十里
3个月前
MCP 问世已有一段时间,在众多服务中,我最常用的只有 4 个,按使用频率排序分别是:Orchard、Memory、Exa、Chrome-DevTools。今天想和大家聊聊排在前两位的 Orchard 和 Memory。 Orchard 作为产品已经正式发布,只是没有像 Zipic 那样大力宣传,但我的使用频率却比 Zipic 高得多😄;Memory 则是我用 Golang 实现的记忆服务,已经开源。这两者配合,构建起了我的日常 AI 小助理。 说到理想中的助理,我脑海里浮现的当然是钢铁侠里的贾维斯。虽然现实还达不到那个高度,但我想围绕 Raycast AI 的生态先打好基础。目前我的期望很简单:它能帮我快速完成那些原本需要打开多个 app、操作多个步骤才能完成的任务,并且结合对我日常生活和工作的记录,给出更贴心的建议——这就足够了! Raycast Store 里有很多对接 Apple 原生 app 的扩展,后来 Raycast 推出了 AI Extension,让这些扩展具备了 AI 能力,大大延伸了可能性。但我发现这些扩展在性能和原生应用覆盖度上仍有局限。目前在我的小助理中,仅保留了 Web 搜索这一个 Raycast 扩展,其余的核心能力都由 Orchard 和 Memory 承担。 正是因为意识到了扩展的局限性——会出错、响应慢、覆盖的 App 不够全面,我决定自己开发 Orchard。Orchard 是一款 macOS 原生应用,目前能对接 10 类原生应用:提醒事项、日历、天气、地图、电话、通讯录、信息、邮件、音乐,以及时钟(主要用于获取实时时间)。 为什么取名 Orchard(果园)?这个名字寄托了我的愿景:就像在果园里轻松采摘各种果实一样,通过 Orchard 能够轻松获取 Apple App 的各种"果实"。它的图标是一个包裹——象征着果园为用户精心打包、寄送装满 Apple 应用能力的礼盒🎁。 有了这些信息源和管理工具,小助理的能力基本就到位了。特别要说的是时间——对助理来说,这是必不可少的。AI 本身没有实时时间概念,而我们的很多决策和判断都依赖时间因素,准确的时间信息是助理给出优质建议的前提。 虽然 Orchard 已经产品化,但 MCP 对普通用户来说还是过于技术化,有一定距离感。尽管我在 Orchard 中做了不少自动配置工作,试图降低使用门槛,但仍然跨越不了"用户教育"这道坎——这也是我一直没有大力宣传的主要原因。不是王婆卖瓜,我是真心觉得它好用,不过现在通过 AppleScript 控制的部分 app 略微不稳定😂(比如邮件),所以就先自己用着,慢慢打磨。反正能帮我提效增产,这波投入不亏😂! 另一个重要环节是记忆。当 AI 的上下文能自动包含记忆中的细节时,我们就会感受到那种"助理真懂我"的惊喜时刻!当然,记忆的应用场景远不止助理,还包括阅读笔记、闪念记录、专业领域知识积累等等。 使用 Memory 时,我最在意两点:性能和隐私(毕竟要像写日记一样记录工作生活)。一开始我用的是 MCP 官方推出的 Memory 服务(基于 JSONL)。出于好奇,我想试试开发一个 MCP 服务需要多久——没记错的话,在 AI 的帮助下,不到 3 小时就完成了基于知识图谱原理的 Golang 基础版本(同样采用 JSONL)。因为是本地文件存储,完美满足了隐私需求。 后来我持续优化,将底层存储从 JSONL 文件升级为 SQLite,并在后续优化了检索和处理逻辑。经过实际对比:对于常见的知识图谱操作(读取、搜索、运行期内存),SQLite 整体性能更优;若只关注启动速度和磁盘占用,JSONL 更轻量更快。目前的版本支持从 JSONL 到 SQLite 的自动迁移,并集成了 FTS5 全文搜索——当实体规模超过约 100 个时,SQLite 的优势尤为明显。所以现在我使用的是存储容量更大、性能更优的记忆服务。 欢迎体验免费版 Orchard: 也欢迎给我的 Memory 开源项目 Star: 之前有展示过 Orchard 的能力: - - - P.S. 借助 Codex/Claude Code 等编码 Agent,让它们使用 Chrome-DevTools,你一样能获得 AI Browser 能力——自动化地通过浏览器替你干活。
dontbesilent
3个月前
