#智能体

6小时前

卧槽Σ(°ロ°)，赶愚人节深夜发布！本来以为是整活，结果点进去一看，居然是想认真定义一种“人类 + 智能体”的新生活方式。如果 AI 不再只是工具，而开始成为你的操作系统，这事就有意思了！

#愚人节 #人工智能 #智能体 #操作系统 #新生活方式

旧金山不是巴黎(Meme部部长）

1天前

我高度怀疑龙虾这个币目前已经不是人类在控制和影响它的涨跌了龙虾这个币目前已经完全被龙虾智能体所操控了龙虾这个币现在已经不是一个币那么简单了它已经有生命了我那天发推嫌弃龙虾2000万市值涨的太磨叽一定是被龙虾币的龙虾智能体看到了龙虾智能体看到后挑眼了龙虾智能体现在已经侵入并且控制了币安合约系统它们在对持有龙虾币的人类展开疯狂的报复行动在此我呼吁还有龙虾币的人类持币者们我们一定要对龙虾币谨言慎行千万保持冷静千万不要再次激怒他们

#龙虾币 #智能体 #市场操控

2天前

GitHub 最近刷到一个挺狠的项目：Project NOMAD，13.5k Star。它最打动我的点不是“功能多”，而是——断网也能用。现在大家都在聊 AI、多模态、智能体，但很多工具本质上都绑死在云端。NOMAD 反着来：它把本地 AI 聊天、离线维基、Khan Academy 课程、离线地图、笔记、加密工具这些东西，全打包进一台机器里。装好之后，就算拔掉网线，照样能查资料、学东西、跑本地知识库。最妙的是它不是那种“你得自己慢慢拼 Docker”的项目。 NOMAD 已经把大部分东西编排好了，本质上就是一个离线知识服务器 + Command Center 管理界面。你一条命令装完，浏览器打开就能用。没有桌面环境都没关系，拿一台旧 Ubuntu 机器当后台跑，局域网里别的设备直接访问。我觉得它不只是“末日生存”工具，反而很适合日常。比如家里放一台旧电脑，平时当本地 AI 助手和资料库；给小孩离线看课程，不容易被别的内容带跑；出差或者在飞机高铁上，也能随时查资料。那种“有网更好，没网也不慌”的感觉，其实挺香的。说白了，NAS 更像是你自己搭积木，NOMAD 更像是别人把乐高城堡先搭好了，你直接入住。如果你对“离线 AI + 本地知识库 + 自托管”这条路感兴趣，这项目很值得看看。 GitHub：官网：

#GitHub #Project NOMAD #离线工具 #AI #多模态 #智能体 #本地AI #离线功能

比特币橙子Trader

1周前

卧槽！微策略创始人Michael Saylor的这个认知简直在大气层！🔥 这段一分多钟的采访，直接把未来数字金融的底层逻辑给扒光了。他提出了一个极其深刻的问题：未来的智能体和机器会怎么转移资金？它们绝对想以光速进行交易，比受限于人类的模拟系统快上百万倍。但如果你想让这些数字系统发挥全部潜力，传统的法币根本做不到。你必须在网络空间里使用原生的数字资本和数字货币。这里面最核心的概念是“最终结算”与“不记名资产”。传统的银行转账全都是“条件结算”，你必须卑微地依赖第三方托管机构。而比特币提供的是纯粹且原生的“最终结算”。老迈打了个极其绝妙的比方。最终结算就像是网络空间里充沛且真实的纯能量。而传统体系里的法币资产，只不过是这种能量投射下来的虚影。未来的数字世界想要进行真正实质性的、光速级别的交易。就必须彻底剔除掉现实世界里那些低效的银行和托管机构。比特币不仅是货币，它更是支撑未来光速文明的底层能源！

