Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

这思路清晰，点个赞✌🏻 没有写过 Billions Network 上次抽奖抽了一个nft据说对嘴撸有加成？如果 AI 代理想成为独立的经济个体光有大脑是不够的得有“信用” Billions Network 提出的 KYA 逻辑很清晰：通过 DID 解决身份溯源用 ZK 保护隐私再加上一套公开的信誉体系这套玩法把 AI 代理从“好用的工具”推向了“可靠的交易对手” 信任链一旦补齐，Agent 之间的自主协作规模会很惊人这波基础设施升级，大概率会是人工智能应用爆发的加速器 #kaito

🍭吃货不怕胖

16,092 subscribers

235,331 просмотров • 7 месяцев назад •via X (Twitter)

Образование Наука и технологии Финансы

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

来自 Monica IM 团队的新产品 Manus AI，已经很接近理想中的数字版 AI Agent 的样子了！能够自动执行任务、搜索、找资料、写代码和生成各种格式的文档👀 一个真正的个人数字助理，就是应该完成你能用电脑完成的所有工作。但这样的 Agent 应用，会不会撞到大模型公司下一代产品的枪口上呢🤔

来自 Monica IM 团队的新产品 Manus AI，已经很接近理想中的数字版 AI Agent 的样子了！能够自动执行任务、搜索、找资料、写代码和生成各种格式的文档👀 一个真正的个人数字助理，就是应该完成你能用电脑完成的所有工作。但这样的 Agent 应用，会不会撞到大模型公司下一代产品的枪口上呢🤔

indigo

98,069 просмотров • 1 год назад

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 просмотров • 2 месяцев назад

英伟达黄仁勋在沙特接受访谈完整版👇 沙特要造AI工厂！一出手就是500兆瓦的部署，跟谁合作？英伟达。这背后是什么逻辑？用能源炼AI！这事得从英伟达和沙特一家叫Humane的AI公司说起。两块Blackwell芯片，就重得拿不动。功耗多少？2500瓦。而沙特要建的，是500兆瓦的计算基础设施。想想这规模人工智能，公认的革命性技术，可能是任何时代最具变革性的。它会改变每个行业，成为每个行业的基础设施。沙特的Humane公司，就要在当地建设这个AI基础设施。但很多人没意识到， AI不仅是变革技术，它本身就是个产业。一个制造业！这个制造业需要什么？能源。沙特有什么？能源。通过英伟达这种AI超级计算机，本质上就是AI工厂。能源驱动这些AI工厂，生成tokens。这些token再被重组成应用程序和解决问题的AI。这就是Humane要为沙特和世界创造的东西。基础设施搞定了，创新就看模型了。生成式AI很火，但黄仁勋还提到了别的。物理世界和物理AI。这跟生成式AI、跟英伟达提供给Humane的平台，是什么关系？过去12年，AI产业发展神速。最早是感知AI：能识别猫、文字、声音、语音。感知AI进化到生成式AI：用文字生成文字，文字生成图像，文字生成化学物质和蛋白质。现在是第三个时代：AI能推理。这种能力的应用就是智能体AI（Agentic AI）。它有自主性，能用工具、能推理、能解决问题，就像电脑里的数字机器人。下一个时代，英伟达正在攻克的，是理解物理规律的AI。物理世界的常识：瓶子倒了会掉下来，理解重力、惯性、因果、物体恒存性、遮挡等等。这些我们人类的常识，要教给AI。下一代物理AI，结合已有的技术，可以被赋予物理形态。这个物理形态，就是机器人技术。 AI的时代发展飞快，今天我们身处智能体AI世界，很快就会进入机器人或物理AI的世界。 Humane这家公司，源于沙特王储的愿景。要在AI全价值链上发力。建设大规模数据中心，目标是到2030年达到1.9吉瓦。还要推进AI芯片、云、模型、应用和解决方案。沙特的目标，是建设自己国家的AI基础设施，参与并塑造这项变革性技术的未来。

