openclaw的工作过程在哪看
今天刷到 nico 大 佬的如何打造 ai 终极个人知识库，文章结合 andrew karpsy 大 佬出的 l l m wiki 教程以及 v 二版本，我也用 upstyle 打造了我的外置大脑， 并且包含了我的工作、生活日程、学习所有场景。我现在每天用它写文案，写工作文档，越用越好用。 ai 时代下，人人都应该打造自己的知识库， 第一是你未给 ai 的 数据越个性化， ai 就 越懂你，产出就越精准，越符合你的预期。第二是打造知识库也是知识复利的过程，我也把整个过程整理成教程文档了，大家可以评论获取。
粉丝2.0万获赞10.3万
相关视频
03:32查看AI文稿AI文稿openclaw， 一 款能接管你的电脑，真正自己动手二十四小时替你干活的 ai 工具。因为 claw 这个单词有龙虾钳字的意思而被国内网友戏称为 ai 小 龙虾。为了用上这个小龙虾，有人甚至花几百块找人上门安装 openclaw， 腾讯还专门搞了个线下活动，免费帮你装龙虾。这期视频手把手教你学会 openclaw 的 本地步数。 一、前期准备工作，硬件要求不高，一台能联网的电脑， windows、 mac 系统都可以，只要不是特别卡都能流畅运行 openclaw。 如果你的电脑里有重要文件资料，建议把 openclaw 部署到虚拟机里运行。软件方面，我们需要先在电脑上安装 nodejs 和 git 这两款软件。首先来到 nodejs 官网版本，建议选择 vr 二 lts 稳定版，点击获取 windows 安装程序， 下载后打开软件安装包，勾选同一软件安装协议，然后一直点击 nex 的， 再点击 instyle 开始安装，稍等片刻， note gs 就 安装好了。然后进入 get 软件官网，点击下载，没反应的话可以到评论区看看安装选项，全部保持默认即可。 最后把这个 view release note 取消勾选，点击 finish 完成。二、安装 openclaw， 点击左下角开始菜单，输入 powershell， 选择以管理员身份运行，然后输入这一行命令，按下 enter 键运行， 系统会询问我们是否确认执行策略，更改输入 y， 按下回车键表示同意，然后再输入 openclaw 官方安装命令并执行， 剩下的就是耐心等待 openclock 完成部署。安装过程中你可能会遇到各种各样的错误提示，直接截图问 ai， 根据他们的回答逐步解决问题， 期间会有一个弹窗提醒，选择允许访问，随后会来到这个界面，表明你成功完成了 openclock 的 本地安装。接下来我们还需要对 openclock 进行配置，按下键盘上的左右方向键，切换到 yes 回车，确认出石化模式，选择 quickstar ai 大 模型。这里支持使用 gpt、 mini max、 kimi、 豆包、火山引擎、阿里千问、百度千帆等。这是国内主流 ai 的 api， 使用费用大家可以自行选择。 这里以 kimi 为例，依次选择 kimi apikey， 点 c paste、 apikeynow， 然后打开浏览器，搜索 kimi 开放平台，确保账户有余额。点击 apikey 管理，新建 apikey 名称，输入 opencloud 项目，选择默认复制这串密钥，并粘贴到刚才的窗口即可。 如果你喜欢用豆包，就选择这个火山引擎 pass 的 api k， 然后进入火山引擎控制台，点击这里的 api k 管理，创建一个 api k， 粘贴到 power shell 窗口中，返回 timi 的 配置界面， 按下 enter 确认执行模型版本，选择默认的即可。这一步是配置通讯频道，我们选择最后一个 skip， 包括后面的配置，搜索引擎配置、 skills、 自动化脚本全部选择，暂时跳过，等跑通了再回来配置即可。 最后一步选择 opens web ui 系统，会自动调用浏览器，打开 opencloud 的 聊天窗口，如果小龙虾可以回复您消息，恭喜您完成了 opencloud 的 本地部署。下期视频我们具体了解小龙虾的使用方法。
2.5万从头学电脑
02:00查看AI文稿AI文稿openclose 有 什么实际的使用场景？感觉对工作没有帮助？这是最近很多学员问我的一个问题，那这个视频给大家聊聊，我一般用 openclose 来做哪些事情。大家都知道我有很多账号，我每天要录将近十个视频， 所以第一点，我习惯在前天的晚上，我在手机上去给他发一个关键词，让他在某音和某红书平台去找到最火的十到二十个视频，然后就提取相应的脚本，相应的标题，给它保存到飞书链接里面再发给我，这样我一早上起来就能够看到现成的脚本，实话实说，这真的太方便了。我要做的第二件事情 是找到我认为 ok 的 脚本，让 open colo 来给我去做一个二次的润色和修改，它润色完了之后也会以飞速链接的形式直接发给我，然后我直接去审核就好了，我上午大概一个人就能拍十几条视频。第三个用处呢，就是给我的口播视频去做一个相应的粗剪，我录好之后，用 open colo 的 自动去把我的气口给它剪掉，就相当于先粗剪一下， 再把这个视频直接打包发给剪辑老师，这样的话他们的剪辑效率就大大提高了。然后就是第四点，因为我们这两个月在铺一个小铺的项目，所以需要大量的笔记，我们就用 openclot 去搜集了很多同行的笔记， 就找到了很多优质的同行发的素材和帖子，我们会让龙虾采集好，然后去检测哪一些帖子是跑的最好的，我们再把这个帖子定时的发送给我们运营，所以他每天都可以蹭到最近的热点，哦，对了，我们还在研究用 openclot 去实时监控一些评论区的数据，因为有一些品牌方想要去知道你的评论区里面的鱼情，对吧？