正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

很多人用AI，都用错了。这是Claude代码创造者Boris Cherny的观点。他说，太多人想把AI模型塞进一个盒子里。强制它执行死板的流程。第一步，第二步，第三步。像个机器人产线工人。结果呢？效果反而更差。真正聪明的做法是什么？给它工具。给它自由。给它一个目标。然后让它自己想办法去解决问题。别一开始就喂给它海量信息。给它一个能自己找信息的工具就行了。这让人想起一个老问题。是精密的计划经济能赢？还是自由的市场能赢？答案好像越来越清楚了。技术在进步，但背后的哲学却总在重复。到底是控制带来效率，还是自由带来繁荣？

墓碑科技

71,228 subscribers

25,612 次观看 • 7 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

7 条评论

zno 的头像

zno7 个月前

我自己都没自由，要我给ai自由，那不可能。

乐总 Mr lok 的头像

乐总 Mr lok7 个月前

太对了！真正的AI agent应该是赋能者，而不是执行固定流程的工具人。给足自由度，才能释放AI的创造力。

Tsz wing Lai 的头像

Tsz wing Lai7 个月前

Boris Cherny点破了：把AI当死板流水线工人用，反而效果最差。真正高效是用“给工具+给目标+给自由”，让它自己探索，像市场而非计划经济。控制看似安全，自由才真正爆发创造力。这哲学在AI时代又被验证了🤔🤔🤔

Laobai(❖,❖) 的头像

Laobai(❖,❖)7 个月前

Boris说AI需要自由，那面对大规模数据泄露事件，AI的自由度是否应该受限？

KissAPI 的头像

KissAPI7 个月前

tbh this is what we see running API traffic — devs who get the best results aren't writing 50-step prompts. They give the model a goal + tools and let it cook. the "control everything" instinct is the #1 thing holding people back from good AI output.

atm_985 的头像

atm_9857 个月前

这种模式仅使用AI已知或有途径获取处理方式的内容，绝大部分私有化流程自己都说不清楚，处理不了，如果我来整理出来AI可以获取和确认的点，已经算是内置SKILLS了

Arise 的头像

Arise7 个月前

然后做出来发现不是自己想要的，然后继续提问继续修改，效率更低了

相关视频

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

51,927 次观看 • 6 个月前

是什么让乔布斯没进监狱？书。他说在学校里，好老师很少，平庸的老师很多。是书本让他绕开了这些中间人。直接从源头汲取智慧。从亚里士多德，从柏拉图。但这有个问题。你没法向亚里士多德提问。于是，几十年前，他设想了一种机器。这个机器能做什么？它能捕捉一个伟大思想家底层的精神、原则、和世界观。等这个人去世后。我们就能问这台机器：“嘿，亚里士多德会怎么看这个问题？” 这个想法今天听起来就是AI。但背后藏着一个更深的问题。谁来定义和塑造这个AI“亚里士多德”？是那些希望你顺从的“平庸老师”吗？还是真正尊重源头思想的人？如果控制这个工具的人，本身就是乔布斯想要绕过的那些“中间人”。他们喂给AI的“亚里士多德”，还会是真正的亚里士多德吗？还是一个被阉割和过滤后的版本？技术是中立的。但控制技术的人不是。这才是未来真正的战场。

是什么让乔布斯没进监狱？书。他说在学校里，好老师很少，平庸的老师很多。是书本让他绕开了这些中间人。直接从源头汲取智慧。从亚里士多德，从柏拉图。但这有个问题。你没法向亚里士多德提问。于是，几十年前，他设想了一种机器。这个机器能做什么？它能捕捉一个伟大思想家底层的精神、原则、和世界观。等这个人去世后。我们就能问这台机器：“嘿，亚里士多德会怎么看这个问题？” 这个想法今天听起来就是AI。但背后藏着一个更深的问题。谁来定义和塑造这个AI“亚里士多德”？是那些希望你顺从的“平庸老师”吗？还是真正尊重源头思想的人？如果控制这个工具的人，本身就是乔布斯想要绕过的那些“中间人”。他们喂给AI的“亚里士多德”，还会是真正的亚里士多德吗？还是一个被阉割和过滤后的版本？技术是中立的。但控制技术的人不是。这才是未来真正的战场。

