Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

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

116,064 subscribers

57,665 görüntüleme • 8 ay önce •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

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

42,330 görüntüleme • 5 ay önce

花了一天时间用 DeepSeek Harness 的插件做了一个内容管理的工作台，之前一直想做但是感觉没那么刚需，但是看到 DeepSeek Harness 的插件拓展性那么强，而且很多原本预想和 Agent 联动的地方开发成本都很低。 这次的插件并没有使用 DeepSeek 的创造模式，而是用 Grok 4.6 开发的，DeepSeek v4 pro 相对来说还是差点意思，没办法那么快的实现我的定制化需求。 整体来说，现在我的内容管理已经比之前方便了不少，很多固定的工作流我也不用老是去 CodeX 新开话题执行了，而且最主要是之前我总是得。复制视频工程的路径，或者去，复制视频的路径来告诉 Codex 具体的文件位置，现在整体使用下来会减少很多文件和 Agent 之间切换的成本。 这次开发过程中我顺便实现了一个用于给其他 Agent 开发 DeepSeek 插件时可以使用的 Skill： 希望对大家有帮助～
3:26

花了一天时间用 DeepSeek Harness 的插件做了一个内容管理的工作台，之前一直想做但是感觉没那么刚需，但是看到 DeepSeek Harness 的插件拓展性那么强，而且很多原本预想和 Agent 联动的地方开发成本都很低。 这次的插件并没有使用 DeepSeek 的创造模式，而是用 Grok 4.6 开发的，DeepSeek v4 pro 相对来说还是差点意思，没办法那么快的实现我的定制化需求。 整体来说，现在我的内容管理已经比之前方便了不少，很多固定的工作流我也不用老是去 CodeX 新开话题执行了，而且最主要是之前我总是得。复制视频工程的路径，或者去，复制视频的路径来告诉 Codex 具体的文件位置，现在整体使用下来会减少很多文件和 Agent 之间切换的成本。 这次开发过程中我顺便实现了一个用于给其他 Agent 开发 DeepSeek 插件时可以使用的 Skill： 希望对大家有帮助～

oil-oil

23,013 görüntüleme • 1 ay önce

15 张数据图帮你了解 DeepSeek Harness 昨天 DeepSeek Harness 发布，于是就想着让 Codex 分析一下，找到了一个很好的角度，就是从一些数据上向大家介绍这个产品。 确实也发现了一些很有意思的东西： 插件系统与 Koishi 高度相似： 他们主打的插件系统与 Koishi 的插件平台相似度高达 75%。大概率是整个平台都挪过来了，不知道是不是他们的核心开发者入职了。 大量使用 AI 开发： Codex 命名的主干 PR 达到了 21.2%，分支信息中提到 Codex 的比例有 28.2%。 猜测他们肯定用了 Claude Code 开发，只是删掉了一些 Claude 的痕迹。 参考了大量外部 Agent 项目： 提到最多的外部项目是 Pi，第二多的是 Codex，之后是 Claude Code。甚至直接引用了一些 Pi 的 TypeScript 文件。 高效的代码产出： 整个产品在 GitHub 上有记录的是 65 天，总共的代码产出量是 84 万行，有一万多个 commit，非常高效。 交互入口的演变： 他们曾经押注 TUI，后来改成 Web UI 和 TUI 的双入口，再之后整个删除了所有的 TUI，只留下了 Web UI。 开发与工程规范： 整个项目的测试代码比生产代码多很多，基本上达到了 1:1。 全仓库的 Markdown 文档也非常多，说明他们是基于文档去控制 Harness 开发的。他们有完整的工具和科学模型 schema 共 52 个，但最后只留下了一个，目的是为了减少上下文占用。 社区热度与生态：从昨天发布到现在 20 小时，GitHub 已经涨到了 8 万多的 star，非常快。插件体系标签（DSH plugin）已经有 1425 个项目，但有很多并不是真正的插件，看来有不少蹭热度的。 精选清单收录了 211 个仓库，主要补充的是工具、UI 和运行的一些基础设施，甚至一上来就出现了插件市场和插件管理的插件。 学术论文： 他们顺便发了一篇 88 页的论文，其中 57% 都在做一些形式化的理论推导和展示。论文主要讨论的是插件的热插拔和系统稳定性问题。
1:36

