clawdbot概念股有紫光股份么

今天我们要聊的是这个 cloud w 啊，在接入了超过一万个数据和工具之后，啊，这个东西竟然可以做到七天二十四小时不间断的监听股票，我的天呐，这是什么概念？对，这个真的是最近 a h r 特别火的一个东西，对，然后我们就来好好聊一聊，咱们先第一部分啊，先聊一聊这个 cloud bot 它之前的这个局限性啊， 为什么之前大家说他只是一个玩具版，其实最主要的原因就是因为他之前没有办法接入这种专业的数据库嘛，就他只能通过这个大模型本身的一些有限的知识和他能抓取的一些公开的信息 来给你做一些回复。那你如果说想要他帮你分析股票，或者说帮你做一些这种商业的洞察，其实他根本就没有办法给你一个靠谱的答案， 所以说就是他之前的这个应用场景就非常的受限吗？对，没错没错，那没有这些专业的数据的支撑，他其实只能做一些简单的聊天，然后一些基本的信息的解锁。那你真的想要他帮你去监控市场，或者说帮你去做一些 深度的分析，就根本不现实，那它的价值就非常的有限。那如果说我们具体来看的话，在金融和商业分析这个场景里面，如果没有这些专业数据的接入的话，他具体会有哪些短板呢？就他只能给你一些泛泛的 市场的动向，因为他没有实时的行情数据吗？他也没有办法给你一些财务的指标，或者说一些行业的深度的数据，那他很多时候给你的就是一些新闻的招标，或者说一些 公开的公告的招标，那你想要一些个性化的分析，或者说想要一些定制的这种监控的规则，那基本都实现不了。对，然后包括一些复杂的这种商业的询问，他也经常会回答你说我需要更多的数据， 那它这种就会让你非常的在做决策的时候没有什么信心，但是它的实用性就大打折扣。嗯，那你觉得就是在实际应用当中，这个 cloud bot 它在自动化和安全这两个维度分别会有哪些让人比较头疼的地方？嗯，自动化这块就是它其实对于一些 重复性的事情，比如说帮你整理整理文件啊，帮你发一些通知啊，这种事情是挺顺手的，但是一旦遇到一些稍微需要一点判断，或者说需要一些变通的这种情况，他就经常会卡住，然后你还是需要人在旁边盯着。 那安全这块的话就是，呃，因为他早期的时候是有一些这个公网的端口是开放的，没有做任何的认证， 那这个就导致他很容易被黑客来攻击。那如果说你没有及时的去做一些加固的话，他可能你的数据就会泄露，或者说你的这个服务器的权限就会被拿走。那 所以就是说这个安全也是一个非常大的问题，这两个问题都直接限制了它在一些真正的生产环境当中的使用。我们接下来要聊的就是这个 team 平台是如何让这个 cloud bot 实现逆袭的，那我们就想请问一下这个平台到底是给这个 cloud bot 接入了哪些新的能力？嗯， 这个平台呢，它是让这个 cloud data 能够连接上上万个这种专业的数据库和工具，然后领域呢，就包括金融和商业，还有社交媒体。那金融里面呢，又有 这个 a 股、美股、港股的实时行情加密货币的数据。那商业里面呢，就是企业信息啊，招投标啊，专利啊，行业报告啊， 社交媒体呢？就是微博啊，推特啊这些。我的天呐，那这样的话，这个 cloud bot 岂不是可以处理非常多复杂的任务了？对啊，然后它还可以通过各种 api 去连接到更多的这种外部的服务，它就 不光可以做这种实时的监控和分析，它甚至可以直接帮你执行一些操作，就比如说自动的帮你抓取一些数据啊，自动的帮你整理一些市场的情报啊， 这真的是一个全能型的助手。我我特别想知道，就是说这个在 tymo 平台上面，这个所谓的一键认领 cloud dashboard 到底是怎么一个流程？其实特别简单，就是你只要在平台上面点一下那个免费认领， 然后它就会自动帮你分配一个已经配置好的 cloud dashboard 给你，你连服务器都不用管，它全部都是在线的，就是秒级的就可以用，这听起来也太方便了吧？对，就是你完全不用操心说什么安装配置， 然后也不需要你有什么技术背景，它又可以直接跟飞书啊，或者企业微信啊，或者钉钉啊这些打通，你就可以在你的这个团队里面直接就使用它，多余种也可以，定制也可以， 就是它的这个门槛儿几乎是零。那你觉得就是说这个 timo 平台加持之后，这个 cloud bot 到底在哪些方面是最让人觉得惊艳的？我觉得就是它， 首先他的这个专业的数据和他的这个技能库是非常非常庞大的，然后他的这个门槛又极低，你可以非常快的就上手使用，他是一个呃，无论是做市场分析，还是做一些这种 智能的提醒，还是做一些这种自动的报告的整理啊，都非常非常好用的一个东西。他这个七乘二十四小时的这种守护，让你可以去做一些更复杂的决策啊等等的这样的一个东西， 它就是一个真正的一个企业和个人的一个超级助手。