Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

✨ 发布 Devv Agent Devv Agent 可以提供更准确、更详细的回答，它会理解你的需求，并分解任务，最终输出一个详尽的答案。 Devv Agent 底层基于的是 Multi-agent 的架构，根据不同的需求场景，会采用不同的 Agent 和语言模型。 👇

Jiayuan (JY) Zhang

107,884 subscribers

144,340 Aufrufe • vor 2 Jahren •via X (Twitter)

Wissenschaft & Technologie Nachrichten & Politik Bildung

Anya Rossi• Live Now

Private livecam show

10 Kommentare

Profilbild von jiayuan

jiayuanvor 2 Jahren

我们同步推出了 Devv Pro 的付费版本，付费用户可以： - 无限制的搜索次数 - 使用 Agent Mode 来提升准确性 - 生成内容会采用更高级的模型 (GPT-4, Claude, 以及 Mistral-Large) - GitHub 集成 (即将发布) 现在正在早鸟价阶段，在 4/1 号前订阅的用户可以永久使用当前的价格来续费，月费 20% 折扣，年费 40% 折扣。同时，我们也针对没有信用卡的用户提供了一次性付费的选项。

Profilbild von invis sprints

invis sprintsvor 2 Jahren

棒！有学生优惠吗？最近发现devv在通用领域的搜索也很能打

Profilbild von jiayuan

jiayuanvor 2 Jahren

not yet，但是有这个计划，未来可能会有针对 students 和 open source contributor 的 discount plan。

Profilbild von neilbb

neilbbvor 2 Jahren

@readwise save thread

Profilbild von tambition

tambitionvor 2 Jahren

请问下 demo 的视频通过什么工具做的呢？

Profilbild von jiayuan

jiayuanvor 2 Jahren

@screenstudio

Profilbild von 11ze

11zevor 2 Jahren

请问我现在订阅，在 4 月 1 日后没续上，有一天想续，还是优惠价格吗

Profilbild von jiayuan

jiayuanvor 2 Jahren

不是了，仅支持连续订阅的用户。

Profilbild von Daniel Jewel

Daniel Jewelvor 2 Jahren

能加入中国人民币CNY吗？接入微信或者支付宝换算。美元这种不方便。

Profilbild von Nap

Napvor 2 Jahren

这和chatgpt的差别是啥？用简单的语言回答

Ähnliche Videos

感觉跟 Alma 的 Agent Crew 功能差不多，Alma 提供了一些内置的 Agent，同时用户也可以添加 Custom Agent。每个 Agent 都可以指定： 1. 不同的模型/ACP 2. 不同的视角 3. 不同的工具遇到复杂任务时，系统会自动使用 Agent Crew 拆分和分发给不同的 Agent 去完成整个任务。

感觉跟 Alma 的 Agent Crew 功能差不多，Alma 提供了一些内置的 Agent，同时用户也可以添加 Custom Agent。每个 Agent 都可以指定： 1. 不同的模型/ACP 2. 不同的视角 3. 不同的工具遇到复杂任务时，系统会自动使用 Agent Crew 拆分和分发给不同的 Agent 去完成整个任务。

yetone

22,177 Aufrufe • vor 5 Monaten

发布 Devv Builder (Beta) → Devv Builder 相当于是后端版本的 v0 / bolt，可以把它当作是你的后端工程师。 1. 输入你的需求 2. Devv 会帮助你生成所有后端代码 3. 自动部署，立刻获得一个可用的 API 服务目前还是 Beta 版本，欢迎大家体验 & 反馈。

发布 Devv Builder (Beta) → Devv Builder 相当于是后端版本的 v0 / bolt，可以把它当作是你的后端工程师。 1. 输入你的需求 2. Devv 会帮助你生成所有后端代码 3. 自动部署，立刻获得一个可用的 API 服务目前还是 Beta 版本，欢迎大家体验 & 反馈。

