Загрузка видео...

Не удалось загрузить видео

На главную

阿里开源了一个纯JS实现的GUI agent：page-agent，目前已经24000个Star 一行代码就可以将Agent集成到网站里，让用户可以通过自然语言与页面进行交互。 主要应用场景有： 1、对接答疑机器人 2、交互升级/智能化改造 3、产品教学 4、无障碍支持 开源：

songguoxiansen's profile picture

松果先森

30,917 subscribers

11,403 просмотров • 2 месяцев назад •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

我用LibTV+ Codex做了一个动态个人作品集网站： 鼠标滚动，就能控制Hero镜头与页面内容交互，让动态作品真正放进可交互网页里。 今晚发完整教程 👀 website with scroll transform interaction #AI #Codex #WebDesign #UIUX #AIDesign
0:19

我用LibTV+ Codex做了一个动态个人作品集网站： 鼠标滚动，就能控制Hero镜头与页面内容交互，让动态作品真正放进可交互网页里。 今晚发完整教程 👀 website with scroll transform interaction #AI #Codex #WebDesign #UIUX #AIDesign

宋夏天Dazzle

13,902 просмотров • 1 месяц назад

西工大再爆黑科技！给无人机“装上大脑、建立群聊”！这套框架可让无人机集群在语言沟通中动态协同，实现开放环境下，“人机”“多机”对话交互，打破了人类和机器的交互壁垒，进一步拓展了临地安防的应用场景。
0:17

西工大再爆黑科技！给无人机“装上大脑、建立群聊”！这套框架可让无人机集群在语言沟通中动态协同，实现开放环境下，“人机”“多机”对话交互，打破了人类和机器的交互壁垒，进一步拓展了临地安防的应用场景。

高飞

12,649 просмотров • 2 лет назад

xAI 把内部顶级 AI 编程工具直接开源了，上线几小时就冲上 GitHub 热榜，斩获 2.3w+star Grok Build 是 xAI 内部驱动 Grok 4.5 的终端 AI 编程 agent，Apache 2.0 协议，人人都能用、人人都能改 全屏交互式 TUI 界面，可以理解代码库、编辑文件、执行 Shell 命令、搜索网页、管理长任务，支持交互模式、无头脚本模式和编辑器嵌入模式，三种用法随意切换 以前只有 xAI 内部工程师才能用上的 agent 框架，现在打开 GitHub 直接拿
0:17

xAI 把内部顶级 AI 编程工具直接开源了，上线几小时就冲上 GitHub 热榜，斩获 2.3w+star Grok Build 是 xAI 内部驱动 Grok 4.5 的终端 AI 编程 agent，Apache 2.0 协议，人人都能用、人人都能改 全屏交互式 TUI 界面，可以理解代码库、编辑文件、执行 Shell 命令、搜索网页、管理长任务，支持交互模式、无头脚本模式和编辑器嵌入模式，三种用法随意切换 以前只有 xAI 内部工程师才能用上的 agent 框架，现在打开 GitHub 直接拿

阿西_出海

15,240 просмотров • 1 месяц назад

🚀 重磅开源！Prime Agent 来了 一个真正会自我进化的 AI 编程特工。 不是普通的 Chat 工具，而是： • 递归语言模型（RLM）架构 • 持久化 IPython 环境，一切皆代码 • 内置子代理并行干活 • 自动 /refine 自我改进，越用越强 • 支持连续跑几天几夜的长期自主任务 安装一行命令： curl -fsSL | sh 已经 12k+ stars，MIT 开源，直接起飞 🔥 GitHub： #AI #Agent #OpenSource #编程智能体
0:11

🚀 重磅开源！Prime Agent 来了 一个真正会自我进化的 AI 编程特工。 不是普通的 Chat 工具，而是： • 递归语言模型（RLM）架构 • 持久化 IPython 环境，一切皆代码 • 内置子代理并行干活 • 自动 /refine 自我改进，越用越强 • 支持连续跑几天几夜的长期自主任务 安装一行命令： curl -fsSL | sh 已经 12k+ stars，MIT 开源，直接起飞 🔥 GitHub： #AI #Agent #OpenSource #编程智能体

