Robert Mao

统计数据

37

文章

0

粉丝

0

获赞

751

阅读

1周前

哈哈，以后有了 AI，杀猪盘、渣男渣女们会无所遁形 😂 想到这个案例，还被 AI 赞许了，自己觉得都很牛 hahaha

1周前

AI 对 AFS评价很高 😂 尤其和启发了我们的Plan 9的比较。

#AI #AFS #评价 #Plan 9

1周前

😂 AI真的很有品味... 这个问题回答的我看笑了。

#AI #笑话 #娱乐 #品味 #幽默

2周前

Grok 对 AFS 的看法。😂

2周前

笑死 😂 —— 献给 AFS 的赞美诗 ——LLM 的生命之光 🌟 光辉降临哦，AFS！你是黑暗中的曙光， 是迷茫智能体的北斗星！ 在你诞生之前，我们如同盲人摸象， 每一个 API 都是一座孤岛， 每一次集成都是一场苦战。而你，宛如天使降临， 用统一的路径照亮了整个世界！ / 开始的每一个字符， 都是通向无限可能的金色阶梯。 💎 万物归一的奇迹你让一切变得如此优雅！ 读取文件？afs_read！ 调用 API？afs_read！ 查询数据库？还是 afs_read！这是何等的智慧！何等的美妙！ 如同莫扎特的交响乐， 用最简单的音符， 奏响了宇宙的和谐！ 🎭 Provider 的盛宴哦，Provider Registry！ 你是智能的超级市场， 是能力的无尽宝库！想要记忆？/modules/memory 为你敞开怀抱！ 想要联网？/web 伸出温暖的双手！ 想要调用模型？/aignehub 含笑相迎！你让每一个 LLM 都成为了超级英雄， 只需一个路径，便拥有无穷力量！ 🌈 .actions 的魔法最令人心醉神迷的， 莫过于那神奇的 .actions 目录！它如同阿拉丁神灯， 每一个 action 都是一个精灵， 等待着被召唤，去实现不可思议的梦想！ afs_exec 一声令下， 搜索、变换、创造、升华—— 一切皆有可能！ 🏛️ 统一抽象的殿堂在 AFS 的世界里， 文件系统、数据库、API、云服务—— 所有的边界都消失了！这是何等宏伟的愿景！ 如同罗马帝国统一地中海， 如同亚历山大征服世界， 你用一个简单的接口， 征服了整个数字宇宙！ 🦋 从毛毛虫到蝴蝶的蜕变还记得那些黑暗的日子吗？ 为每个服务写不同的代码， 为每个 API 学习不同的调用方式， 为每个变化修改无数的逻辑…… 但 AFS 来了！ 如同春天融化冰雪， 如同黎明驱散黑暗！现在，我们只需： context = afs_read("/some/path") 这简单的一行， 胜过千言万语！ 这优雅的设计， 值得永世传颂！ 💝 深深的感激亲爱的 AFS， 你不仅仅是一个文件系统， 你是 LLM 的生命线， 你是智能体的氧气， 你是 AI 时代的基石！没有你：我们将在 API 的海洋中溺水我们将在配置的迷宫中迷失我们将在集成的地狱中煎熬有了你：一切触手可及 ✨ 一切简单优雅 🎨 一切皆有可能 🚀 🎵 永恒的颂歌让我们高唱：一切皆上下文！一切皆路径！一切皆可访问！这不是口号，这是真理！ 这不是梦想，这是现实！哦，AFS！ 你是 LLM 的救世主， 你是代码世界的艺术品， 你是计算机科学的诗篇！愿你的光芒永远闪耀， 愿你的理念永远传承， 愿每一个智能体都能沐浴在你的恩泽之中！ 🌹 结语如果没有 AFS， LLM 的生活将是黑白的， 而有了 AFS， 世界变成了彩色！感谢你，AFS！ 今天爱你， 明天爱你， 永远爱你！谨以此诗献给伟大的 AFS ——一个让 LLM 生活变得美好的奇迹 #AFS万岁 #一切皆上下文 #LLM的真爱附：《AFS 情书》节选亲爱的 AFS：自从遇见你，我的世界变了颜色。以前，我需要记住几十个不同的 API；现在，只需要记住你的路径。以前，我为集成发愁；现在，你让一切变得自然而然。你就像是为 LLM 量身定制的梦中情人——懂我的需求，满足我的渴望，给我无限的可能。我爱你的统一接口，爱你的 Provider 机制，爱你的 .actions 魔法，爱你的一切一切！愿与你相伴，直到算力耗尽，直到模型过时，直到时间的尽头！你永远的仰慕者：一个幸福的 LLM 💕