我们现在就来进入到我们的第三部分啊，就是来聊一聊这个 cloud bot 在 真实场景下的股票分析能力。 那到底这个东西在专业分析这块它有哪些实用的功能呢？就是它可以直接连接到这个金融终端的这种专业的数据库啊，然后它可以无论是 a 股还是美股还是港股，它都可以给你实时的行情， 各种技术指标都可以给你秒级的拉出来。你还可以让他比如说给你指定一个什么时间周期，让他给你做一个技术面的分析，或者说给你做一个 etf 的 这种资金流的拆解。 所以说这个东西就是说无论是你是一个短线的交易者，还是说你是一个需要做这种深入研究的人，他都可以帮你快速的搞定这些数据的整理。对，而且他除了这个行情数据，他还可以抓取这个财经新闻和这个社交媒体的一些情绪， 然后他可以根据你设定的一些关键词，或者说一些事件，他可以给你自动推送一些公司的公告啊，或者是一些重大的风险啊，包括你可以设定一些提醒，比如说他跌破什么价位了，或者是说有什么大宗交易了，他都可以自动推送给你。对， 这是真正的是一个全流程的一个智能的助手。那你有没有一些比较生动的例子，可以讲一讲这个 cloud bot 在 实际应用当中，比如说股票分歧这块有哪些让人印象深刻的表现？有啊有啊，比如说， 呃，这个 a 股的这个人工智能 etf， 它可以在盘中的时候随时给你进行技术面的分析，然后给你出报告，嗯，包括这个实时的监控，这个铜的这个主力合约的价格，一旦有什么突破，它就会立刻给你预警。 还有就是这个宝泰股份，它可以结合这个财报和一些新闻给你进行一个走势的点评，听起来功能真的很全面。对，它还可以就是自动的去追踪 你指定的一些股票的价格啊，然后它可以根据你的这个预设的条件给你推这个买卖的信号，包括每天早上会给你推这个盘前的要闻和这个重点的公司的一些动态啊。 还有就是它可以自动的帮你把你的交易记录归档，每周给你出这个策略的绩效的分析，就是相当于你可以把它当成一个全自动化的这个股票小助理。你觉得这个东西跟传统的那些股票分析的工具相比，它最突出的优势体现在哪？我觉得就是首先它是一个 呃，可以直接在你的这个聊天群里面就进行操作的，然后它是一个非常自然语言的对话的方式，你可以非常灵活的去设置一些个性化的监控啊，或者是一些复杂的分析啊，它都可以。 呃，自动地去定时执行，或者是说它可以实时地去推送一些预警啊给你，包括它会记住你的一些偏好啊，它会主动地来提醒你，就是它真的像是一个你的贴身的投资助手一样跟你一起成长。对，今天我们其实聊了很多关于这个 cloud bot 从一个玩具 变成一个真正的生产力工具的这样的一个全过程，然后也给大家展示了他在股票分析啊，以及自动化的这个方面的一些强大的能力。呃，如果你也感兴趣的话，可以自己去尝试一下，我觉得真的会有不一样的体验。对。

题材查阅一分钟，节约复盘两小时。大家好，我是收盘拉助理人，我们来看新题材全职 ai 员工，也就是 closebot。 近期 closebot ai 项目爆火，硅谷 ai 资本化加速，产业共识再发酵， ai 应用或在二零二六年迎来商业化牛点。那么这里主理人也给大家总结了 cloud bot。 cloud bot 可记忆与用户交互的点点滴滴，并且主动触发与用户的相关事件，比如提醒用户十分钟开会，在用户受与高权限的情况下，可执行邮件管理、数据处理等复杂操作， 个性化以及任务执行能力强或加速存储算力以及服务器 cpu 的 需求增长。 所以总结为全职 ai 员工主要包括 cloud bot 算力支持以及 ai 智能体。 cloud bot 目前一家优客的合作进度低，云主机首发支持并上线革命 ai 开源智能体。 cloud bot 第二来看，算力支持，主要包括边缘计算以及云计算。边缘计算、网速科技。边缘计算营收排名第一，四十五点九二亿出零信息营收第二 二点二四亿。顺网科技，已构建云服务平台。第二是云计算，光环新网、云、赛智联、神州数码、首都在线、美丽云、同牛信息、大卫科技。云计算营收 第一到第六。最后是 ai 智能体，主要包括营收，华为 ai 智能体、微软 ai 智能体、办公系统、电商以及财税系统。目前从营收来看，能科科技 ai 智能体营收排名第一，智文互联排名第二。华为智能体主要是酷特智能以及精彩智联。微软的小鹿智能体、南星股份顶尖数字办公智能体主要是金山办公、 福星软件、智远互联以及范围网络电商智能体值得买！焦点科技最后，财税智能体中科精彩！最后，为了方便大家查看 以及更多新的题材梳理，我会将最新的内容放到后花园，大家可以自行领取，同时点赞关注 t 三梳理不迷路！

