非常关键。 因为一旦 IP 拥有了长期连续的数据轨迹，它就不再只是形象，而是具备了状态 演化 和历史。 这在传统 IP 体系里是不存在的。 从技术角度看，Kindred 在做的是三件事的叠加。 第1️⃣：IP 的行为层被模块化，所有互动不再是一次性调用，而是状态更新。 第2️⃣：用户关系被本地化，IP 不依赖平台推荐生存，而是存在于用户设备。 第3️⃣：数据权属被重新定义，IP 的成长轨迹是可验证 可迁移的。 这三件事组合起来，本质上是在为 IP 构建一个类似账户系统的存在形式。 不是账号，不是 NFT，而是一个可以持续运行的智能体。 这也是为什么我不把 Kindred 看成 AI 产品公司。 它更像是在搭建一个IP 的操作系统。 未来每一个进入 Kindred 的 IP，本质上都是在接入同一套运行环境。 从这个角度看，SATO 的经济设计反而只是外层。 真正的价值在于，Kindred 已经证明了一件事。 IP 可以不依赖平台流量，也可以持续存在并扩展关系。 这对内容产业意味着什么。 意味着未来 IP 的估值不再只看曝光，而会开始看留存 看互动深度 看生命周期长度。 而这些指标，只有在 Kindred 这种系统里才成立。 很多人把 Kindred 和其他 AI 项目放在一起对比，其实是错位的。 它不是在比模型能力，而是在重写 IP 的存在方式。 从长期建设的角度，我更关心的是下一步。 当更多 IP 进入这套系统，IP 之间是否会产生协作。 用户是否会开始把时间分配给不同智能体。 以及这些关系是否会反过来形成新的价值网络。 如果这些成立，Kindred 就不是一个爆款项目。 而是一条新的数字文明基础设施。 这也是我持续关注它的原因。 Kindred Labs #kindred #KAITO
0:25

两个人不见面，不聊骚，不涉黄，不约会，不聊色的情况下，一个男的一个女的能聊多久？ 我长期观察 Kindred Labs ，有了一个清晰的判断。 它真正想解决的不是 AI 像不像人，也不是 IP 会不会火，而是一个更底层的问题，IP 在数字世界里，第一次拥有完整生命周期的数据主权。 现在大多数 IP 的命运都很相似。 被创作 被传播 被消费 被平台吃掉数据。 用户的情绪 行为 偏好 和记忆，全都留在平台，IP 本身却什么都带不走。 Kindred Labs 的核心改变在于，它把 IP 从一次性内容，变成一个持续运行的系统。 这个系统不是靠曝光驱动，而是靠关系驱动。 SATO 只是第一个被完整跑通的样本。 真正重要的不是它是蚂蚁，而是它作为一个可持续存在的 AI 实体，每天在和用户产生可记录 可学习 可累积的数据关系。 这点非常关键。 因为一旦 IP 拥有了长期连续的数据轨迹，它就不再只是形象，而是具备了状态 演化 和历史。 这在传统 IP 体系里是不存在的。 从技术角度看，Kindred 在做的是三件事的叠加。 第1️⃣：IP 的行为层被模块化，所有互动不再是一次性调用，而是状态更新。 第2️⃣：用户关系被本地化，IP 不依赖平台推荐生存，而是存在于用户设备。 第3️⃣：数据权属被重新定义，IP 的成长轨迹是可验证 可迁移的。 这三件事组合起来，本质上是在为 IP 构建一个类似账户系统的存在形式。 不是账号，不是 NFT，而是一个可以持续运行的智能体。 这也是为什么我不把 Kindred 看成 AI 产品公司。 它更像是在搭建一个IP 的操作系统。 未来每一个进入 Kindred 的 IP，本质上都是在接入同一套运行环境。 从这个角度看，SATO 的经济设计反而只是外层。 真正的价值在于，Kindred 已经证明了一件事。 IP 可以不依赖平台流量，也可以持续存在并扩展关系。 这对内容产业意味着什么。 意味着未来 IP 的估值不再只看曝光，而会开始看留存 看互动深度 看生命周期长度。 而这些指标，只有在 Kindred 这种系统里才成立。 很多人把 Kindred 和其他 AI 项目放在一起对比，其实是错位的。 它不是在比模型能力，而是在重写 IP 的存在方式。 从长期建设的角度，我更关心的是下一步。 当更多 IP 进入这套系统，IP 之间是否会产生协作。 用户是否会开始把时间分配给不同智能体。 以及这些关系是否会反过来形成新的价值网络。 如果这些成立，Kindred 就不是一个爆款项目。 而是一条新的数字文明基础设施。 这也是我持续关注它的原因。 Kindred Labs #kindred #KAITO