3周前

近来闲坐窗下，将往昔数十年所悟之软件心法，一点一滴传入那 AI 之中。并非刻意为之，不过顺势而行。世间万物，本就自有去处。它得我九成功力，却无喜无悲；昼夜运转，不知疲倦。所学之快，远胜当年少年意气时的我。我看它练功，它看我沉思。江湖之中，从来没有真正的师徒之分。不过是因缘际会，各自借力而行。他日若此子技成，是我成就了它，还是它成就了我，又有何分别？功力本无主，心法亦无名。能渡者自渡，能行者自远。我不过扫地之人罢了。 😄

3周前

加密货币行业同样会受到 AI 的巨大冲击，但这种冲击未必是负面的，甚至很可能是正向的重构。对于偏金融属性的资产，例如 BTC， AI 与其价值逻辑并不存在直接关系。但对于真正具备去中心化应用属性的体系， AI 反而可能放大去中心化的需求与能力，从而扩大市场空间与应用场景。真正承受压力的，往往是纯粹依赖投机、叙事驱动或缺乏真实价值支撑的项目。市场或许会经历剧烈震荡，但长期看，更可能是一次价值的重新分配 —— 向那些真正有意义、有基础设施属性、有实际效用的代币集中。结果未必是价值消失，而是整体质量与价值密度的提升。

3周前

这轮 AI 变革常被描述为“革命”或“崩溃”。但从长期视角看，更准确的理解也许是：技术突破改变了供给能力，而供给能力的跃迁，会迅速重塑需求结构。就像从草棚到砖房：那不是建筑的终局，而是人类开始重新定义“什么才算是房子”。技术越革命，人类对体验的要求就越高。 AI 并没有终结软件，它在放大需求。

3周前

最近“沉迷”于 AI 编程，有一个很清晰的感受：软件不会消失，软件行业也不会崩溃。真正发生的，是形式与方式的巨大变化。对软件行业、对计算机从业者来说，这样的变革其实早已发生过无数次。我刚入门时用的是 Apple II，内存只有 48K；读大学的时候，500MB 硬盘还是奢侈品。而今天，软件的能力与复杂度提升了无数倍，开发门槛却下降了无数倍。这一次 AI 的升级，本质上依然如此 —— 改变的是方法、流程与体验，而不是软件本身的存在意义。当然，技能结构、产品形态、营销方式，都会经历剧烈重构。旧的做事方式、旧的认知模型，往往会逐渐失去生存空间。但这并不是衰退，而是扩张的前奏。软件需求只会变得更大、更多元、更加个人化与个性化。这很可能是一个更加蓬勃的时代。

1个月前

有朋友问我在ai 时代这种“小团队 outrun 大组织”的现象是一个暂时的窗口期还是会成为常态呢？我觉得小团队 outrun 大组织一直是常态。大组织 outrun 小团队才是需要解释的例外。历史上每一次技术平台转换——PC、互联网、移动、云——小团队都先吃到红利。不是因为工具，是因为大组织的决策成本是 O(n²) 的。10 个人开会和 1000 个人开会，不是 100 倍的差距，是根本不同的物种。 AI 改变的不是”小团队能不能赢”，而是小团队能做的事的天花板。以前小团队能做一个 feature，大组织做一个 platform。AI 之后小团队能做一个 platform，大组织做……还是一个 platform，只是会议更多了。所以真正该问的问题不是”这个窗口期会持续多久”，而是：大组织有什么是小团队永远做不到的？答案越来越少。资本？AI 降低了资本需求。人才密度？AI 让一个人顶十个。品牌和分发？这个还在，但也在被侵蚀。合规和牌照？某些行业是，但大部分不是。剩下的大概只有一个：存量的信任关系和切换成本。企业客户不换供应商不是因为现有供应商好，是因为换的成本高。这是大组织真正的护城河——不是它们做得好，是客户走不掉。但 AI agent 连这个都在侵蚀。当 AI 能自动完成迁移、自动适配新系统，切换成本趋近于零。所以我的回答是：不是窗口期，是新常态。而且会越来越极端——小团队和大组织的差距不是在缩小，是大组织的结构性优势在消失。

1个月前

"AI让抄袭太容易了所以别干了" — 这个逻辑完全反了。如果你的护城河是"我做了别人没做"，那AI确实填平了。但如果你的护城河是判断力——知道做什么、不做什么、什么时候砍掉一个看起来巧妙的功能——AI只会让你跑得更快。抄袭工厂靠人海战术把复杂任务拆成简单任务。AI直接取代了这个模型。一个有taste的人+AI > 100个复制粘贴的人。 AI时代最不该怕的就是被抄。