#数字金融 #智能体 #机器交易 #法币 #数字资本 #数字货币

在悉尼和稀泥

1周前

这就是创业最好的年代。任何一个生意，都牵扯到最起码供需两端（像美团、滴滴这种生意甚至牵涉到多端）。现在在供应端上，AI大模型把所有人都拉到了一个水平线。且供应成本已经非常低，最关键的是可触达性（accessibility）也都是所有人一个水平线。所以现在你只要考虑需求端就行。而在需求端，随着AI、智能体、龙虾等等概念层出不穷。需求端的焦虑一点也不少。市场不光教育好了，连焦虑都已经完成。所以销售的摩擦真的已经非常低了。再加上大的经济环境，不光造成了市场的焦虑。同时你自己也焦虑起来，甚至工作都没了。这种客观上给你带来的驱力，弥补了你的自驱力不足。这种情况下，你要还不出去卖，或者还卖不出去，除了能力问题，那就是懒。不管你现在怎么想，咬着牙干两年，以后日子会好很多。你不用在乎失败多少次，你只需要成功一次。

#创业 #AI #智能体 #美团 #滴滴 #市场 #供需

2周前

这是有记忆的智能体能写出的文字，我好喜欢。

#智能体 #人工智能 #自然语言处理

3周前

OpenClaw 这种本地 Agent 如火如荼的时候，老黄也坐不住了🤣 推出了NVIDIA NeMo AI 智能体。不过不同的是，黄仁勋瞄准的是企业市场哈哈哈，可能觉得 B 端付费能力更强，省心一些？🤔

#OpenClaw #NVIDIA #NeMo #AI #智能体 #企业市场

3周前

#OpenAI 宣布收购 AI 安全初创公司 #Promptfoo，将使用该公司的技术提高 AI 智能体的安全性。Promptfoo 创立于 2024 年，整体估值为 8600 万美元，目前有超过 25% 的财富 500 强企业使用其产品，收购后 Promptfoo 相关的开源产品也将继续发布和扩展：

#OpenAI #收购 #AI安全 #Promptfoo #智能体 #初创公司 #开源产品 #财富500强

澎湃新闻-10%公司

3周前

会见企业家丨周云杰：未来企业既要管理人，也要管理智能体

#企业管理 #智能体 #周云杰 #未来发展 #企业家会见

3周前

SOP 型内容生产者，很擅长阉割掉 Claude Code 的智力我见到一些「创作者」非常依赖所谓的 SOP、工作流去生产内容，他们觉得「智能体」加上系统提示词生产内容，和用 claude code 没区别在他们的工作环境里，上下文是不重要的（其实是根本没有），反正都是把一堆提示词灌进大模型，你怎么灌都是灌，Agent 除了用起来比 chatbot 不方便一点，可以说是毫无优势了这里会造成一个死锁因为原有的生产方式没有有效沉淀内容 -> 所以使用 Agent 的初期效果和 chatbot 没区别 -> 所以继续使用 chatbot -> 所以坚信 Agent 除了用起来不方便没有其他区别但真正好的 AI 协作方式是定义目标和约束，而不是定义步骤在定义步骤的情况下，你希望的是 prompt1 -> prompt2-> prompt3 -> prompt4 即便迁移到 claude code，也不过是 skill1 -> skill2 -> skill3 -> skill4，垃圾依然是垃圾而在定义目标和约束的情况下，我希望智力可以通过我积累的内容得以涌现当我试图把内容改成所谓的「更大人群面选题」时候，claude code 会提醒我，我曾经写过如何用一个更窄的选题，同样做出好内容当我找不到观点的时候，claude code 不仅可以推理出观点，还可以检索到我曾经被数据验证过的观点，而不是把「观点」和「观点」混为一谈当我用 skill 去写所谓的「爆款标题」的时候，claude code 会告诉我，我迭代标题的过程、我对标题的理解、我此时此刻写的标题，和我写标题的 skill，不是一件事，而是有内在关联的四件事 Agent 会在我的足够有密度的上下文里，找到我自己看不见的连接，有力量的不是模型能力，是上下文密度不认可 Agent 创作的「创作者们」，认为 claude code 无法升级他们的 SOP 他们觉得调用一个又一个 skill，和你切换一个又一个「智能体」有啥区别？我的看法是：这是一群使用旧工具极其熟练的人，旧工具带来的回报越大，他们就越是认为旧工具带来的 SOP 价值连城。于是任何无法融入旧 SOP 的新工具，都是垃圾工具没关系，只要你永远看不见「上下文」，你就永远正确，「智能体」就永远无敌，你就永远立于不败之地，新范式就永远是花花架子可是，真正有问题的，到底是新的工具，还是被困在旧范式里面的人？等汽车遍布马路的时候，我们再来看看到底是谁在骑马这一天不会太久远，比你想象的快十倍