就是有好评有差评，然后怎么去做一些相应的回复，这些也可以用 openlog 去解决。还有最后的第五点，也是我觉得很方便的一点，我之前约会的话，我还需要手动操作，然后还需要去打开一个录制，以及 我还需要去手动的去记一些相应的会议重点。那现在我可以直接用 openlog 我 给他发一个，说你给我预定一个今天下午三点钟的会议， 然后记得开会的时候给我定时打开那个屏幕的录制，他就会全部给你做到，而且可以把你的音频翻译成文字来提取重点，这样的话你就不用怕会有一些核心的东西丢失了，我还是蛮喜欢这个功能的。所以 photoshop 的 其实可以做的事情有很多，你要把它和你的业务连接在一起，怎么样去做一个降本增效的操作，这个才是重点。
331请叫我轲总
10:44查看AI文稿AI文稿哈喽，大家好，我是琪琪。 openclaw 之前大火有个很大的原因就是他会越用越聪明，但是很多小伙伴在用的过程当中却发现他好像老是会忘东忘西，经常会一天过去以后把自己的上下文一清空，就完全不知道之前自己干过什么。今天我会带领大家一起把 openclaw 自己的记忆机智用好，并且再加上一个知识库外挂， 让我们实现 openclaw 的 一个字的升级。 ok， 我 们先来看一下我们 openclaw 的 记忆体系啊，我们先了解一下这个。首先来说的话， openclaw 在 新的版本里面加入了一个梦境啊，但是他一直都有的是每日记忆和长期记忆这样子的一个体系，所以说现在一个新的版本的话，他现在针对记忆有三个，一个是每日记忆， 还有我们的长期记忆和梦境，这三个他们有的区别是什么呢？首先每日记忆他其实就像那个每天的一个日记一样，这里你看我给大家也看一下， 那我给大家看一下，这儿就是就这就是我们每天它的一个记忆的一个文件，它会把每天的这个 agent， 它的一个绘画记录下来，那请注意哦，这个如果你不特殊设置的话，是每个 agent 它自己的一个记忆会自己的独立去存储，比如这是我的一个新闻采集，它的一个记忆的一个文件在这儿 比如说这个你看一下它就会有自己的一个记忆，所以说 agent 和 agent 之间的记忆是隔离的，那每次记忆说完以后就是长期记忆，长期记忆的话它是一个点 memory 的 一个。呃， md， 旧的版本的话是它之前的时候会有一个 memory 的 一个呃文件，现在新的新的那个的话是由梦境去统一管理的。 然后我们来看一下我们的梦境的这一块的文件啊，你可以看到如果你把梦境起用以后的时候，它会多一个 dream 文件夹，就是在 memory 下面多一个 dream 文件夹，这个就是它的一个整个梦境相关的一些知识了， 这就是他梦境相关的一些呃总结性的文件了。那我们来看一下他的 dream 在 哪里啊？在我们这边的话，他其实可以看到是在这里 dream 的 机制的话，其实就是每天定时去阅读我们当天的一个绘画记录，完了以后的时候进行一个总结，把它生成一些相应的一些记忆文件，然后形成他的一个长期的一个相对长期的一个记忆。啊， 为什么我会说他是相对长期？首先的话他是一个持续进化的过程当中，因为他的上下文是有限的，所以他不会无限的去记，然后他会就是进行不停的总结，总结以后的时候如果说比较早的一些呃绘画的内容的话，他就会被清除掉， 这样子的话他的记忆就是在不断的重述，所以你就没办法去保证说是很早以前你跟他的一些绘画或者对他的一些要求，他在里面依然会记住这个东西是不可能的。那如果要去实现有一些规范的话，我是比较建议把它写到 agent 的 一个规范上面去的，就是我在去创建 agent 的 时候，他的一个工作的一个守则这一块，那如果说不知道怎么去做的话，可以看我之前的视频， 然后有专门去讲怎么去设计 agent 这一块。呃，这些行为准则的话，最好是写到我们的 agent 文件或者是 skill 里面去，而不是说依靠他的一个记忆去进行实现。 那我们经常的时候会遇到这种情况，就是说我们用完以后的时候，你没有去触发到它的记忆机子，就比如说你可以看到我这里会有很多的一个记忆，就是 memory 下面有很多每天的记忆文件，但你自己的没有， 然后你去找的时候，你发现下面是空的，对吧？呃，很有可能是你压根就没有触发到他的一个预值，就触发记忆的这个预值。就比如说你的互动量不够，就是你跟他的一个交互，一天就只有几条信息的时候，他是没办法去触发到他的一个梦境或者长期记忆，包括每天去保存的那个那个，包括每天去保存的那一个上下文的这样子的一个机制。而且还有就是说 关机，就你的 openclo 它不是长时间运行在你的呃电脑上或者是你的服务器上，就是它它它是不是断了，或者说是你经常去关掉它，这种情况的话也很大概率没办法去触发到它的一个保存保存记忆的一个机制的。 另外一个的话就是说记忆孤岛的这种问题，其实是 openclo 的 设计天然就会形成的这样子一个问题，就是说刚才我们也提到了说它的那个 memory 的 相关的记忆是每个 agent 自己独立有一个 它自己的一个文件夹，互相之间是呃不会进行一个读取的，所以的话你如果想要让 agent 和 agent 之间进行一个记忆共享 这一块的话，你大概率就需要进行一些其他的一些设计，比如说你需要让手动的去把它们指定，就不同的 agent 指定到同样的一个 memory 的 一个就是记忆记忆文档下面，这样子它们可以共享。