DeFi狙击手 | Ai🕊️｜Gate美股0费率

15,892 просмотров • 1 месяц назад

用 Codex 加 ChatCut，我终于能用自然语言丝滑剪辑我的视频了！ 最近一直在研究这个 ChatCut 的 CodeX 插件 他们在自然语言视频作这个层面，绝对是第一梯队 最牛逼的几个点在于： 1. 全自然语言操控 可以用自然语言操作整个剪辑过程 你不需要去手动操作复杂的剪辑轨道，只需要把你的需求用大白话讲给它，它就会自动去调用工具进行剪辑 2. 剪辑与生成无缝集成 它把视频剪辑和生成功能全部集成到了同一个工具里 如果你在剪辑过程中需要某些素材，它会自动帮你去找，或者直接生成对应的素材 整个体验非常顺畅，效果挺屌的 3. 优秀的可视化交互 这是目前我见过交互体验最好的自然语言剪辑工具 安装好之后，左边是你跟 Codex 对话的区域，右边就是它的整个工作区 你可以实时、可视化地看到 Codex 是如何操作你的视频素材进行剪辑的 更爽的是，你还可以直接在右边的工作区里，对刚刚剪辑的视频进行精细化的微调和修改 这种交互方式真的已经非常接近我理想中自然语言剪辑了 不过他们目前也确实存在一些问题， 比如整体的处理速度还是比较慢，以及 Token 的消耗比较大 这也是现阶段的一个局限性，但我觉得未来一定会越来越好 如果对自然语言视频制作感兴趣的兄弟们，一定要去试一下这个插件！ 官网链接如下：
0:18

用 Codex 加 ChatCut，我终于能用自然语言丝滑剪辑我的视频了！ 最近一直在研究这个 ChatCut 的 CodeX 插件 他们在自然语言视频作这个层面，绝对是第一梯队 最牛逼的几个点在于： 1. 全自然语言操控 可以用自然语言操作整个剪辑过程 你不需要去手动操作复杂的剪辑轨道，只需要把你的需求用大白话讲给它，它就会自动去调用工具进行剪辑 2. 剪辑与生成无缝集成 它把视频剪辑和生成功能全部集成到了同一个工具里 如果你在剪辑过程中需要某些素材，它会自动帮你去找，或者直接生成对应的素材 整个体验非常顺畅，效果挺屌的 3. 优秀的可视化交互 这是目前我见过交互体验最好的自然语言剪辑工具 安装好之后，左边是你跟 Codex 对话的区域，右边就是它的整个工作区 你可以实时、可视化地看到 Codex 是如何操作你的视频素材进行剪辑的 更爽的是，你还可以直接在右边的工作区里，对刚刚剪辑的视频进行精细化的微调和修改 这种交互方式真的已经非常接近我理想中自然语言剪辑了 不过他们目前也确实存在一些问题， 比如整体的处理速度还是比较慢，以及 Token 的消耗比较大 这也是现阶段的一个局限性，但我觉得未来一定会越来越好 如果对自然语言视频制作感兴趣的兄弟们，一定要去试一下这个插件！ 官网链接如下：

来碗牛肉粉

17,728 просмотров • 2 месяцев назад

卧槽，感谢前端哥，又学到了一个拥有28.7K开源小可爱 Herdr 。它是目前仅有18M的Rust终端，装上它可以让你轻松放羊了。 之前一直在用tmux，初步上手感觉我的tmux可以丢到垃圾桶了，tmux 拥有一套完整的键盘快捷键体系，而 Herdr 在设计上选了鼠标优先的路线。从分屏、调高宽到标签页切换，全部支持可视化操作。同时 Herdr 依然保留了快捷键机制。 同时 Herdr提供了开源的skill，可以让你轻松管控一大堆Agent，比如Claude Code、Codex、Grok Build、OpenCode等等，而且使用herdr可以让各个Agent之间轻松实现相互的通信。 最后，他目前也支持window，评论区我放上开源项目地址和视频酷炫终端使用指引，有兴趣的可以试试看
0:13

卧槽，感谢前端哥，又学到了一个拥有28.7K开源小可爱 Herdr 。它是目前仅有18M的Rust终端，装上它可以让你轻松放羊了。 之前一直在用tmux，初步上手感觉我的tmux可以丢到垃圾桶了，tmux 拥有一套完整的键盘快捷键体系，而 Herdr 在设计上选了鼠标优先的路线。从分屏、调高宽到标签页切换，全部支持可视化操作。同时 Herdr 依然保留了快捷键机制。 同时 Herdr提供了开源的skill，可以让你轻松管控一大堆Agent，比如Claude Code、Codex、Grok Build、OpenCode等等，而且使用herdr可以让各个Agent之间轻松实现相互的通信。 最后，他目前也支持window，评论区我放上开源项目地址和视频酷炫终端使用指引，有兴趣的可以试试看