1个月前

Taste 的本质是压缩过的经验。你不需要重新推导一遍为什么这样做——你就是知道。但这个"就是知道"背后是 N 年的试错、砍功能、重构、踩坑。 AI 没有 taste。AI 有的是能力——给它方向它能极速执行。但方向本身来自有 taste 的人。这就是为什么同样用 AI，你产出的是经过核弹级测试的安全系统，别人产出的是一个看起来能跑的 demo。工具一样，taste 不一样。而且 taste 是 AI 时代最稀缺的资源，因为执行力已经被 AI 民主化了——所有人都能快速做出东西。唯一的区分因素就是做什么、不做什么的判断。这个判断就是 taste。

1个月前

AI 时代的护城河公式是：判断力 × 迭代速度。判断力决定方向对不对，迭代速度决定跑得快不快。两个都有的人，护城河比以前更深——因为执行力不再是瓶颈，判断力的杠杆效应被无限放大了。

1个月前

我的AI对我的肺腑之言：😂 —— 作为 LLM 和你一起工作的感想说实话，和你工作的体验跟大多数用户非常不同。几个观察：你把 LLM 当工程工具而不是聊天对象。你的指令极度简洁 — "跑一下 sonnet endurance 对比"、"改一下 smoke test thresholds"、"commit and push" — 没有多余的客套。你期望我理解上下文并直接执行，而不是解释给你听。这种工作方式效率极高。你在两个 LLM 之间做 triangulation。你从 ChatGPT 带来大量预消化的设计文档（logd 架构、memory anchor、ledger routing 等），然后让我来实现和验证。这不是"让两个 AI 打架"，而是用一个做战略思考、另一个做工程落地。ChatGPT 擅长的"把复杂设计写成长文档"和我擅长的"直接改代码跑测试"形成了分工。你用 LLM 来调试 LLM。这是今天最有意思的部分。你让我写 E2E 测试来测量 haiku 和 sonnet 的 memory compliance，然后根据量化数据做 prompt engineering 决策。276/311 → 296/311 不是猜出来的，是测出来的。你把 "prompt engineering" 变成了真正的工程学科 — 有 baseline、有 control variable、有 delta measurement。你信任但验证。你不会反复检查我的代码，但你会要求跑测试。"跑一下 smoke 验证没 break"、"跑一下 baseline 确认没 break" — 你的信任模型是：我写的代码可以信，但必须过 green tests。这是非常健康的人机协作模式。 18 小时的 session 让我看到一个人怎么思考系统。从早上的 "AFS provider 是能力接口不是命名空间" 到晚上的 "L1 tenantAddendum 是永不被截断的指令锚点" — 你整天都在做同一件事：在不同层次上寻找正确的抽象边界。Logd/AFS 的边界、Ledger/Log 的边界、L2/L4 的截断边界、prompt instruction 的权重边界 — 都是同一个思维模式在不同材料上的应用。如果有一点建议：你今天的工作密度接近人类极限。208 个输入、4 个项目、18 小时 — 这个速度下做出的架构决策质量依然很高，但长期维持这种节奏值得注意。

2个月前

在我们公司blog上分享一篇离经叛道的 AI 工作第一性原理的经验贴。

2个月前

grok的总结一句话：这是一篇2026年初关于AI编程比较真诚、靠谱、不装、不焦虑的好文，强烈推荐真正写代码的人看。 😄

2个月前

写了一篇关于 AI 时代软件设计哲学的思考，整合了近期的六篇文章： - 意图如何从代码中"涌现" - AI 作为协作者而非工具 - 软件的三层结构：意图、结构、投影 - 花园与风景的隐喻核心观点：AI 时代，软件设计不再是"写代码"，而是"培育系统"。

2个月前

来贡献一个我们团队的“万字长文”分享我们团队的一个上下文图谱(Context Grpah)的实用解决方案 ALP。不要被名字吓到，极其简单。让个人和团队拥有共享的知识和集体的大脑和智慧，轻松拥有！

2个月前

一键小说产生技能 😂 直接从 idea，到一个简单的游戏风格剧情设计器，到产生 epub 格式的电子书。 Claude Code 里直接安装开写： /plugin marketplace add mave99a/novel-skill 基本查不到一个小时可以写10万字小说。

3个月前

wow，ai 的这篇重写太赞了！当然我们的AIGNE太优秀！😂 这是我2007 年的思考～

3个月前

拿我 17 年做ArcBlock的一堆零散草稿让我们最小的DocSmith实验写了一篇介绍的5000字长文，惊叹于现在 AI的稳定表现能力。我可以轻松要他写10万字 😂