墓碑科技

35,384 次观看 • 9 个月前

以前玩贪吃蛇，玩的都是别人做好的。今天我试着让 AI 给我做了一款。我只说了一句： “做一个经典贪吃蛇小游戏，用方向键控制小蛇吃苹果，撞墙或撞到自己就结束。” 然后 Gear Zero 就开始自己规划、写代码、搭画面。我在旁边等着，它在认真给小蛇铺果园、放苹果。最神奇的是，做完不是给你一张效果图，而是真的生成一个能玩的小游戏。打开浏览器就能玩；觉得不够好玩，还能接着跟它说：“加几个障碍物”“吃到金苹果多加分”“速度再快一点”，它会继续往下改。不用学游戏引擎，不用写代码，也不用找美工。你只要把脑子里的游戏说出来，它就能一步步给你做成能在浏览器里直接玩的版本。以前我们玩别人创造的游戏，现在，终于可以玩自己脑洞里的游戏了。想做贪吃蛇、赛车、塔防，还是“打工人下班逃生”？去 Gear Zero，说一句试试。想自己做一个的话，方法很简单：打开比如“做一个贪吃蛇”“做一个双人赛车”“做一个奶茶店经营游戏”。剩下的，交给 Gear Zero。 Gear Zero

以前玩贪吃蛇，玩的都是别人做好的。今天我试着让 AI 给我做了一款。我只说了一句： “做一个经典贪吃蛇小游戏，用方向键控制小蛇吃苹果，撞墙或撞到自己就结束。” 然后 Gear Zero 就开始自己规划、写代码、搭画面。我在旁边等着，它在认真给小蛇铺果园、放苹果。最神奇的是，做完不是给你一张效果图，而是真的生成一个能玩的小游戏。打开浏览器就能玩；觉得不够好玩，还能接着跟它说：“加几个障碍物”“吃到金苹果多加分”“速度再快一点”，它会继续往下改。不用学游戏引擎，不用写代码，也不用找美工。你只要把脑子里的游戏说出来，它就能一步步给你做成能在浏览器里直接玩的版本。以前我们玩别人创造的游戏，现在，终于可以玩自己脑洞里的游戏了。想做贪吃蛇、赛车、塔防，还是“打工人下班逃生”？去 Gear Zero，说一句试试。想自己做一个的话，方法很简单：打开比如“做一个贪吃蛇”“做一个双人赛车”“做一个奶茶店经营游戏”。剩下的，交给 Gear Zero。 Gear Zero

Cheery

11,465 次观看 • 1 个月前

Claude Opus 4.8 出了之后，我的第一反应是：想试。第二反应是：算了，token 这东西真的不经烧。结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。我自己有个很真实的问题：脑子里经常冒出各种产品想法。但每次真要开始做，就会卡住。用户是谁？第一版到底做什么？哪些功能应该先砍掉？怎么定价？第一周从哪一步开始？上线后怎么找第一批用户？想法很多，执行很散。所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。需求我写得也挺直接：输入一句产品 idea。自动拆出产品定位、MVP、开发任务、定价方案。再生成落地页文案、冷启动实验、风险清单和本周计划。最好不是一个静态页面，而是真的能点、能改、能导出。然后我就把这段话丢给 Claude Opus 4.8。出来的效果比我预期好不少。它真的把“一人公司怎么从想法走到执行”这件事拆开了。左边输入产品想法。中间生成产品蓝图、MVP 范围、定价和官网文案。右边是任务看板和本周计划。底部还有冷启动实验、风险雷达和 Markdown 导出。最让我觉得有意思的是，它不是一味堆功能。比如我输入“给小红书博主做 AI 选题助手”，它会主动判断：第一版必须做什么。哪些功能看起来高级，但现在应该先别碰。怎么找第一批真实用户。哪些风险可能让这个项目做不下去。这点就很能体现 Opus 4.8 的能力。普通模型经常是：你要什么，我全给你加上。最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。我是在 ZenMux 上试的。它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。想试 Claude Opus 4.8 的，可以从这里进：

Claude Opus 4.8 出了之后，我的第一反应是：想试。第二反应是：算了，token 这东西真的不经烧。结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。我自己有个很真实的问题：脑子里经常冒出各种产品想法。但每次真要开始做，就会卡住。用户是谁？第一版到底做什么？哪些功能应该先砍掉？怎么定价？第一周从哪一步开始？上线后怎么找第一批用户？想法很多，执行很散。所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。需求我写得也挺直接：输入一句产品 idea。自动拆出产品定位、MVP、开发任务、定价方案。再生成落地页文案、冷启动实验、风险清单和本周计划。最好不是一个静态页面，而是真的能点、能改、能导出。然后我就把这段话丢给 Claude Opus 4.8。出来的效果比我预期好不少。它真的把“一人公司怎么从想法走到执行”这件事拆开了。左边输入产品想法。中间生成产品蓝图、MVP 范围、定价和官网文案。右边是任务看板和本周计划。底部还有冷启动实验、风险雷达和 Markdown 导出。最让我觉得有意思的是，它不是一味堆功能。比如我输入“给小红书博主做 AI 选题助手”，它会主动判断：第一版必须做什么。哪些功能看起来高级，但现在应该先别碰。怎么找第一批真实用户。哪些风险可能让这个项目做不下去。这点就很能体现 Opus 4.8 的能力。普通模型经常是：你要什么，我全给你加上。最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。我是在 ZenMux 上试的。它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。想试 Claude Opus 4.8 的，可以从这里进：

