Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

目前看到关于 “Agentic Engineering Workflow”的最完整的介绍👇 花了一个小时完整看完了，完全可以做成一个付费教程。 内容涵盖了tmux，agent记忆，skills，语音输入，长任务执行，并行worktree管理，多agent调度。 还有让我眼前一亮的可视化html编辑器Lavish和一套代码变更校验的流水线: no-mistakes 感谢作者Kun Chen分享，值得每一个用ai agent的人收藏、学习。

yanhua1010's profile picture

Yanhua

37,892 subscribers

112,092 Aufrufe • vor 4 Monaten •via X (Twitter)

KunstBildungWissenschaft & Technologie
LIVE

Anya Rossi• Live Now

Private livecam show

23 Kommentare

Profilbild von 狐狸布布
狐狸布布vor 4 Monaten

说句实话这种workflow我收藏夹里躺了好几套了，但真跑起来的没几个。卡住大多数人的真不是tmux或者worktree怎么配，是手里压根没有复杂到需要多agent调度的活。工具一重，空转的时候就特别明显

Profilbild von Yanhua
Yanhuavor 4 Monaten

推荐2个agent记忆框架： 1. memOS 2. everOS

Profilbild von Tommy Xiao
Tommy Xiaovor 4 Monaten

我认为唯一有用的就是 opus 4.8 + claude 这个组合，其他都是配料，用不用都可以自己手搓出来

Profilbild von Yanhua
Yanhuavor 4 Monaten

关键是这种工程化的思路很值得借鉴

Profilbild von Tommy Xiao
Tommy Xiaovor 4 Monaten

我觉得工程化的思路都是错误的，直接熟悉 Claude 和 Opus 4.8，直接用都能出来很好的效果。很多工作都不需要工程化的思路

Profilbild von Uncle J
Uncle Jvor 4 Monaten

这套东西真正有价值的地方不是工具清单，而是把长任务、记忆、校验、并行 worktree 和人工接管串成一个可运行工作流。AI 工程化最后拼的是这些边界。

Profilbild von 李志博
李志博vor 4 Monaten

不错的视频我也学习下，使用youtube dubbing支持直接听中文的声音观看😆

Profilbild von Zeno Zhang
Zeno Zhangvor 4 Monaten

@Grok 总结下

Profilbild von kim🇨🇳
kim🇨🇳vor 4 Monaten

我之前试过类似的方案 踩了三个坑 后来发现找对工具链比堆工具更重要 这篇整理得挺全的

Profilbild von JOJO
JOJOvor 4 Monaten

Youtube 视频链接如下

Profilbild von gaosaroma
gaosaromavor 4 Monaten

so cool !😍

Profilbild von 肖楠
肖楠vor 4 Monaten

厉害👍

Profilbild von 布洛克V
布洛克Vvor 4 Monaten

@grok 总结下要点

Profilbild von 福秀
福秀vor 3 Monaten

开发效率的分水岭，已经从会不会写，变成会不会管一群Agent。

Profilbild von AI Mastery Guide
AI Mastery Guidevor 4 Monaten

The visualization editor catching mistakes before they ship sounds like the real value here

Profilbild von wenbo
wenbovor 4 Monaten

有哪位大神总结为文字版本的总结吗？

Profilbild von Yanhua
Yanhuavor 4 Monaten

建议：直接将视频发给cc或gemini

Profilbild von Lee
Leevor 4 Monaten

高手，高手，学习了，学习了

Profilbild von AI Product Observer
AI Product Observervor 4 Monaten

@grok 总结下

Profilbild von Crio Songo
Crio Songovor 4 Monaten

刚好最近在搭自己的AI agent开发流程，这个分享太及时了。我去找找原内容看看，那个no-mistakes代码校验流水线和Lavish编辑器挺有意思，正好需要这类工具提提效率。

Profilbild von Jay Yu
Jay Yuvor 4 Monaten

what are your thoughts on tools like warp?