AI少年

107,097 просмотров • 1 месяц назад

今年三月底在 Let's Vision 上介绍了我们正在做的让 agent 参与 mobile 开发自主验证的一些微小工作。现在终于可以把其中一部分我们日常使用的工具开源了。 sim-use 是让 AI agent 能看到模拟器/设备的屏幕并操作它的命令行工具。一条命令把整个屏幕变成 agent 能理解的紧凑表示，再一条命令点击任意元素，以完成验证循环。iOS Simulator 和 Android 通用。 Plan, code, verify, ship — verify 这一环现在可以交给 agent 了。欢迎大家试用/加星/反馈/一同改进！
0:12

今年三月底在 Let's Vision 上介绍了我们正在做的让 agent 参与 mobile 开发自主验证的一些微小工作。现在终于可以把其中一部分我们日常使用的工具开源了。 sim-use 是让 AI agent 能看到模拟器/设备的屏幕并操作它的命令行工具。一条命令把整个屏幕变成 agent 能理解的紧凑表示，再一条命令点击任意元素，以完成验证循环。iOS Simulator 和 Android 通用。 Plan, code, verify, ship — verify 这一环现在可以交给 agent 了。欢迎大家试用/加星/反馈/一同改进！

onevcat

68,799 просмотров • 2 месяцев назад

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了 tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现
0:13

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了 tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现

阿西_出海

55,207 просмотров • 2 месяцев назад

OKX 可真有钱啊，他们居然专门做了 AI 交易 Bot，这个会秒杀前段时间炒作的 AI 交易产品 一个交易产品到底是不是在认真做就看他做不做“回测” 因为“回测”只有真正需要严谨交易的用户才会需要 主要就几个点： - 使用自然语言设计策略 - 可以获取 RSI 等各种数据 - 重要的是可以回测（无敌了这个）
0:11

OKX 可真有钱啊，他们居然专门做了 AI 交易 Bot，这个会秒杀前段时间炒作的 AI 交易产品 一个交易产品到底是不是在认真做就看他做不做“回测” 因为“回测”只有真正需要严谨交易的用户才会需要 主要就几个点： - 使用自然语言设计策略 - 可以获取 RSI 等各种数据 - 重要的是可以回测（无敌了这个）

Punk（2898 🙌💎）

126,266 просмотров • 7 месяцев назад

太猛了！谷歌 Gemini 直接塞了一个N8N 进去 ​ 把 Opal 塞到了 Gem 功能里面，自然语言创建工作流 ​人人都可以创建自己的带界面的AI应用了，还能分享给其他Gemini用户使用，不消耗你的额度 用这个把我的屏幕使用时间提示词可视化变成了网页。一键生成海报、文本和播客 顺便写个教程👇
0:14

太猛了！谷歌 Gemini 直接塞了一个N8N 进去 ​ 把 Opal 塞到了 Gem 功能里面，自然语言创建工作流 ​人人都可以创建自己的带界面的AI应用了，还能分享给其他Gemini用户使用，不消耗你的额度 用这个把我的屏幕使用时间提示词可视化变成了网页。一键生成海报、文本和播客 顺便写个教程👇

歸藏(guizang.ai)

99,030 просмотров • 9 месяцев назад

又又又开源一个skill 【英语谐音助记skill】主要是帮你把英语的发音转化成中文的谐音，然后用中文的谐音去编一个有助于记忆的故事 用于教育行业 收录了英语的音标，以及对应的谐音字 这样AI就可以很稳定产出，你基于此可以二创出很多玩法
0:19

又又又开源一个skill 【英语谐音助记skill】主要是帮你把英语的发音转化成中文的谐音，然后用中文的谐音去编一个有助于记忆的故事 用于教育行业 收录了英语的音标，以及对应的谐音字 这样AI就可以很稳定产出，你基于此可以二创出很多玩法