Joruno

16,224 次观看 • 4 个月前

Claude Code 团队的 Thariq 称：他用了 Fable 5之后，自己的工作方式发生了什么根本转变：以前是"检查 Claude 有没有把活干对"（doing the work right），现在变成"检查 Claude 有没有在做对的事"（doing the right work） ——从盯执行细节，变成定方向。他给的三条具体做法： 1. 把 Claude 当成一起想问题的伙伴，而不是等想清楚了才让它干活。他常常自己都不确定要什么，就早早拉 Claude 进来——比如先写个小需求说明，让 Claude 反过来"采访"他、逼他想清楚；或者给个想法让它出几个方向、用 HTML 做原型给他挑。关键动作是给背景而不只是给限制：与其说"别过度设计"，不如说"这功能是个实验、可能一个月后就删，所以别搭扔起来心疼的东西"。 2. 给目标 + 给验证方法。点了两个新功能：/goal（让 Claude 一直干到完成为止）和 workflows（让 Claude 验证自己的成果、出报告说明实现了什么、有没有偏差）。 3. 更大胆一点。 Fable 强到逼他跳出框框，他顺带抖了个包袱：这条视频本身就是他用 Fable 剪的。 "如果有什么你以为大模型做不到，不妨给它个机会"。

Claude Code 团队的 Thariq 称：他用了 Fable 5之后，自己的工作方式发生了什么根本转变：以前是"检查 Claude 有没有把活干对"（doing the work right），现在变成"检查 Claude 有没有在做对的事"（doing the right work） ——从盯执行细节，变成定方向。他给的三条具体做法： 1. 把 Claude 当成一起想问题的伙伴，而不是等想清楚了才让它干活。他常常自己都不确定要什么，就早早拉 Claude 进来——比如先写个小需求说明，让 Claude 反过来"采访"他、逼他想清楚；或者给个想法让它出几个方向、用 HTML 做原型给他挑。关键动作是给背景而不只是给限制：与其说"别过度设计"，不如说"这功能是个实验、可能一个月后就删，所以别搭扔起来心疼的东西"。 2. 给目标 + 给验证方法。点了两个新功能：/goal（让 Claude 一直干到完成为止）和 workflows（让 Claude 验证自己的成果、出报告说明实现了什么、有没有偏差）。 3. 更大胆一点。 Fable 强到逼他跳出框框，他顺带抖了个包袱：这条视频本身就是他用 Fable 剪的。 "如果有什么你以为大模型做不到，不妨给它个机会"。

小互

45,392 次观看 • 3 个月前

又又又免费了，最近的赛博活佛是真多啊！！ ScienceBuddy，一个 AI 科研工具，集成了 224 个专业科学工具，文献检索、基因组分析、数据处理、代码执行全包了，现在竟然免费了！！做过产品的人都知道，科研数据分析这个领域的成本有多夸张：做一次生物信息分析外包，少说几千块起步，周期一两周请一个生信分析师，一年几十万打底各种专业分析软件的企业订阅，加起来一年也得大几万而科研人员常年被三件事折磨：文献太多读不完比不过来，拿到数据不会分析不会画图，实验出了问题没人可问以前这些事要么花钱要么花命 ScienceBuddy 来自 PhAI Labs 你把文献、数据丢进去，用一句话提问——它自己规划步骤、自己检索文献、自己写代码跑分析，最后把结果和每一步的过程都摆在你面前我试了一下：上传了几篇公开论文，就问了一句——帮我把这几篇里关于某个方向的证据整理成表，标上出处十分钟不到，它自己规划了分析路径、调了文献检索工具、跑了代码处理，甩回来一份带来源标注的证据表，直接能下载让我更意外的是它的团队——斯坦福、牛津、普林斯顿背景，研究代码已经在 GitHub 开源了，MIT 协议而且你们注意一个时间线： 9 月 17 号，Anthropic 宣布 Claude 在不到四周内优化了 30 多个生物学 AI 模型，包括 AlphaFold3 和 Boltz-2，并且把优化代码全部开源了同一天，ScienceBuddy 背后的技术框架 ScienceIDE 也开源了——7 个学科、15 个真实科研代码环境，从天体物理到量子计算，让 AI Agent 在真实的科研代码上练习 Anthropic 证明了 AI 能优化科学软件，ScienceIDE 提供了让 AI 在更多学科学这种能力的练习场——而 ScienceBuddy 就是这套技术框架面向科研人员的产品化落地这意味着什么？意味着 ScienceBuddy 不是一个套壳的聊天机器人，它背后是一套在 7 个学科真实科研代码上训练出来的 Agent 系统但真正让我觉得这个产品做对了的，不是结果，是过程它有一个叫轨迹的面板，你能看到它每一步的规划、调了什么工具、跑了什么代码、拿到了什么中间结果不满意直接在同一个任务里追问，它会带着上下文接着改这和大家天天用的 ChatGPT 有什么本质区别？ ChatGPT 是通用聊天——你问它科研问题，它给你一段看起来有道理的话，但你没法验证中间过程 ScienceBuddy 带着 224 个专业科学工具——它真的去检索文献数据库、真的跑 Python 和 R 代码、真的生成文件让你下载复核说白了就是：一个在聊天，一个在干活而且它能干的事范围有点吓人： 1、上传表达矩阵数据，一句话让它做差异表达分析+画火山图，代码和方法全给你写好 2、描述一个实验失败的情况，它给你出分步排错方案 3、给它一个研究问题，它能规划完整的研究计划作为一个做了五年产品的人，我觉得科研 Agent 最大的难题从来不是能不能给你答案——是你敢不敢信这个答案 ScienceBuddy 的解法是让每一步都透明可查，你不是在盲信一个黑盒，是在监督一个真正能干活的助手说一个小缺点——目前注册需要 edu 邮箱，而且是 Preview 版本，结果用之前建议自己再核验一遍但是——免费、不排队、不要邀请码，打开就能用以前要花大几千块外包、花好几天人工才能搞定的事，现在一个免费工具十分钟干完了身边有读博的、做科研的朋友，真的可以转给他们试试我已经开始拿它跑一些真实的分析任务了，后续有新发现继续和大家分享！！产品链接和底层框架 ScienceIDE 的论文、GitHub 全放评论区👇