Profilbild von Uncle J
Uncle Jvor 4 Monaten

这类 workflow 我觉得最值钱的不是工具名，是把长任务拆成能接力的状态：记忆、tmux、worktree、校验、回滚。没有这些，multi-agent 很容易只是热闹。

Profilbild von Dipanshu Kushwaha
Dipanshu Kushwahavor 4 Monaten

I'm glad you found the introduction so valuable! It sounds like a fantastic resource that could really benefit others. Looking forward to seeing more on this topic.

Ähnliche Videos

Anthropic的工程师Kevin的一个分享。 价值$1000 刀，关于agent memory的workshop。 这将是 AI memory的主流，提前一年了解它，成为记忆专家。 非常值得看的一个短视频，以下是视频中的实操： 03:31 证明 AI 多个对话间没记忆（对照实验） 06:20 介绍 memory store，可以作为 AI 的记忆外挂 08:44 将 Memory Store 挂载给会话，实现跨对话记忆 15:36 执行 Dream，让 AI 在后台整理记忆并扩写简陋笔记 19:45 展示 dream，记忆变成了结构化 看完这个视频，接着阅读下面的这篇文章。 你将充分了解与 AI agent 一问一答背后，记忆的原理，以及最强省 token 的心法。
28:22

Anthropic的工程师Kevin的一个分享。 价值$1000 刀，关于agent memory的workshop。 这将是 AI memory的主流，提前一年了解它，成为记忆专家。 非常值得看的一个短视频，以下是视频中的实操： 03:31 证明 AI 多个对话间没记忆（对照实验） 06:20 介绍 memory store，可以作为 AI 的记忆外挂 08:44 将 Memory Store 挂载给会话，实现跨对话记忆 15:36 执行 Dream，让 AI 在后台整理记忆并扩写简陋笔记 19:45 展示 dream，记忆变成了结构化 看完这个视频，接着阅读下面的这篇文章。 你将充分了解与 AI agent 一问一答背后，记忆的原理，以及最强省 token 的心法。

实践哥 Li

106,361 Aufrufe • vor 5 Monaten

录了个视频教一下大家怎么做这个即将爆火的 AI 玄学壁纸 除了提示词怎么写以外，如何从一个小的点不断的发散创意变成一个完整的作品的，这部分更值得学习 除了视频👇下面也有文字教程，都可以看。
4:53

录了个视频教一下大家怎么做这个即将爆火的 AI 玄学壁纸 除了提示词怎么写以外，如何从一个小的点不断的发散创意变成一个完整的作品的，这部分更值得学习 除了视频👇下面也有文字教程，都可以看。

歸藏(guizang.ai)

142,944 Aufrufe • vor 1 Jahr

测试了一波阿里千问的 3.6-Plus Preview，真的是一句话就能驱动 AI 完成复杂编程任务。 正好最近看到 Conductor 完成了 2200 万美元的 A 轮融资，我让它给我做一个类似 Conductor 的可在 Mac 上同时运行多个 AI 编程智能体，支持 worktree、支持并行开发、支持 review 等等，耗时 30 分钟终于生成了一个可用的版本。 目前模型已上架阿里云百炼，即将登陆千问 APP、悟空、Qoder 等平台，开发者可以免费体验（把 API 接入本地 agent 就能用，完全免费）。 - 体验入口： - 国内： - 国际站：
0:44

测试了一波阿里千问的 3.6-Plus Preview，真的是一句话就能驱动 AI 完成复杂编程任务。 正好最近看到 Conductor 完成了 2200 万美元的 A 轮融资，我让它给我做一个类似 Conductor 的可在 Mac 上同时运行多个 AI 编程智能体，支持 worktree、支持并行开发、支持 review 等等，耗时 30 分钟终于生成了一个可用的版本。 目前模型已上架阿里云百炼，即将登陆千问 APP、悟空、Qoder 等平台，开发者可以免费体验（把 API 接入本地 agent 就能用，完全免费）。 - 体验入口： - 国内： - 国际站：

