AI探索指南

  1. NHK播了前些时候在北京的机器人马拉松赛,打开threads,全是霓虹民众的痛心疾首:

    NHK播了前些时候在北京的机器人马拉松赛,打开threads,全是霓虹民众的痛心疾首:

    “安倍晋三第一次执政时期,文部科学省把科研经费资助方式改成了竞争制,结果导致基础研究经费被大幅削减,反而那些容易快速出成果、容易看见结果的研究更容易拿到补助。

    但实际上,真正可能带来突破性创新的宝库,恰恰是基础研究。结果就是,越优秀的研究者越容易被海外高薪挖走,造成了“人才外流(脑力流失)”。”

    “到底已经被拉开了多少年的差距呢……
    想到日本技术力如今的样子,真的让人很失望”

    “其实日本也没有强到不可动摇。很多事情真正恶化,是需要时间慢慢累积的。以前,我也从来没想过中国和韩国会发展成今天这样。”

    “在嘲笑中国的这段时间里,双方的差距其实正被越拉越大啊”

    “看到中国的机器人技术后,如果是真心感到懊悔,并暗自下定决心“总有一天要超越他们”,那还算有希望。但当我看到那些网右还在逃进幻想世界里,说什么“中国的机器人不过是玩具,日本才是世界第一”的时候,我就痛切地感觉到:啊,日本真的输了。”

  2. 带 memory 的个人 agent,真是值得押注的赛道吗?

    带 memory 的个人 agent,真是值得押注的赛道吗?

    我自己近来反而有些谨慎:相信 memory 的价值,但对赛道空间存疑。哪怕我很早做了 Chat Memo(帮人汇总各个 AI 平台的对话记录),按理应该看好这条赛道。

    memory agent,或者说 AI 人格助理,我把其价值拆为两类:
    1)情绪、陪伴价值
    2)基于对用户的长期记忆,提供超过普通 agent 的对话效率、乃至做事效率

    ⬇️
    情绪价值这块,想到两种产品形态:
    ① 虚拟人框架,任何人都可以自定义自己的 AI 朋友、伴侣
    ② IP即产品,产品团队直接运营Kizuna AI类似的虚拟人格,用户订阅自己喜欢的 AI 朋友。

    但虚拟人框架,一来高阶用户可选的制作方案很多,二来普通用户的自定义效果有限。Maybe 大部分用户还是倾向订阅别人做好的 IP。
    可能最终还是拼 IP 形象设计与运营?和游戏、内容消费赛道重合

    ⬇️
    长期记忆助理这块,乍看像知识、记忆管理。但实际上会和正在补 memory 能力的通用 agent 正面竞争。

    看似有机会,但大体是两种逻辑:
    ① 现阶段通用 agent 现在还维护不好人的记忆,但用户现在就想有更懂自己的 agent。用户在其中对话,慢慢沉淀自己的 memory 数据。
    当通用 agent 能导入 memory 时,直接导入并流失
    ② 要么先抢这段窗口期,吸引用户和资金,然后补上通用 agent 能力,重归通用 Agent 竞争圈

    看起来最终还是拼 Agent 工程、token 成本控制力?

    > 对此,某不愿透露姓名的朋友评论:① 黄聊 ② 被大厂干掉

    ——————
    顺便提出两个无奖思考题:
    ① memory agent 赛道,最终是模型厂的产品独大,还是像笔记等产品赛道,因为用户体验不同,小产品各有机会?
    ② 用户为主流通用 agent 付费 100-500 元/月后,他们还会为小 agent 产品的独特智能体验再付费么?会有多大体量呢?

    > 以上仅为抛砖讨论,希望能看到创业者、真实用户等不同角度的思考 🤔

  3. 有人刚刚开源了一整家 AI 公司

    有人刚刚开源了一整家 AI 公司。147 个智能体。12 个部门。工程、设计、营销、销售、财务、QA、支持。每个智能体都有其角色、工作流和交付物。这不是一个聊天机器人。这是一个团队。
    Claude Code, Cursor, Copilot, Gemini CLI, Windsurf。一条命令部署一切。始于一个 Reddit 帖子。88,000 个 Star。14,000 个 Fork 之后。MIT 协议。免费。
    属于你。这本该价值每年 50,000 美元。

    AI探索 | Hermes/OpenClaw|优质资源|优质信息
    Media is too big
    VIEW IN TELEGRAM

  4. Anthropic 发布一篇《AI对劳动力市场的影响:一种新的衡量标准和早期证据》的研究报告

    Anthropic 发布一篇《AI对劳动力市场的影响:一种新的衡量标准和早期证据》的研究报告
    🔸 LLM 理论上能做很多工作任务
    🔸 但现实中真正被用到的范围,远小于理论能力
    🔵 蓝色:某职业中,LLM 理论上可以完成的任务占比
    🔴 红色:根据 Anthropic 自己的使用数据推算,AI 实际覆盖到的任务占比
    AI 最容易切进去的还是计算机、金融、办公、法律等知识工作;但目前实际使用程度还远没有达到理论上限,职业世界里存在很大的“可做”和“已用”之间的差距。
    所以这图真正有意思的地方,不是“AI 已经替代谁了”,而是:
    →
    能做 ≠ 已经在做
    → 几乎所有职业里,红条都明显短于蓝条
    → AI 的能力上限已经抬得很高,但真实落地还卡在很现实的问上。