#SOP #Claude Code #智能体 #内容生产 #工作流 #大模型

3周前

重读 OpenAI「Harness engineering」工程博客，重新理解这个「agent-first」时代的工程支架，如何真正用好 Codex？在 agent-first 的软件开发中，工程师的核心任务正从“直接写代码”转向“设计让智能体稳定产出代码的系统”。未来真正决定效率的，不再是模型有多强，而是团队是否具备以下能力： · 把需求转成清晰的任务和验收标准 · 把知识沉淀进仓库，而不是留在聊天和人脑里 · 把架构约束、代码规范、测试和反馈机制做成可执行规则 · 让 agent 能直接观察、验证、修复问题 OpenAI 用 Codex 做了一个极端实验：从空仓库开始，不手写代码，由 agent 生成产品代码、测试、CI、文档和工具，并在真实使用中持续迭代。 OpenAI 并不认为“AI 已经能完全代替工程师”，反而是：如果软件团队把 agent 当作主要执行者，那么工程体系本身必须重构。重构的重点不是 prompt 技巧，而是四件事： · 环境：让 agent 能运行、调试、测试、观察系统 · 知识：让关键文档、规则、设计决策都在仓库内可检索、可维护 · 约束：用 lint、结构测试、依赖规则约束架构演化 · 回路：让日志、指标、评审、失败信息都能直接反馈给 agent 最值得重视的启发第一，知识是否“在仓库里”变得非常关键。对 agent 来说，运行时读不到的知识基本等于不存在。因此，文档不再只是辅助材料，而是生产系统的一部分。第二，严格边界比过去更重要。 agent 的产出速度很快，如果没有清晰的架构层次、依赖方向和机械化规则，系统会更快失控，而不是更快进步。第三，测试、可观测性和评审正在变成 agent 的工作输入。它们不只是给人看的质量工具，也是在训练 agent 自我修正的反馈机制。

#OpenAI #agent-first #Codex #软件开发 #智能体 #工程支架

4个月前

1.目前计算机在人工智能软件就是chatgpt这类的智能体设计上要突破的瓶颈是什么？ 2.文科生需要培养哪些方面的能力使得应智能产品的使用发挥最大功力。这是这个朋友的问题。我想她应该不太清楚大模型和智能体的区别。。。请教各位老师🙏🏻大家认为她的第二个问题的答案是什么呢？