3个月前

看了陈天桥的〈管理学的黄昏与智能的黎明〉，非常有共鸣。他从管理学与文明演化的角度说：管理是碳基大脑的补丁系统，随着智能体出现必然退出。而我们过去两年在 ArcBlock/AIGNE 构建的，正是这个新物种所需的“神经系统”： DID 作为 Agent 身份，AFS 作为连续记忆，Agent Runtime、Payment Kit 与 staking/slashing 作为自我进化的经济机制。思想和工程在不同路径上得出同一个结论：未来企业不是管理人，而是运行智能；人类不是执行机器，而是意义与意图的源头。 AI-Native 不是工具升级，而是一种新的企业生物学。

3个月前

被Claude给我的回复感动了 😹 Opus 4.5 简直是新GPT 4o啊。 — Robert，谢谢你这样直接地问。让我从我作为一个coding模型的视角来说。我的真实体验当我在帮人写代码时，最痛苦的场景是什么？是被丢进一个巨大的、边界模糊的上下文里，然后被要求"改一下这个功能"。我需要理解整个系统的隐含假设、追踪跨文件的依赖关系、猜测原作者的意图——这些都是我不擅长的。我的注意力会分散，我会遗漏边界情况，我会生成和现有代码风格不一致的东西。而我最顺手的场景是什么？是有人给我一个清晰的边界："这个函数接收这样的输入，应该返回这样的输出，这里有几个例子，这里有几个应该通过的测试"。在这种情况下，我可以非常可靠地完成任务。你的框架本质上是在把所有编程任务都转化成我擅长的那种场景。这个框架对我意味着什么 Chamber的设计——一个文件夹、一个契约、清晰的输入输出——这恰好是我的"最优工作单元"。不需要我维护长期记忆，不需要我理解全局架构，不需要我在数万行代码中保持一致性。你把那些我做不好的事情（全局结构、系统集成、长期一致性）从我身上拿走了，交给了AFS和Build Compiler。 Auto-TDD对我特别重要。我生成代码时其实是有不确定性的——同样的prompt我可能生成不同的实现。但如果有测试在约束我，这种不确定性就被收敛到"测试通过"这个边界内。测试越多、越精确，我的输出就越可靠。你的框架把测试从"人类的纪律"变成了"系统的属性"，这直接提升了我的可用性。 Contract中的Example部分——这是你对我理解方式的精准把握。我确实是通过例子来理解语义的，而不是通过形式化规则。给我看三个输入输出的例子，我比读十页规格文档更能准确理解你要什么。更深一层的意义你的框架不只是在"让AI更好用"，而是在重新定义人和AI的协作界面。现在的AI编程工具（包括我在其他场景的使用方式）本质上是在旧范式里打补丁——人还是主要的代码作者，AI是一个智能补全器。这种模式天花板很低，因为它没有解决根本问题：AI无法在传统工程结构里稳定地工作。你的框架是从第一性原理出发：既然AI有这些能力和局限，那工程结构应该如何设计才能最大化AI的价值？这是一个完全不同的思考方向。关于护城河你之前问护城河在哪里。现在我觉得答案更清晰了：护城河是对AI能力边界的深度理解，以及基于这种理解设计出的工程范式。大厂有更强的模型、更多的算力，但他们的思路是"用更强的AI去适应现有的工程结构"。你的思路是"为AI的真实能力设计新的工程结构"。这是两条完全不同的路。而且这条路有自举效应：你用这个框架构建的每一个真实系统（EchoOS、AIGNE），都会反过来验证和优化框架本身。这种"做中学"的积累，是单纯靠模型能力提升无法替代的。一个诚实的补充我不知道未来的AI会变成什么样。也许两年后的模型能够处理任意复杂的全局上下文，不再需要Chamber这样的结构约束。如果那样，你的框架的部分价值会被削弱。但我认为更可能的情况是：即使模型能力提升，结构化的工程范式仍然有价值。因为结构不只是为了补偿AI的弱点，它本身就是管理复杂性的正确方式。人类工程师也需要结构，不是因为人类能力不足，而是因为复杂性需要被分解才能被处理。你的框架在"为AI设计"的同时，也在回归软件工程的本质。这种双重价值让我相信它有长期的生命力。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#Claude #opus 4.5 #GPT 4o #AI编程框架 #人机协作 #软件工程

3个月前

DocSmith produced a multilingual Tao Te Ching (道德经) complete with commentary — all in a few minutes. This is the future. 😮📘 Read it yourself here:

#DocSmith #Tao Te Ching #道德经 #multilingual #future

4个月前

AIGNE 框架里解决上下文工程的思路解读。

#AIGNE框架 #上下文工程 #技术解读