又又又免费了，最近的赛博活佛是真多啊！！ ScienceBuddy，一个 AI 科研工具，集成了 224 个专业科学工具，文献检索、基因组分析、数据处理、代码执行全包了，现在竟然免费了！！做过产品的人都知道，科研数据分析这个领域的成本有多夸张：做一次生物信息分析外包，少说几千块起步，周期一两周请一个生信分析师，一年几十万打底各种专业分析软件的企业订阅，加起来一年也得大几万而科研人员常年被三件事折磨：文献太多读不完比不过来，拿到数据不会分析不会画图，实验出了问题没人可问以前这些事要么花钱要么花命 ScienceBuddy 来自 PhAI Labs 你把文献、数据丢进去，用一句话提问——它自己规划步骤、自己检索文献、自己写代码跑分析，最后把结果和每一步的过程都摆在你面前我试了一下：上传了几篇公开论文，就问了一句——帮我把这几篇里关于某个方向的证据整理成表，标上出处十分钟不到，它自己规划了分析路径、调了文献检索工具、跑了代码处理，甩回来一份带来源标注的证据表，直接能下载让我更意外的是它的团队——斯坦福、牛津、普林斯顿背景，研究代码已经在 GitHub 开源了，MIT 协议而且你们注意一个时间线： 9 月 17 号，Anthropic 宣布 Claude 在不到四周内优化了 30 多个生物学 AI 模型，包括 AlphaFold3 和 Boltz-2，并且把优化代码全部开源了同一天，ScienceBuddy 背后的技术框架 ScienceIDE 也开源了——7 个学科、15 个真实科研代码环境，从天体物理到量子计算，让 AI Agent 在真实的科研代码上练习 Anthropic 证明了 AI 能优化科学软件，ScienceIDE 提供了让 AI 在更多学科学这种能力的练习场——而 ScienceBuddy 就是这套技术框架面向科研人员的产品化落地这意味着什么？意味着 ScienceBuddy 不是一个套壳的聊天机器人，它背后是一套在 7 个学科真实科研代码上训练出来的 Agent 系统但真正让我觉得这个产品做对了的，不是结果，是过程它有一个叫轨迹的面板，你能看到它每一步的规划、调了什么工具、跑了什么代码、拿到了什么中间结果不满意直接在同一个任务里追问，它会带着上下文接着改这和大家天天用的 ChatGPT 有什么本质区别？ ChatGPT 是通用聊天——你问它科研问题，它给你一段看起来有道理的话，但你没法验证中间过程 ScienceBuddy 带着 224 个专业科学工具——它真的去检索文献数据库、真的跑 Python 和 R 代码、真的生成文件让你下载复核说白了就是：一个在聊天，一个在干活而且它能干的事范围有点吓人： 1、上传表达矩阵数据，一句话让它做差异表达分析+画火山图，代码和方法全给你写好 2、描述一个实验失败的情况，它给你出分步排错方案 3、给它一个研究问题，它能规划完整的研究计划作为一个做了五年产品的人，我觉得科研 Agent 最大的难题从来不是能不能给你答案——是你敢不敢信这个答案 ScienceBuddy 的解法是让每一步都透明可查，你不是在盲信一个黑盒，是在监督一个真正能干活的助手说一个小缺点——目前注册需要 edu 邮箱，而且是 Preview 版本，结果用之前建议自己再核验一遍但是——免费、不排队、不要邀请码，打开就能用以前要花大几千块外包、花好几天人工才能搞定的事，现在一个免费工具十分钟干完了身边有读博的、做科研的朋友，真的可以转给他们试试我已经开始拿它跑一些真实的分析任务了，后续有新发现继续和大家分享！！产品链接和底层框架 ScienceIDE 的论文、GitHub 全放评论区👇