加元 | Jiayuan

37,293 Aufrufe • vor 1 Jahr

🚀太强了！Claude Code 现在可以控制 Workflow 的规模了。目前一共有 4 个选项： unrestricted：不限制规模，由 Claude 根据任务复杂度自行决定 small：少于 5 个 Agent medium：少于 15 个 Agent，也是默认选项 large：少于 50 个 Agent 需要注意的是，这些更像是“规模建议”，而不是硬性上限。如果你的 Prompt 明确要求使用不同数量的 Agent，Claude 仍然可能覆盖当前设置，采用更适合任务的规模。对于担心 Workflow 开太多 Agent、消耗过高，或者想控制执行复杂度的人来说，这个功能非常实用。 #ClaudeCode #Workflows

🚀太强了！Claude Code 现在可以控制 Workflow 的规模了。目前一共有 4 个选项： unrestricted：不限制规模，由 Claude 根据任务复杂度自行决定 small：少于 5 个 Agent medium：少于 15 个 Agent，也是默认选项 large：少于 50 个 Agent 需要注意的是，这些更像是“规模建议”，而不是硬性上限。如果你的 Prompt 明确要求使用不同数量的 Agent，Claude 仍然可能覆盖当前设置，采用更适合任务的规模。对于担心 Workflow 开太多 Agent、消耗过高，或者想控制执行复杂度的人来说，这个功能非常实用。 #ClaudeCode #Workflows

AI超元域

15,061 Aufrufe • vor 1 Monat

Kimi新出的K2.5模型（应该）是目前最强国产模型，极其全能。伴随新模型一起发布的，还有Agent集群功能。在K2.5的驱动下，Agent集群能根据你的需求即时生成多个Agent，并且并行运作。注意，是即时生成，不是那种预先设定好的。如果你是Kimi会员的话，请马上就去试试！

Kimi新出的K2.5模型（应该）是目前最强国产模型，极其全能。伴随新模型一起发布的，还有Agent集群功能。在K2.5的驱动下，Agent集群能根据你的需求即时生成多个Agent，并且并行运作。注意，是即时生成，不是那种预先设定好的。如果你是Kimi会员的话，请马上就去试试！

huangyihe

15,631 Aufrufe • vor 7 Monaten

两年前，我们发布了 Devv Search，过去一年多的时间里，我们帮助了超过 70 万的开发者解决了数千万的编程问题。今天，我们用这些经验构建了全新的 Devv：一个帮助你构建 AI 产品的 Coding Agent。评论 DEVV 来获取免费的 credits。

两年前，我们发布了 Devv Search，过去一年多的时间里，我们帮助了超过 70 万的开发者解决了数千万的编程问题。今天，我们用这些经验构建了全新的 Devv：一个帮助你构建 AI 产品的 Coding Agent。评论 DEVV 来获取免费的 credits。

Jiayuan (JY) Zhang

71,647 Aufrufe • vor 1 Jahr

通用Agent，测了，设计Agent，测了，视频Agent，测了，能无丝分裂出Agent的母体Agent，今天刚测完🙀 MasterAgent, 它的核心玩法就是通过我的任务提示语反推，能解决这个任务都需要有什么样的能力，然后生成多个Agent，以及对应的工作流。生成后的AI团队还可以手动加人（Agent），手动给人换okr（提示语）。 Agent for Agents （1/6）

通用Agent，测了，设计Agent，测了，视频Agent，测了，能无丝分裂出Agent的母体Agent，今天刚测完🙀 MasterAgent, 它的核心玩法就是通过我的任务提示语反推，能解决这个任务都需要有什么样的能力，然后生成多个Agent，以及对应的工作流。生成后的AI团队还可以手动加人（Agent），手动给人换okr（提示语）。 Agent for Agents （1/6）