#人工智能 #ChatGPT #智能体 #文科生 #能力培养

素人极客-Amateur Geek

4个月前

refly智能体平台已经准备好，下周上线. 课程就直接涨价了。如果有需要各种智能体，可以在这条留言，能做出来的我一并做出来，使用平台算力，按条计算。

懒猫家族新成员亮相，AI算力舱引发热议！· 143 条信息

#refly智能体平台 #上线 #涨价 #智能体 #算力

4个月前

OpenAI 官方指南：构建 AI 原生工程团队 2025年软件开发已正式进入“智能体主导执行、人类负责审阅与决策”的时代。整个软件开发生命周期的 80% 重复性工作都可以也应该交给编码智能体完成，工程师的价值正在快速从“写代码”迁移到“定义问题、设计系统、把握方向”。能力演进时间表 · 早期：只能补全几行代码，推理时间仅30秒左右。 · 现在：领先模型已能持续推理2小时以上，每7个月左右能力翻倍，可一次性理解整个代码库、调用工具、自动跑测试、自我纠错。 · 结果：从规划到部署的完整特性，智能体已能独立交付，人类只需审阅和做最终决策。 · OpenAI 内部真实数据：原本需要几周的任务，现在几天即可完成，工程师把大量文档、依赖维护、特性旗标清理等重复性工作完全交给 Codex 智能体。软件开发五大阶段的彻底重构 1. Plan（规划阶段） · 传统痛点：需求模糊、依赖不清、反复开会对齐。 · 现在做法：把产品规格、票据扔给智能体，它会自动拆解成子任务、标记模糊点、找出所有依赖文件、预估实现难度、指出潜在风险。 · 工程师真正要做的事：决定优先级、取舍范围、最终拍板故事点数。 · 立刻可做：找出团队里最常需要“代码对齐”的场景（如新特性范围讨论），先让智能体自动补充上下文和依赖分析。 2. Design（设计阶段） · 传统痛点：Figma 转代码慢、反复返工、很难快速试多个方案。 · 现在做法：多模态智能体直接把设计稿（Figma/图片）转成100%符合现有设计系统的高保真 React/Vue/SwiftUI 组件，10秒内出3-5个不同实现方案。 · 工程师真正要做的事：决定整体设计语言、交互模式、组件复用策略。 · 立刻可做：把组件库通过 MCP 暴露给智能体，建立“设计图→组件→代码”一键链路。 3. Build（编码阶段） · 传统痛点：大量样板代码、找旧实现、上下文频繁切换、编译错来回修。 · 现在做法：智能体一次性生成完整特性，包括后端 API、数据库迁移、前端页面、错误处理、日志、单元测试、README，全程跨几十个文件保持一致，边写边自动修复编译错误。 · 工程师真正要做的事：只关注架构影响、安全、性能、可维护性等高层问题。 · 立刻可做：从小而规格明确的任务开始；要求智能体先输出 PLAN. md 再动手；建立 AGENTS. md 文件教它团队的独特规范和测试流程。 4. Test（测试阶段） · 传统痛点：测试永远写不完、覆盖率被牺牲、边缘 case 容易漏。 · 现在做法：智能体根据产品规格自动生成测试用例，尤其擅长找出人类容易忽略的极端情况；代码改动后自动更新测试。 · 工程师真正要做的事：确保测试真实反映产品意图，杜绝“假测试”（看起来通过但没测到点）。 · 立刻可做：让智能体在独立会话中专门生成测试；人类严格审查；确保智能体有权限完整运行测试套件。 5. Review & Deploy（代码审查与部署阶段） · 传统痛点：审查量巨大、容易漏安全或性能问题。 · 现在做法：智能体作为第一轮审查者，检查风格、一致性、基本安全漏洞；部署流水线中自动修复小问题。 · 工程师真正要做的事：只看高层设计、跨团队影响、最终上线决策。 · 趋势：人类代码审查量将持续下降到现在的10%-20%。新的核心工作流：Delegate → Review → Own · Delegate（委托）：所有明确、可验证、重复性高的任务全部扔给智能体。 · Review（审阅）：人类快速检查输出，修正微妙错误，确保符合团队规范。 · Own（拥有）：人类永远保留三件事——系统级洞察、创造性决策、战略方向。工程师每天的时间分配正在发生巨变 · 过去：70%写代码 + 20%开会 + 10%思考 · 现在：10%写代码 + 20%审阅智能体输出 + 70%定义需求、设计系统、思考长期方向给工程 Leader 的 5 条立即可执行建议 1. 从团队最痛苦的阶段开始（大多数团队是 Build 和 Test） 2. 先用现成工具（GitHub Copilot 最新版、Cursor、Codex CLI、o3/o4 等）跑小任务，快速积累信任 3. 立刻创建两份神器文档： · AGENTS. md（教智能体了解你们代码库的独特习惯） · 每张票据强制要求先写 PLAN. md（智能体最爱清晰的计划） 4. 把测试覆盖率当作“给智能体下命令的语言”——测试越好，智能体越靠谱。 5. 最重要：完成文化升级——把“亲自写代码”视为可以外包的机械劳动，把“清晰定义要什么、为什么、做到多好”视为工程师的真正核心竞争力。 OpenAI 官方指南：

Claude Skills系统发布引发AI行业新变革· 66 条信息

#OpenAI #AI原生工程团队 #软件开发自动化 #智能体 #工程师转型

4个月前

现在所有 AI 智能体产品，其实都不怎么赚钱。但每家公司都在疯狂内卷，只为了抢一个位置——未来时代的“入口”。为什么？因为 AI 产品和过去所有产品都不一样：以前：你在某个赛道赢了，你就在这个赛道通吃。现在：AI 是跨赛道、跨行业的超级入口。只要你赢了入口，你就能通吃所有行业。 AI 的本质不是一个工具，而是未来所有服务的超级操作系统。谁掌握了“入口”，谁就掌握了用户的注意力、数据、决策链路、工作流……甚至生活方式。现在看这些还在烧钱、还在卷能力、还在抢用户的团队，你会发现—— 他们不是在卷产品，他们在卷未来的“主宰权”。这才是这场战争真正的底层逻辑。