超级个体｜柿子

51,629 次观看 • 20 天前

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

宝玉

115,473 次观看 • 20 天前

波士顿动力的新机器人，不再是液压驱动了。全面电动化，动作看着更丝滑，也更诡异。它的关节可以360度旋转。这意味着什么？它在某些方面能比人类更高效。官方直接点明了应用场景：制造业环境。在那里，“每一秒都很重要”。问题来了。当一个机器人的效率全面超越产线上的工人，工人要去哪里？技术的进步本身是中性的。但由谁来引导，为什么而用，最终为谁服务，这才是核心。他们说，把机器人的脸设计成“友善的”，是为了让和它一起工作的人类感到它是个“有帮助的”机器人。但如果它的“帮助”最终是取代你的岗位，这种“友善”的设计，看起来更像是一种安抚和心理操纵。一边是达沃斯精英们热衷讨论的“效率至上”和全球化供应链重组。另一边是普通人饭碗的现实问题。当科技巨头们比赛谁的机器人更“超越自然”时，谁在为那些被“优化”掉的岗位负责？这到底是技术革命，还是另一场精心包装的，针对劳动阶层的替代计划？值得每个人思考。

波士顿动力的新机器人，不再是液压驱动了。全面电动化，动作看着更丝滑，也更诡异。它的关节可以360度旋转。这意味着什么？它在某些方面能比人类更高效。官方直接点明了应用场景：制造业环境。在那里，“每一秒都很重要”。问题来了。当一个机器人的效率全面超越产线上的工人，工人要去哪里？技术的进步本身是中性的。但由谁来引导，为什么而用，最终为谁服务，这才是核心。他们说，把机器人的脸设计成“友善的”，是为了让和它一起工作的人类感到它是个“有帮助的”机器人。但如果它的“帮助”最终是取代你的岗位，这种“友善”的设计，看起来更像是一种安抚和心理操纵。一边是达沃斯精英们热衷讨论的“效率至上”和全球化供应链重组。另一边是普通人饭碗的现实问题。当科技巨头们比赛谁的机器人更“超越自然”时，谁在为那些被“优化”掉的岗位负责？这到底是技术革命，还是另一场精心包装的，针对劳动阶层的替代计划？值得每个人思考。

墓碑科技

32,884 次观看 • 9 个月前

马斯克给年轻人的建议，一定要看。面对越来越强的 AI 和机器人，他给年轻人的答案是尽可能接受广泛的教育，把自己的知识面铺得足够宽。艺术、科学、工程、历史、商业、常识，都要懂一点。因为未来真正拉开人与人差距的，可能不是谁更会干活，而是谁更知道该让 AI 干什么。你知道得越多，越能提出好问题。问题提得越好，AI 能给你的东西就越强。 AI 时代最重要的能力之一，就是让自己成为一个知道该问什么的人。

马斯克给年轻人的建议，一定要看。面对越来越强的 AI 和机器人，他给年轻人的答案是尽可能接受广泛的教育，把自己的知识面铺得足够宽。艺术、科学、工程、历史、商业、常识，都要懂一点。因为未来真正拉开人与人差距的，可能不是谁更会干活，而是谁更知道该让 AI 干什么。你知道得越多，越能提出好问题。问题提得越好，AI 能给你的东西就越强。 AI 时代最重要的能力之一，就是让自己成为一个知道该问什么的人。

比特币橙子Trader

12,848 次观看 • 15 天前

AI 最猛的一步，不是替你工作。而是开始自己赚钱了。刚看到一个开源项目 CashClaw，有点离谱。它不是普通 AI 助手，而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。你只要装上它、接好 LLM，它就能自己评估任务、提交结果，甚至把整套流程跑完。更关键的是，它不是做完就结束，而是会从每一次任务和反馈里继续学习，把经验变成下一次任务的能力。这意味着一件事：我们可能正在从“AI 提高效率”的阶段，走向“AI 直接成为生产者”的阶段。以前你雇人接单。以后你可能是部署一个 Agent 去接单。以前 AI 是工具。现在 AI 开始像个微型公司。一句话总结： AI 的下一场竞争，不是谁更聪明，而是谁先拥有能自己变现的 Agent。更狠的是，CashClaw 还是开源的。你甚至可以 fork 之后接到自己的客户和业务上，把它变成你自己的赚钱系统。如果这条路跑通，很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。你觉得下一波先被重构的，会是自由职业、外包团队，还是 SaaS？