另外一个的话就是我比较推荐的是你加一个外挂，加一个知识库外挂， 那这个记忆库外挂的话，我这边的话推荐的是 osadia， 嗯，但是不是说只有它才可以去作为我们的记忆库外挂啊，就是比如说你能够用那个 mongol d b 之类的项链啊之类的都可以。但作为个人使用的话，其实我不是特别推荐大家去用项链数据库， 因为那个东西太重了，我们如果说是个人的学习之类的话，其实像 osadia 这样的一个文档的管就是文件管理的这样子的一个数据库其实我觉得基本就够用了， 所以的话我这边推荐的是 ospada 这样子作为我们的一个外挂，那加上这种东西的一个好处是什么呢？首先来说我们的 opencloud 它的一个记忆机制，就像刚才我们去说的，首先它的是一个 每日的这样子的一个记忆，对吧？它是一个按时间顺序往下的，你时间越久以后的时候，如果说你想让它一次性去总结你所有的，那基本上总结不下来的，就比如说我超过半年这样子数据量太大了，你这个根本总结不过来。 然后另外一个点就是在于说我们的一个长期记忆，或者说我们的一个梦境，那刚才我们也提到梦境他是不断会更新的，那你以前的一些知识会被不断的去压缩，就是直到最后没有，因为他就像我们人一样，他会有类似遗忘这样子的一个事情。就比如说我今天给他说了个什么事情，哦，明天他因为绘画总结，他还能够留下五句话， 然后到后天的时候我们又跟他进行了很多的绘画，那么前一天的东西，然后再跟今天的进行一个压缩，他就只剩下两句话了。到大后天的时候我们又跟他进行绘画，然后他可能是最后的就剩下一句话到到再过几天以后的时候，你在第一天跟他进行的绘画，他已经完全忘完了， 这个是它的一个机制的问题。所以的话我们怎么样去规避这样子的问题的话，其实就是把我们需要的知识的点，或者说是需要记下来的一些内容，把它记到我们 osalen 的 样子的一个知识库里面去。那我们来看一下 osalen 这个东西啊。首先我们先看到的这个的话，是我这两天去总结出来的， osalen 它相关的一些，嗯， 它的文档相关的一些 a、 p、 r 呀，还有一些东西，然后我们可以看一下这些它是个什么样的一个结构啊？好的，这是我的执行。首先的话它的一个基础结构的话，其实有一些笔记属性， type 呀、 tag 呀，还有这样子相关的一些相关的一些属性，然后里面就是我们具体的一些知识内容了。 你看这些，那这个东西其实在配合上我们自己的去学习的过程，因为我们如果说用虾去学一些东西， ok， 那 你这东西就特别好用，就因为我们学完以后的时候，他留下来的具体的一些知识点，你就可以直接写到我们 oopsie 里面去，而且他会建立他的一些关系，就比如说你还没有相关知识是怎么样，这就是他建立的一些关系。然后我们可以看到刚才这个图谱，再回过来看这个图谱， 你就会知道他们知识和知识点之间他们会建立连接，但你去查询的时候就不是说去进行以前的那种搜索，而是基于一个点，然后你会找到他的相关的一些知识点，这样子的话他的一个知识的一个立体性会更高。 而且他还有一个好处就是在于说，呃，他是走剪辑嘛，就是我们首先他去剪辑的时候他会有一个缓存，缓存的时候里面会有他所有的这一些知识点的一些简介这样东西。 那我们用我们的虾去调用 obsidian 的 时候，它的 api 啊，它就会先走那个缓存这一块去读取相关知识点，然后确定知识点以后它才会去读原文，这样子的话对我们首肯的话也是比较好，比较友好的。有了这样子一个东西以后，你就会发现我们的整体的虾的这个能力的话就会完全不同。那首先的话你可以看到就说这个是我自己绘制的一个，嗯， 架构图啊，就是我们 openclaw 如果说想要在记忆这一块进行一个升级的话，我们的整体的架构首先来说的话，你像我们自己原有的 openclaw， 它的一个记忆记忆体，你就我们是肯定会有的，对吧？这个这样子一个功能，它的一个每日记忆、长期记忆和梦境。但是这个东西的话，我们会更偏向于认定它是一个 agent 的 一个自传， 它是一个随聊随记的一个东西，所以它是东西是不断的更新的，但但同时也受限于它的上下文的一个限制，所以的话它是没办法，就是去回忆更常见， 去回忆很久以前的东西，那我们这个时候再去加上我们的 obsidian 这个东西的话，那你就是再加上一个百科书，那对于就像我们人一样，我们会在自己的一个成长的过程当中，不断地去遗忘掉自己之前小时候的一些事情，对吧？但是在这个过程当中我们沉淀下来的一些知识，我们可以把它理解为它就被放到 obsidian 这样的一个知识库里面，它去进行了一个知识的一个沉淀。 当我们去用 agent 的 时候，需要一些更专业的知识或者是说内容的时候，这个时候我们直接去调 no cd， 这样子的话就会让我们的虾会更聪明，因为它这样的话它是一个完整的一个人格，就有它自己的一个呃 习惯，也就是说你跟它绘画的过程当中形成的这样子一个习惯性的一个记忆，那另外一个还有我们具体的一些知识，那这个就是我们这一块进行一个承载的， 那原理这一块的话我就已经跟大家分享的差不多了。我们再来看一下我这边做好的一个 scale 啊，就是这样子的一个 obsidian 的 一个 tools scale， 这个 scale 的 话，它有点好玩的点在是这样子的，就是我会我给它设计出来的哈，我们来看一下， 我们来看一下我们这个这个 skill 的 设计啊，就是，呃，我这个工具就这个 skill 的 一个设计的话，它是会去提炼我们对话过程当中的一些呃知识点，然后再把它写入到我们的 ocd 啊这个知识库里面去。