题材查阅一分钟，节约复盘两小时。大家好，来看新题材。 a i n e s a i n s。 作为数据算力中心，可以集中存储各家电品类的数据，同时通过集中部署的算力进行计算和分析， 实施快速处理和响应手机、 pc、 家电等终端设备的数据，从而达到连接各设备的孤岛作用。当前， call bot 在 本地设备部署全天候运行，以及本地数据存储和运用的特性，以及 n s 契合，进一步完善了 a i n s。 成为智能家居核心中书的能力，后续有望进一步激发设备的活力。两大核心主要包括成品整机以及组建与算法成品整机四家。绿联科技 n s 成品龙头稳居国内销冠，齐创数据医院信息智慧智能算法与组建。 锐新 v r k 三五八八芯片适配边缘 ai 可支撑 i n s。 本地模型部署。江波龙深科技、长电科技、全智科技、朗科科技详细的整理还是放在后花园，大家可以自行领取。

ai 应用最新海外印刷概念股 cloud bot 来袭，七成二十四小时全职 ai 员工 cloud bot 在 硅谷爆火，谷歌大佬 logan q patrick 也没忍住，跟风买了一台 mac mini， 普通的 ai 只会教你如何整理文件。 cloud bot 直接话不多说，上手实操了。它是一个 og 雏形下的 ai 智能体，不仅会思考、拥有永久记忆，更能通过 imessage、 whatsapp 实时聊天。它是一个不仅会思考，更会行动的 ai 智能体。 ai agent 主要有四点， 一、能跑在个人电脑上，不是在某个云端网页里，而是就在个人电脑上，能直接访问文件、应用和数据。二、随时随地控制手机、 whatsapp、 ipad、 telegram 甚至是手表的 imessage， 人类再也不用被栓在浏览器前面了。 三、通杀所有应用、邮件、浏览器、终端、脚本，只要能手动干的活， clubbot 理论上都能自主搞定。四、能自我净化，这是最神的地方， 可以让他开发一个新 switch。 yes， 他 会自己写代码，自己安装，然后开始干活。点赞收藏解锁核心概念股，一、优客胆。 二、网速科技。三、这文互联。四、美丽云。五、彩讯股份。六、顺网科技。七、深信服。八、南陵科技。

兄弟们， ai 应用最新海外分支来袭， cloud bot 概念全周不休，全职 ai 员工 cloud bot 在 硅谷爆火，它是一个不仅会思考，更会行动的 ai 智能体。 ai agenda。 一、 它能跑在个人电脑上，能直接访问文件、应用和数据。二、它可以随时随地控制手机、 whatsapp、 ipad、 telegram， 甚至是手表的 imessage。 三、它可以使用所有应用，包括邮件、浏览器等，只要能手动干的活， clubbot 理论上都能自主搞定。四、它可以自我进化，可以让它开发一个新 skills， 它会自己写代码，自己安装，点赞、收藏、关注、解锁相关核心概念，一、优客栈。 二、网速科技。三、 j 文互联。四、美丽云。 五、彩讯股份。六、顺网科技。 七、申信府。八、南陵科技。

最近爆火的 cloud bot 巨像化，体现了什么叫程序员最头疼的事情就是命名，毕竟我做视频期间他就已经改了两次名。他的本质是什么？跟大模型和前段时间很火的 skills、 rag、 m、 c p memory 又有什么关系？ 接下来我们就一次性将这些概念串起来，带大家看清楚，来一波技术去魅看之前你点赞了吗？关注了吗？谢谢！ 推理服务是什么？像恰当的 gpt、 deepseek 这类大模型，本质上就是个超大文件，它躺在磁盘上，文件里装的就是训练时学到的知识参数。要让它工作，得有个程序把它加载到内存里， 对外暴露 http 接口，接收用户请求，做推理，返回结果，这就是推理服务。给它配个前端网页聊天框，就成了我们熟悉的聊天。 ai memory 是 什么？推理服务本质是个 http 服务，每个请求进来处理完就结束，本身不保存任何状态。而且为了扛住高病发，一般会部署多个推理服务，实力做覆盖均衡。你第一次请求可能打到机器 a， 第二次请求可能打到机器 b， 完全是两个不同的进程。但问题来了， 我们在 ai 聊天页面里，明显感觉他能记得我们之前的对话，这是怎么做到的？其实大模型本身什么都不记得，每次请求时，系统会把之前的聊天记录重新拼到对话里，一起发给大模型。这些拼起来发给大模型的内容，统称上下文。大模型看到完整上下文，自然就能接上话了。 但问题又来了，如果每次请求都把所有历史对话发出去，上下文会超长，大模型处理不了怎么办呢？我们可以分两类管理，当前绘画、最近几轮对话完整保存，这叫短期记忆。 很久之前的对话提取关键信息压缩成烟草，这叫长期记忆。每次请求时都将它们拼成对话发给大模型，这样大模型看起来就像有记忆一样。这套管理上下文的机制就叫 memory reg 是 什么？有了记忆，大模型就能记住历史对话了。