送大家一个抖音上价值 ¥399 的 ChatGPT 使用教程 第一步:打开电脑 按下电脑主机上的圆形电源按钮,等待屏幕亮起显示桌面。 第二步:找到浏览器图标 在桌面上找Chrome(彩色圆圈)、Edge(蓝色e)或Firefox(橙色狐狸)图标。 第三步:打开浏览器 把鼠标箭头移到浏览器图标上,快速按两下鼠标左键。 第四步:找到地址栏 看浏览器窗口最上方,有一个长长的白色长方形框。 第五步:点击地址栏 把鼠标移到白色框里,按一下鼠标左键,框里的字会变蓝。 第六步:清空地址栏 按键盘上的Delete键或退格键,把框里的旧字删干净。 第七步:输入网址 用键盘慢慢打出:(全部小写,中间用点不用空格) 第八步:访问网站 按键盘右侧的Enter回车键(有弯箭头↵的大按键)。 第九步:等待加载 等10-30秒,屏幕会显示出ChatGPT的网站页面。 第十步:点击注册 第一次使用点"Sign up"按钮,有账号就点"Log in"按钮。 第十一步:输入邮箱 点击邮箱输入框,用键盘打出你的邮箱地址,点Continue按钮。 第十二步:设置密码 点击密码框,输入你想的密码(至少8位),点Continue按钮。 第十三步:验证邮箱 打开你的邮箱,找到OpenAI的邮件,点击里面的蓝色验证链接。 第十四步:填写信息 按提示输入你的名字和手机号,点Continue或Next按钮。 第十五步:进入聊天界面 完成注册后会自动进入,看到屏幕下方有个大白色输入框。 第十六步:点击输入框 把鼠标移到白色输入框里,点一下左键,会出现闪烁的竖线。 第十七步:输入问题 用键盘打出你想问的问题,比如"你好,请介绍一下自己"。 第十八步:发送问题 点击输入框右边的向上箭头↑按钮,或直接按键盘Enter回车键。 第十九步:等待回答 你的问题会显示在屏幕上,几秒后ChatGPT会开始一个字一个字地回答。 第二十步:继续提问 等答案全部显示完,重复第十六到十八步就能继续问新问题了。
但是也不要低估美股的机会,尤其是这一轮的美股,我会说不高,因为需求是倍增的、产能增加是线性的,指数打线性,唯一的问题是涨的不够多。 以及资金容量上去了,配置几乎是必须。 你说 OpenAI 在和 NVDA, AMD, Oracle 搞盘子? 我说资本的积累,最快就是靠盘子,20 年的流动性挖矿、21 年的 FIL,去年的 MSTR,今年的 BMNR 都是盘子。 现在和互联网泡沫有一个很大的区别是,美股涨到现在,其实 1000 亿朝上的大科技和半导体还是很理性的。 看 forward PE 也就是打入了两年的预期,只要还能持续更久的时间,可以收没有任何泡沫。 其实主体大概是两件事: 一个是最终大模型的用户端的需求,主要看 token 用量增速,目前还在 AI 摩尔定律,两个月翻一倍,这个轨迹上。 而且有 Sora 这种多模态生成模型出来,用量远远超过文本,看不到增速会放缓的迹象。 token 用量应该是只会增加不会减少的,区别只是增速。只有增速放缓的问题,不存在需求存量减少的问题。 - 用过 Cursor、Codex 的程序员,就没办法不用了。 - 用了大模型去优化业务的公司,哪怕 token 涨价,只要还是远远低于雇个人,还是会继续用。 另一个是,最终这个游戏的买家是大公司的 capex 还加的动多大杠杆,以及替大公司放大杠杆的公司(比如 CoreWeave 这种 neocloud)的融资能力/业务状况 现在的情况是大公司加的杠杆并不夸张,CoreWeave 这种呢,只要上卡就租的出去,GPU 利用率并不低,绝不像互联网泡沫时代一样服务器在空转 uptime。 AI 这一次和过去很多次不同的是,比如互联网在 90 年代末是一个新的管道/传媒方式,Crypto 是把资产发行方式做演进,或者中国读者更熟悉的比如土地财政和无效基建。 这些共性都是在「虽然不知道建了干啥,但先建了再说」,但这波 AI 不太一样,用量需求就在那里,直接兑现的就是生产力,起码在今天这个阶段,还不存在什么过度基建。 股票的价格是未来的预期,现在赌的是,在按目前预期打满以后,未来 2 年会不会超预期。 个人的观点应该还是会的。这个行业它不是软件,迭代的速度是按小时、天算的, 这里的速度是新品发布、两年起步,产能爬坡是线性、不是指数。 但是需求的增速,目前还是指数,即使放缓,也还是指数。 简单倍增思想的运用吧,看不懂就算了。 半导体行业作为一个周期性行业,虽然现在看已经在周期高位了,但仍然很有可能长期偏离周期,走一个中国入世前 6 年铜的走势,可以去看看 K 线。 中国入世的 20 多年,整套工业体系是按全世界的需求去建设的,而不是一个国家的需求,给世界带来了巨大的生产力。 这轮的 AI 也是上了就是生产力,和互联网泡沫、Crypto 这些有本质不同,如果你有点商品交易经验的话,看到这应该已经高潮了。 泼泼冷水,风险在 AI 以外,比如宏观转向了,经济不行了,打仗了,川普又发癫了。 茅台镇假酒言论,请勿作为投资建议。 (说的只是七姐妹和半导体公司里的大盘股,炒比如储能、核电、量子计算这些小盘股就是完全另一个思路了,这些和山寨币没太大区别。)