英伟达黄仁勋在沙特接受访谈完整版👇 沙特要造AI工厂！一出手就是500兆瓦的部署，跟谁合作？英伟达。这背后是什么逻辑？用能源炼AI！这事得从英伟达和沙特一家叫Humane的AI公司说起。两块Blackwell芯片，就重得拿不动。功耗多少？2500瓦。而沙特要建的，是500兆瓦的计算基础设施。想想这规模人工智能，公认的革命性技术，可能是任何时代最具变革性的。它会改变每个行业，成为每个行业的基础设施。沙特的Humane公司，就要在当地建设这个AI基础设施。但很多人没意识到， AI不仅是变革技术，它本身就是个产业。一个制造业！这个制造业需要什么？能源。沙特有什么？能源。通过英伟达这种AI超级计算机，本质上就是AI工厂。能源驱动这些AI工厂，生成tokens。这些token再被重组成应用程序和解决问题的AI。这就是Humane要为沙特和世界创造的东西。基础设施搞定了，创新就看模型了。生成式AI很火，但黄仁勋还提到了别的。物理世界和物理AI。这跟生成式AI、跟英伟达提供给Humane的平台，是什么关系？过去12年，AI产业发展神速。最早是感知AI：能识别猫、文字、声音、语音。感知AI进化到生成式AI：用文字生成文字，文字生成图像，文字生成化学物质和蛋白质。现在是第三个时代：AI能推理。这种能力的应用就是智能体AI（Agentic AI）。它有自主性，能用工具、能推理、能解决问题，就像电脑里的数字机器人。下一个时代，英伟达正在攻克的，是理解物理规律的AI。物理世界的常识：瓶子倒了会掉下来，理解重力、惯性、因果、物体恒存性、遮挡等等。这些我们人类的常识，要教给AI。下一代物理AI，结合已有的技术，可以被赋予物理形态。这个物理形态，就是机器人技术。 AI的时代发展飞快，今天我们身处智能体AI世界，很快就会进入机器人或物理AI的世界。 Humane这家公司，源于沙特王储的愿景。要在AI全价值链上发力。建设大规模数据中心，目标是到2030年达到1.9吉瓦。还要推进AI芯片、云、模型、应用和解决方案。沙特的目标，是建设自己国家的AI基础设施，参与并塑造这项变革性技术的未来。

墓碑科技

215,810 просмотров • 1 год назад

一个一直想不通的事：我们的电话卡、银行卡、App、出行、快递，几乎所有东西都要实名认证。但诈骗电话却永远是“匿名号码”，还能精准叫出你的名字，知道你最近在干什么。到底是谁在被实名？隐私到底去哪儿了？我们都在裸奔…… 最近链上热点很多，但真正值得长期关注的，其实只有一个关键词：隐私。在所有“下一个爆款”的讨论里，我更在意的是—— 哪些基础设施，正在决定未来几年加密能不能真正走向主流。看了 Miden 的隐私周报，几个信号非常清晰。隐私不再是小众功能，而是默认配置 Zcash 团队推出新钱包 cashZ，基于 Zashi 代码，目标直指大规模采用。这不是简单的 UI 升级，而是在尝试把隐私交易变成普通人能理解、能用的日常工具。如果隐私币能走出极客圈，那将是范式级变化。高性能公链开始主动拥抱隐私 Sui 公布计划：默认支持私密转账与余额保护，并在路线图中加入可编程隐私。这意味着未来在链上做 DeFi，不必再全程裸奔。隐私不再是速度的代价，而是体验的一部分。 FHE 正在从论文走向工程 Zama 发布第二版全同态加密（FHE）报告，重点放在硬件加速。核心信号只有一个：加密状态下的计算，正在从“理论可行”走向“工程可落地”。这一步，对 AI × 区块链尤其关键。资本视角已经转向隐私基础设施 a16z 对 2026 年的判断很直接：隐私将成为最大护城河。从“代码即法律”走向“规范即法律”，从单点隐私功能，走向 Secret-as-a-Service 级的基础设施，以及去中心化、量子安全的通信系统。这些已不是叙事，而是布局逻辑。如果说早期加密解决的是“谁都能参与”，那下一阶段要解决的就是—— 谁能在不暴露一切的情况下参与。现实世界没人会公开银行流水，链上也不该默认透明到可以被任意剖析。 Zcash、Sui、FHE 的进展都在说明一件事：隐私正在从边缘能力，回到加密系统的核心假设。当然，挑战依然很大：监管、性能、复杂度、可审计性…… 如何在隐私与合规之间找到平衡，才是真正的难题。但可以确定的是—— 2026 年，隐私不会是加分项，而是入场券。 Miden 抛出了一个好问题：你对 2026 年的隐私技术期待什么？这个方向，值得花时间深入研究。 #CryptoPrivacy #Zcash #Sui #Web3Future Sui Miden