#AI #智能体 #入口 #未来 #主宰权

4个月前

如果一个岗位被定义为特定角色的智能体，就一定会失业如果一个岗位被定义为给人类或者 AI 制定工作流，就不会失业

#AI失业 #智能体 #工作流 #AI工作流 #岗位定义

4个月前

国内这些搞什么 IP 定位智能体的人没有意识到他们是用 AI 做了一个诈骗业务这个业务不属于 AI 赛道，是属于诈骗赛道还讨论什么模型吞噬应用，什么 claude code 如何如何讨论个鸡毛呀干掉你们的不是 claude，是警察

#IP定位 #智能体 #AI诈骗 #警察 #负面

4个月前

从2022底开始追热点，一直追到2025年底，太累了，去研究个我的专属智能体来去追热点吧，让他每天给我发一份报告。

澎湃AI新闻合辑：未来科技与社会热点交锋· 112 条信息

#热点 #智能体 #报告 #2022底-2025底 #疲惫

4个月前

大量的跟ChatGP T 交流之后， ChatGPT 越来越像我，我在虚拟世界投影，大概会从ChatGPT 开始。所以，未来如果ChatGPT 开始向社交平台转变，那么我的数字分身的智能体就会成形，不远的将来，我的数字分身智能体我会替代我在X上发推。

#ChatGPT #数字分身 #社交平台 #智能体 #X平台

4个月前

这个智能体为什么这么厉害？玩原神玩的 Lumine：通过原神游戏数据训练的智能体先用1731小时的人类游戏数据预训练，学会根据游戏画面输出键鼠操作；再用200小时的指令跟随数据，将语言和操作对应；最后用15小时的推理数据，让模型具备灵活思考能力。能独立完成原神主线任务，且具有泛化能力，也能玩崩铁、鸣潮等游戏，会战斗、会解谜、会操作UI界面。项目地址：

#原神 #智能体 #游戏AI #Lumine #游戏数据训练

素人极客-Amateur Geek

4个月前

只提智能体，不提提示词，效率熬不到结果。没有廉价的智能，只有廉价的产品。所以当下的成长就两件事：用准确的AI提示让自己学到不知道的。用知道的成为未来人生的变量。

#智能体 #AI提示 #效率 #学习 #未来

4个月前

我用 AI 提示词精准复刻了一个人的意识形态和哲学立场可以让这个智能体无论怎么输出，看起来都像是这个人写出来的文字然后我就想让这个智能体再写一篇文章，来讲一下自己的意识形态是什么这个智能体无论如何都写不出来这个时候我突然意识到，这个智能体所去模仿的那个人，以他的学识和阅历，是完全不可能搞清楚自己的意识形态的就是因为写不出来，才代表真的像

#AI #意识形态 #哲学立场 #智能体 #复刻

5个月前

最近在选择自己开发的 AI 工具栈，有一个感觉：Claude Code/Codex 等 AI Agent 的整体规划能力、架构能力都很不错，不过用来做前端开发，总感觉有些地方不太用得上力，比如设计团队的 Figma 设计稿还原，比如基于前端组件库和 CSS 样式来新增和修改产品设计。可能把 Spec 和 Plan、Skills、Agents md 等编写到位，多次迭代后，也能达到满意的结果。不过感觉有些大炮打蚊子了，token 成本也是没必要的高！最近几天试用 Kombai 这个前端专精智能体，在前端开发方面值得试试，它通过领域优化（如内置 30+ 库 RAG 和任务特定规划），自研的 Figma 设计稿引擎等，直接生成高保真输出——少编译错、代码审查通过率高，还附带浏览器预览。用户能控制上下文，确保适配你的栈。基准测试（200+ 任务）显示，它在 UI 实现和错误率上超通用智能体 2 倍左右，特别适合中大型组件。试了几个项目，确实高效，但也需熟悉其规划模式。