    AI探索 | Hermes/OpenClaw|优质资源|优质信息

  5. 阿里最新这项研究挺扎心的,

    阿里最新这项研究挺扎心的,
    所以我们现在天天喊AI会抢程序员饭碗,但这项实验戳破了一层窗户纸😄
    他们让18个AI智能体花了233天,
    真实维护100个代码库,不考当场写对,考的是经过8个月演化,代码还能不能跑。
    结果是:
    75%的模型越维护越乱,最后把本来能跑的代码搞崩了🤣🤣🤣
    只有 Claude Opus 保持了一半以上的零退化率,其他全凉,
    现在的AI是快照式编程,
    给一道,当场写出能通过单元测试的代码,
    这个很帅,但真实软件工程不是考一道,
    是考长期维护,
    你改bug会不会引入新bug?
    你加功能会不会动了底层逻辑?
    几个版本迭代下来,技术债务是不是堆成了山?
    多数AI写出来的就是看起来很美的纸牌屋,
    当时能跑,
    三个月后就是没人敢碰的祖传屎山,
    最后还得真人上去擦屁股😂
    所以兄弟们,别担心AI抢饭碗了,
    它造出来的屎,够我们修到退休🤪

    AI探索 | Hermes/OpenClaw|优质资源|优质信息

  6. Codex 越来越猛了,昨天更新增加了内置的谷歌浏览器插件,可以直接控制你的谷歌浏览器执行任务

    Codex 越来越猛了,昨天更新增加了内置的谷歌浏览器插件,可以直接控制你的谷歌浏览器执行任务。

    而且它可以在后台跨浏览器页面并行工作,不耽误你正常使用浏览器。所谓“并行工作”,指的是你可以启动多个子 SubAgent 帮你操作多个网页。

    我试了一下,发现最厉害的一点是:它不仅可以控制 Chrome,任何基于 Chromium 的浏览器都是可以的。比如我这里用的是 Dia 浏览器,我在 Dia 浏览器安装了一个插件,它就可以直接控制我的 Dia 浏览器。

    具体如何使用呢?

    在 Codex 的插件库里找到 Chrome 这个插件。
    点击添加,随后它会引导你打开浏览器插件的安装页面。
    点击打开并安装即可。

    安装完成后就可以直接给它下达任务了。这种支持并发且不影响用户原生操作的体验真的很爽。而且 Mac 和 Windows 都支持。

  7. Short Drama Screenplay Skill — 短剧剧本工业化生产 AI 工具包

    Short Drama Screenplay Skill — 短剧剧本工业化生产 AI 工具包
    → 覆盖短剧生产全流程:从选立项、故事骨架、角色开发到分集撰写、质量自检、合规审核一站式完成
    → 内置 13 种材模板和四层反派递进体系,提供标准化叙事结构而非随机创意输出
    → 采用节奏曲线系统(起势/攀升/风暴/决战四段式)和五种钩子设计,精准把控观众留存
    → 支持双语双格式输出:国内模式(△镜头+♪配乐)和海外模式(INT./EXT.+WIDESHOT)
    → 配备五维度质量评分(节奏/爽点/台词/格式/连贯性)和红线合规审查,确保产出可拍摄级剧本
    → 纯 Markdown 零依赖架构(93KB),兼容 Claude Code、Codex CLI 等任意支持 Skills 的 AI 助手
    https://github.com/0xsline/short-drama

    AI探索 | Hermes/OpenClaw|优质资源|优质信息

  8. 俞浩定了 1999,加了激光雷达,结果卖爆了

    AI探索指南
    跟大家分享一些最近好玩的事儿,看起来似乎毫无关联,但又都神奇地关联到了一起。 先是 Claude Code 用得越来越痛苦。封号、限流、KYC,各种折腾,各种浪费时间。 有人在 Reddit 发了长帖,说自己试了十几种绕过检测的方法,每一步都记录得很详细。 下面有人回了一句:你试过 GPT 5.5 和 Codex 吗。 他去试了一下,结果真的又便宜又好用,还不用折腾。 原来离开 Claude,才发现外面根本没有下雨。 有一家公司在做一个多模态理解的项目。团队调了三个月,各种工具各种工程往上叠,效果一直搞不好。…
    俞浩定了 1999,加了激光雷达,结果卖爆了。

    他管这个叫 N+1。

    以前大家习惯做减法,讲究性价比,现在可以试试做加法,做更好的产品,卖更贵的价格。

    定价比别人贵 10%,直接赚钱,利润高,能加更好的硬件,能招更好的人,正向循环。

    何况现在有 AI 了,其实很容易。

    团队如何管理?
    管理团队看似是一个复杂的事情,团队有那么多人,每个人的性格不一样,工作习惯不一样。

    你想把管理做好,让每个人都在最合适的位置。于是你开始看各种管理书,调各种流程。

    然后你会发现一个问题:不管你怎么努力,永远无法完美,总有哪里不对。

    然后你就很容易忘记最重要的初心:

    成立公司是为了什么?是为了成功。

    那其实管理的核心目标,就只需要保证所有人的注意力都在这里:

    做正确的事,正确地做事。

    而其他的事情事情,根本都不重要。

    企业 AI 转型也是类似。

    你的的第一步是先问一个问题,不然提高 100% 也毫无意义。

    这个问题就是:

    这个事情,这个部门,这个组织方式,未来还存在吗?