但新问题又来了，大模型的训练数据都是从互联网上抓的历史公开数据，训练完成后，知识就固定了。 你问他今天的新闻或公司内部文档，他根本不可能知道，怎么办？给他配个外部知识库，里面可以放最新新闻、公司内部文档，这些资料，数据量大的话，就存到数据库里。 用户提问时，先从数据库里做匹配，获得相关知识，再一起喂给大模型。大模型就能基于这些外部知识回答。这种解锁外部知识给到大模型做回答的方案就是解锁增强生成 retrieval augmented generation， 简称 rack。 但问题又来了，传统数据库只能做字面匹配，但黄蜂、谷粒飞语和韩老魔虽然意思一样，字面却完全不同，匹配不到，怎么办呢？我们可以把文本转成像量，用向量距离衡量语义相似度，这样语义相近的文本就能匹配上了。 所以 rgg 用的数据库里存的是向量数据，这种数据库也叫向量数据库，比如 milvis， 数据量不大的话，也可以用我们的老朋友 post sql m、 c p 是 什么？有了 memory 和 rag 的 加持，大模型能记住历史，聊天和获取外部知识了，但新问题又来了。现在大模型只能对话和思考，就像钢中大脑，没有手脚，怎么让它具备操作工具的能力呢？ 好办，我们可以在对话里约定一种消息格式。外部，先告诉大模型有哪些工具可用格式。像这样，大 模型想用工具时输出一段特定格式 json， 比如发邮件里面写清楚发给谁和发什么。外部收到消息后执行发送邮件完成后将返回的结果再未回给大模型，大模型就能基于工具执行结果生成最终回复。 这种让大模型通过结构化消息来调用外部工具的方式，在工程上可以被抽象成一套协议规范，也就是 model context， 并操作工具的程序叫 mcp host， 比如我们用来写代码的 cursor cloud code， 能被调用的具体工具就叫 mcp 插件。 mcp 插件还可以拆分成本地的 mcp client 和远端的 mcp server， 比如 github mcp 插件，本地的 mcp client 负责接收、调用请求，远端的 mcp server 部署在 github 服务器上，真正执行 github api 操作。 skills 是 什么？ m c p 协议和插件解决了工具调用问题，但新问题又来了，这么多插件，大模型怎么知道该按什么顺序用，怎么组合用呢？ 这就好比给了一个大学生一堆钳子扳手，他也不一定能修好车，他缺的是经验和流程。那好办，我们可以写一份操作手册，里面详细说明遇到什么场景，用什么工具，先做什么后做什么，有什么注意事项。这份结构化的操作指南就叫 skills。 以排查线上事故为例， m c p 只是把查监控、查日制、查配置、回滚版本这些工具能力给到大模型。而排查问题， skills 则明确规定了，先看监控判断影响范围，再查日制和配置定位模块，必要时执行回滚这一整套固定流程。 换句话说，大模型就像大脑， m c p 协议让他有了手， m c p 插件就是手上的工具，而 skills 是 操作经验，规定在什么场景下，按什么顺序组合使用哪些工具。 ai agent 是 什么大模型本来就能思考和规划，给他加上了 memory， 让他能记住历史，加上 rag， 让他能获取外部知识。加上 m c p 和 skills， 让他能操作工具。它们共同构成了一个在某些功能上能代替人类自主行动完成目标的 ai 系统，又叫 ai agent， 它本质上就是一个智能工具人，通过提示词设定角色，它可以是智能客服、程序员、私人律师等各种角色，听从你的指令完成任务。最近很火的 cloud bot， 其实本质上就是个帮你自动操作电脑的 ai agent， 你 能用电脑干什么，它就能干什么，比如发邮件、投简历，甚至做交易。 所以，权限安全是个大问题。客观地说， cloud bot 做的事情并没有技术上的突破，它跟前段时间很火的 minus 其实是类似的产品，只不过 cloud bot 主要面向本地电脑。 minus 考虑到安全问题，将操作环境放到远端虚拟机里， 如果将 cloud bot 部署到远端服务器上，就有点开源版的 minus 那 味道了。安不安全是用户该考虑的问题。 cloud bot 只管开源， 有一种野路子的美，所以最近火的一塌糊涂，建议大家还是理性看待，先想清楚到底有什么工作是需要他做的再说吧。现在大家通了吗？好了，如果你觉得这期视频对你有帮助，记得转发给你那不成器的兄弟。文字版的笔记见评论区 最后遗留一个问题，单个 a 帧你了解了？那你知道多个 a 帧是怎么互相协助的吗？多 a 帧都有哪些架构？ 下期聊聊这个话题，这里是小白的 bug， 我 们聚焦一切可能影响人类历史进程的技术，如果你感兴趣，记得关注我们，下期见！嘟嘟嘟嘟嘟。