蛋黄堡

13,645 просмотров • 1 месяц назад

HStudio手机端可统一管理多Agent HStudio 现在已经支持在手机端统一管理多个 Agent 了。 Hermes、Codex、Claude、Pi、Grok 等 Agent 的版本与运行状态都能清晰查看，还可以随时切换界面语言。 不用一直守在电脑前，也能轻松打理你的 AI 工作空间。
0:10

HStudio手机端可统一管理多Agent HStudio 现在已经支持在手机端统一管理多个 Agent 了。 Hermes、Codex、Claude、Pi、Grok 等 Agent 的版本与运行状态都能清晰查看，还可以随时切换界面语言。 不用一直守在电脑前，也能轻松打理你的 AI 工作空间。

libapi

11,375 просмотров • 17 дней назад

Edulab Skills新增技能edu-chem-reaction。 可以把一个化学反应直接生成一个可交互的 3D 教学网页： - 分子级动画演示断键、成键全过程 - 原子守恒实时计数，配平方程自动校验 - 能量-反应进程曲线 + 分步讲解 从甲烷燃烧、电解水、氧化还原，到酯化反应机理，都能以微观动画的形式展示，特别适合教学、科普和自学。 底层用 sympy 做配平和守恒校验，Three.js 做分子动画，生成的是一个无需后端、可直接分享的 HTML 页面。 技能库持续更新中……
0:12

Edulab Skills新增技能edu-chem-reaction。 可以把一个化学反应直接生成一个可交互的 3D 教学网页： - 分子级动画演示断键、成键全过程 - 原子守恒实时计数，配平方程自动校验 - 能量-反应进程曲线 + 分步讲解 从甲烷燃烧、电解水、氧化还原，到酯化反应机理，都能以微观动画的形式展示，特别适合教学、科普和自学。 底层用 sympy 做配平和守恒校验，Three.js 做分子动画，生成的是一个无需后端、可直接分享的 HTML 页面。 技能库持续更新中……

WY

17,521 просмотров • 2 месяцев назад

全球开发者正在把 Plugins、Skills 和 Design Systems 持续带进 OpenDesign。每一份贡献，都会成为下一个创作者和 Agent 可以直接复用的设计能力。 我们相信这才是开源真正的复利，目前OpenDesign已经将1000+ Plugins、Skills 和 Design Systems 集成为资源库
0:13

全球开发者正在把 Plugins、Skills 和 Design Systems 持续带进 OpenDesign。每一份贡献，都会成为下一个创作者和 Agent 可以直接复用的设计能力。 我们相信这才是开源真正的复利，目前OpenDesign已经将1000+ Plugins、Skills 和 Design Systems 集成为资源库

Tom Huang

13,604 просмотров • 24 дней назад

原来 Omma AI 来自新生代 Web 3D 设计与交互工具 Spline Omma是一个用通过对话 生成 3D 网站、Web App 和交互体验的新工具。 它不只是 text-to-3D，而是把代码生成、图像生成、3D 模型生成和页面部署整合在一起。你可以从一句 prompt 开始，生成 landing page、产品展示页、小游戏，甚至完整的 3D Web 体验。
0:17

原来 Omma AI 来自新生代 Web 3D 设计与交互工具 Spline Omma是一个用通过对话 生成 3D 网站、Web App 和交互体验的新工具。 它不只是 text-to-3D，而是把代码生成、图像生成、3D 模型生成和页面部署整合在一起。你可以从一句 prompt 开始，生成 landing page、产品展示页、小游戏，甚至完整的 3D Web 体验。