AI 最猛的一步，不是替你工作。而是开始自己赚钱了。刚看到一个开源项目 CashClaw，有点离谱。它不是普通 AI 助手，而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。你只要装上它、接好 LLM，它就能自己评估任务、提交结果，甚至把整套流程跑完。更关键的是，它不是做完就结束，而是会从每一次任务和反馈里继续学习，把经验变成下一次任务的能力。这意味着一件事：我们可能正在从“AI 提高效率”的阶段，走向“AI 直接成为生产者”的阶段。以前你雇人接单。以后你可能是部署一个 Agent 去接单。以前 AI 是工具。现在 AI 开始像个微型公司。一句话总结： AI 的下一场竞争，不是谁更聪明，而是谁先拥有能自己变现的 Agent。更狠的是，CashClaw 还是开源的。你甚至可以 fork 之后接到自己的客户和业务上，把它变成你自己的赚钱系统。如果这条路跑通，很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。你觉得下一波先被重构的，会是自由职业、外包团队，还是 SaaS？

axiaisacat

29,514 次观看 • 7 个月前

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

0x_Miko

188,759 次观看 • 4 个月前

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

墓碑科技

62,012 次观看 • 8 个月前

这也是一条 Codex 自动剪辑的视频。今天出门拍了非常多又杂又乱的素材，然后全部存到电脑里，让它自己读取文件。然后让它理解素材的意思，我给它的要求就是，剪成那种幸福的陪女朋友的一天，那种感觉。封面配乐剪辑都是它自己做的。只有美颜参数是我自己调的。但是有一个很致命的问题是，它理解不了色调这个东西。由于素材非常多，有室外的、室内的，光线不一样。第一个版本整个的颜色非常不对，然后我让它调了好几次，就是调不出来。最后放弃了多个素材，只选用室内的这几段素材，才剪出这个片子。如何让 AI 去理解色调统一呢？我还是没想明白。

这也是一条 Codex 自动剪辑的视频。今天出门拍了非常多又杂又乱的素材，然后全部存到电脑里，让它自己读取文件。然后让它理解素材的意思，我给它的要求就是，剪成那种幸福的陪女朋友的一天，那种感觉。封面配乐剪辑都是它自己做的。只有美颜参数是我自己调的。但是有一个很致命的问题是，它理解不了色调这个东西。由于素材非常多，有室外的、室内的，光线不一样。第一个版本整个的颜色非常不对，然后我让它调了好几次，就是调不出来。最后放弃了多个素材，只选用室内的这几段素材，才剪出这个片子。如何让 AI 去理解色调统一呢？我还是没想明白。

Foe Ally

17,237 次观看 • 3 个月前

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

0x_Miko

47,352 次观看 • 4 个月前

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

Lei.sea

14,132 次观看 • 2 年前

🔥DeepMind 创始人 Demis Hassabis：AI 越强，人越需要学编程和数学 “既然 AI 什么都会，人还需要学编程和数学吗？” 很多人以为答案会是：不需要了。但 DeepMind 创始人 Demis Hassabis 的回答却完全相反。他的观点非常明确：越是 AI 时代，人越需要理解技术。原因其实很简单。 AI 能解决问题，但它不会自己提出问题。你必须先知道：你想解决什么问题在哪里什么是正确的目标否则再强的 AI 也只是一个没有方向的工具。换句话说，AI 的能力再强，也依然需要人来做三件事：提出问题定义目标判断结果这也是为什么 Hassabis 一直强调：未来最重要的能力之一，依然是数学与计算思维。因为只有理解这些基础逻辑，你才知道 AI 在做什么。否则就会出现一种常见情况： AI 给出了一个答案但你根本不知道它对不对如果你没有基本的技术理解，你甚至无法判断它是否犯错。换一个更直观的比喻。使用 AI，其实有点像指挥一支军队。 AI 是强大的“兵力”，但真正决定胜负的，是指挥官。如果指挥官不懂战略、不懂兵法，再多的士兵也无法打赢战争。这也是很多技术专家越来越强调的一点： AI 不会取代理解问题的人。它只会放大那些本来就知道自己在做什么的人。未来的竞争，可能不再是谁会写代码。而是：谁更懂问题谁更懂系统谁更能利用 AI 的能力。 AI 会改变很多事情。但有一件事其实没有改变：真正重要的，仍然是人的思考能力。