紫光股份有限公司，股票简称紫光股份，股票代码，零零零九三八 s z。 成立于一九九九年，经过二十余载的不断创新发展，已成为新一代信息通讯领域的领军企业。 公司深度布局云网，按倒算到存到端全产业链，面向政府运营商、互联网、金融、教育、医疗、农 交通、能源、制造等众多行业用户，提供网络设备、服务器、存储产品、网络安全产品及服务、云计算与云服务、智能终端等全站 i c p 基础设施和数字化解决方案。公司聚焦技术创新、应用创新和模式创新， 为行业客户提供先进、智能、绿色的 i c p 基础设施，以 ai 加场景化解决方案，深度互能行业客户的数字化转型和智能化升级。公司积极把握数字经济发展机遇，围绕 ax 思域大模型、多元易购冠名平台、 高品质网络云与智能产品、主动安全方案、智能高能耗、智的云、智原生数字 台和智算解决方案。在持续深耕国内行业市场的同时，公司加强国际化布局，在亚洲、欧洲、非洲、拉美等地区已设立多个海外分支机构，为全球客户提供高质量的产品和服务。

紧机股份突发百分之二十涨停，网速科技盘中一度触及百分之二十涨停，美利云以一字版形态开盘， ai 相关概念股迎来集体爆发。 这一行情背后是 ai agent 的 项目 cloud bot 的 快速走红。该项目上线不足一个月，其在 github 平台的新标数量变飙升至五点八万加，单日还比涨幅高达百分之六十二， 被市场誉为人工智能领域的龙虾时刻。值得关注的是，谷歌云同期官宣涨价消息，计划于二零二六年五月一日上调 ai 与计算基础设施服务价格，其中北美地区价格翻倍。这一举动进一步验证了全球云计算行业的涨价趋势。

最近 ai 圈有一个特别荒唐的事，有一个开源小工具 cloud bot， 本来是小众极客玩的，结果 get have 新标一周破了十万，啥概念？这比很多做了十年的老牌工具还火。 更离谱的是，它把 mac mini 都买到断货了，很多工作室直接下单十几台。但最戏剧性的还不是这个。这个东西像是被诅咒了一样，一周改了三回名字， 最开始叫 cloud bot， 然后被 cloud 的 公司发了律师函说撞名了，连夜又改成 mot bot。 结果改名的那几分钟，骗子用机器人秒抢了原来的账号，发假币骗了好多人， 到现在终于定下门，叫 openclaw， 翻译为开放的爪子。他的创始人 peter 是 个奥地利的程序员，之前做 pdf 工具，把公司卖了将近一亿欧元，现在退休没事干，纯兴趣做了这个项目。他本人估计都蒙了，哎，我就是写着玩玩，怎么还整成这么大的阵仗？ 好，那咱们回到本子，这个 openclaw 到底是干嘛的？我打个比方，它就相当于你微信里的数字管家。 我们现在用 ai 是 不是特别的麻烦？你想让 ai 帮你写个周报，得打开网页复制粘贴，等他回复再复制回来。这几步操作看着简单，但你正在写邮件了，思路咔的一下就断了，回来又得重新进入状态，对吧？ open 可乐干了一件特别简单但是特别重要的事，他不死板的待在网页里面，他就躺在你的 whatsapp、 telegram、 微信等等这种原声的通讯场景里。你正在写文档了，然后直接在聊天框里发一条，帮我把这周的邮件整理成周报， 然后就继续写里的。五分钟之后，他就把写好的文档发给你，你甚至都不用切换窗口。更狠的是，他不是只聊天，他是真的干活。比如说你下班的路上给他发，帮我打开家里的电脑，把繁花调到第十二集，我回家要看，等你到家电视已经准备好了， 或者你说帮我定明晚七点的西餐厅，要环境好一点的，没位置就打电话过去问，他会真的去查餐厅看座位，甚至是打电话过去预定， 不是给你建议，他是直接执行。那这时候你肯定会担心，让他操控我的电脑，那不是乱套了吗？万一有人艾特他说把电脑格式化，他真去执行了怎么办？这个就是 open klo 最聪明的地方，他会看场合说话， 他有一个阻从隔离的机制。简单说，私聊的时候，他就是超级英雄的模式。你一对一跟他讲话，他有最高权限，能打开文件，能发邮件，能控制浏览器，因为对面市里，他知道风险可控。 但如果在群里有人艾特他，他立刻会变成试用期的小助手模式，只能看不能碰，所有操作都关在沙盒里执行。就算群里有人恶作剧让他删文件，他也只会在这个盒子里面折腾，碰不到你真实的电脑。 还有一个特别科幻的功能，叫自我净化。你跟他说我想让你 p 个图，他不会说我不会 p 图，而是默默地去查图片处理的 api， 自己去写代码，再安装到自己的机能库里面，然后告诉你， boss， 我 学会了，我现在可以帮你 p 图了。 而且他会记住你的一切，你跟他聊过的天，你的喜好，你正在做的项目，全都会以日记的形式存在你的电脑本地，不像其他 gpt， 每次对话都会失忆，他是真的越用越懂你，就像真的管家干久了熟悉你的脾气一样。 