卡尔的AI沃茨

34,527 Aufrufe • vor 1 Jahr

熟悉Prompt的同学们应该都知道，通常在写Prompt的时候要先设定角色：“你是XX方面的专家”，这并非玄学，而是有科学根据的。 GPT在训练的时候，有各种训练数据，有的质量高有的质量低，而默认情况下，生成高质量数据和低质量数据的概率差不多，但是当你给它设定XX专家的角色时，它会尽可能把概率分布在高质量的解决方案上。详细内容建议看下面这段Andrej Karpathy在State of GPT中的一段演讲。以下是这段视频的文字文字内容： ---------- 下面我要讲的这点对LLM的理解非常有趣，我觉得这算是LLM的一种心理特性：LLM并不追求成功，而是追求模仿。你希望它成功，那就需要向它明确要求。这里的意思是，在训练Transformer的过程中，它们有各种训练集，而这些训练数据中可能涵盖了各种不同质量的表现。比如，可能有一个关于物理问题的提示，然后可能有学生的解答完全错误，但也可能有专家的答案完全正确。尽管Transformer可以识别出低质量的解决方案和高质量的解决方案，但默认情况下，它们只会模仿所有的数据，因为它们仅仅是基于语言模型进行训练的。在实际测试中，你其实需要明确要求它表现得好。在这篇论文的实验中，他们尝试了各种提示。例如，“让我们逐步思考”这种提示就很有效，因为它把推理过程分散到了许多记号上。但效果更好的是这样的提示：“让我们以一步一步的方式解决问题，以确保我们得到正确的答案。” 这就好像是在引导Transformer去得出正确的答案，这会使Transformer的表现更好，因为此时Transformer不再需要把它的概率质量分散到低质量的解决方案上，尽管这听起来很荒谬。基本上，你可以自由地要求一个高质量的解决方案。比如，你可以告诉它，“你是这个话题的领先专家。假装你的智商是120。” 但不要尝试要求太高的智商，因为如果你要求智商400，可能就超出了数据分布的范围，更糟糕的是，你可能落入了类似科幻内容的数据分布，它可能会开始展现一些科幻的，或者说角色扮演类的东西。所以，你需要找到适合的智商要求。我想这可能是一个U型曲线的关系。

熟悉Prompt的同学们应该都知道，通常在写Prompt的时候要先设定角色：“你是XX方面的专家”，这并非玄学，而是有科学根据的。 GPT在训练的时候，有各种训练数据，有的质量高有的质量低，而默认情况下，生成高质量数据和低质量数据的概率差不多，但是当你给它设定XX专家的角色时，它会尽可能把概率分布在高质量的解决方案上。详细内容建议看下面这段Andrej Karpathy在State of GPT中的一段演讲。以下是这段视频的文字文字内容： ---------- 下面我要讲的这点对LLM的理解非常有趣，我觉得这算是LLM的一种心理特性：LLM并不追求成功，而是追求模仿。你希望它成功，那就需要向它明确要求。这里的意思是，在训练Transformer的过程中，它们有各种训练集，而这些训练数据中可能涵盖了各种不同质量的表现。比如，可能有一个关于物理问题的提示，然后可能有学生的解答完全错误，但也可能有专家的答案完全正确。尽管Transformer可以识别出低质量的解决方案和高质量的解决方案，但默认情况下，它们只会模仿所有的数据，因为它们仅仅是基于语言模型进行训练的。在实际测试中，你其实需要明确要求它表现得好。在这篇论文的实验中，他们尝试了各种提示。例如，“让我们逐步思考”这种提示就很有效，因为它把推理过程分散到了许多记号上。但效果更好的是这样的提示：“让我们以一步一步的方式解决问题，以确保我们得到正确的答案。” 这就好像是在引导Transformer去得出正确的答案，这会使Transformer的表现更好，因为此时Transformer不再需要把它的概率质量分散到低质量的解决方案上，尽管这听起来很荒谬。基本上，你可以自由地要求一个高质量的解决方案。比如，你可以告诉它，“你是这个话题的领先专家。假装你的智商是120。” 但不要尝试要求太高的智商，因为如果你要求智商400，可能就超出了数据分布的范围，更糟糕的是，你可能落入了类似科幻内容的数据分布，它可能会开始展现一些科幻的，或者说角色扮演类的东西。所以，你需要找到适合的智商要求。我想这可能是一个U型曲线的关系。

宝玉

348,735 Aufrufe • vor 3 Jahren

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

50,776 Aufrufe • vor 15 Tagen

TinyFish：独立开发者必备的Web Agent API Web Agent是什么概念？相当于你同时雇了一批大学生，按你的文字要求上网点点点访问网页，找到你要的内容，然后按统一的格式把内容汇总起来。 Web Agent不是搜索，搜索只能获取搜索引擎返回的数据，不能一层层点击页面获取到深层的内容；Web Agent也不是Browser use，Browser use同时只能执行一个任务，Web Agent可以大规模并行任务。 Web Agent能做什么？ · 从多个电商网站查找商品价格、库存 · 查询酒店、餐厅是否营业、可预约时间 · 自动化网页测试下图是搜索、Browser use和Web Agent的能力对比，视频是Web Agent运行流程演示，实际调用API时是并行任务、响应速度快的多