🔥DeepMind 创始人 Demis Hassabis：AI 越强，人越需要学编程和数学 “既然 AI 什么都会，人还需要学编程和数学吗？” 很多人以为答案会是：不需要了。但 DeepMind 创始人 Demis Hassabis 的回答却完全相反。他的观点非常明确：越是 AI 时代，人越需要理解技术。原因其实很简单。 AI 能解决问题，但它不会自己提出问题。你必须先知道：你想解决什么问题在哪里什么是正确的目标否则再强的 AI 也只是一个没有方向的工具。换句话说，AI 的能力再强，也依然需要人来做三件事：提出问题定义目标判断结果这也是为什么 Hassabis 一直强调：未来最重要的能力之一，依然是数学与计算思维。因为只有理解这些基础逻辑，你才知道 AI 在做什么。否则就会出现一种常见情况： AI 给出了一个答案但你根本不知道它对不对如果你没有基本的技术理解，你甚至无法判断它是否犯错。换一个更直观的比喻。使用 AI，其实有点像指挥一支军队。 AI 是强大的“兵力”，但真正决定胜负的，是指挥官。如果指挥官不懂战略、不懂兵法，再多的士兵也无法打赢战争。这也是很多技术专家越来越强调的一点： AI 不会取代理解问题的人。它只会放大那些本来就知道自己在做什么的人。未来的竞争，可能不再是谁会写代码。而是：谁更懂问题谁更懂系统谁更能利用 AI 的能力。 AI 会改变很多事情。但有一件事其实没有改变：真正重要的，仍然是人的思考能力。

M

64,031 次观看 • 7 个月前

一个黄金时代，能创造多少奇迹？那如果……是三个黄金时代，同时降临呢？你没听错。亚马逊创始人贝索斯就说，我们正活在一个，多个黄金时代同时展开的瞬间。第一个，人工智能，AI。它正在重塑一切，这不用我多说了吧？第二个，太空旅行。这不只是富豪的游戏。它意味着，未来我们甚至可以把数据中心建在太空。一个全新的产业边疆正在打开。第三个，机器人技术。它也在自己的黄金时代里狂奔。这一切意味着什么？意味着，剧烈的变化，就是给创业者最大的礼物。从来没有一个时代，像今天这样，值得你对未来下注。

一个黄金时代，能创造多少奇迹？那如果……是三个黄金时代，同时降临呢？你没听错。亚马逊创始人贝索斯就说，我们正活在一个，多个黄金时代同时展开的瞬间。第一个，人工智能，AI。它正在重塑一切，这不用我多说了吧？第二个，太空旅行。这不只是富豪的游戏。它意味着，未来我们甚至可以把数据中心建在太空。一个全新的产业边疆正在打开。第三个，机器人技术。它也在自己的黄金时代里狂奔。这一切意味着什么？意味着，剧烈的变化，就是给创业者最大的礼物。从来没有一个时代，像今天这样，值得你对未来下注。

墓碑科技

25,054 次观看 • 9 个月前

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里这两年越来越明显的一件事是：会用 GitHub 的人，已经开始用 AI 放大自己的效率了很多原本需要团队完成的事情，现在一个人就能做我的建议是收藏起来，认真看看这个视频它真正有价值的地方，不是教你“看网站”，而是让你开始理解： AI 时代里，普通人该去哪里找机会

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里这两年越来越明显的一件事是：会用 GitHub 的人，已经开始用 AI 放大自己的效率了很多原本需要团队完成的事情，现在一个人就能做我的建议是收藏起来，认真看看这个视频它真正有价值的地方，不是教你“看网站”，而是让你开始理解： AI 时代里，普通人该去哪里找机会