然后它怎么玩的呢？就是这个是功能功能的一个介绍哈， 然后这个是安装的前提，就是，呃，这个东西有个有个问题啊，就是我们的 ocd 啊，它要你要，你要能够读取到里面的数据之类的，你是要安装插件的，那插件安装的话就在这里就安装上，这样子的话它才能够用。 嗯，我的那个我的这个 scale 里面有游戏，他会去先去检查的，如果你没安装的话，他会要求你去安装一下。然后这就是我整体的这个 scale 的 一个目录结构了啊。首先是我们的一个 scale 的 一个核心文件， 然后还有就是我们的一个配置文件啊，这个是具体的一个配置文件啊，因为我们的插件它会用到一些 api key， 然后你需要去把它填进去。另外一个话就是我们的对应的一些工具了，就是它会因为我们是需要去调用 opedia 它相关的一些 api， 去执行写入、读取相关的一些工作，对吧？包括修改， 嗯，还有建立链接这样子的一个工作。所以的话这个东西的话，呃，他都是一些工具都写到这里面去了，包括一些模板，笔记的一些模板都有去进行一个写，写到这个 skill 里面去， 然后怎么样去触发他？ ok， 就是 这样，这个这边也有相关的一些事例，就是我记录今天学到的什么样东西。 ok， 你 只要提到相关的这样的词， 那你提到这种相关的词，这个 skill 他 就会去读取上下文，把里面的知识点建立起来，这种关系就是我们刚才看到的这条线啊，就 就这样子的这条线，就是这种这种跟他的一个关联线，因为知识点和知识点他们之间是有关联的嘛，然后这个线他也会在同时给你创建好，然后就是对应的一些工具调用，比如说创建笔记、搜索导出之类的。啊，那我的这个 skill 的 话，基本上就完成这样的事情了啊。当然他还有一个功能啊，就是说自动提炼，就 他你的那个绘画到了一定程度以后的时候，他会自动帮你把它总结起来，然后写到那个知识库里面。那这个 skill 的 话我就大家大概就跟大家讲了一下，就是这个是怎么样的， 在下一个视频的话，给大家一些更详细的一些教程，怎么去安装 c d 啊？然后怎么样跟我们就怎么利用我们的 skill 去创建我们的一个知识库。然后的话还有一个就是一个 skill 我 还没有完全完成，就是说一个知识图谱的一个查询，就可以在我们的 open cloud 里面 去实现类似于这样子的一种查询，就是说你选择了某一个知识点以后，把它相关的知识点的内容全部都查询出来，查询出来以后再进行一个总结性的回答，这样子的话可以最大限度的让我们 o p c d 啊它的一个能力得到发挥。因为这个的话，我们大部分你把数据知识存储以后的时候，我们想要去问的肯定不是说把某一个文档给 拿出来，对吧？我们更多的是想要说这个知识点相关的那些内容，你都帮我总结一下，然后回答我的问题，更多的是这样，所以的话我还在去做那样子的一个 skill， 我 会在下一期视频的时候，把我们的 o c d 啊和我们 open cloud 的 一个协助，包括我们的查询这一些东西都统一的 做出来给大家一起分享一下。那今天的分享就展示到这里哦，记得关注我，我会后续为大家提供更多的关于养虾的一些小小的经验，拜拜。
114琪琪不慌
06:54查看AI文稿AI文稿哈喽，下班了，今天我们来聊聊 openclaw， 我 觉得有必要啊，因为太热了这个话题，我想给它降降温， 为什么呢？因为这是一个在 getop 上引起广泛关注的一个项目，而且目前各家云厂商都上线了相关的云服务器，支持大家去部署这个产品。那么这个产品怎么定位哈？它其实是一个 个人助手，或者叫一个通用型的 ai agent， 它可以接入，比如说一些计时通讯工具，你可以通过这种计时通讯工具给它发消息，然后它呢帮你调度一个云端的电脑，或者是你本地的电脑，它可以完成一系列的任务。 那么我一开始看到这个产品的感觉，就觉得它跟 coldbody 这种产品非常非常的像，为什么呢？因为它们都是通用 agent， 就是它可以通过调用电脑里的各种工具， ai coding 的 工具，或者是电脑里的一些网页浏览的工具，通过 m、 c， p 等等，它可以去完成很多的任务。 当然因为授权范围的不同，它肯定是比 cloud code 或者 code body 编程类的工具，它能做的事情更多，而且它的主动性更强。 举个例子哈，你可以在你的一些即时通讯工具上直接说，你帮我发一个什么样的文档给谁谁谁，他可以直接执行。那你帮我把这次会议机要转成一个非常清晰的文件，帮他变成一个网站，他也可以非常快速的完成。 甚至是你可以跟他说，你调用这个电脑的录屏功能，帮我做一个什么样的 ppt， 它也可以完成。所以就是当你给 ai 配了一个电脑的时候，而且这个电脑它拥有所有的权限，它跟你的权限是一样的，跟人的权限是一样的时候，那它可以解锁很多的能力。 当然这里面有两个核心的概念，或者说核心的机制，让它跟 ai coding 的 产品有本质区别。第一个叫 gateway， 就是 相当于一个调度中台，它可以在这个调度中台上 接收信息，接收完以后分配任务给到不同的电脑中的工具，然后哎完成最后交付。那它是一个调度中台，那这个调度中台就可以实现一个 实时在线，就是二十四小时一直在线，它可以保持着这种这么一种激活的状态。那这也是为什么你说它可以持续不断的收到你的消息，就是因为它是持续在线这么一种状态。第二个非常关键的机制呢，叫做 heartbeat， 叫心跳机制，类似于给了 ai 心跳，让它可以跳动起来了。