Ding

29,812 Aufrufe • vor 7 Monaten

他仅用 34 分钟就构建了一个全自动交易机器人，且没有编写任何一行代码。Claude 处理了逻辑、状态切换、安全检查，以及从信号到执行的完整流程。
34:17

他仅用 34 分钟就构建了一个全自动交易机器人，且没有编写任何一行代码。Claude 处理了逻辑、状态切换、安全检查，以及从信号到执行的完整流程。

Bill The Investor

28,172 Aufrufe • vor 6 Monaten

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。
0:52

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

22,303 Aufrufe • vor 7 Monaten

试了一下昨天这个海外产品 MuleRun，发现很牛啊。 从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。 我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。 这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。 不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。 他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。 我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。 我还用里面的 Blender Agent 让他创建了一个灯塔模型。 里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。
1:21

试了一下昨天这个海外产品 MuleRun，发现很牛啊。 从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。 我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。 这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。 不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。 他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。 我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。 我还用里面的 Blender Agent 让他创建了一个灯塔模型。 里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。

歸藏(guizang.ai)

62,855 Aufrufe • vor 1 Jahr

开源一个我自用的OpenClaw控制中心！ 可以一个面板： - 看哪些任务烧了多少 token(百分比) - 看整个 OpenClaw 现在健不健康 - 看每个 Agent 现在在干嘛，有没有卡住 - 看每个 Agent 用的模型、目录、权限 - 直接查看和修改 Agent 的记忆，人设、任务文档 - 看定时任务和心跳任务有没有正常在跑 项目地址：
5:03

开源一个我自用的OpenClaw控制中心！ 可以一个面板： - 看哪些任务烧了多少 token(百分比) - 看整个 OpenClaw 现在健不健康 - 看每个 Agent 现在在干嘛，有没有卡住 - 看每个 Agent 用的模型、目录、权限 - 直接查看和修改 Agent 的记忆，人设、任务文档 - 看定时任务和心跳任务有没有正常在跑 项目地址：

木子不写代码

368,673 Aufrufe • vor 7 Monaten

Clawdbot保姆级教程：一个视频教你轻松玩转Clawdbot 花了一整天的时间做了关于clawdbot的教程视频，它并没有像很多大V吹的那么强，但也绝对是目前超好用的ai agent产品。 希望能通过这个视频，让每个小伙伴都可以学会clawdbot！
13:47

Clawdbot保姆级教程：一个视频教你轻松玩转Clawdbot 花了一整天的时间做了关于clawdbot的教程视频，它并没有像很多大V吹的那么强，但也绝对是目前超好用的ai agent产品。 希望能通过这个视频，让每个小伙伴都可以学会clawdbot！

Vic TALK

76,596 Aufrufe • vor 9 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。
0:30

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

27,710 Aufrufe • vor 3 Monaten

啊？AI可以自己找活干了？ 给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。 举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。 你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。 我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。 项目地址：
1:29

啊？AI可以自己找活干了？ 给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。 举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。 你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。 我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。 项目地址：

karminski-牙医

41,586 Aufrufe • vor 1 Jahr

亲爱的，不晓得你注意到了吗？ 最近 Quack AI 团队研发的 Q402 在BNB Chain 上线了 ！👀 它是一个给 AI Agent 经济用的 统一签名 + 支付 + 执行层 也就是说，以后链上很多操作，我们都可以一键签名直接完成支付和执行 重点来了，这个产品有很多优点，例如： 直接兼容 ERC-20 支持所有符合 EIP-7702 的 EVM 链 不用升级代币 也不用重新走一堆授权流程 一句话总结，就是对用户和开发者都几乎 零改造成本接入！ 而且，一次签名就能执行操作，也支持 Gasless 流程（为 Agent 设计） 另外，结算过程可审计、可追踪、带策略控制 以前我们熟悉的那种Approve → Transfer → Pay一整套拆成三步的流程，以后可以直接一次签名就完成！ 是不是很方便呢？ 治理、支付、自动化执行，现在都能走同一个 sign-to-pay 流程 同时，#Q402 做的是执行层，而 #BNBChain 则是这一切开始的地方 感觉 Agent 叙事终于开始从能不能用，进化到 好不好用了 👀
0:33

