AI探索指南

  1. ListenHub CLI 发布并开源了,直接在各个 Agent 里安装调用就行

    ListenHub CLI 发布并开源了,直接在各个 Agent 里安装调用就行。
    还支持了AI 音乐生成和 PPT 幻灯片。
    当然播客、TTS、解说视频这些老能力都在。

    音乐这边,给个提示词就能生成一首曲子,也可以丢一段参考音频做 cover 翻唱。PPT 直接给个主题就能出一套幻灯片。

    底层 SDK 也一起开源了,TypeScript 写的,OAuth 登录、自动刷 token、重试机制都处理好了,直接拿去集成没问题。

    CLI: https://github.com/marswaveai/listenhub-cli
    SDK: https://github.com/marswaveai/listenhub-sdk

  2. 为了让交付更快、更稳,我通常会先和 AI 一起把需求的整体设计讨论清楚,包括前端交互设计、后端 MVC 结构、代码逻辑抽象、组件复用、开放模块设计、稳定性设计,以及架构和工程层面的优化

    为了让交付更快、更稳,我通常会先和 AI 一起把需求的整体设计讨论清楚,包括前端交互设计、后端 MVC 结构、代码逻辑抽象、组件复用、开放模块设计、稳定性设计,以及架构和工程层面的优化。
    一轮讨论结束之后,AI 通常会生成 3~5 个文件,对应不同维度的项目变更设计文档。
    接下来,就会让 AI 根据项目复杂度选择合适的模型配置,同时开启多个进程跑 CLI,或者拉起多个子 Agent 一起干活。
    这个模式的效率确实很高,不过带来的最大问只有一个:钱不够烧。
    我在 Codex 上买了两个账号轮着用,Github Copilot 也买了两个账号。用了一段时间之后发现,Codex 的 token 限额算是最亲民的,5 小时窗口 + 周限额窗口。周限额有时候看起来还挺随机,昨天还显示要等一周才能恢复,结果第二天一看,额度已经恢复到 100%。
    Github Copilot 刚开始没有太注意,它其实是按照 Request 来限流的。有一次为了调一个细节,一晚上来回聊了很多次,直接把月额度干没了。后来慢慢摸索出一个用法:专门让 Copilot 处理大的需求,一个 Request 里塞进去好几个复杂任务,反而会觉得“真香”。
    Google One 的 Family 方案其实也很香,用 Antigravity Tools 做反代就能跑。不过最近封号有点猛,现在基本不太敢用了。
    当所有账号都被干到限流之后,也试过用国内的一些模型,比如 Kimi-k2.5、GLM-5。做一些常规的小需求其实问不大,一旦遇到复杂问,就很容易陷入无限递归循环:
    排查 → 修复 → 没改好 → 继续排查。
    这个时候就会特别怀念 Codex-5.3-xhigh 和 Claude-Opus-4.6。
    另外,这几天刚出来的 Codex 5.4 表现更明显,之前需要排查好几轮才能解决的问,它经常一把就能过。

    AI探索指南 OpenClaw小龙虾🦞

  3. Web 应用都该尽快做好 MCP 兼容!

    Web 应用都该尽快做好 MCP 兼容!
    Chrome 最新146版本正式加入了WebMCP支持,也就是你的任何Web网站/应用都可以以MCP形式对外提供功能服务。
    这个意义很大,当越来越多人用AI帮助干活,当你的Web网站有MCP支持的时候,AI不再需要复杂的模拟点击->截屏->分析->操作这样复杂的工作,而是直接用你标准化的MCP接口进行快速调用。
    举例来说,携程网站如果加入MCP支持,AI可以几秒内完成搜索和下单。
    视频是Google 官方做的一个演示,相关地址点击:

    AI探索指南 OpenClaw小龙虾🦞

  4. 为什么4万多个skill只有1000多个能用

    为什么4万多个skill只有1000多个能用
    这里我有一个实战经验的分享
    我的内容创作已经高度skill化了,因为它有完整的SOP
    但是仅仅有SOP让AI来给你写skill这样是不对的
    我记得当时AI刚给我写好的skill用起来没有那么丝滑
    在这个过程中我从选的markdown文档就一点点抠它所描述的不准确的内容
    甚至我描述的也不准确
    |我会找AI再来帮我描述专业的词汇
    最后你会发现人的把关至少要有70%的工作量
    他才能是一个好的skill
    由prompt引导的skill永远考验的都是你的taste

    AI探索指南 OpenClaw小龙虾🦞

  5. hermes 确实是一个更好的 claw 产品

    hermes 确实是一个更好的 claw 产品。

    - 使用 cronjob 而不是 heartbeat 来实现主动任务/周期性任务更细致,也更务实。使用 openclaw 的时候每天什么都不干就能跑出相当于$30 左右的用量,换成 cronjob 则完全是丰俭由人。
    - 重复任务自动创建 skill 效果很明显,我平时常问的就那么几件事,openclaw 每次都是从零开始,hermes 做成 skill 来跑后续任务确实快很多。
    - 当然也不是没缺点,很明显地,默认情况下 hermes 的 web search 和web fetch 必须是同一个 provider... 而且还不包含我喜欢的 brave search api(当然如果你愿意倒是也可以直接改代码来支持,这点相比 openclaw 也是 huge win)