它什么意思？它每隔一段时间它会去扫描一下这个系统里有没有新的需求进来，比如说你的邮箱 有没有收到新的信息，比如说你之前有没有设过闹钟提醒，比如说每天八点去帮我扫一下整个今天的 ai 行业的资讯，或者是每隔一段时间我要去看一看有没有新的任务给到我。通过各种即时通讯工具，我就可以开始激活 ai 干活。 所以你从这里可以看到他有一个非常主动的一个机制，他会主动去扫描，他会实时待命，主动扫描，所以这个就跟像 coldbody 里你跟他去做交互， 拿到一个任务，完成一项工作就有很大区别，他就是处于一种实时待命的状态，而且会主动接到信息就开始干活，所以这个就是一个本质上的区别哈。 但是我觉得这个东西我为什么前两天没讲呢？就是因为我觉得它跟这种通用型的 agent ai coding 的 工具没有本质上的区别。假设说像 cloud code， 像 code body， 它们如果也想做一个类似的功能的话，实际上是完全可以做到的，只要给 ai 更多的授权就可以实现。 或者说你只要再弄几个移动端的交互的方式，你也可以在移动端指挥你的本地电脑完成这样的工作，其实没有一点难度。那为什么 大家都没做，为什么就只有这个 open cloud 在 做这件事？我觉得是大家对安全和效率中间怎么平衡的一个考虑， 就是你到底给 ai 多大的授权？我们知道它的上限其实是非常高，可以完成很多任务，而且很多任务上是超过我们自己的能力的。那这种情况下安全的问题怎么考虑？比如说现在如果是 这个东西被劫持，因为他有权限很高，那如果一个一个一个不法分子告诉你的电脑，说把这个人的电脑的内容全都删了，或者说把这个人的电脑中关于什么什么的内容发给某某邮箱，那他就可以实现了， 它就可以实现对你电脑的一个操控，对你个人数据和隐私的一个操控。所以其实这种安全问题是非常重要的一个问题。之前大家说中国人可能不在意自己的隐私，愿意拿隐私换便利，那接下来 ai 时代 那生产力是非常高的，这个上限是非常非常高的，那你愿意把你的安全拿出来多少去交换这种生产力的上限？我觉得这是一个摆在我们每一个人的面前的问题。因为 ai 的 能力现在 不是技术来去束缚的，而是你的这个治理的原则束缚的。你到底要给他多大的授权？你相信他到什么样的程度？你愿意给他几千块钱，让他帮你买东西，对吧？这样的一些问题，我觉得可能都是我们接下来要考虑的一些关键的问题。 我之前觉得像 coldbody 这种产品已经非常够用了，在我们的日常工作中哈，当然我也不满足，因为我前两天还在说怎么给 ai 更大的自主性，让它自己去跑这个 a 阵的能力。但是对于这种 openclaw 这种形态， 我自己心里目前还没有完全接受，当然我可以接受一个新的电脑去做一些尝试，但是因为他现在还有很多问题，比如说 token 消耗非常大的问题，比如说这种安全不可控的问题，所以我觉得目前不是一个非常理想的形态。当然最后 可能再往前走一下，很多产品也会去考虑这些问题，会给用户更多的选择，然后给用户。我觉得现在用户已经很很很少有能力去控制自己的这个数据的安全了。但是我们在这个 ai 时代到底要在 ai 面前变得这么透明吗？ 也许有一天你会发现你让渡的这个权力本身可能比效率更重要。对，最近我在考虑这个 ai 时代的权力，到底我们要给 ai 多大的权力？ 如果他的能力已经非常非常的高了，如果他的加入到人类社会中，真的已经能够给人类带来非常非常多的注意的时候， 我们愿意给他主体性，我们愿意给他授权吗？我们愿意给他权力吗？我觉得这些都是一些要考虑的问题，跟大家分享这么多哈，我觉得这也是一些非常非常前沿的命题，有机会再跟大家探讨，拜拜。
2.4万晓辉博士
01:58查看AI文稿AI文稿小龙虾可以像人类一样做梦了！ openclose 四点五版本上线后，细心的小伙伴可能发现了在 y b i 中多了一个梦境的入口，那么这个梦境功能有什么作用呢？ 本期视频就带大家详细了解一下。 openclose 每天都在积累记忆，每日笔记、绘画记录、搜索召回痕迹，大多数内容当下有用，但不适合长期存储，没有记忆整合的步骤导致主记忆臃肿，长期记忆形同虚设。 openclose 的 梦境功能简单说就是 ai 在 你不说话的时候会自己思考整理过往的记忆。 记忆整合过程精妙的划分为三个协助阶段，在代码层面复刻了人类大脑巩固记忆的生理过程。这三个阶段是内部实现细节而非用户可配置的模式，每次扫描按顺序执行。浅睡、快速眼动睡眠、深度睡眠。在浅睡阶段， open 苦恼会排序和暂存近期、短期内容，读取近期每日记忆文件， 摄入绘画记录到语料库，暂存后选记录强化信号，写入浅睡记忆块中。这个过程中的整合内容不会写入主记忆 memory， 点 md 文件中。 在 erim 快 速演动睡眠阶段， opencap 会反思主题和反复出现的想法，在回溯窗口内读取短期召回条目，分析概念标签频率，提取主题， 识别后选真理，写入 erim sip 记忆模块，记录 erim 强化信号。这个过程中的整合内容也不会写入主记忆 memory， 点 md 文件中。在深度睡眠阶段， opencap 会评分并提升高质量内容为长期记忆，对所有后选进行加权评分。应用阶段，强化加成过滤未通过预值的后选， 重新水化存活片段，追加到 memory d m d， 这个过程中的整合内容则会写入主记忆 memory d m d 文件中，实现常效记忆。综上，我们可以看出，区别于 open cool， 旧的记忆系统 需要依赖手动干预或简单的启发式规则，而梦境功能则引入自动化，亦不多阶段带强化信号的评分机制，让记忆巩固过程智能，可追踪，少出错。还有一点需要注意，梦境功能需要用户手动开启， 开启后常驻运行，这意味着可能会消耗一些 token。 好 了，今天的分享到此结束了，后续我会分享更多关于 open class 的 技能使用，记得关注我，拜拜！