亲爱的，不晓得你注意到了吗？ 最近 Quack AI 团队研发的 Q402 在BNB Chain 上线了 ！👀 它是一个给 AI Agent 经济用的 统一签名 + 支付 + 执行层 也就是说，以后链上很多操作，我们都可以一键签名直接完成支付和执行 重点来了，这个产品有很多优点，例如： 直接兼容 ERC-20 支持所有符合 EIP-7702 的 EVM 链 不用升级代币 也不用重新走一堆授权流程 一句话总结，就是对用户和开发者都几乎 零改造成本接入！ 而且，一次签名就能执行操作，也支持 Gasless 流程（为 Agent 设计） 另外，结算过程可审计、可追踪、带策略控制 以前我们熟悉的那种Approve → Transfer → Pay一整套拆成三步的流程，以后可以直接一次签名就完成！ 是不是很方便呢？ 治理、支付、自动化执行，现在都能走同一个 sign-to-pay 流程 同时，#Q402 做的是执行层，而 #BNBChain 则是这一切开始的地方 感觉 Agent 叙事终于开始从能不能用，进化到 好不好用了 👀

Moonlight🌙月光

36,128 Aufrufe • vor 9 Monaten

介绍一下新的 GrokBot 玩法： 让它从一个复杂的推文串里，剪出了一条 3 分钟的学习视频。 注意这一切（包括我这个介绍教程视频）都是在床上完成的，全程没有使用我的电脑。 而且做完这一堆以后，我的额度消耗还不到 4% 他帮我做的原始视频，放下面了。
5:02

介绍一下新的 GrokBot 玩法： 让它从一个复杂的推文串里，剪出了一条 3 分钟的学习视频。 注意这一切（包括我这个介绍教程视频）都是在床上完成的，全程没有使用我的电脑。 而且做完这一堆以后，我的额度消耗还不到 4% 他帮我做的原始视频，放下面了。

歸藏(guizang.ai)

69,290 Aufrufe • vor 23 Tagen

看到一个很牛逼的开源项目，完全契合HTML是新一代Markdown的理念。 如何做呢？ 你可以将你obsidian笔记甚至代码库交给它，它会通过多agent分析、生成一个对话的交互式知识图谱。 然后你就可以可视化地去了解整个项目的逻辑或流程，或者笔记的脉络。 不过大家要注意：第一次分析很吃token，我试着分析了下我的Reddit项目就用掉了Claude Code接近20%的周额度🤣🤣，可以切换国产模型跑。
2:02

看到一个很牛逼的开源项目，完全契合HTML是新一代Markdown的理念。 如何做呢？ 你可以将你obsidian笔记甚至代码库交给它，它会通过多agent分析、生成一个对话的交互式知识图谱。 然后你就可以可视化地去了解整个项目的逻辑或流程，或者笔记的脉络。 不过大家要注意：第一次分析很吃token，我试着分析了下我的Reddit项目就用掉了Claude Code接近20%的周额度🤣🤣，可以切换国产模型跑。

Yanhua

11,435 Aufrufe • vor 4 Monaten

可能是全网最好的Creem支付接入教程来了！国内个人开发者如何实现美金收款？不懂代码如何让AI轻松接入？如何申请Creem？本期一篇教程完整告诉你，长达一小时的完整教程👇👇👇
2:30

可能是全网最好的Creem支付接入教程来了！国内个人开发者如何实现美金收款？不懂代码如何让AI轻松接入？如何申请Creem？本期一篇教程完整告诉你，长达一小时的完整教程👇👇👇

熠辉 Indie

16,813 Aufrufe • vor 1 Jahr

花了5天的时间，终于把我的Agent自动化流水线做完啦哈哈。 起因是因为我的Agent自动化任务实在太多了，有直接在桌面端里定时触发的的，有Webhook然后用后台CLI触发的，还有在Dots里面设的等等等等，所以我想给自己做一个可视化的Agent自动化管理界面。 第一版先做成了普通网页列表，但是感觉太没意思了，于是灵感大爆炸...想到了戴森球计划，于是，那不如做成一个可视化的流水线吧，平时还能加个小屏幕，当个桌搭用。 说干就干，在调个N版美术风格之后，还是选定用这种微缩景观风格了，我觉得更有趣一点。 整体来说，流水线就是预设的自动化，有包裹发出去就是具体的对应单次任务，会路由到两个Agent上做执行，并且跟现实世界时间和天气完全打通，现实下雪❄️，那这个自动化小镇里也会下雪。 工作上主要是Claude Opus 5.5搭整体的视觉和框架，然后Opus 5.5指挥GPT-6 Astra建模+渲染，Codex在我自己的CI机上做海量的端到端测试，整体应该是用了30%的Claude周额度，和两管Codex额度。 最后，终于做完啦，顺道还渲染了一个小小的演示视频～ 喜欢。 对于所有想玩转Agent的朋友，相信我，把一切能自动化的都自动化，一定是你能感受到的最棒的事。
1:19