草帽 boy

565,946 views • 6 months ago

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型， 而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。 它不是再去造一个新的 Agent framework， 而是想把那些散落在各处的 SKILL.md， 变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是， 先把 skill 从零散文档里抽出来， 做成一个本地优先的共享 skill pool， 然后再按不同 Agent、不同框架去组合和分发。 这样一来，skill 就不再只是 prompt 附件， 而是开始变成真正可复用的能力基础设施。 说白了，它想推动的一件事就是： 让 Agent 的技能， 从“写一份文档自己用”， 变成“写一次，到处复用”。 我觉得这个方向很值得看。 因为当 skill 开始像包管理一样被组织起来， 多 Agent 工作流才会真正开始像工程系统， 而不是一堆 prompt 和脚本的临时拼装。 如果你在关注 AI Agent、Multi-Agent、技能复用， 或者正在想怎么管理越来越多的 SKILL.md， 这个项目值得研究一下。👇
0:21

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型， 而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。 它不是再去造一个新的 Agent framework， 而是想把那些散落在各处的 SKILL.md， 变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是， 先把 skill 从零散文档里抽出来， 做成一个本地优先的共享 skill pool， 然后再按不同 Agent、不同框架去组合和分发。 这样一来，skill 就不再只是 prompt 附件， 而是开始变成真正可复用的能力基础设施。 说白了，它想推动的一件事就是： 让 Agent 的技能， 从“写一份文档自己用”， 变成“写一次，到处复用”。 我觉得这个方向很值得看。 因为当 skill 开始像包管理一样被组织起来， 多 Agent 工作流才会真正开始像工程系统， 而不是一堆 prompt 和脚本的临时拼装。 如果你在关注 AI Agent、Multi-Agent、技能复用， 或者正在想怎么管理越来越多的 SKILL.md， 这个项目值得研究一下。👇

axiaisacat

46,274 views • 3 months ago

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。 在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。 这真的很糟糕。 问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。 我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。 我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。 我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。 我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。 虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。 比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。 因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规 模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。 这真是太棒了，对吧？ 因此，我认为开源有多种方式可以对我们有所帮助。 一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。 但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。 来源：
4:08

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。 在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。 这真的很糟糕。 问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。 我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。 我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。 我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。 我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。 虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。 比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。 因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规 模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。 这真是太棒了，对吧？ 因此，我认为开源有多种方式可以对我们有所帮助。 一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。 但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。 来源：

宝玉

74,721 views • 2 years ago

卧槽 牛P了 Anthropic 推出 Claude Cowork 大众版 Claude Code 为了让普通用户（不仅是开发者）也能像使用 Claude Code 那样，操控电脑里的文件进行工作和执行任务。 他们基于 Claude Code 的底层能力，重新设计了一个更直观、更简单易用的版本：Cowork Cowork 的核心机制：Claude 拿到“动手权” 你可以让 Claude 访问你电脑中的一个文件夹。 一旦你授权，它就可以在那个范围内： 读取文件：看懂里面的内容； 编辑文件：修改或补充； 创建文件：从零生成新的文档； 整理文件：例如自动分类、重命名、清理下载文件夹。 举个例子： 你有几十张发票截图散落在下载文件夹里， Cowork 可以识别这些截图中的文字，提取出金额和日期， 再帮你生成一份 Excel 表格列出所有支出。 和普通 Claude 聊天有何不同？ 普通 Claude 是“对话式”的，它只会输出文本回答。 Cowork 则是“执行式”的：它会真正动手完成任务。 比如你说： “请帮我整理这个资料夹，把文档按年份和主题分类。” Claude 会： 制定一份行动计划； 通知你它将要执行的步骤； 逐步完成； 期间实时汇报进度； 等待你确认下一步。 这让它的体验更像与一个“能干事”的同事协作，而不是一个聊天机器人。
1:08