TinyFish：独立开发者必备的Web Agent API Web Agent是什么概念？相当于你同时雇了一批大学生，按你的文字要求上网点点点访问网页，找到你要的内容，然后按统一的格式把内容汇总起来。 Web Agent不是搜索，搜索只能获取搜索引擎返回的数据，不能一层层点击页面获取到深层的内容；Web Agent也不是Browser use，Browser use同时只能执行一个任务，Web Agent可以大规模并行任务。 Web Agent能做什么？ · 从多个电商网站查找商品价格、库存 · 查询酒店、餐厅是否营业、可预约时间 · 自动化网页测试下图是搜索、Browser use和Web Agent的能力对比，视频是Web Agent运行流程演示，实际调用API时是并行任务、响应速度快的多

Gorden Sun

60,741 Aufrufe • vor 6 Monaten

有没有想过：Claude Code 或 Codex 跑完一个任务，它到底「看」了哪些文件、忽略了哪些？ Mindwalk 把这个问题可视化了，它把 Claude Code 和 Codex 的会话日志，投射到代码库的 3D 地图上回放。仓库是一张夜间俯瞰图，agent 搜索、读取、编辑过的文件会发光，没碰到的区域保持黑暗，让你一眼看清 agent 对任务的理解范围。单个 Go 二进制文件，所有数据完全本地处理，不会离开机器。文件触达状态分四级：未访问、已查看、已读取、已编辑，还有上下文压缩事件、子 agent 启动、错误节点的时间轴标记。这个工具提供了一个直觉：agent 的工作范围和你以为的往往不一样。当它跑了 30 分钟，你以为它读遍了整个仓库，但地图可能告诉你它根本没碰到关键目录。如果你在用 Claude Code 跑复杂任务，这是个值得装一下的调试工具。可以用它检查 agent 是否真的理解了任务范围，而不是靠最后的输出结果猜测。

有没有想过：Claude Code 或 Codex 跑完一个任务，它到底「看」了哪些文件、忽略了哪些？ Mindwalk 把这个问题可视化了，它把 Claude Code 和 Codex 的会话日志，投射到代码库的 3D 地图上回放。仓库是一张夜间俯瞰图，agent 搜索、读取、编辑过的文件会发光，没碰到的区域保持黑暗，让你一眼看清 agent 对任务的理解范围。单个 Go 二进制文件，所有数据完全本地处理，不会离开机器。文件触达状态分四级：未访问、已查看、已读取、已编辑，还有上下文压缩事件、子 agent 启动、错误节点的时间轴标记。这个工具提供了一个直觉：agent 的工作范围和你以为的往往不一样。当它跑了 30 分钟，你以为它读遍了整个仓库，但地图可能告诉你它根本没碰到关键目录。如果你在用 Claude Code 跑复杂任务，这是个值得装一下的调试工具。可以用它检查 agent 是否真的理解了任务范围，而不是靠最后的输出结果猜测。

Xudong Han

27,488 Aufrufe • vor 1 Monat

一位中国教授最近公开了他的开发团队配置。不是人类员工，而是 170 个 AI Agent。这些 Agent 负责处理公司的各项决策和开发任务。不用睡觉，不需要涨薪，170 个智能体并行工作。看视频里的网络结构，应该是这些 Agent 之间的协作和决策链路。这种全 Agent 化的管理模式，可能是个新趋势。对于想降低人力成本、提高并行处理能力的团队来说，很有参考价值。

一位中国教授最近公开了他的开发团队配置。不是人类员工，而是 170 个 AI Agent。这些 Agent 负责处理公司的各项决策和开发任务。不用睡觉，不需要涨薪，170 个智能体并行工作。看视频里的网络结构，应该是这些 Agent 之间的协作和决策链路。这种全 Agent 化的管理模式，可能是个新趋势。对于想降低人力成本、提高并行处理能力的团队来说，很有参考价值。