花了5天的时间，终于把我的Agent自动化流水线做完啦哈哈。 起因是因为我的Agent自动化任务实在太多了，有直接在桌面端里定时触发的的，有Webhook然后用后台CLI触发的，还有在Dots里面设的等等等等，所以我想给自己做一个可视化的Agent自动化管理界面。 第一版先做成了普通网页列表，但是感觉太没意思了，于是灵感大爆炸...想到了戴森球计划，于是，那不如做成一个可视化的流水线吧，平时还能加个小屏幕，当个桌搭用。 说干就干，在调个N版美术风格之后，还是选定用这种微缩景观风格了，我觉得更有趣一点。 整体来说，流水线就是预设的自动化，有包裹发出去就是具体的对应单次任务，会路由到两个Agent上做执行，并且跟现实世界时间和天气完全打通，现实下雪❄️，那这个自动化小镇里也会下雪。 工作上主要是Claude Opus 5.5搭整体的视觉和框架，然后Opus 5.5指挥GPT-6 Astra建模+渲染，Codex在我自己的CI机上做海量的端到端测试，整体应该是用了30%的Claude周额度，和两管Codex额度。 最后，终于做完啦，顺道还渲染了一个小小的演示视频～ 喜欢。 对于所有想玩转Agent的朋友，相信我，把一切能自动化的都自动化，一定是你能感受到的最棒的事。

数字生命卡兹克

135,591 Aufrufe • vor 9 Tagen

我终于想明白，为什么Karpathy的LLM Wiki模式，在自主Agent身上完全行不通了。 这个曾经火遍全网的第二大脑方案，完美解决了人类和AI协作的遗忘问题，把知识固化成了可迭代的持久文件。 但很可惜它从一开始就是给人类设计的，不是为24小时不停运行的Agent设计的。 人类喜欢读整页，浏览，手动修正，Agent只需要单个事实，状态，偏好。 人类能容忍多读点无关内容，Agent多塞100个无关token，成本和幻觉风险就会线性上升。 人类偶尔手动更新笔记，Agent每做一个决策，每调用一次工具，都要写入记忆。 看起来对人足够优雅的笔记系统，对机器来说就是彻头彻尾的结构性浪费。 所以下一代Agent的记忆，必须是分层的，Markdown留给人类阅读和编辑，结构化内存留给机器高效运转。 这才是Agent能真正长期可靠运行的核心前提。
0:46

我终于想明白，为什么Karpathy的LLM Wiki模式，在自主Agent身上完全行不通了。 这个曾经火遍全网的第二大脑方案，完美解决了人类和AI协作的遗忘问题，把知识固化成了可迭代的持久文件。 但很可惜它从一开始就是给人类设计的，不是为24小时不停运行的Agent设计的。 人类喜欢读整页，浏览，手动修正，Agent只需要单个事实，状态，偏好。 人类能容忍多读点无关内容，Agent多塞100个无关token，成本和幻觉风险就会线性上升。 人类偶尔手动更新笔记，Agent每做一个决策，每调用一次工具，都要写入记忆。 看起来对人足够优雅的笔记系统，对机器来说就是彻头彻尾的结构性浪费。 所以下一代Agent的记忆，必须是分层的，Markdown留给人类阅读和编辑，结构化内存留给机器高效运转。 这才是Agent能真正长期可靠运行的核心前提。