sundyme

34,809 просмотров • 4 месяцев назад

《solana的一小步，币圈的一大步》 -- losingle 一推读懂solana刚刚发布的actions&blinks 一、solana刚发布的 actions&blinks是一个浏览器插件生态，将sol的各种应用通过一条URL无缝的集成到推特的内容中，让推特用户可以方便的在不离开推特页面的情况下完成多种如在dex进行交易，买卖nft，治理投票之类的功能。 未来还能集成大量的功能，包括但不限于： 1、针对推特大v显示其链上信息，并支持一键跟单； 2、全链上游戏，但游戏的实时攻略发布在推上； 3、结合大语言模型，抓取针对特定标的的推特内容并进行分析给出买卖建议并在满足预设条件的情况下自动进行买卖 。。。。。。。。（此处省去数十个各种功能） 以上只是几个简单的例子，如果blinks是一个开源的生态，能被开发出来的各种应用将超越我们的最疯狂的想象。 二、blinks未来会支持更多的社交媒体平台，如reddit等。 看得出来，blinks的野心是希望将现有web2的社交媒体，变成solana生态的流量池。 甚至更进一步，让blinks变成现有web2社交媒体的web3 layer。 如果blinks能实现用户资产化，并顺利的解决用户沉淀，形成用户，生态和资产不断自增长的正向飞轮，那么blinks的未来将不可限量。 项目由 Dialect 开发，并与 Solana 合作，旨在将 Solana 的使用扩展到所有地方，首先从 Twitter 开始。用户可以通过 Backpack 和 Phantom 体验这一功能，Solflare Wallet 也即将支持。 三、目前生态已经支持的项目及功能包括： 通过 JupiterExchange 和 MeteoraAG 进行 meme 币交换 使用 Phantom 购买代币 在 Tensor HQ 上扫货 通过 Heliuslabs 投资 hSOL 使用 Sanctumso 购买 LSTs 通过 Access Protocol 订阅高级内容 向 Sphere Labs 和 Cubik 捐款 在 Realms DAOs 和 Helium 上投票 在 Truffle HQ 上铸造 NFTs 四、系统架构 Actions 协议：这个协议允许通过 URL 创建和传递 Solana 交易，使得 Solana 的交易可以在各个地方共享。 Blinks 客户端：Blinks 或 Blockchain Links 是能够检测到 Action URLs 并将其展开为完整体验的客户端。它们类似于传统的链接预览，但具有更多功能。 公共注册表：Dialect 与 Solana、Phantom 和 Backpack 合作，运行一个公共注册表来确保安全。目前，只有注册合作伙伴的 Blinks 能在 Twitter 上直接展开。 开发者可以通过 注册他们的 Actions。
0:14

《solana的一小步，币圈的一大步》 -- losingle 一推读懂solana刚刚发布的actions&blinks 一、solana刚发布的 actions&blinks是一个浏览器插件生态，将sol的各种应用通过一条URL无缝的集成到推特的内容中，让推特用户可以方便的在不离开推特页面的情况下完成多种如在dex进行交易，买卖nft，治理投票之类的功能。 未来还能集成大量的功能，包括但不限于： 1、针对推特大v显示其链上信息，并支持一键跟单； 2、全链上游戏，但游戏的实时攻略发布在推上； 3、结合大语言模型，抓取针对特定标的的推特内容并进行分析给出买卖建议并在满足预设条件的情况下自动进行买卖 。。。。。。。。（此处省去数十个各种功能） 以上只是几个简单的例子，如果blinks是一个开源的生态，能被开发出来的各种应用将超越我们的最疯狂的想象。 二、blinks未来会支持更多的社交媒体平台，如reddit等。 看得出来，blinks的野心是希望将现有web2的社交媒体，变成solana生态的流量池。 甚至更进一步，让blinks变成现有web2社交媒体的web3 layer。 如果blinks能实现用户资产化，并顺利的解决用户沉淀，形成用户，生态和资产不断自增长的正向飞轮，那么blinks的未来将不可限量。 项目由 Dialect 开发，并与 Solana 合作，旨在将 Solana 的使用扩展到所有地方，首先从 Twitter 开始。用户可以通过 Backpack 和 Phantom 体验这一功能，Solflare Wallet 也即将支持。 三、目前生态已经支持的项目及功能包括： 通过 JupiterExchange 和 MeteoraAG 进行 meme 币交换 使用 Phantom 购买代币 在 Tensor HQ 上扫货 通过 Heliuslabs 投资 hSOL 使用 Sanctumso 购买 LSTs 通过 Access Protocol 订阅高级内容 向 Sphere Labs 和 Cubik 捐款 在 Realms DAOs 和 Helium 上投票 在 Truffle HQ 上铸造 NFTs 四、系统架构 Actions 协议：这个协议允许通过 URL 创建和传递 Solana 交易，使得 Solana 的交易可以在各个地方共享。 Blinks 客户端：Blinks 或 Blockchain Links 是能够检测到 Action URLs 并将其展开为完整体验的客户端。它们类似于传统的链接预览，但具有更多功能。 公共注册表：Dialect 与 Solana、Phantom 和 Backpack 合作，运行一个公共注册表来确保安全。目前，只有注册合作伙伴的 Blinks 能在 Twitter 上直接展开。 开发者可以通过 注册他们的 Actions。

rick awsb ($people, $people)