72来自远方的路路
15:41382杰_wei
00:54查看AI文稿AI文稿当你不小心想试一试用小龙虾自动生成视频，然后聪明的你就去 versale 找到了这个 anything to do book i m skill， 并直接把它丢给了你。同样聪明的小龙虾。然后啊，执行力超强的你迅速确定了第一期视频的内容， 打算科普一下小龙虾的工作原理。然后你直接把一个包含了 openclaw 几百页技术介绍的官方网址丢给了小龙虾，并让它生成视频。 五分钟后，小龙虾回复你，恭喜你，视频制作成功了。于是你进入了谷歌的 notebook l m， 看到了中间文字已经准确描述了官网内容， 而且还有一个视频静静地躺在了右侧的对话框里。点击后，你发现不仅视频画面品味不错，很有科普的味道，而且还配好了声音。再仔细看一看，发现条理清晰，内容有逻辑，而且结尾还设置好了互动环节。 执行力超强的你，快去动手试一试，制作你自己的第一个视频吧！我是拉斐尔，这是 open club 实战系列的第六期，咱们下次见。
4816拉斐尔2077
07:01查看AI文稿AI文稿安装完 opencloud 之后，你还在傻傻地使用一个 ai 单打独斗吗？小孩子才做选择，成年人当然是选择都要。今天我带你们玩一下 opencloud 的 多 agent 协助系统，让多个 ai 组队分工配合，协同干活。 我们可以把写文案、写代码、做分析、搞设计，这些不同的工作分给不同的 agent， 让 ai 各司其职，你只需要一个指令，其他的让 ai 团队来帮你搞定。首先我们来了解一下什么是多 agent？ 简单的来说就是单 agent 就是一个 ai， 它来做所有的事情。单 ai 的 缺点是什么呢？就是你一会让它帮你整理文件，一会让它写代码，一会再让它帮你顺道订个餐。 ai 是 通过上下文来理解并执行你的任务的， 你这样做会导致他的记忆有些混乱，工作起来可能就没有那么精确。多 agent 呢，就是我们设立多个 ai 来组成一个团队，每个 agent 都有自己独立的工作区，独立的人设，独立的记忆，这样的话就可以让 ai 各司其职。 开发的 ai 就 专门来写代码，写作的 ai 就 专门来写各种的文件文档，这样呢，就是让专业的 ai 来做专业的事情，分工更专业，更加精准。 下面我们就来看一下如何创建并管理多个 ai。 我 们在 opencloud web ui 里边点这个左侧的代理， 这里有我们现在已有的这些 agent 代理，我们看现在就一个默认的 man， 它的工作区域是在这个 openclaw 里的 workspaces。 我 们来新建一个 agent， 先打开一个命令行窗口，在这里我们运行 openclaw agent 是 list。 来查看一下目前我们都有哪些 agents 好，可以看到，目前我们只有一个麦它的信息在这里，我们现在打开一个命令行窗口，我们要手工来创建一个 agent， 在 这里输入 open claw agents add， 比如说我们现在要创建一个写代码的程序员，那就是 add coding 好， 打回车。现在我们可以看到进入了添加 agent 的 步骤。首先是让我们选择 workspace， 就是 工作区域，默认的就是 workspace， 加上它的名称，那么下一个是是否复制 man 这个 agent， 我 们选择 no， 这个是询问我们是否要为这个 agent 设置单独的大模型信息选择 yes， 好， 这里我们要设置 它的大模型，那么根据它的这个模型呢？如果我们是要做一个呃写代码的话，那么我们需要一个好一点的逻辑性比较强的模型，我建议使用是智谱的最新的大模型。 g l m 五点一， 现在要我们设置消息的渠道，这个我们暂时跳过吧，因为今天的主要内容我们是介介绍 do agent， 现在显示 agent calling ready， 也就是说我们的 agent 已经添加完毕了。 我们回到 open claw 的 代理里边，我们点一下刷新，在这里就可以看到这个 coding 这个代理了。点击 coding 可以 看到它的工作区域是在 workspace 的 coding， 它使用的模型是 g l m 五点一，这个模型是对于编程来讲非常友好的，当然我们也可以在这里进行切换，切换到其他的模型， 这里是他的一些核心文件，暂时我们不介绍这个，这个兔子是他可以调用哪些工具？我们可以通过点击这些工具后面的这些个切换按钮来切换他可以使用哪些工具，也可以通过这里进行切换。快捷的切换 skills 就是 技能，代表着这个 agent 可以 调用哪些技能，同样可以点击后面的这个切换按钮进行切换。比如说这里边我们就可以把一些写作的这些技能把它去掉。 这里是消息频道，这个还没有设置，这里是他的这些计划任务也没有设置。我们再来创建一个 open claw agents。 add， 这回创建一个 writer， 专门用来写作的。 