15 张数据图帮你了解 DeepSeek Harness 昨天 DeepSeek Harness 发布，于是就想着让 Codex 分析一下，找到了一个很好的角度，就是从一些数据上向大家介绍这个产品。 确实也发现了一些很有意思的东西： 插件系统与 Koishi 高度相似： 他们主打的插件系统与 Koishi 的插件平台相似度高达 75%。大概率是整个平台都挪过来了，不知道是不是他们的核心开发者入职了。 大量使用 AI 开发： Codex 命名的主干 PR 达到了 21.2%，分支信息中提到 Codex 的比例有 28.2%。 猜测他们肯定用了 Claude Code 开发，只是删掉了一些 Claude 的痕迹。 参考了大量外部 Agent 项目： 提到最多的外部项目是 Pi，第二多的是 Codex，之后是 Claude Code。甚至直接引用了一些 Pi 的 TypeScript 文件。 高效的代码产出： 整个产品在 GitHub 上有记录的是 65 天，总共的代码产出量是 84 万行，有一万多个 commit，非常高效。 交互入口的演变： 他们曾经押注 TUI，后来改成 Web UI 和 TUI 的双入口，再之后整个删除了所有的 TUI，只留下了 Web UI。 开发与工程规范： 整个项目的测试代码比生产代码多很多，基本上达到了 1:1。 全仓库的 Markdown 文档也非常多，说明他们是基于文档去控制 Harness 开发的。他们有完整的工具和科学模型 schema 共 52 个，但最后只留下了一个，目的是为了减少上下文占用。 社区热度与生态：从昨天发布到现在 20 小时，GitHub 已经涨到了 8 万多的 star，非常快。插件体系标签（DSH plugin）已经有 1425 个项目，但有很多并不是真正的插件，看来有不少蹭热度的。 精选清单收录了 211 个仓库，主要补充的是工具、UI 和运行的一些基础设施，甚至一上来就出现了插件市场和插件管理的插件。 学术论文： 他们顺便发了一篇 88 页的论文，其中 57% 都在做一些形式化的理论推导和展示。论文主要讨论的是插件的热插拔和系统稳定性问题。

歸藏(guizang.ai)

16,428 görüntüleme • 1 ay önce

deepseek-harness重磅开源，采用了一切皆插件的架构，也就是中国版的openclaw，体验了下可以称之为私有化的workbuddy。 场景侧冲击：有了deepseek-harness之后，企业域的私有化code、cowork基本用这个就可以了，直接会冲击workbuddy之类的市场。 之前DeepSeek Harness内测招募，本质是一次开源 Agent 生态大摸底，把全球 Agent 基础设施的家底扫了一遍后，预计后续版本应该会在开放生态上做一些事情。 dsh看点不在"又一个 Claude Code"，有3个看点： 1️⃣ 一切皆插件 模型、工具、skill、会话、沙箱、存储、主循环、调度，连 UI 都是插件，配置里全都可换，不动源码。四种运行模式里最有意思的是 Minimal——只留一个 bash 和一个文件编辑器，摆明了是给模型做裸机 benchmark 的。 2️⃣ 每一次运行都可回放 系统提示、推理过程、工具调用与结果、子 agent 调度、所有 context 注入，全部进 append-only 的 session log，resume / fork / search / replay 都跑在同一条事件流上。 3️⃣ 最狠的是内核 dsh 跑在 Cordis 上，它把插件系统拆成两个正交维度：时间可组合性：卸载一个组件时副作用能完整回滚（每个 context 变换都带一个逆，运行时来追踪）；空间可组合性：依赖可声明、且 context 一变就反向通知组件。还给了一套动态组合的演算，证明这个性质能从单个组件传导到整个系统。 总的来说，这次deepseek-harness最大的特点是极致的可替换性，也就是用最小的基础来承载，然后其他都是可插拔的插头。 #DeepSeek #harness #Cordis #编程范式 #北大 #开源
2:15