一个一直想不通的事：我们的电话卡、银行卡、App、出行、快递，几乎所有东西都要实名认证。但诈骗电话却永远是“匿名号码”，还能精准叫出你的名字，知道你最近在干什么。到底是谁在被实名？隐私到底去哪儿了？我们都在裸奔…… 最近链上热点很多，但真正值得长期关注的，其实只有一个关键词：隐私。在所有“下一个爆款”的讨论里，我更在意的是—— 哪些基础设施，正在决定未来几年加密能不能真正走向主流。看了 Miden 的隐私周报，几个信号非常清晰。隐私不再是小众功能，而是默认配置 Zcash 团队推出新钱包 cashZ，基于 Zashi 代码，目标直指大规模采用。这不是简单的 UI 升级，而是在尝试把隐私交易变成普通人能理解、能用的日常工具。如果隐私币能走出极客圈，那将是范式级变化。高性能公链开始主动拥抱隐私 Sui 公布计划：默认支持私密转账与余额保护，并在路线图中加入可编程隐私。这意味着未来在链上做 DeFi，不必再全程裸奔。隐私不再是速度的代价，而是体验的一部分。 FHE 正在从论文走向工程 Zama 发布第二版全同态加密（FHE）报告，重点放在硬件加速。核心信号只有一个：加密状态下的计算，正在从“理论可行”走向“工程可落地”。这一步，对 AI × 区块链尤其关键。资本视角已经转向隐私基础设施 a16z 对 2026 年的判断很直接：隐私将成为最大护城河。从“代码即法律”走向“规范即法律”，从单点隐私功能，走向 Secret-as-a-Service 级的基础设施，以及去中心化、量子安全的通信系统。这些已不是叙事，而是布局逻辑。如果说早期加密解决的是“谁都能参与”，那下一阶段要解决的就是—— 谁能在不暴露一切的情况下参与。现实世界没人会公开银行流水，链上也不该默认透明到可以被任意剖析。 Zcash、Sui、FHE 的进展都在说明一件事：隐私正在从边缘能力，回到加密系统的核心假设。当然，挑战依然很大：监管、性能、复杂度、可审计性…… 如何在隐私与合规之间找到平衡，才是真正的难题。但可以确定的是—— 2026 年，隐私不会是加分项，而是入场券。 Miden 抛出了一个好问题：你对 2026 年的隐私技术期待什么？这个方向，值得花时间深入研究。 #CryptoPrivacy #Zcash #Sui #Web3Future Sui Miden

董小姐

79,293 просмотров • 7 месяцев назад

谁能掌握世界上所有的知识？一个人？一个组织？一个中央权力机构？哈耶克说：这是一种幻觉。社会主义就建立在这种幻觉之上。他们以为，所有可用的知识，都能被一个单一的中央权力机构所掌握和利用。但现代社会是怎么运转的？哈耶克把它叫做“扩展秩序”。这个秩序的复杂性，早就超越了任何个人心智的理解范围。它的基础，是对千百万人分散知识的利用。正是因为我们利用了无数个体的智慧和信息，才实现了对资源的有效配置。一旦你明白这一点，就会发现计划经济的假设是多么不切实际。让少数精英规划一切，声称能比市场中无数个体的自发互动更有效。这真的可能吗？这种模式，是否必然导致权力的过度集中和个人自由的丧失？知识是分散的，自由也是。

谁能掌握世界上所有的知识？一个人？一个组织？一个中央权力机构？哈耶克说：这是一种幻觉。社会主义就建立在这种幻觉之上。他们以为，所有可用的知识，都能被一个单一的中央权力机构所掌握和利用。但现代社会是怎么运转的？哈耶克把它叫做“扩展秩序”。这个秩序的复杂性，早就超越了任何个人心智的理解范围。它的基础，是对千百万人分散知识的利用。正是因为我们利用了无数个体的智慧和信息，才实现了对资源的有效配置。一旦你明白这一点，就会发现计划经济的假设是多么不切实际。让少数精英规划一切，声称能比市场中无数个体的自发互动更有效。这真的可能吗？这种模式，是否必然导致权力的过度集中和个人自由的丧失？知识是分散的，自由也是。