卧槽 牛P了 Anthropic 推出 Claude Cowork 大众版 Claude Code 为了让普通用户（不仅是开发者）也能像使用 Claude Code 那样，操控电脑里的文件进行工作和执行任务。 他们基于 Claude Code 的底层能力，重新设计了一个更直观、更简单易用的版本：Cowork Cowork 的核心机制：Claude 拿到“动手权” 你可以让 Claude 访问你电脑中的一个文件夹。 一旦你授权，它就可以在那个范围内： 读取文件：看懂里面的内容； 编辑文件：修改或补充； 创建文件：从零生成新的文档； 整理文件：例如自动分类、重命名、清理下载文件夹。 举个例子： 你有几十张发票截图散落在下载文件夹里， Cowork 可以识别这些截图中的文字，提取出金额和日期， 再帮你生成一份 Excel 表格列出所有支出。 和普通 Claude 聊天有何不同？ 普通 Claude 是“对话式”的，它只会输出文本回答。 Cowork 则是“执行式”的：它会真正动手完成任务。 比如你说： “请帮我整理这个资料夹，把文档按年份和主题分类。” Claude 会： 制定一份行动计划； 通知你它将要执行的步骤； 逐步完成； 期间实时汇报进度； 等待你确认下一步。 这让它的体验更像与一个“能干事”的同事协作，而不是一个聊天机器人。

小互

119,814 views • 5 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 • 24 days ago

我用Codex重建了自己的知识库，发现一件事： 大多数人的Obsidian，本质上是个高级剪贴板。 笔记存进去，就再也没出来过。 问题不在工具，在于缺了一个会”思考”的中间层。 Codex的出现，补上了这个缺口。 它不是另一个AI聊天框，而是OpenAI专门为知识工作设计的编码代理——能读懂你的文件结构，能跨文档检索，能把零散的信息片段重新组织成有逻辑的输出。 接入Obsidian之后，发生了什么变化？ 以前：我记录一篇投资笔记，它就躺在某个文件夹里。 现在：Codex能跨越我三年积累的vault，把巴菲特笔记、行业分析、个人反思串联起来，给我一个没想到的视角。 这不是搜索，是知识的重新激活。 本教程会手把手带你完成三件事： 一、配置Codex读取本地Obsidian vault的权限和路径； 二、建立让AI真正”看懂”你笔记的文件命名与标签规范； 三、设计5个高频prompt模板，让Codex帮你做知识综合、生成MOC（内容地图）、以及输出可直接发布的内容草稿。 适合有Obsidian使用基础、对AI工作流感兴趣、但还没找到高效接入方式的知识工作者。 跟着视频做一遍，你的vault会第一次真正”活”起来。
13:22

我用Codex重建了自己的知识库，发现一件事： 大多数人的Obsidian，本质上是个高级剪贴板。 笔记存进去，就再也没出来过。 问题不在工具，在于缺了一个会”思考”的中间层。 Codex的出现，补上了这个缺口。 它不是另一个AI聊天框，而是OpenAI专门为知识工作设计的编码代理——能读懂你的文件结构，能跨文档检索，能把零散的信息片段重新组织成有逻辑的输出。 接入Obsidian之后，发生了什么变化？ 以前：我记录一篇投资笔记，它就躺在某个文件夹里。 现在：Codex能跨越我三年积累的vault，把巴菲特笔记、行业分析、个人反思串联起来，给我一个没想到的视角。 这不是搜索，是知识的重新激活。 本教程会手把手带你完成三件事： 一、配置Codex读取本地Obsidian vault的权限和路径； 二、建立让AI真正”看懂”你笔记的文件命名与标签规范； 三、设计5个高频prompt模板，让Codex帮你做知识综合、生成MOC（内容地图）、以及输出可直接发布的内容草稿。 适合有Obsidian使用基础、对AI工作流感兴趣、但还没找到高效接入方式的知识工作者。 跟着视频做一遍，你的vault会第一次真正”活”起来。

概率鹿梦｜AI Wealth Edge

26,798 views • 9 days ago

联网、计算、搜索、Function Call…都来了。 今晚偷偷更新了 9000 多行代码，在这个版本中我们上线了智聊™️能力。它实际上是一个 Agent 开发的实验平台，接下来我们会开放接入插件、数据库…或各种有想象力的东西。这一切都是开源的。Agent 编排和 API 的能力开放之后，会让前端应用与 Prompt 的解耦真正成为可能，大大减少 LLM 应用的开发成本。
0:37

联网、计算、搜索、Function Call…都来了。 今晚偷偷更新了 9000 多行代码，在这个版本中我们上线了智聊™️能力。它实际上是一个 Agent 开发的实验平台，接下来我们会开放接入插件、数据库…或各种有想象力的东西。这一切都是开源的。Agent 编排和 API 的能力开放之后，会让前端应用与 Prompt 的解耦真正成为可能，大大减少 LLM 应用的开发成本。