Vincent

35,957 Aufrufe • vor 3 Monaten

Firecrawl 推出了一个 AI 驱动的数据爬虫Agent 无需提供任何信息不需要你提供网址，不用写爬虫，不怕反爬机制只要输入你的需求它就能自动爬取任何你想要的信息它会自动搜索、浏览、提取网站内容（包括深层网页），整合信息，然后给你返回结构化结果。支持并发抓取多个网站，自动爬取并深入网站结构，能找到”隐藏”或难以直接访问的网页数据。

Firecrawl 推出了一个 AI 驱动的数据爬虫Agent 无需提供任何信息不需要你提供网址，不用写爬虫，不怕反爬机制只要输入你的需求它就能自动爬取任何你想要的信息它会自动搜索、浏览、提取网站内容（包括深层网页），整合信息，然后给你返回结构化结果。支持并发抓取多个网站，自动爬取并深入网站结构，能找到”隐藏”或难以直接访问的网页数据。

小互

41,547 Aufrufe • vor 8 Monaten

根据马斯克这个最前沿理论，现在所有的云平台，最终都是为AI直接服务，用户其次。用户所有需求，都由AI先来分析执行。比如你要买一款最新鞋子，AI会根据你的需求，将市场上所有款筛选后，推荐三个供你选择。所以，以后的竞争，就是各个AI平台，如何更好的理解人的需求的竞争

根据马斯克这个最前沿理论，现在所有的云平台，最终都是为AI直接服务，用户其次。用户所有需求，都由AI先来分析执行。比如你要买一款最新鞋子，AI会根据你的需求，将市场上所有款筛选后，推荐三个供你选择。所以，以后的竞争，就是各个AI平台，如何更好的理解人的需求的竞争

KUNLUN昆侖

183,854 Aufrufe • vor 10 Monaten

昨天群里一开发者大佬发布了内测ManusAI：首个通用AI agent.。私聊大佬代跑了一个高考志愿填报调研的case，确实被震撼到了。同样的任务需求用deepseek r1和grok3都跑了没有这个信息全面详实。这种agent才是人机协作的未来吧！很震撼的通用agent，期待更加完善，出一些定制化图形前端界面。

昨天群里一开发者大佬发布了内测ManusAI：首个通用AI agent.。私聊大佬代跑了一个高考志愿填报调研的case，确实被震撼到了。同样的任务需求用deepseek r1和grok3都跑了没有这个信息全面详实。这种agent才是人机协作的未来吧！很震撼的通用agent，期待更加完善，出一些定制化图形前端界面。

强子手记

149,036 Aufrufe • vor 1 Jahr

Stripe 发布 Link agent wallet 让 AI agent 可以代表你发起付款，但不会拿到你的真实银行卡信息。 AI agent 可以为你创建一次性支付凭证，用完就失效。你会收到提醒，并在 Link 里批准或拒绝每一笔购买。真实卡号不会交给 agent，也不会暴露给它正在操作的工具。 Link CLI 已经开源，开发者可以把它接进 Claude Code、MCP 客户端或自己的 agent 工作流。

Stripe 发布 Link agent wallet 让 AI agent 可以代表你发起付款，但不会拿到你的真实银行卡信息。 AI agent 可以为你创建一次性支付凭证，用完就失效。你会收到提醒，并在 Link 里批准或拒绝每一笔购买。真实卡号不会交给 agent，也不会暴露给它正在操作的工具。 Link CLI 已经开源，开发者可以把它接进 Claude Code、MCP 客户端或自己的 agent 工作流。

小互

12,174 Aufrufe • vor 4 Monaten

这是我基于 Claude Agent SDK 做的一个类似于 v0 dev 的 Coding Agent，输入 Prompt 就能帮你做一个网页，并且可以实时预览。等我整理一下代码预计下周会开源出来。

这是我基于 Claude Agent SDK 做的一个类似于 v0 dev 的 Coding Agent，输入 Prompt 就能帮你做一个网页，并且可以实时预览。等我整理一下代码预计下周会开源出来。