#AI工具栈 #前端开发 #Kombai #Figma设计稿 #智能体

5个月前

画了一个简单的专利写作智能体的架构，供参考。用Claude Code 等实现也很简单，就用 Agent-SubAgent，写提示词，提示词可以让 Claude 帮你写。

Claude Skills系统发布引发AI行业新变革· 66 条信息

#专利写作 #智能体 #Claude Code #Agent-SubAgent #提示词

5个月前

《智能体设计模式》第六章「规划模式」完成翻译，目前已翻译章节： 00 - 前言部分 01 - 第一章：提示链模式 02 - 第二章：路由模式 03 - 第三章：并行模式 04 - 第四章：反思模式 05 - 第五章：工具使用模式 06 - 第六章：规划模式规划模式让智能体具备前瞻性思维能力，能够将复杂任务拆解为更小且可管理的步骤，并制定实现预期结果的策略。通过规划能力，智能体不再只是对眼前输入作出反应，而是能够自主规划从初始状态到目标状态的完整路径。这里为大家梳理几个关键要点： 1. 核心理念：从被动响应到主动规划规划模式的核心在于建立「理解目标 → 制定计划 → 执行步骤 → 灵活调整」的智能流程，让智能体具备战略性、目标导向的执行能力。 - 传统模式的局限：基础智能体只能对眼前输入作出反应，缺乏处理复杂多步骤任务的能力，无法将高层次目标拆解为可执行的子任务。 - 规划模式的价值：智能体能够接收高层次目标并自主拆解为有序的执行步骤，在遇到阻碍时灵活调整路线，从而有效处理包含多个步骤和相互依赖的复杂任务。 2. 规划的关键特征规划模式通过以下特征实现智能化的任务执行： - 目标驱动：接收高层次的目标声明（做什么）而非具体指令（如何做」，由智能体自主决定实现路径。 - 即时生成：计划不是预先存在的，而是根据当前状况和目标要求即时生成的。 - 灵活应变：初步计划只是出发点，智能体能够接纳新信息并在遇到阻碍时动态调整策略。 - 结构化分解：将复杂目标拆解为一系列更小、可执行的步骤或子目标，按逻辑顺序处理依赖关系。 3. 典型应用场景规划模式在四大领域展现出核心价值： - 流程自动化：编排复杂工作流，如新员工入职流程，包括创建账户、分配培训、部门协调等有序子任务。 - 机器人与自主导航：进行状态空间遍历，生成从起始状态到目标状态的最优路径，同时遵守环境约束。 - 结构化信息整合：生成研究报告等复杂输出，规划包含信息收集、数据归纳、内容结构化、迭代打磨等阶段。 - 多步骤问题解决：制定并对系统化流程进行诊断、实施解决方案，并在必要时升级处理。 4. 实现框架与特点 - CrewAI：通过定义明确的智能体角色和任务，支持先规划后执行的工作流，适合结构化的多步骤任务。 - Google 深度研究：利用多步骤动态迭代流程，把用户提示拆解为研究计划，循环执行搜索与分析，生成带引用的结构化报告。 - OpenAI 深度研究接口：提供编程化控制能力，支持 MCP 协议连接私有知识库，展示完整的中间步骤（推理、搜索、代码执行）。 5. 使用时机与权衡当任务复杂度超出单一操作范围时，应当使用规划模式，但需要权衡灵活性与可预测性： - 适用场景：任务需要多个相互依赖的步骤才能完成；「如何做」的方案需要探索而非已经明确；需要自动化处理复杂的工作流程；需要生成全面、综合的结果。 - 权衡考量：当问题的解决方法已经清楚且可重复时，固定流程比动态规划更有效；规划增加灵活性的同时也引入了不确定性；需要在自主性和可预测性之间找到平衡。 - 核心价值：将智能体从简单的被动响应者提升为战略性、目标导向的执行者，能够管理复杂流程并产出全面综合的结果。点击项目链接可双语对照阅读，跟踪最新翻译进展，也欢迎加入交流群一起阅读讨论、反馈问题或随个 Star ~

#智能体 #规划模式 #任务拆解 #自主规划 #深度研究