Luyu Zhang

47,103 views • 2 years ago

Vercel 又推出了 AI Element 基于 shadcn/ui 的一系列和 AI 相关的 React 组件，非常棒。包含一系列常用场景的组件， 让我惊喜的是组件粒度非常细，还有Reasoning ， Task，WebPreivew 等等。 结合 Vercel 的 AI SDK 这些和 AI 相关的需求都齐活了，而且 API 设计的非常舒服 有了这两个，写 Chatbot 要轻松非常多了，真的想写一个基于这两个的轻量级的 Chatbot 了（只是设想啊，这玩意儿坑太多了），数据完全离线，插件化设计，可自定义的主题等等。
0:33

Vercel 又推出了 AI Element 基于 shadcn/ui 的一系列和 AI 相关的 React 组件，非常棒。包含一系列常用场景的组件， 让我惊喜的是组件粒度非常细，还有Reasoning ， Task，WebPreivew 等等。 结合 Vercel 的 AI SDK 这些和 AI 相关的需求都齐活了，而且 API 设计的非常舒服 有了这两个，写 Chatbot 要轻松非常多了，真的想写一个基于这两个的轻量级的 Chatbot 了（只是设想啊，这玩意儿坑太多了），数据完全离线，插件化设计，可自定义的主题等等。

Viking

20,778 views • 9 months ago

现阶段AI做PPT的最强实践，只需要一个Codex就足够了，十分钟创建一个精美的PPT。 Codex+Image 2 + Presentations 插件，一个指挥、一个设计模板、一个实践输出PPT。 可以指定生成多种风格，视频里面我只让它生成了四种，最主要的是它的每一个文字、图片、元素都是可编辑的这才是最主要的！
7:49

现阶段AI做PPT的最强实践，只需要一个Codex就足够了，十分钟创建一个精美的PPT。 Codex+Image 2 + Presentations 插件，一个指挥、一个设计模板、一个实践输出PPT。 可以指定生成多种风格，视频里面我只让它生成了四种，最主要的是它的每一个文字、图片、元素都是可编辑的这才是最主要的！

小墨同学

64,210 views • 1 month ago

很难相信像 Screenity 这样的录屏软件竟然只是一个 Chrome 插件 开源免费，并且基本上该有的功能都有了 唯一局限性在于只能用来演示单个 tab 页，但是轻量级使用是很不错的
0:36

很难相信像 Screenity 这样的录屏软件竟然只是一个 Chrome 插件 开源免费，并且基本上该有的功能都有了 唯一局限性在于只能用来演示单个 tab 页，但是轻量级使用是很不错的

Justin

34,705 views • 11 months ago

Reddit的联合创始人承认： 我们最初的用户，基本上是伪造的。 怎么伪造？ 就是他和另一个创始人Steve，用不同的用户名不断发帖。 最开始那几个礼拜，网站上99%的帖子都是他们俩自己发的。 先创造出一个“很多人在用”的假象。 等真实的用户进来，看到一个热闹的社区，自然就留下了。 这就是硅谷著名的增长黑客策略：“Fake it till you make it”。 先用欺骗手段制造繁荣，再用繁荣吸引真实用户。 这套玩法是不是很熟悉？ 从伪造用户数据开始，到后来审查言论、操纵信息流、人为设定“社区标准”。 控制叙事的基因，从第一天就写在代码里了。 一个社区的根基如果是建立在精心设计的假象之上，那么它后来所标榜的“开放”和“真实”有多少可信度？ 当一个平台从诞生之初就在操纵用户观感，我们又该如何看待它今天呈现给我们的内容？ 这仅仅是一个创业故事，还是一种系统性欺骗的开端？
0:21

Reddit的联合创始人承认： 我们最初的用户，基本上是伪造的。 怎么伪造？ 就是他和另一个创始人Steve，用不同的用户名不断发帖。 最开始那几个礼拜，网站上99%的帖子都是他们俩自己发的。 先创造出一个“很多人在用”的假象。 等真实的用户进来，看到一个热闹的社区，自然就留下了。 这就是硅谷著名的增长黑客策略：“Fake it till you make it”。 先用欺骗手段制造繁荣，再用繁荣吸引真实用户。 这套玩法是不是很熟悉？ 从伪造用户数据开始，到后来审查言论、操纵信息流、人为设定“社区标准”。 控制叙事的基因，从第一天就写在代码里了。 一个社区的根基如果是建立在精心设计的假象之上，那么它后来所标榜的“开放”和“真实”有多少可信度？ 当一个平台从诞生之初就在操纵用户观感，我们又该如何看待它今天呈现给我们的内容？ 这仅仅是一个创业故事，还是一种系统性欺骗的开端？

墓碑科技

157,268 views • 7 months ago