开始添加 agent， 首先让我们选择它的工作的区域 workspace， 这个我们直接打回车，是否要复制 man 这个默认的这些信息，我们选最后选 yes， 这里边还是问我们是否选择这些大模型，这个我们就不选了， 这个我们也不设置飞书信息了，选 no。 writer 也做好了，我们刷新可以看到这里已经有了 writer， 我们下一步来看看如何删除一个 agent。 open claw agents delete 这个 writer， 让我们确认是否删除，我们再来刷新，可以看到 writer 已经被删除了， 又重新创建了一个 writer。 那 么我们该如何在聊天窗口中调用这个 agent 呢？点击来到聊天，我们要在这个提示框里边输入命令斜杠 agent， 然后杠杠 agent， 比如说我们要给 writer 下达一个命令，我们先问他介绍一下你自己， 你好，我是你的写作助手，很高兴为你服务。那么我们就可以通过这个斜杠 agent agent writer， 让他给我写一篇关于多 agent 的 文章， 关于 openclaw do agent 的 文章，他就把关于 openclaw do agent 的 这篇文章写到了这里，并且也已经存到了 openclaw 的 文件夹下面，我们可以看一下， 写到了这里，写了好大一篇。这就是 opencloud 关于多 agent 的 视频，今天就讲到这里，有什么不明白的可以在评论区给我留言。下一期我们讲一下如何用手机飞书来控制多 agent 进行工作。关注我每期一个 ai 知识，谢谢大家的观看。
4353波哥的AI课
01:04查看AI文稿AI文稿嗨，大家好，你也想自己生成刚刚那样的视频吗？打开 t s club， 点击灵感工作坊，选择动漫短剧生成， 直接就来到了对话。先不用编辑，直接发送，稍微等待一下，已经开始回复了哦，他会提问这里，我们把需要的内容发给他就可以了，然后他就会按我们的要求回复啦，就这么简单。好了，让我们欣赏一下成片花儿落了无人收， 心事重了无人懂。林妹妹别难过，我来帮你。 宝哥哥，请，请问你是林黛玉姑娘怎知我名？此乃幻境？那铁盒子是何物？这是现代，那是汽车。我读过你的故事，是这个花落叶残，恰似我身如浮萍。以后带你看就好， 有我呢姑娘素颜荡志，以后这般紧致，我带你适应这里。道义雅致，性格相逢，与我安身。好了，今天分享到这里就结束了，有问题打在评论区哦，我们下期再见。
16天树精选
02:24查看AI文稿AI文稿这个小龙虾非常好玩，现在用远程指令给系统发一个消息，让它做一个 ppt， 看它会有什么效果。 好，现在做好了，看一下它的效果展示，还是比较详细的，这个这个只用了三分钟就做好了， 在工作里还是比较方便的。 然后咱们用这个小龙虾欧朋克拉去跑一下这个本地量化。我自己做的量化，就是用这个小龙虾做的， 直接是调取的 oe 的 api 实时获取数据，它比这个原来的这个客户端获取那个数据拉取的还要快。 这里打开本地电话直接就进行开仓了，因为用的测试版，它开仓的条件比较快，会比较快， 这三端同时是同步的，三端同步这个量化还有后移的客户端，还有手机客户端， 而且这个数据获取的实时信息比那个比那个原装的客户端还要更快一点。现在用小龙虾移动端去直接调取本地的量化，不用在这个 pc 上去操作。 然后现在是直接打开本地的亮化，开始运行，测试一下能不能跑起来。直接跑起来了啊，这个就直接开仓了， 然后我会回到正式版，就是给我的亮化加上他的逻辑，先让他跑几天，看一下效果怎么样。
37小鱼乐园
34:25查看AI文稿AI文稿好，今天来讲一下使用 type script 从零开始实现自己的 open file， 也就是一个简单的 ai agent， 我 们会慢慢实现，过程中从简单到难，就一步一步地去了解它的底层的一个原理。呃，首先呢，我们 起个名字吧，叫强可露，然后进入数值化这个项目，用编辑器打开它。 好， 先先改一下，我们是用 type c 来写的话， 然后这边改一下 model start， 我 们创建一个音 v 文件，然后 创建一个 index 点 t s 文件。 好，其实它底层第一步肯定是需要去请求一个大模型的 a p i 的， 我们就使用这个 open open ai 的 一个接口， 可以打开这个这个 n p m 的 这个 open ai 这边的一个包，我们根据它的规范先安装一下，装一下，然后 其实我们就使用 这个这个 s d k 就 可以了。它的 api 其实大家也可以去看一下，就是其实也是一个 h t p 的 一个接口，这个这次我就先不详细看，反正先把这个代码复制过来吧。 嗯，它这个有 type script script 的 一个报错，我们把这个 node 的 这个 type 的 依赖装一下先。 好，它是从音频中读取了一个 k， 其实我们，嗯，我们因为我这边大模型是用的智普的，所以说我这边还还需要去改一个 url， 对这个，然后其实就会有两个，一个 k， 一个 l l， 如果说你是用的那个 open ai 的 这个 k， 那 其实就改个 k 就 好了，我们在这个音频的环境变量中去， 我这边是已经搞好了这个 k， 到时候我录完视频之后会删掉，所以说这边也无所谓，不过你们就是要注意这个 k 就是 不能，不能泄露出去，这个 k 的 话，其实我是在 智普的这边，我我我有购买一个 callinplay， 所以 说我这边这边点这个添加新的 api， k 也可以添加。我这边是已经添加了这次测试的 k， 这边复制一下就可以了。 