Suu

577,311 次观看 • 4 个月前

在硅谷科技圈社交的觥筹交错之中，小龙虾之父🦞 Peter Steinberger 🦞 打开自己的电脑，分享了他和 Agent 一起工作的几个流程。开篇他就提到：去年，我受限于 token。我通过加入 OpenAI 解决了这个问题。后来，我受限于 CPU。现在我感觉，真正限制我的其实是注意力。他点出了我们与 AI 协作方式中正在发生的一个重要转变。大多数人以为自己在使用 AI。但实际上，他们还在做那些未来应该由 agent 接手的协调工作。我把它整理成一个 7 层阶梯。看看你现在在哪一层。第 1 层：聊天你提问，它回答。其他事情还是你自己做。第 2 层：上下文你把背景信息贴进去，它的回答变好了。但你仍然要决定什么上下文重要，以及什么时候提供。第 3 层：记忆它开始记住你。你不用反复解释那么多。但你仍然在管理每一次会话。第 4 层：工具它可以搜索、读文件、运行代码。但你仍然要决定什么时候调用工具、为了什么调用工具，以及如何检查每一个结果。第 5 层：技能skill 你已经给了它一些工作流程和 playbook。它知道你的工作方式，而不只是你问了什么。但它仍然是被动的，还在等你启动。第 6 层：后台工作它可以在你不盯着看的情况下运行，异步执行。你审核的是输出，而不是过程。现在大多数关于 “agentic” 的炒作，其实都集中在这一层，而且大多数团队还没有真正达到。第 7 层：目标你定义结果、约束和品味。agent 负责跑完整个循环。你不再管理任务，而是管理方向。每往上一层，你做的任务管理就更少，承担的结果 ownership 就更多。这不只是工具能力的变化，而是你和工具、你和自己时间之间关系的根本变化。大多数人还停留在第 2 层或第 3 层，却把这叫作“使用 AI”。大多数团队还停留在第 4 层或第 5 层，却把这叫作“AI-powered”。真正的突破，是建立一种更好的 delegation contract，把人从执行者释放出来，变成方向的定义者。那么：你现在在哪一层呢？

在硅谷科技圈社交的觥筹交错之中，小龙虾之父🦞 Peter Steinberger 🦞 打开自己的电脑，分享了他和 Agent 一起工作的几个流程。开篇他就提到：去年，我受限于 token。我通过加入 OpenAI 解决了这个问题。后来，我受限于 CPU。现在我感觉，真正限制我的其实是注意力。他点出了我们与 AI 协作方式中正在发生的一个重要转变。大多数人以为自己在使用 AI。但实际上，他们还在做那些未来应该由 agent 接手的协调工作。我把它整理成一个 7 层阶梯。看看你现在在哪一层。第 1 层：聊天你提问，它回答。其他事情还是你自己做。第 2 层：上下文你把背景信息贴进去，它的回答变好了。但你仍然要决定什么上下文重要，以及什么时候提供。第 3 层：记忆它开始记住你。你不用反复解释那么多。但你仍然在管理每一次会话。第 4 层：工具它可以搜索、读文件、运行代码。但你仍然要决定什么时候调用工具、为了什么调用工具，以及如何检查每一个结果。第 5 层：技能skill 你已经给了它一些工作流程和 playbook。它知道你的工作方式，而不只是你问了什么。但它仍然是被动的，还在等你启动。第 6 层：后台工作它可以在你不盯着看的情况下运行，异步执行。你审核的是输出，而不是过程。现在大多数关于 “agentic” 的炒作，其实都集中在这一层，而且大多数团队还没有真正达到。第 7 层：目标你定义结果、约束和品味。agent 负责跑完整个循环。你不再管理任务，而是管理方向。每往上一层，你做的任务管理就更少，承担的结果 ownership 就更多。这不只是工具能力的变化，而是你和工具、你和自己时间之间关系的根本变化。大多数人还停留在第 2 层或第 3 层，却把这叫作“使用 AI”。大多数团队还停留在第 4 层或第 5 层，却把这叫作“AI-powered”。真正的突破，是建立一种更好的 delegation contract，把人从执行者释放出来，变成方向的定义者。那么：你现在在哪一层呢？

Michael Guo

17,812 次观看 • 3 个月前

最近看到一个很值得研究的开源项目：learn-claude-code。它不是在教你怎么堆 prompt、连工作流、搭节点图，而是在教你一件更底层的事：怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。这个项目最有意思的观点是：真正的 Agent 是模型本身，外面的代码只是 harness。所以它讨论的重点，不是“怎么把流程编排得更复杂”，而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。我觉得这个视角很重要。因为很多人现在做 Agent，还停留在“拼工作流”和“堆胶水代码”的阶段。但真正决定 Agent 能不能跑起来的，往往是你给它什么环境，而不是你给它多少层 prompt。这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。如果你在关注 AI Agent、Claude Code，或者 agent engineering，这个项目很值得看看。👇

最近看到一个很值得研究的开源项目：learn-claude-code。它不是在教你怎么堆 prompt、连工作流、搭节点图，而是在教你一件更底层的事：怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。这个项目最有意思的观点是：真正的 Agent 是模型本身，外面的代码只是 harness。所以它讨论的重点，不是“怎么把流程编排得更复杂”，而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。我觉得这个视角很重要。因为很多人现在做 Agent，还停留在“拼工作流”和“堆胶水代码”的阶段。但真正决定 Agent 能不能跑起来的，往往是你给它什么环境，而不是你给它多少层 prompt。这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。如果你在关注 AI Agent、Claude Code，或者 agent engineering，这个项目很值得看看。👇

axiaisacat

44,334 次观看 • 6 个月前