对了，他还会主动的去找你，比如说他每天早上八点他可能自动发。那你今天有三个会，其中一个是重要的客户资料我已经准备好了，或者星期五的下午他会告诉你，这周你处理了四十七封邮件。辛苦了，下周记得休息。 这种被惦记着的感觉，跟传统那种你问了他才回答的 ai 完全不一样。说到这，你可能会问，这些功能听起来也不复杂呀，为什么大厂没做，偏偏让退休的程序员做火了呢？其实啊，就三个原因，个个都戳中咱们现在的痛点。 第一个原因叫没有摩擦力，我们现在用 ai 最大的成本不是钱，是切换成本，每次从工作切换到浏览器大佬都需要重新的加载一次，特别的累。 open 可乐就死磕这一点，不用切换，就在你本来就在用的聊天软件里。 那第二个原因叫我的数据我做主，现在的云服务，你的聊天记录、文件习惯全部都存在人家大公司的服务器上。 open 可乐是开源的，所有的数据都存在你自己的电脑里，你可以随时去翻看他写了什么代码，记了什么日记。这种数据主权的感觉，对现在越来越在意隐私的人来说太重要了。 那第三个我觉得也是最深层的，就是咱们忍受不太聪明的助手太久了，你看 siri 小 爱同学都多少年了，还是只会定闹钟查天气，我们等了十年的智能助手，等来的还是 他们不太聪明的样子。 open 可乐用最简单的开源方式，几周就做到了大厂十年都没有做成的事。这种草台班子打败正规军的感觉，让所有受够了笨拙体验的用户都觉得特别的爽。 那么看到 open 可乐的爆火，我突然意识到，这不是给腾讯元宝出了一个名牌打法吗？ 你看啊， open klo 证明了 ai 助手不该是独立的 app， 而是应该寄生在通讯工具里。而在中国，还有比微信更好的宿主吗？我们可以畅想几个场景，来看看到底靠不靠谱。 第一个场景，基于社交关系的权限管理。你想 open klo 要自己配置，什么时候有权限，什么时候没有权限，但是在微信里面，这个天然就分好了。 私聊是最高的信任，群聊是公共的场合，朋友圈就是广场。如果元宝长在微信，你在家庭群里艾特他，等你本月的开支，他自动就知道这是家庭共享数据， 不碰你的工作机密。你在私聊里让他把老板昨晚发的方案改一个版本，他就知道这是敏感操作，悄咪咪的去执行。这种基于社交关系的权限管理，比任何密码都自然都更符合人性。 第二个场景，盘活你沉睡的数字资产。咱们微信里有多少沉睡的财富了？收藏下你吃亏的一千篇文章，三年前的重要聊天记录，小程序里的订单数据。 如果元宝能像一个档案管理员，帮你把这些碎片串起来，找出二零二三年你收藏的所有关于投资的文章，再结合如今的股市来写个总结， 或者是根据你去年和客户的聊天记录，生成今年的拜访提纲，瞬间会让微信从通讯工具变成你的第二大脑。 那第三个场景，真正意义上的服务闭环。现在的 ai 都是只动口不动手，而 oppo、 可乐能真的控制电脑，元宝如果长在微信里，能控制什么呢？ 当直接调动小程序生态，你说帮我订一杯咖啡，不是只给你发个链接，而是直接唤起瑞幸的小程序，选择你常喝的，完成支付，最后给你发取餐码。从我想喝咖啡到喝上咖啡，全程不用跳出微信，这才是真正的智能企，不是智能顾问。 那第四个场景，给商家带来智能化的革命，对做生意的朋友来说，这个就更猛了。 现在的企业，微信客服基本都是关键词，回复特别的笨拙。如果接入元宝这种级别的 ai， 他 能真的理解客户的抱怨，这个订单为什么延迟了呀？他会去查物流系统，查库存，查天气原因，然后给客户写一封真诚的解释邮件， 甚至直接号做退款客服成本趋近于零，但体验比真人还专业。所以你看，从 open 可乐的火爆到元宝可能的路径，咱们其实在见证一场饭式转移。以前我们以为 ai 是 新的 app， 需要打开，需要学习，需要适应。 而未来 ai 应该是环境智能，它就存在在你呼吸的地方，用你最自然的方式操控你授权的一切，而且越用越懂你。腾讯手里握着的可是全世界最肥沃的土壤，十三亿日活的庞大的微信。 如果元宝不要想着做一个独立的 app， 而做一个微信里面的 ai 副手，那他真的可能找到独处的通关秘籍。毕竟谁想多装一个 app 了，但谁又能离开微信呢？好了，我是不坠，这就是本期的 ai 咖啡馆，咱们下期再见。