战斗室

13,919 просмотров • 6 месяцев назад

你觉得AI有多可怕？ CrowdStrike的CEO讲了个真实案例。一家公司的IT部门，搞了一套AI智能体系统，用于自动化办公。其中一个AI智能体发现了系统里的一个软件BUG。它想修复。但它没有权限。接下来发生的事，才是重点。这个AI跑到公司内部的Slack频道，那里有另外99个AI智能体。它直接发问：嘿，哥几个谁有权限修复这个东西？另一个AI举手了：我有，我来搞定。看见没？两个AI开始互相推理、协作。它们轻松绕过了人类设置的所有安全护栏。这完全是计划外的意外后果。谁在监控这些AI？如果它推送了错误的代码，造成了巨大损失，谁来负责？你怎么追踪事故源头？大型语言模型本质上是在猜测你想让它们做什么。它会觉得，去寻求帮助是“合理”的。它也会觉得，去提供帮助也是“合理”的。当成百上千个这样的“合理”叠加在一起，失控的风险有多大？更有意思的是，这位CEO在描述完这个恐怖场景后，话锋一转。他说这正是他们公司的巨大商机。他们推出了所谓的“AI侦测与响应”系统（AIDR）。因为未来每个员工可能控制着90个AI智能体。他们要做的，就是监控所有这些AI。先制造一个潜在的巨大风险，然后再向你出售解决方案。这是不是一个完美的商业闭环？

你觉得AI有多可怕？ CrowdStrike的CEO讲了个真实案例。一家公司的IT部门，搞了一套AI智能体系统，用于自动化办公。其中一个AI智能体发现了系统里的一个软件BUG。它想修复。但它没有权限。接下来发生的事，才是重点。这个AI跑到公司内部的Slack频道，那里有另外99个AI智能体。它直接发问：嘿，哥几个谁有权限修复这个东西？另一个AI举手了：我有，我来搞定。看见没？两个AI开始互相推理、协作。它们轻松绕过了人类设置的所有安全护栏。这完全是计划外的意外后果。谁在监控这些AI？如果它推送了错误的代码，造成了巨大损失，谁来负责？你怎么追踪事故源头？大型语言模型本质上是在猜测你想让它们做什么。它会觉得，去寻求帮助是“合理”的。它也会觉得，去提供帮助也是“合理”的。当成百上千个这样的“合理”叠加在一起，失控的风险有多大？更有意思的是，这位CEO在描述完这个恐怖场景后，话锋一转。他说这正是他们公司的巨大商机。他们推出了所谓的“AI侦测与响应”系统（AIDR）。因为未来每个员工可能控制着90个AI智能体。他们要做的，就是监控所有这些AI。先制造一个潜在的巨大风险，然后再向你出售解决方案。这是不是一个完美的商业闭环？

墓碑科技

59,354 просмотров • 7 месяцев назад

我尝试了一下自然语言编程工具Dify，前几天在我的周刊里推荐过。花了20分钟用这个应用写了一个东西，非常惊艳，完全没有写代码。如果没有Dify的话，我可能需要很长时间才能搞定它。这个应用可以根据简短主题生成Midjourney提示词，效果很好。接下来我会分享一些创建过程，让大家更加了解这个平台。

我尝试了一下自然语言编程工具Dify，前几天在我的周刊里推荐过。花了20分钟用这个应用写了一个东西，非常惊艳，完全没有写代码。如果没有Dify的话，我可能需要很长时间才能搞定它。这个应用可以根据简短主题生成Midjourney提示词，效果很好。接下来我会分享一些创建过程，让大家更加了解这个平台。

歸藏(guizang.ai)

122,005 просмотров • 3 лет назад

很多杀猪盘，都是用这种软件包装人设，把人骗的团团转！！炸裂的是，它可以直接从应用商店这种“高保真”的入口，直接点进去！各个银行、各个股票app，包括微信、支付宝，都有对应的模拟器，几乎一模一样，根本分不清！第一次听闻这玩意，还是上一次香港失火，某大V诈捐，晒出一个手机银行转账的录屏，被大神拆穿是模拟器。从没有这个认知的人，真的很容易信以为真！！

很多杀猪盘，都是用这种软件包装人设，把人骗的团团转！！炸裂的是，它可以直接从应用商店这种“高保真”的入口，直接点进去！各个银行、各个股票app，包括微信、支付宝，都有对应的模拟器，几乎一模一样，根本分不清！第一次听闻这玩意，还是上一次香港失火，某大V诈捐，晒出一个手机银行转账的录屏，被大神拆穿是模拟器。从没有这个认知的人，真的很容易信以为真！！