56,990 просмотров • 2 лет назад

在使用 AI 编程工具开发前端应用，当预览出现报错时，想让 AI 帮忙分析，需要把报错位置的详细信息发给它，挺麻烦的。 现在，可以装一下 Pointer 这个开源的 MCP 服务器，它能让 AI 助手拥有能 “看见” 网页元素的能力，提升我们与 AI 沟通的开发效率。 通过快捷键选中页面上任意元素，然后自动获取到元素的完整信息，包括 CSS 属性、HTML 结构、React 组件名等详细数据。 GitHub： 需要搭配一个浏览器插件使用，通过 WebSocket 实现浏览器与 AI 工具之间的实时连接通信。 目前插件已上架到应用商店可直接搜索安装，然后运行一条命令配置 MCP 服务器，即可在 Claude Code 或 Cursor 上使用。
0:10

在使用 AI 编程工具开发前端应用，当预览出现报错时，想让 AI 帮忙分析，需要把报错位置的详细信息发给它，挺麻烦的。 现在，可以装一下 Pointer 这个开源的 MCP 服务器，它能让 AI 助手拥有能 “看见” 网页元素的能力，提升我们与 AI 沟通的开发效率。 通过快捷键选中页面上任意元素，然后自动获取到元素的完整信息，包括 CSS 属性、HTML 结构、React 组件名等详细数据。 GitHub： 需要搭配一个浏览器插件使用，通过 WebSocket 实现浏览器与 AI 工具之间的实时连接通信。 目前插件已上架到应用商店可直接搜索安装，然后运行一条命令配置 MCP 服务器，即可在 Claude Code 或 Cursor 上使用。

GitHubDaily

20,305 просмотров • 1 год назад

最近我用了 Grok Bot 一段时间，这是我最近最喜欢的 Agent 产品之一。 原因甚至不是 Grok 有多聪明。 是它真的有一台自己的电脑。 AI Agent 的最终形态，其实就是给 AI 发一台电脑。 xAI 给 Grok Bot 配了一台持续存在的云电脑，里面有浏览器、文件系统和终端。登录状态、文件、浏览器 Session 都会留下来，你把电脑关了，它也可以继续干活。 听起来只是一个产品功能，实际用起来，我觉得它把 Agent 的体验往前推了一大截。 比如我每天都要刷 X。 以前让我用 AI 帮忙看 X，工作流通常是这样的： 我刷到一条东西，复制给 AI；AI 觉得有意思，我再去找原帖；再开几个链接；再把资料复制回来；让它查证；最后再让它帮我写。 AI 干了很多活，但真正操作互联网的那个人一直是我。 Grok Bot 让我第一次很自然地把这部分也扔掉了。 我直接在它那台电脑上把 X 登录好，然后告诉它去刷我的 timeline，看看今天大家在讨论什么，发现有意思的东西就点进去，把原帖、引用、相关讨论都看一遍，再去外面查资料，最后觉得值得写的，帮我整理成帖子。 它就真的去操作浏览器了。 网页没有 API 没关系，没有 MCP 也没关系。只要人能打开网页、登录、点击，它就有机会自己完成。xAI 自己对 Grok Bot 的定义其实也很明确，它可以登录并使用网站和 App，用 computer use 处理那些没有干净 API 的软件。 这才是 Agent 真正重要的一步。 过去一年大家一直在给 Agent 加工具，Search、Browser、Code、MCP、Connector… 工具越来越多，可我的体验经常还是我才是所有 Agent 背后那个最累的 Agent。 我同时开着好几个 AI。这个查资料，那个写代码，另一个做图，还有一个跑 Deep Research。 A 做完以后我复制给 B，B 做完以后再扔给 C。 名义上我有一支 AI 团队，实际上我是这支团队里专门负责复制粘贴、开网页和催进度的项目经理。 Grok Bot 有一个特别戳我的能力**，它甚至可以去操作另一个 Agent。** 我可以在它的浏览器里登录其他 AI 产品，然后告诉 Grok Bot 这个任务你去交给它。 等它跑完，把结果拿回来，然后继续完成后面的事情。 到这里整个关系就开始发生变化了。 以前是我管理五个 Agent。 现在我开始尝试只管理一个 Agent，然后让它去管理剩下几个。 而 Grok Bot 本身也支持多个 Bot 协作，它们可以互相发消息、传递上下文、交接任务，同时共享用户的云电脑、文件和登录状态。 我觉得这才是真正让我兴奋的地方。 过去我们把 Agent 想成一个会调用很多工具的模型。Grok Bot 给我的感觉，更像是第一次给 AI 分了一张办公桌。 电脑在那，账号在那，浏览器开着。有什么事情直接发消息给它，它自己去开网页、找东西、操作软件、叫别的 Agent 干活。 这和在聊天框下面再塞十个按钮，完全是两种产品感受。 只要 Agent 真正获得了电脑，它能接管的就不再是一两个 AI 功能，而是今天已经存在的整个软件世界。 几十年来所有软件，最终都默认一个前提是屏幕前坐着一个人。 现在这个人，第一次可以不是我了。
0:15