AYi

116,211 Aufrufe • vor 6 Monaten

传统的 Deep Research 已经卷到头了。 能写出一份漂亮的总结报告 ≠ 能把真实的复杂任务干完。 我拿几十万字的《红楼梦》原著，给 Apodex 1.1 在线工作台，出了个极其变态的任务。 统计 20 个核心人物的 → 出场次数 → 出场回数 → 每个人第一次出场时的原句 最后还要整理成一张可以直接下载的完整表格。 整个完成任务的过程，像是直接「雇佣一个 AI 数据团队」。 上传文件后，它自己开始拆任务。 一个 Agent 负责解析原著，另一个独立分析，多个任务并行推进； 右侧 Task Board 会实时告诉你现在做到哪一步。 更有意思的是，任务跑到一半，我突然改需求： “只分析前 80 回，后面的不要了。” 以前遇到这种情况，AI 很可能重新来一遍。 Apodex 直接保留已经完成的成果，只重规划受影响的部分。 更关键的是，它不是做完就交卷。 交付前，又调起独立核验 Agent，把人物统计、出场回数和 900+ 条出场原句重新检查一遍。 最后交付给我的是： 可下载的结构化表格 + 完整分析结果 + 口径说明。 这可能才是下一代 Deep Research 真正值得关注的变化： 从“帮你生成一份报告”，变成“接管一项复杂任务，并把它做完”。 目前，Apodex 1.1 Web 端已经正式上线。 🎁 注册即送 credits，强烈建议立刻上传个复杂文件自己跑跑看： 🌐 没想到，更炸裂的是，Apodex 居然开源了 开源模型： Apodex 1.1 mini，35B，开放模型权重，支持本地部署。 开源框架： FrontierAgent，Agent 执行 Harness，支持 ReAct 单 Agent + Multi-Agent Team。 本地运行： 支持 macOS / Linux，无需强制依赖 Docker。 组合能力： Apodex 1.1 mini + FrontierAgent，可在本地运行完整 Agent 执行流程。 💻 如果你是开发者，这里有开源 Agent 框架，欢迎顺手点个 ⭐： 👉 🤗 想本地自己跑模型的看这里👇 #Apodex #DeepResearch
0:45

传统的 Deep Research 已经卷到头了。 能写出一份漂亮的总结报告 ≠ 能把真实的复杂任务干完。 我拿几十万字的《红楼梦》原著，给 Apodex 1.1 在线工作台，出了个极其变态的任务。 统计 20 个核心人物的 → 出场次数 → 出场回数 → 每个人第一次出场时的原句 最后还要整理成一张可以直接下载的完整表格。 整个完成任务的过程，像是直接「雇佣一个 AI 数据团队」。 上传文件后，它自己开始拆任务。 一个 Agent 负责解析原著，另一个独立分析，多个任务并行推进； 右侧 Task Board 会实时告诉你现在做到哪一步。 更有意思的是，任务跑到一半，我突然改需求： “只分析前 80 回，后面的不要了。” 以前遇到这种情况，AI 很可能重新来一遍。 Apodex 直接保留已经完成的成果，只重规划受影响的部分。 更关键的是，它不是做完就交卷。 交付前，又调起独立核验 Agent，把人物统计、出场回数和 900+ 条出场原句重新检查一遍。 最后交付给我的是： 可下载的结构化表格 + 完整分析结果 + 口径说明。 这可能才是下一代 Deep Research 真正值得关注的变化： 从“帮你生成一份报告”，变成“接管一项复杂任务，并把它做完”。 目前，Apodex 1.1 Web 端已经正式上线。 🎁 注册即送 credits，强烈建议立刻上传个复杂文件自己跑跑看： 🌐 没想到，更炸裂的是，Apodex 居然开源了 开源模型： Apodex 1.1 mini，35B，开放模型权重，支持本地部署。 开源框架： FrontierAgent，Agent 执行 Harness，支持 ReAct 单 Agent + Multi-Agent Team。 本地运行： 支持 macOS / Linux，无需强制依赖 Docker。 组合能力： Apodex 1.1 mini + FrontierAgent，可在本地运行完整 Agent 执行流程。 💻 如果你是开发者，这里有开源 Agent 框架，欢迎顺手点个 ⭐： 👉 🤗 想本地自己跑模型的看这里👇 #Apodex #DeepResearch

前端哥Liam

109,577 Aufrufe • vor 2 Monaten