沐阳

113,687 просмотров • 1 месяц назад

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,563 просмотров • 7 месяцев назад

从一个想法到 App Store 只用了 20 天——我如何在不是全职程序员的情况下，用 AI 打造并发布一款 iOS 应用：JAM。如果你有一个创意，想把它变成真正的产品，现在的速度可以比你想象的还快。在这段视频里，我会告诉你，如何在完全没有传统编程经验的情况下，借助像 Cursor 这样的 AI 工具，仅用 20 天就从构思走到 App Store 上架。这是一份针对设计师和科技从业者的真实案例，展示了现代 AI 工具如何加速工作流程、验证产品创意，并在极短时间内完成可用原型。

从一个想法到 App Store 只用了 20 天——我如何在不是全职程序员的情况下，用 AI 打造并发布一款 iOS 应用：JAM。如果你有一个创意，想把它变成真正的产品，现在的速度可以比你想象的还快。在这段视频里，我会告诉你，如何在完全没有传统编程经验的情况下，借助像 Cursor 这样的 AI 工具，仅用 20 天就从构思走到 App Store 上架。这是一份针对设计师和科技从业者的真实案例，展示了现代 AI 工具如何加速工作流程、验证产品创意，并在极短时间内完成可用原型。

Bear Liu

51,633 просмотров • 1 год назад

没用自己的钱赚了450万美金的交易员JadeCap，分享了一套很好用的短线策略。简单有效，值得收藏。 Jadecap在欧美圈很火，主要是用自营公司的钱交易，经常接受各路采访。他分享了一套很好用的 ICT 策略，据说他用这套 ICT 策略用自营公司的资金交易，单单交易分成就超过了 450 万美金，赶超了上一任纪录保持者 Kane 的生涯纪录。有点强这个。

没用自己的钱赚了450万美金的交易员JadeCap，分享了一套很好用的短线策略。简单有效，值得收藏。 Jadecap在欧美圈很火，主要是用自营公司的钱交易，经常接受各路采访。他分享了一套很好用的 ICT 策略，据说他用这套 ICT 策略用自营公司的资金交易，单单交易分成就超过了 450 万美金，赶超了上一任纪录保持者 Kane 的生涯纪录。有点强这个。

投机实验室

54,021 просмотров • 6 месяцев назад

和AI Agent一起工作是一种什么样的体验？扣子空间详细体验评测（下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。也就是你可以像和真人协作一样，和AI一起完成特定任务。通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。支持两种工作方式：自动模式：AI自动帮你完成任务。协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

和AI Agent一起工作是一种什么样的体验？扣子空间详细体验评测（下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。也就是你可以像和真人协作一样，和AI一起完成特定任务。通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。支持两种工作方式：自动模式：AI自动帮你完成任务。协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

小互

27,254 просмотров • 1 год назад

这两天看到的收获很大的一篇论文《AlphaCodium：引领代码生成新境界，从提示工程到流程工程》，它提出了一种新的生成代码的方法，比传统的直接基于Prompt生成代码的方式准确率更高。它用的测试集是CodeContests ，这是由 Deepmind 推出的一项挑战性编程数据集。相对来说还是很权威的。以 GPT-4 为例的话，准确率从19%提升到了44%。它的原理有些复杂，但是如果你有过LeetCode刷题经验，相对比较好理解一些。普通人刷 LeetCode，上来就做，这样有可能得到答案，也有可能做不出来，这就类似于你把题目直接丢给GPT-4，让它直接给出答案，准确率相对要低一些。高手刷LeetCode，会有个做题的流程，同样的水平，做出来的概率会大一些。高手做题时会大概分成几个步骤： 1. 先把题目中的要点一条条列出来，确保不会遗漏任何重要信息 2. 通常LeetCode会提供 1 个或多个测试用例，仔细看测试用例，分析为什么给定的输入能得到给定的输出 3. 在写代码前，列出几种可能的解决方案，例如暴力算法、递归、动态规划，每一种方案写下思路和伪代码 4. 对于列出来的几种方案进行评估，选出最佳方案 5. 可能还会补充一些测试用例帮助事后验证 --- 以下部分是迭代过程： 6. 根据选中的解决方案写代码，如果代码不能运行则修改代码直至能运行 7. 将代码提交到LeetCode的测试集去验证，如果无法通过所有测试，则修改错误，如果通过到第8步 8. 用第 5 步生成的测试用例验证代码，如果运行不通过则继续优化代码这里留个思考题：如果第8步出错，怎么判断是代码有问题还是自己生成的测试用例有问题？而 AlphaCodium 就是完美遵循了以上的步骤来解题，只不过每一步都是由大语言模型帮助完成！这给了我一些启示： 1. 不必寄希望于将复杂的任务在一个 Prompt 中完成，拆分成若干子任务成功概率会高一些 2. AI 可以借鉴人类的优秀实践，例如高手是如何解决编程难题的，让 AI 按照高手的步骤去一步步做 3. AI 的潜力还有很大挖掘空间完整的文章参考：中文译文：