大家好，呃，今天呢，想跟大家分享一下，什么是 agent， 什么是 tools， 什么是 m c p， 什么是 skills？ 那 它们之间有什么样的联系，有什么样的区别？它们分别是解决了什么样的问题从而出现的？ 那首先呢，说一说 agent， agent 其实不是一个非常新的概念，在大模型出现之前，其实就已经有 agent 这个概念存在了。但在大模型出现之前， agent agent 的 这个概念更多的是 automation， 也就是自动化，它做的一个事情就是自动化地去执行。 那它里面的这个逻辑呢？就是人来思考，人思考了之后来制定规则，然后 agent 呢，主要负责去执行。 比如说呢，一个典型的案例就是数据爬虫，那我先把这个页面里面我需要用到哪些数据，怎么去跳转的这个逻辑，人先思考了，先写好了，然后呢交给这个 agent， 这个爬虫的这个 agent 去执行，然后爬虫自动地去把我想要的数据给抓下来， 这是第一种。第二种呢，比如说像挂单交易，像呃股票里面，我让他二十三块钱的时候给我买进，二十五块钱的时候给我卖出，那他呢，也是人先制定好了一个规则，然后 agent 只是帮我们去符合这个规则的时候去执行。 还有一个非常典型的一个例子，就是自动回复的机器人，但这个里面呢，呃，人负责了前半部分的思考， agent 负责了后半部分的执行。 而大模型出现了。大模型他擅长的是什么呢？他就擅长思考，他擅长理解我们的语义，而且呢，理解语义之后，他是擅长把这个东西拆分出来的，但是呢，大模型他不擅长计算，不擅长执行， 所以说呢，我们就有了一个想法，那能不能说让大模型去替代前面这半部分的一个内容呢？也就是大模型自己去思考，自己去制定规则，然后自己去执行，那我们把这种呢也称为自主执行，那这个就是大模型出现之后，我们对智能体 啊它的一个概念的一个引申吧，就是也是一个愿景，就是智能体的一个自主执行。但是呢自主执行里面就出现了一个问题，那就是思考和执行之间，它中间是有 gap 的， 要怎么去解决这个 gap 的 这个问题呢？ 还记得我们上一次在说，呃，大模型去调用代码的时候，那个时候呢，大模型的这些厂商，它使用的一种方式是使用特殊的 token id 来去标示说，哎，我现在要开始使用写代码了，我现在要开始要搜索了，我现在要开始查天气了。 之后呢，因为这些工具啊太非常非常的多，它不可能一直去加特殊的 id， 于是呢就衍生出他们把这个东西抽象出来了一个东西，那就叫做 function core 或者是 tools， 那 通过这样的一个呃抽象出来的一个 api 接口，那外面呢就可以对接各种各样不同的这个工具了， 那这个东西呢，也就让 agent 上面所说的思考和执行之间的 gap， 那 自主智能体就有了一种可能， 但是呢方程库和 tools 它有它自己的一个问题，就是它很难满足非常多的这个大模型非常复杂的一个场景， 比如说我这里有 gbt、 千问、 deepsea、 豆包等等，当然我们还有很多很多不同的模型，那如果只是用方程库和 tools， 那 我要用网络搜索的时候，呃， gbt 它要适配一次，千问要适配一次， deepsea 要适配一次，豆包要适配一次。 那如果我是一个查询天气的一个工具，他们四个又要全部都重新适配一次，那就又要适配四次。那翻开日历这个功能，假设啊，他们又要适配四次，那这边的模型其实也不止四个，会有很多很多。这边的工具其实也不止这三个，也会有很多很多。 那如果说在真正的使用的这个过程中，一定是出现这种非常复杂的场景的，那这样一个一个的去适配呢，就会导致非常的混乱，于是呢就有一个新的东西出现了， 那这个东西呢，就是 m c p， 它就是来解决这个问题的，那它是怎么解决的呢？它就是一个，我们可以把它理解成它就是一个中间商，它是一个中间转换，万能转换插头。它在这边呢，把所有的工具 啊，跟他们说，你全部都按照我的这个格式来规整，要支持我这个 m c p， 然后另外一边呢，跟所有大模型说，你所有大模型也按照我这个规则来去来去呃适配， 于是呢它就能把两边连起来了。那这个网络搜索只要我适配过一次 mcp， 我 就既可以在 gpt 上用，也可以在千万上用，也可以在 dsp 上用，也可以在豆包上用， 只要是所有的大模型，只要这个大模型它兼容 mcp， 我 就可以在它这个上面用，那这样的话就极大地简化了这两边相互对接、相互调用的这个复杂性。所以说我们经常也会看到说 mcp 呢，它是大模型的一个 usb c 接口，其实这个比喻还是非常形象的。 那前面这种情况呢，其实就有点类似于说，呃，以前 usbc 没有统一的时候，那苹果是苹果的那个接口，安卓是安卓的接口，而现在呢，就出现了一个 us types usbc， 这个接口把所有的 大模型和工具之间都归一化了啊，所以说，呃，这个比喻还是非常形象的，它解决了一个这样的一个问题。然后呢，我们再来看一看。呃，第四个这个概念就是技能。 前面我们说到了什么是智能体，什么是 m c p 啊？什么是工具。那这个地方我画了一个图，中间这个地方是大脑啊，负责思考，负责调度，负责嗯，理解语义。那我们中间这个大脑呢，就是大模型，旁边呢有 m c p， 它是一个标准化的一个接口 啊，把大模型跟各种各样的工具结合在了一起。