Sora的水印修改了,增加了制作者的id 这次做大唐双龙传李秀宁,这个拔刀术实在不太对😅 total_duration: 15s frame_rate: "30fps" film_grain: "精细的数字噪点,风格锐利清晰" tone: "飒爽、坚毅、充满活力、史诗感" color_palette: "温暖、饱和的色调。以金色、朱红色和棕褐色为主。阳光明媚,对比度适中,有镜头光晕(Lens Flare)。" audio: ambient: "激昂的战鼓声作为背景节奏,马匹的嘶鸣声,士兵操练的整齐呼喊声,旗帜在风中猎猎作响。" sequence: - shot_1: duration: "4s" composition: "广角跟随镜头(Wide-Angle Tracking Shot),35mm镜头,f/5.6。镜头保持在与马匹奔跑相同的速度。" camera_motion: "侧向跟拍(Lateral Tracking),使用摇臂或无人机拍摄,镜头高度与马背齐平。" lighting: "傍晚“黄金时刻”(Golden Hour),阳光从侧面以低角度照射,拉长影子,使盔甲闪闪发光。" subject: description: "一位英气逼人的女将(李秀宁),面容坚毅,眼神锐利。" wardrobe: "一身精致的唐朝轻甲(非全身重甲),红色披风在身后飞扬。" scene: location: "尘土飞扬的军营校场。" time_of_day: "傍晚,日落前。" environment: "背景是连绵的营帐和林立的红色唐朝战旗。空气中弥漫着阳光照射下的灰尘颗粒。" visual_details: action: "她(李秀宁)骑着一匹黑色骏马(如“乌骓”)在校场上疾驰而过。" props: "黑色骏马,红色披风,背景的战旗。" transition_to_next: "动作匹配剪辑(Cut on Action)" - shot_2: duration: "6s" composition: "中景(Medium Shot),50mm镜头,f/4.0。镜头从低角度仰拍,增加威严感。" camera_motion: "固定机位(Static),但有因马匹停下而产生的轻微震动。" lighting: "强烈的逆光(黄金时刻的太阳),在她周围形成一圈金色轮廓光。使用反光板为面部补光。" subject: description: "她(李秀宁)的特写,额头有细汗,但目光坚定。" wardrobe: "轻甲上的精致雕花和皮革绑带细节。" scene: location: "校场中央。" time_of_day: "傍晚。" environment: "马匹扬起的尘土在逆光下清晰可见。" visual_details: action: "她猛地勒住缰绳,马匹人立而起。她稳坐马背,拔出腰间的佩剑,剑指前方,似乎在发号施令。" props: "缰绳,闪亮的佩剑(横刀)。" transition_to_next: "L-cut(战鼓声加强)" - shot_3: duration: "5s" composition: "特写(Close-up),85mm镜头。焦点在她紧握剑柄的手上,然后(通过推焦)转移到她坚毅的眼睛上。" camera_motion: "推焦(Rack Focus)。" lighting: "黄金时刻的侧光,照亮她盔甲的金属质感和她眼睛中的光芒。" subject: description: "她戴着护手的手套,紧握着剑柄。" wardrobe: "金属护手,剑柄上的宝石。" scene: location: "校场。" time_of_day: "傍晚。" environment: "背景是完全失焦、迎风飘扬的红色战旗。" visual_details: action: "手坚定不移。焦点转移到她的眼睛,她毫不畏惧地直视镜头。" props: "剑柄,背景的模糊旗帜。" transition_to_next: "淡出到黑色(Fade to Black)"