    其实如果一件事在未来不存在,你现在努力又是为了什么?

    其实我们再往上层思考,来到资本主义本身。

    发币、发债、通货膨胀、经济发展,这个循环已经跑了几百年。

    每个国家都在里面,没有人能停下来。停下来就是衰退,停不下来就是泡沫。看上去是个死局。

    马斯克最近在聊一个东西,叫"后资本主义"。他的推演是这样的:

    AI 和机器人会让生产力指数级增长,商品的边际成本趋近于零。

    你不需要担心通胀,因为供给的增速远超货币的增速。

    你不需要纠结怎么分配,因为蛋糕本身在以你无法理解的速度变大。

    他甚至说,未来 AI 之间的交易可能不再用人类的货币。

    它们直接交换算力和能源。

    资本主义的答案也许不在资本主义里。

    最近学习了人类奇书 GEB,全称是《哥德尔、埃舍尔、巴赫》,作者候世达。这本书很厚,但核心就讲了一件事。

    任何足够复杂的系统,只要你让它能谈论自己,就会产生一种叫"自指"的东西。一旦出现自指,这个系统就无法完整地描述自己。总有一些命题是真的,但你在这个系统内部永远证明不了。

    你唯一的选择就是跳出系统。

    跳出去之后,你进入的那个新系统,它也是一个系统。它也有自己的不完备性,也有自己证明不了的东西。

    完美的系统是不存在的。

    但每跳一次,你都能解决上一个系统里解决不了的问题。

    看看窗外,窗外是星辰大海。

    看看窗外,外面根本没下雨。

  9. 跟大家分享一些最近好玩的事儿,看起来似乎毫无关联,但又都神奇地关联到了一起

    跟大家分享一些最近好玩的事儿,看起来似乎毫无关联,但又都神奇地关联到了一起。

    先是 Claude Code 用得越来越痛苦。封号、限流、KYC,各种折腾,各种浪费时间。

    有人在 Reddit 发了长帖,说自己试了十几种绕过检测的方法,每一步都记录得很详细。

    下面有人回了一句:你试过 GPT 5.5 和 Codex 吗。

    他去试了一下,结果真的又便宜又好用,还不用折腾。

    原来离开 Claude,才发现外面根本没有下雨。

    有一家公司在做一个多模态理解的项目。团队调了三个月,各种工具各种工程往上叠,效果一直搞不好。

    后来朋友任鑫跟他们说,你要不换 Gemini 的模型试试?

    换完模型发现所有的问题都解决了,效果比之前都要好。

    原来那么多的时间和努力,在强大的模型面前都毫无必要。

    有个朋友跟我说他想买房。然后开始算账,算存款、算月供。

    为了还贷款要选择稳定的工作,为了凑首付甚至要找亲戚朋友借钱。

    各种问题都要解决,也都有解法。

    但真正的问题是:

    在一个出生人口下降的趋势里,买房的目的是什么?

    到底有什么是租房解决不了的问题?

    到底是因为想居住还是想投资?

    如果要投资是不是有远超房子的标的?

    想清楚了,如何凑钱的那些问题就都不是问题。

    这些小事为什么都关联到了一起呢?

    前几天读了一本书叫《无穷的开始》,作者是物理学家戴维·德伊奇。

    书里有个观点很好:人类一直在寻求对一件事情的更好的解释,但好的解释不是在一个封闭系统里拼命推导出来的,是用一个更广的理论去覆盖原来的问题。

    解决问题是思维的陷阱,创造的思维才是出路。

    这个道理在各个领域都成立。

    给谁做产品?
    过去十年 SaaS 行业发展到了极度雕花的程度,一个 Onboarding 可以做十页,甚至还有提供 Onboarding 服务的 SaaS 和咨询师。

    然后 Agent 出现了,Agent 产品就一个输入框,没有 Onboarding。

    Agent 它甚至不需要界面。

    你花了很多年打磨的那些体验,在新的坐标系里突然不需要了。

    然后你问自己一个问题:未来的增量在哪里?

    到底是 Agent 增量大,还是人的增量大?

    想清楚之后,很多人带来的问题就不必再解决了。

    产品如何定价?
    追觅做割草机的时候,市场上已经有中国厂商把价格杀到了 499。正常人的思路是两条路:要么跟着卷价格,要么做一些差异化来撑住价格。