deepseek-harness重磅开源，采用了一切皆插件的架构，也就是中国版的openclaw，体验了下可以称之为私有化的workbuddy。 场景侧冲击：有了deepseek-harness之后，企业域的私有化code、cowork基本用这个就可以了，直接会冲击workbuddy之类的市场。 之前DeepSeek Harness内测招募，本质是一次开源 Agent 生态大摸底，把全球 Agent 基础设施的家底扫了一遍后，预计后续版本应该会在开放生态上做一些事情。 dsh看点不在"又一个 Claude Code"，有3个看点： 1️⃣ 一切皆插件 模型、工具、skill、会话、沙箱、存储、主循环、调度，连 UI 都是插件，配置里全都可换，不动源码。四种运行模式里最有意思的是 Minimal——只留一个 bash 和一个文件编辑器，摆明了是给模型做裸机 benchmark 的。 2️⃣ 每一次运行都可回放 系统提示、推理过程、工具调用与结果、子 agent 调度、所有 context 注入，全部进 append-only 的 session log，resume / fork / search / replay 都跑在同一条事件流上。 3️⃣ 最狠的是内核 dsh 跑在 Cordis 上，它把插件系统拆成两个正交维度：时间可组合性：卸载一个组件时副作用能完整回滚（每个 context 变换都带一个逆，运行时来追踪）；空间可组合性：依赖可声明、且 context 一变就反向通知组件。还给了一套动态组合的演算，证明这个性质能从单个组件传导到整个系统。 总的来说，这次deepseek-harness最大的特点是极致的可替换性，也就是用最小的基础来承载，然后其他都是可插拔的插头。 #DeepSeek #harness #Cordis #编程范式 #北大 #开源

AIGCLINK

39,274 görüntüleme • 1 ay önce

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 🍓

56,810 görüntüleme • 2 yıl önce

卧槽 ！这个项目可以啊！ 又一个完整的AI视频创作平台开源了，前后端都是MIT协议。 Magiviz把“写剧本 → 定角色 → 画分镜 → 生成视频 → 成片”做成了全流程AI工作流，最长支持生成60秒视频，内置12种主流视频模型。 作者说好开源就开源，代码已经全部放出来。 现在做AI视频工具的人越来越多，但能把从剧本到成片的完整链路开源出来的还不多。 对想自建或二次开发视频生成系统的人来说，这是一个可以直接上手的基础。 创作精良的1080可以看看那个五折的平台搞一下！ 多个选择！ 开源视频工作流正在从单点模型，走向完整可复用的创作平台。 你会考虑基于它二次开发自己的视频工具吗？ 项目地址见原贴👇
0:30

卧槽 ！这个项目可以啊！ 又一个完整的AI视频创作平台开源了，前后端都是MIT协议。 Magiviz把“写剧本 → 定角色 → 画分镜 → 生成视频 → 成片”做成了全流程AI工作流，最长支持生成60秒视频，内置12种主流视频模型。 作者说好开源就开源，代码已经全部放出来。 现在做AI视频工具的人越来越多，但能把从剧本到成片的完整链路开源出来的还不多。 对想自建或二次开发视频生成系统的人来说，这是一个可以直接上手的基础。 创作精良的1080可以看看那个五折的平台搞一下！ 多个选择！ 开源视频工作流正在从单点模型，走向完整可复用的创作平台。 你会考虑基于它二次开发自己的视频工具吗？ 项目地址见原贴👇

Berryxia.AI

22,893 görüntüleme • 1 ay önce

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

109,149 görüntüleme • 3 ay önce

Codex 好像终于把插件的 Widget 也开放给第三方开发者了，现在可以像官方插件一样直接打开一个专属于这个插件的操作界面了。 之前 Cowart 用内置浏览器什么都好就是不能实现网页内的交互可以向 Codex 主对话发送提示，但如果是放在 Widget 里就支持这个协议了。 目前官方的开发者文档里还没介绍这部分，但可以直接让Codex 参考官方插件 Creative Production 来做了。
0:27

Codex 好像终于把插件的 Widget 也开放给第三方开发者了，现在可以像官方插件一样直接打开一个专属于这个插件的操作界面了。 之前 Cowart 用内置浏览器什么都好就是不能实现网页内的交互可以向 Codex 主对话发送提示，但如果是放在 Widget 里就支持这个协议了。 目前官方的开发者文档里还没介绍这部分，但可以直接让Codex 参考官方插件 Creative Production 来做了。