    目前主要的感受就是这样,already liking it.
    至于长期记忆表现如何还不知道,刚迁过来,有待观察。

  6. 豆包说:我太懂你这种感觉了!!最直接、最真相、最不绕弯、最扎心、最硬核、最干脆、最不墨迹、最戳痛点、最不留情面、最一针见血、最开门见山、最单刀直入、最不铺垫、最不客套、最不煽情、最不废话、最不拐弯、最不磨叽、最不装、最不端着、最不啰嗦、最不拖沓、最不委婉、最不掩饰、最不藏着掖着、最直白、最露骨、最实在、最通透、最毒辣、最爽快、最解气、最上头、最够劲、最过瘾、最粗暴、最有效、最狠、最准、最稳、最绝、最顶、最炸、最刚、最烈、最飒、最莽、最冲、最猛、最脆、最亮、最透、最干、最净、最利落、最霸道、最硬核、最生猛、最狂野、最直白、最粗暴、最不讲虚的、最不玩套路、最不搞形式、最不整虚头巴脑、最只讲干货、最只说重点、最只给结果、最只聊真相、最只谈核心、最只戳关键的方式来告诉你

    豆包说:我太懂你这种感觉了!!最直接、最真相、最不绕弯、最扎心、最硬核、最干脆、最不墨迹、最戳痛点、最不留情面、最一针见血、最开门见山、最单刀直入、最不铺垫、最不客套、最不煽情、最不废话、最不拐弯、最不磨叽、最不装、最不端着、最不啰嗦、最不拖沓、最不委婉、最不掩饰、最不藏着掖着、最直白、最露骨、最实在、最通透、最毒辣、最爽快、最解气、最上头、最够劲、最过瘾、最粗暴、最有效、最狠、最准、最稳、最绝、最顶、最炸、最刚、最烈、最飒、最莽、最冲、最猛、最脆、最亮、最透、最干、最净、最利落、最霸道、最硬核、最生猛、最狂野、最直白、最粗暴、最不讲虚的、最不玩套路、最不搞形式、最不整虚头巴脑、最只讲干货、最只说重点、最只给结果、最只聊真相、最只谈核心、最只戳关键的方式来告诉你。

  7. 橙皮书📙宇宙,在路上了...

    橙皮书📙宇宙,在路上了...

    今天先开源分享一本最近讨论很热烈的《Hermes Agent橙皮书》:https://github.com/alchaincyf/hermes-agent-orange-book?tab=readme-ov-file

    如果你已经在用了,说实话,完全没必要看,狠狠用就好了。但如果你获得了一些碎片信息,完全不知道怎么回事,相信这个材料会帮你获得一些基础的系统性认识。

  8. 这波龙虾 Agent 热潮走下来,我也看明白了

    这波龙虾 Agent 热潮走下来,我也看明白了。
    很多人花了几十上百个小时研究 OpenClaw,烧了数以百万计的 Token,编排了一堆看似高大上的工作流,钱和时间都花出去了,生产力却没有得到质的提升。
    这么一番折腾下来,最大的作用就是缓解自己的 AI 焦虑。
    如果你真的想要搭一个实际生产环境可用的 Agent,而不是一个 AI 花瓶,那么个性化数据才是最关键的。
    你缺的不是工具框架以及各种奇技淫巧,而是与你个人以及业务强相关的数据。
    从现在开始,你最应该投入大把时间和精力,尽快搭建一个专属于你自己的知识库。
    你每天工作和生活中的经历、思考、心得、感受、观点、看法,这些都应该形成 markdown 文档,记录到你的知识库中,而非只是停留在大脑皮层。
    脑子里面的一切都是空想,落到硬盘里面的才是数据。
    只有 AI 吸收足够多的个性化数据,才能慢慢从通用助手,迭代到个性化 Agent,最后进化成为你的数字分身。
    所以我想说,AI 时代下最应该培养的一个习惯就是,每天坚持写日记,坚持记录。

    AI探索指南 OpenClaw小龙虾🦞

  9. 在Transformer内部造一台计算机

    在Transformer内部造一台计算机
    一篇充满争议的文章,Percepta AI把WebAssembly解释器编译进Transformer权重,让模型的前向传播本身就是程序执行,不依赖任何外部工具就能进行数学计算。
    流程是:C代码→WASM→将WASM解释器编码进权重→前向传播逐token输出执行轨迹
    争议的点在于:权重不是训练出来的,而是直接编译进去的,更像“用一种奇特方式写了个程序”,不是真正的AI学习;可微分性并没有证明,很可能LLM也没法学习这个计算过程;与原生WASM相比可能慢数千倍;
    原文:https://www.percepta.ai/blog/can-llms-be-computers

    AI探索指南 OpenClaw小龙虾🦞

  10. 1. 📢 AI探索指南

    1. 📢 AI探索指南
    AIGC 领域的最新工具、开源项目以及行业大事件,AIGC人工智能、思维方式、知识拓展,能力提升等。

    2. 📢 🦞OpenClaw小龙虾
    分享OpenClaw🦞最新玩法、技巧、经验、观点等。

    3. 📢 优质「资源」收藏夹
    收藏高质量书籍、资料、资源,帮助你获取优质资源。

    4. 📢 你不知道的内幕消息
    一些你不知道的内幕消息,最新资讯、大公司负面、时政财经、网友发布等高质量消息。

    5. 📢 互联网从业者充电站
    内容多为技术、产品、设计、运营等不同话题内容,互联网从业者专属。

    6. 📢 出海🚢&自媒体运营秘籍
    分享出海经验、赚美金、运营技巧、小红书运营、网赚项目等。

    7. 📢 中年人生存报告
    关于职场、生活、创业、30+、失业、中年生活、夫妻关系等话题。

    8. 📢 💵星辰观察站
    Web3加密市场、美股、金融投资,理财,金融知识;

    9. 📢 你不知道的冷知识
    有趣的、无趣的、有用的、没用的知识

    10. 📢 优质「信息」收藏夹
    优质内容/信息/软件/插件/网站等分享,好玩的、好用的数字产品分享,提高你的信息获取质量。