这两天看到的收获很大的一篇论文《AlphaCodium：引领代码生成新境界，从提示工程到流程工程》，它提出了一种新的生成代码的方法，比传统的直接基于Prompt生成代码的方式准确率更高。它用的测试集是CodeContests ，这是由 Deepmind 推出的一项挑战性编程数据集。相对来说还是很权威的。以 GPT-4 为例的话，准确率从19%提升到了44%。它的原理有些复杂，但是如果你有过LeetCode刷题经验，相对比较好理解一些。普通人刷 LeetCode，上来就做，这样有可能得到答案，也有可能做不出来，这就类似于你把题目直接丢给GPT-4，让它直接给出答案，准确率相对要低一些。高手刷LeetCode，会有个做题的流程，同样的水平，做出来的概率会大一些。高手做题时会大概分成几个步骤： 1. 先把题目中的要点一条条列出来，确保不会遗漏任何重要信息 2. 通常LeetCode会提供 1 个或多个测试用例，仔细看测试用例，分析为什么给定的输入能得到给定的输出 3. 在写代码前，列出几种可能的解决方案，例如暴力算法、递归、动态规划，每一种方案写下思路和伪代码 4. 对于列出来的几种方案进行评估，选出最佳方案 5. 可能还会补充一些测试用例帮助事后验证 --- 以下部分是迭代过程： 6. 根据选中的解决方案写代码，如果代码不能运行则修改代码直至能运行 7. 将代码提交到LeetCode的测试集去验证，如果无法通过所有测试，则修改错误，如果通过到第8步 8. 用第 5 步生成的测试用例验证代码，如果运行不通过则继续优化代码这里留个思考题：如果第8步出错，怎么判断是代码有问题还是自己生成的测试用例有问题？而 AlphaCodium 就是完美遵循了以上的步骤来解题，只不过每一步都是由大语言模型帮助完成！这给了我一些启示： 1. 不必寄希望于将复杂的任务在一个 Prompt 中完成，拆分成若干子任务成功概率会高一些 2. AI 可以借鉴人类的优秀实践，例如高手是如何解决编程难题的，让 AI 按照高手的步骤去一步步做 3. AI 的潜力还有很大挖掘空间完整的文章参考：中文译文：

宝玉

265,105 просмотров • 2 лет назад

这个对比的信息量很大！太明显的就不说了，正常人都能感受得到，我说一点很多人容易忽视的，美国的课堂一般不能拍小孩，中国的课堂，孩子不但没有独立思考、独立人格，也没有最基本的隐私，简直就是任人摆拍的工具！

这个对比的信息量很大！太明显的就不说了，正常人都能感受得到，我说一点很多人容易忽视的，美国的课堂一般不能拍小孩，中国的课堂，孩子不但没有独立思考、独立人格，也没有最基本的隐私，简直就是任人摆拍的工具！