钟二信

23,961 görüntüleme • 3 ay önce

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

59,702 görüntüleme • 6 ay önce

《用ChatGPT API构建系统》课程简介 吴恩达：欢迎参加关于使用ChatGPT API构建系统的课程。 之前，Isa和我介绍了如何提示（Prompt）ChatGPT的课程。 但是一个系统需要的远不止一个提示（Prompt）或一个对LLM（大型语言模型）的调用。 在这个短期课程中，我们想和您分享使用LLM构建复杂应用程序的最佳实践。 Isa：我们将以构建一个端到端的客户服务辅助系统为例，该系统将多个调用链接到语言模型， 根据前一个调用的输出使用不同的指令，有时甚至从外部来源查找信息。 例如，对于用户输入的“告诉我有哪些电视出售”，我们将使用以下步骤来处理。 首先，您可以评估输入以确保其不包含任何有问题的内容，例如仇恨言论。 接下来，系统将处理输入。它将确定这是哪种类型的查询。 这是一个投诉还是产品信息请求等？ 一旦确定这是一个产品查询，它将检索有关电视的相关信息，并使用语言模型编写一个有帮助的回答。 最后，你需要检查输出内容，确保没有问题，比如不准确或不适当的答案。 吴恩达：在这门课程中，你会发现一个主题，那就是一个应用程序通常需要多个对最终用户不可见的内部步骤。 你通常希望按顺序处理用户输入，经过多个步骤才能得到最终显示给用户的输出。 当你使用LLM构建复杂系统时，从长远来看，你通常还希望不断改进系统。 因此，我还将与您分享开发基于LLM的应用程序的过程感受以及评估和改进系统的最佳实践。 我们感谢许多为这门短期课程做出贡献的人。 在OpenAI方面，我们感谢Andrew Kondrich、Joe Palermo、Boris Power和Ted Sanders。 来自 Ladwig、Eddy Shyu和Tommy Nelson。 Isa：通过这门短期课程，我们希望你能够对自己建立一个复杂的多步应用程序的能力充满信心， 并且能够维护和不断改进它。 让我们开始吧。
2:20

《用ChatGPT API构建系统》课程简介 吴恩达：欢迎参加关于使用ChatGPT API构建系统的课程。 之前，Isa和我介绍了如何提示（Prompt）ChatGPT的课程。 但是一个系统需要的远不止一个提示（Prompt）或一个对LLM（大型语言模型）的调用。 在这个短期课程中，我们想和您分享使用LLM构建复杂应用程序的最佳实践。 Isa：我们将以构建一个端到端的客户服务辅助系统为例，该系统将多个调用链接到语言模型， 根据前一个调用的输出使用不同的指令，有时甚至从外部来源查找信息。 例如，对于用户输入的“告诉我有哪些电视出售”，我们将使用以下步骤来处理。 首先，您可以评估输入以确保其不包含任何有问题的内容，例如仇恨言论。 接下来，系统将处理输入。它将确定这是哪种类型的查询。 这是一个投诉还是产品信息请求等？ 一旦确定这是一个产品查询，它将检索有关电视的相关信息，并使用语言模型编写一个有帮助的回答。 最后，你需要检查输出内容，确保没有问题，比如不准确或不适当的答案。 吴恩达：在这门课程中，你会发现一个主题，那就是一个应用程序通常需要多个对最终用户不可见的内部步骤。 你通常希望按顺序处理用户输入，经过多个步骤才能得到最终显示给用户的输出。 当你使用LLM构建复杂系统时，从长远来看，你通常还希望不断改进系统。 因此，我还将与您分享开发基于LLM的应用程序的过程感受以及评估和改进系统的最佳实践。 我们感谢许多为这门短期课程做出贡献的人。 在OpenAI方面，我们感谢Andrew Kondrich、Joe Palermo、Boris Power和Ted Sanders。 来自 Ladwig、Eddy Shyu和Tommy Nelson。 Isa：通过这门短期课程，我们希望你能够对自己建立一个复杂的多步应用程序的能力充满信心， 并且能够维护和不断改进它。 让我们开始吧。

宝玉

35,535 görüntüleme • 3 yıl önce

Codex很少人会去了解的设置，Skill和插件。但是基本上我们每天都在使用。 简单介绍了Skill和插件的作用，讲解了然后使用和安装新的插件，根据自己的需求创造一个属于自己的Skill。 其实玩AI有时候就是这么简单，只需要动手指就能构建一些属于你自己的东西
2:47

Codex很少人会去了解的设置，Skill和插件。但是基本上我们每天都在使用。 简单介绍了Skill和插件的作用，讲解了然后使用和安装新的插件，根据自己的需求创造一个属于自己的Skill。 其实玩AI有时候就是这么简单，只需要动手指就能构建一些属于你自己的东西

小墨同学

11,702 görüntüleme • 4 ay önce

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

348,541 görüntüleme • 2 yıl önce

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 görüntüleme • 3 yıl önce

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

比克大魔王

571,903 görüntüleme • 9 ay önce

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 görüntüleme • 2 yıl önce

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

46,330 görüntüleme • 6 ay önce

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 görüntüleme • 8 ay önce