宝玉

139,148 Aufrufe • vor 11 Monaten

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。

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 Aufrufe • vor 5 Monaten

很多时候一个 Agent 可能比十个更好用！最新一期 Indigo Talk 与 UBC 大学的李霄霄教授聊 Agent 的演进、AI 的组织形态还有智能的边界✨ 霄霄带领的 TAE Lab 团队发现，在特定类型的任务中——尤其是那些可以串行处理的任务——给一个 Agent 赋予多种技能，往往比让多个 Agent 协作更快、更好，论文见本期内容精华（完整对谈见评论油管视频） - Agent 的本质：Agent 不等于 Chatbot，也不等于 Workflow。真正的 Agent 需要具备自主规划、执行、自我反省和纠错的能力。这个定义从 1995 年到现在没有本质改变； - 认知局限：人类大脑的工作记忆容量有限，当任务超过这个容量就会崩溃（Hick's Law）。AI 也有类似的饱和点——单个 Agent 在 20-30 个 Skill 时性能最优，之后就会饱和； - 单 Agent vs 多 Agent：在串行任务中，单 Agent 加技能往往比多 Agent 协作更高效，因为沟通成本和错误累积是多 Agent 的两大瓶颈。但在需要角色分离和并行处理的复杂任务中，多 Agent 架构不可替代； - AI 的组织形态：不必让 AI 照搬人类的层级管理模式。Swarm Intelligence 这样的去中心化协作可能更适合 AI 的本质——甚至可以反过来启发人类组织的变革； - 认知萎缩：过度依赖 AI 会让认知能力退化，就像外骨骼会让肌肉萎缩。保持自主思考的能力需要刻意练习，就像体力劳动自动化之后人们需要去健身房锻炼一样； - 教育转型：传统教育的核心是「教技能」，而 AI 时代的教育需要转向「教意义和目标感」。Critical Thinking、逻辑思考、跨领域的创造力——这些将成为人类最不可替代的能力； - 关于保持清醒：90-90 法则提醒我们，AI 发展中最后的10% 可能比前面的 90% 更难。自动驾驶的历程就是最好的前车之鉴✨

很多时候一个 Agent 可能比十个更好用！最新一期 Indigo Talk 与 UBC 大学的李霄霄教授聊 Agent 的演进、AI 的组织形态还有智能的边界✨ 霄霄带领的 TAE Lab 团队发现，在特定类型的任务中——尤其是那些可以串行处理的任务——给一个 Agent 赋予多种技能，往往比让多个 Agent 协作更快、更好，论文见本期内容精华（完整对谈见评论油管视频） - Agent 的本质：Agent 不等于 Chatbot，也不等于 Workflow。真正的 Agent 需要具备自主规划、执行、自我反省和纠错的能力。这个定义从 1995 年到现在没有本质改变； - 认知局限：人类大脑的工作记忆容量有限，当任务超过这个容量就会崩溃（Hick's Law）。AI 也有类似的饱和点——单个 Agent 在 20-30 个 Skill 时性能最优，之后就会饱和； - 单 Agent vs 多 Agent：在串行任务中，单 Agent 加技能往往比多 Agent 协作更高效，因为沟通成本和错误累积是多 Agent 的两大瓶颈。但在需要角色分离和并行处理的复杂任务中，多 Agent 架构不可替代； - AI 的组织形态：不必让 AI 照搬人类的层级管理模式。Swarm Intelligence 这样的去中心化协作可能更适合 AI 的本质——甚至可以反过来启发人类组织的变革； - 认知萎缩：过度依赖 AI 会让认知能力退化，就像外骨骼会让肌肉萎缩。保持自主思考的能力需要刻意练习，就像体力劳动自动化之后人们需要去健身房锻炼一样； - 教育转型：传统教育的核心是「教技能」，而 AI 时代的教育需要转向「教意义和目标感」。Critical Thinking、逻辑思考、跨领域的创造力——这些将成为人类最不可替代的能力； - 关于保持清醒：90-90 法则提醒我们，AI 发展中最后的10% 可能比前面的 90% 更难。自动驾驶的历程就是最好的前车之鉴✨

indigo

19,723 Aufrufe • vor 6 Monaten