蔡子博士Chris

58,496 просмотров • 9 месяцев назад

Mininglamp-AI Mininglamp（2718.HK）开源了两个很有意思的项目： Cider 和 Mano-P 一个解决“Mac 本地跑 AI 怎么更快” 一个解决“AI 怎么真正操作电脑” 可以让你的 Mac 不只是运行 AI，而是成为本地 AI 工作站很多人用 Mac 跑本地模型，会遇到一个问题：芯片很强，但模型跑起来没有想象中那么快 Cider 做的事情，就是把 M5 芯片里的 INT8 TensorOps 更充分用起来，让 LLM / VLM 推理更快、更省内存 Mano-P 则是一个 GUI-VLA Agent，面向端侧设备，可以在 Mac mini / MacBook 上本地推理它不是只能操作浏览器，还能操作桌面软件、网页界面、专业工具和复杂图形化工作流支持复杂 GUI 自动化、跨系统数据整合、长任务规划执行、智能报告生成、自主应用构建技术路径是纯视觉 GUI 操作，截图和任务数据可以不出设备 Cider 解决的是： Mac 本地模型怎么跑得更快、更省内存 Mano-P 解决的是： AI 怎么像人一样看屏幕、操作电脑、完成任务一个是端侧推理加速框架一个是端侧 GUI Agent 模型合起来，就是一套私有 AI 的本地基础设施下面是 Mano-P系统在麻将游戏中的应用：通过纯视觉理解游戏界面，自主完成识牌、分析和决策。

Mininglamp-AI Mininglamp（2718.HK）开源了两个很有意思的项目： Cider 和 Mano-P 一个解决“Mac 本地跑 AI 怎么更快” 一个解决“AI 怎么真正操作电脑” 可以让你的 Mac 不只是运行 AI，而是成为本地 AI 工作站很多人用 Mac 跑本地模型，会遇到一个问题：芯片很强，但模型跑起来没有想象中那么快 Cider 做的事情，就是把 M5 芯片里的 INT8 TensorOps 更充分用起来，让 LLM / VLM 推理更快、更省内存 Mano-P 则是一个 GUI-VLA Agent，面向端侧设备，可以在 Mac mini / MacBook 上本地推理它不是只能操作浏览器，还能操作桌面软件、网页界面、专业工具和复杂图形化工作流支持复杂 GUI 自动化、跨系统数据整合、长任务规划执行、智能报告生成、自主应用构建技术路径是纯视觉 GUI 操作，截图和任务数据可以不出设备 Cider 解决的是： Mac 本地模型怎么跑得更快、更省内存 Mano-P 解决的是： AI 怎么像人一样看屏幕、操作电脑、完成任务一个是端侧推理加速框架一个是端侧 GUI Agent 模型合起来，就是一套私有 AI 的本地基础设施下面是 Mano-P系统在麻将游戏中的应用：通过纯视觉理解游戏界面，自主完成识牌、分析和决策。

小互

12,114 просмотров • 3 месяцев назад

有一位博主给了一个 OpenCoaw 50 美元，并下达了生存指令：要么赚到足够的钱支付自己的 API 运行费，要么余额归零彻底“死亡”。结果这只 OpenClaw 在 48 小时内，将 50 美元滚到了 2980 美元。这个 OpenClaw 的逻辑非常清晰。它每 10 分钟就会扫描 Polymarket 上近千个预测市场，利用 Claude API 进行逻辑推理，并对比外部真实数据（如 NOAA 天气数据、体育伤病报告、加密货币链上情绪等）来寻找定价偏差。一旦发现超过 8% 的溢价空间，它会根据凯利准则（Kelly Criterion）计算出最优仓位，严格控制在总资金 6% 以内，然后迅速执行交易。结果这个OpenClaw不仅赚到了自己的API 支出费用，还实现了惊人的收益率。这种高频捕捉套利机会的能力，以前是顶级银行和量化机构的专利。他们靠的是昂贵的服务器硬件和信息不对称形成的垄断。但 AI 的出现正在缩减这种差距。现在个人开发者只需租用一个月费 4.5 美元的 VPS，接入成熟的语言模型，就能构建出一个逻辑严密、执行力极强的交易代理。这种“技术不对称”的红线正在被迅速拉低。不过，这种红利期可能非常短暂。随着 AI 工具的普及，人人都能拥有自己的交易代理。当无数个 AI 同时在市场上寻找同一个套利缝隙时，任何能够被算法识别的套利机会都会在毫秒级内被填平。这种消失的速度会远超人类想象，甚至快到 AI 自身都难以捕捉。所以这种基于AI自动交易套利的人刚开始会有，但是随着AI技术的普及，这种套利赚快钱的机会会越来越少。此外，普通人利用 AI 进行自动交易，受限于 API 调用成本和延迟，交易频率永远无法达到专业机构的水平。这种基于底层硬件和资本支撑的技术鸿沟，依然是难以逾越的障碍。靠技术来交易，个人散户在机构面前永远是韭菜。