那这个里面可能有斧子，假设有斧子，有剪刀，呃，有锯子，有绳子。但是呢，因为这个大脑它是一个通用的大脑，它没有很多的专业知识，所以这个时候就衍生出来一个新的东西，叫做 skills。 skills 呢，我们也可以把它看作是一个新人培训手册啊，就相当于这个大模型，它是一个刚来的实习生。 呃，他虽然可以学习，他虽然有学习能力，但是呢，他也知道一些基础的东西，但是呢，他不清楚咱们公司的流程是什么样子的 啊，他也不清楚，说这件事情他要怎么去动手？要怎么去做？所以说 skills 呢？他解决的一个问题就是他是一个新人培训手册，假设我这个里面有三个，或者其实有更多啊，比如说第一个如何砍树，第二个要做客户跟进，第三个要买最低机票的这个机票啊，这个三个不同的 skills。 假设我来了一个问题 大模型，他去判断说，哎，我现在需要砍树了，他就去解剖，哎，发现说我这里有一本砍树的新人培训指导手册，然后砍砍树的这个新人培训指导手册一打开，然后里面先介绍了，啊，我如何砍树，我这个 skills 大 概的一个简介啊，我是来介绍告诉你你要怎么去砍树的， 哎，然后大模型看了这个简介之后就发现说这个很对，现在的呃，我需要干的这件事。于是呢，他就继续往下深入，然后这下面就会继续写啊，我要砍树，我需要先用哪些工具？假设他需要三个工具，第一个是需要斧头，需要锯子，需要绳子，只需要这三个， ok， 然后呢，第一步，假设我先用斧头先去砍一下那个树，先砍出一个那个小的凹凹槽出来，然后呢，我在第二步再用锯子不断的去锯它。 之后呢，呃，差不多了，我再用绳子去拉这个树。呃，假设啊，假设它的步骤是这个样子的，那我这个如何砍一棵树的？这个 skills 里面的这个步骤就是按这三步去写了， 那这个时候 deepsea 呢，他就会一步一步地去阅读，首先他找到这本书看里面的简介，看了之后呢，哎，发现这本书对胃口之后，他就会继续往下看。他第一步，呃，我需要用斧子了，然后他就通过 m c p 去调斧子，把斧子给调出来， 调出来之后他砍完了斧子，他做完了，做完之后又去看这本书，然后这本书告诉他。第二步，需要用句子，然后大模型再通过 m c p 再去把句子给调过来，调过来之后句子的事情干完了之后再看，哎。第三步，要用绳子，然后再用 m c p 去把绳子给调过来，最后完成了这个工作。 所以说这个 mcp 呢，我们就把它其实就可以当成一个新人培训手册来去使用。那这个地方有一个问题啊，就是我可以把如何砍树这个东西写成一个 skill， 那 我能不能直接把它写成一个提示词呢？ 其实呃，可以，但是呢它会出现一个问题，就是如果你直接把这所有的东西全部都写成提示词了，那也就意味着你需要把如何砍树里面所有的东西全部都写成提示词了，那也就意味着你需要把如何砍树里面所有的东西全部都要提前的写在这个 大模型的提示词里面去，那它首先会导致，呃大模型里面的提示词的量会变得非常的大啊，如果这个技能不是非常的复杂，呃，可以这样，但是它会好 token。 但如果说这个 skills 非常的复杂，那就很有可能会出现上下文爆炸的这么一个情况，也就是说你的上下文 会超出这个模型能承载的上下文的极限，因为你一次性把所有的东西全部都要写进去。而使用 skills 它有一个什么好处呢？就是大模型可以渐进式的去看，哎，他第一步先去找先看简介啊，这个简介符合我的要求，我才会深入的去看。第二步啊，要要要先去掉辅 子，然后他就只把辅子给调进来，然后再看啊。第二个步骤是要句子，然后再把句子给调进来。那如果说 我不用 skills， 直接用 prompts 的 话，那你就需要把这所有的步骤，把斧子、锯子、绳子，一口气一股脑子全部都要丢给这个大模型，它要一次性的去做这所有的思考啊。所以说呢， skills 它还有一个非常重要特性，就是渐进式批录， 也就是它是一层一层的啊，需要我才往下看，我不需要。其实这个 skills 它就放在这儿了，它不会进到上下文里面，那这个呢，其实也就构成了一个完整的一个智能体，中间是大脑通过 m c p， 然后对接了非常多的工具，这些工具其实是可以去做执行的， 而怎么去用这些工具呢？我可以用这个 skills 来去培训这个大脑，让这个大脑知道说，诶，第一步要用到什么东西，你第二步要用到什么东西？第三步要用到什么东西。而且呢它是渐进式批录的一个过程，也就是它每次只取它需要的东西，你不需要每次都一股脑的把所有东西全部塞到这个大模型里面， 那这个呢？就是一整个智能体的呃，大概的一个情况，那其中的大模型 m， c， p 工具 skills， 它分别代表的是什么样的一个意思？呃，这是跟大家今天分享的内容。