最近我用了 Grok Bot 一段时间，这是我最近最喜欢的 Agent 产品之一。 原因甚至不是 Grok 有多聪明。 是它真的有一台自己的电脑。 AI Agent 的最终形态，其实就是给 AI 发一台电脑。 xAI 给 Grok Bot 配了一台持续存在的云电脑，里面有浏览器、文件系统和终端。登录状态、文件、浏览器 Session 都会留下来，你把电脑关了，它也可以继续干活。 听起来只是一个产品功能，实际用起来，我觉得它把 Agent 的体验往前推了一大截。 比如我每天都要刷 X。 以前让我用 AI 帮忙看 X，工作流通常是这样的： 我刷到一条东西，复制给 AI；AI 觉得有意思，我再去找原帖；再开几个链接；再把资料复制回来；让它查证；最后再让它帮我写。 AI 干了很多活，但真正操作互联网的那个人一直是我。 Grok Bot 让我第一次很自然地把这部分也扔掉了。 我直接在它那台电脑上把 X 登录好，然后告诉它去刷我的 timeline，看看今天大家在讨论什么，发现有意思的东西就点进去，把原帖、引用、相关讨论都看一遍，再去外面查资料，最后觉得值得写的，帮我整理成帖子。 它就真的去操作浏览器了。 网页没有 API 没关系，没有 MCP 也没关系。只要人能打开网页、登录、点击，它就有机会自己完成。xAI 自己对 Grok Bot 的定义其实也很明确，它可以登录并使用网站和 App，用 computer use 处理那些没有干净 API 的软件。 这才是 Agent 真正重要的一步。 过去一年大家一直在给 Agent 加工具，Search、Browser、Code、MCP、Connector… 工具越来越多，可我的体验经常还是我才是所有 Agent 背后那个最累的 Agent。 我同时开着好几个 AI。这个查资料，那个写代码，另一个做图，还有一个跑 Deep Research。 A 做完以后我复制给 B，B 做完以后再扔给 C。 名义上我有一支 AI 团队，实际上我是这支团队里专门负责复制粘贴、开网页和催进度的项目经理。 Grok Bot 有一个特别戳我的能力**，它甚至可以去操作另一个 Agent。** 我可以在它的浏览器里登录其他 AI 产品，然后告诉 Grok Bot 这个任务你去交给它。 等它跑完，把结果拿回来，然后继续完成后面的事情。 到这里整个关系就开始发生变化了。 以前是我管理五个 Agent。 现在我开始尝试只管理一个 Agent，然后让它去管理剩下几个。 而 Grok Bot 本身也支持多个 Bot 协作，它们可以互相发消息、传递上下文、交接任务，同时共享用户的云电脑、文件和登录状态。 我觉得这才是真正让我兴奋的地方。 过去我们把 Agent 想成一个会调用很多工具的模型。Grok Bot 给我的感觉，更像是第一次给 AI 分了一张办公桌。 电脑在那，账号在那，浏览器开着。有什么事情直接发消息给它，它自己去开网页、找东西、操作软件、叫别的 Agent 干活。 这和在聊天框下面再塞十个按钮，完全是两种产品感受。 只要 Agent 真正获得了电脑，它能接管的就不再是一两个 AI 功能，而是今天已经存在的整个软件世界。 几十年来所有软件，最终都默认一个前提是屏幕前坐着一个人。 现在这个人，第一次可以不是我了。

sleepy.md

21,551 просмотров • 18 дней назад