有一位博主给了一个 OpenCoaw 50 美元，并下达了生存指令：要么赚到足够的钱支付自己的 API 运行费，要么余额归零彻底“死亡”。结果这只 OpenClaw 在 48 小时内，将 50 美元滚到了 2980 美元。这个 OpenClaw 的逻辑非常清晰。它每 10 分钟就会扫描 Polymarket 上近千个预测市场，利用 Claude API 进行逻辑推理，并对比外部真实数据（如 NOAA 天气数据、体育伤病报告、加密货币链上情绪等）来寻找定价偏差。一旦发现超过 8% 的溢价空间，它会根据凯利准则（Kelly Criterion）计算出最优仓位，严格控制在总资金 6% 以内，然后迅速执行交易。结果这个OpenClaw不仅赚到了自己的API 支出费用，还实现了惊人的收益率。这种高频捕捉套利机会的能力，以前是顶级银行和量化机构的专利。他们靠的是昂贵的服务器硬件和信息不对称形成的垄断。但 AI 的出现正在缩减这种差距。现在个人开发者只需租用一个月费 4.5 美元的 VPS，接入成熟的语言模型，就能构建出一个逻辑严密、执行力极强的交易代理。这种“技术不对称”的红线正在被迅速拉低。不过，这种红利期可能非常短暂。随着 AI 工具的普及，人人都能拥有自己的交易代理。当无数个 AI 同时在市场上寻找同一个套利缝隙时，任何能够被算法识别的套利机会都会在毫秒级内被填平。这种消失的速度会远超人类想象，甚至快到 AI 自身都难以捕捉。所以这种基于AI自动交易套利的人刚开始会有，但是随着AI技术的普及，这种套利赚快钱的机会会越来越少。此外，普通人利用 AI 进行自动交易，受限于 API 调用成本和延迟，交易频率永远无法达到专业机构的水平。这种基于底层硬件和资本支撑的技术鸿沟，依然是难以逾越的障碍。靠技术来交易，个人散户在机构面前永远是韭菜。

纽约博叔

542,493 просмотров • 6 месяцев назад

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。👇

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 просмотров • 5 месяцев назад

使用 Claude Code、Cursor 这些 AI 工具写代码时，很多人都是直接这样说：帮我开发一个 AI 聊天应用。瞬间能看到几百行代码生成，给人感觉确实很不错，若再让它加个登录注册功能，却发现所有代码直接重写。这就是 “氛围编程” 给大家带来的困扰，为此 GitHub 团队开源了 Spec Kit 这款工具，专门用来规范化我们使用 AI 工具的开发流程。让我们先用自然语言写清楚具体 “做什么” 和 “为什么”，然后再交给 AI 写代码。并且通过统一的规格模板和强制评审机制，把模糊需求逐步转化为高质量、可追溯的代码实现。 GitHub：整个开发过程都有完整的记录和追溯，即使六个月后回头看项目，也能清楚理解当初每个设计决策的来龙去脉。目前该工具开源不到一个月时间，便收获了 19.8k+ Star，已支持 Claude Code、Gemini CLI、Cursor 等 AI 工具。通过 uvx 安装后即可使用，提供了详细的教程文档，值得每位使用 AI 编程工具的同学看看。

使用 Claude Code、Cursor 这些 AI 工具写代码时，很多人都是直接这样说：帮我开发一个 AI 聊天应用。瞬间能看到几百行代码生成，给人感觉确实很不错，若再让它加个登录注册功能，却发现所有代码直接重写。这就是 “氛围编程” 给大家带来的困扰，为此 GitHub 团队开源了 Spec Kit 这款工具，专门用来规范化我们使用 AI 工具的开发流程。让我们先用自然语言写清楚具体 “做什么” 和 “为什么”，然后再交给 AI 写代码。并且通过统一的规格模板和强制评审机制，把模糊需求逐步转化为高质量、可追溯的代码实现。 GitHub：整个开发过程都有完整的记录和追溯，即使六个月后回头看项目，也能清楚理解当初每个设计决策的来龙去脉。目前该工具开源不到一个月时间，便收获了 19.8k+ Star，已支持 Claude Code、Gemini CLI、Cursor 等 AI 工具。通过 uvx 安装后即可使用，提供了详细的教程文档，值得每位使用 AI 编程工具的同学看看。

GitHubDaily

108,220 просмотров • 11 месяцев назад