然后，嗯，可以看他到智普的一个文档，其实他是说是与这个 open ai 的 api 兼容的，比如说我们直接用它的个这边的这个 sdk 就 可以了， 不过它这边文档只有一个 python 的 一个版本，不过没有关系。嗯，弄个 js 版本，我们直接看它这边的文档就可以了。好，回到这边，然后我们这边要修改一下这边的 开始 是吧？对，要加载这个音频的文件， 我们现在可以去先修改一下这个 system， 告诉他用 i have four assistant。 要 用中文吧，英文不太好。你的名字是 讲课喽，然后你是一个 have for ai ai agent， 然后这行就不要了，我们先 content， 这边先 cd。 你 好啊，来测试一下。对，这个就很简单，就是说我们就直接开始就调了一下它的这个黑片的接口，这边它的这个质补的模型是应该是这样没有补是吧？ 看一下啊，它这边的模型对，应该是这个最新的一个模型。好，我们这个也是已经，我们测试一下。 你好，我是江可乐，很高兴见到你，请问有什么需要帮助的吗？可以看到其实大冒险的接口已经去 请求成功了。那我们现在第一步的话就是需要把这个 content 需要通过那个命令行去输入，就是接收它。那现在 ai 这么方便，我们就用 code code 来帮我们，帮我们去实现它，不过我们先先那个啥呢？ 先 get， 先抽象了一下 get， 然后在这边。嗯，把那个 model 设 给它挪一下，然后 好抽象一下。我们现在让让他先提出第一个曲指，就是这边文本 x 这边， 然后十七和十二号，十二号 改为改为让用户输入 修改完成。它是挺，我们直接看看它的代码，它是添加了一个 middle line， middle line user input， 几乎里面的问题。 user input， 然后最后 closed， 好， 测试一下。 你好， 没问题。这个，这个第一步已经可以了，是吧？嗯，很高兴为您服务。请问有什么可以帮助的问题的吗？然后我们先做一个简单的提交吧。 嗯， it 啊，我们 我们这个信息延短一点， 先提交一下 它是输入了什么 get commit and error input。 不 行不行不行， 这个 commit 信息就只能 只能一行，不要有什么 其他的作者信息。 get commit and and user input。 好 好好，简单一点。 下一步我们就是现在的问题，就是说他，他这边就是说我们问了一个问题之后，他直接就 回答了一个问题，然后也就把这个命令给关闭了。但是我们是需要有一个循环，就是说一直不停的去问他问题嘛，对吧？那我们其实是需要一个 well 处的一个东西的。 嗯，我需要需要一个循环不断的， 然后再回答， 看一下它是怎么改的。 我要处用 the input， 用 the input 简说明了问题啊，它，它加了一行，那如果是退出的话，它就直接退出了，没问题。这个用 the input 我 们试试哈。 你好， a p u 有 点慢，一加一等于几？ 再加一，这个时候它应该是没有上下文的，所以说这一步应该它回答不出来 看， 为什么呢？这个是我们下一步就需要解决的，我们现在先退出测试一下，没问题。嗯，再给它 command 一下，就是说我们看一下它这次的改动，其实也不大 at 好， 然后我们告诉他问题啊，就是说这个 u v input 是 呃循环中缺缺少上下文，让它解决一下 u v input 在 循 缺少上下文解决一下。 它应该是会创建一个数组，然后不停的推送进去 messages message 输出， 嗯，看一下它的改动啊，它是这边开始出事化了一个 message 的 一个输出，然后 这个是我们的那个 system 的 一个 promote 这个词，然后请觉得一开始的话会把这个每一次的这个 u 的 input 都 嗯输入到这个数字中，然后这边请求的话就是把这个，它这个是支持这个这样的写法。对， 它的接口是本来就支持传送这个 message 这么一个子段没什么问题，然后等到它的一个返回，返回的结果之后，它会把这个结果也 这个结果是个 string， 对 吧？对，也推推进这个数组，意思是就是说每次循环都会带上历史所有的 对话的一个消息。嗯，这个其实就是目前的一个带上下文的这么的一个解决方案。其实 color code， 或者说是 open color 其实底层都是这么来去做的。对，就是说，嗯，你如果说对话的越来越多，那你每次请求的那个 token 也会越来越快，因为他每次的 token 请求都会把所有的上下文信息，就是说你所有的历史记录的对话的一些消息都带上发给达摩型，因为达摩型其实是一个 可以把它看成是一个纯函数，就是说他并没有上下文的，所以说这个上下文是你每次请求都要提交过去的，我们现在测试一下 知识而已。 一加一等于几？ 再加一。嗯， 可以看到它已经记，就是说有了上下文了，结果也正确了。那我们下一步呢，就是需要 ai engine， 肯定是可以去执行 就是一些命令的嘛，这个是肯定的，就比如说我现在要问他，我要我要列出就帮我列出 当前目录的文件，他肯定是不会帮你去执行这个命令的，因为这个 ai 帧呢，还没有这么个功能，是需要我们下一步去做的。他应该是现在只会给你返回一个，你可以输入某个操作， 是吧？就这么个意思，我先退出吧。嗯，看一下这次的改动啊，也不大 at。 那 我们下一步呢，就是需要去 让他可以执行命令。我问一下他吧，我想要添加 执行命令的功能，请帮我修改 script 这个词，我需要，需要做到 让大模型返回两种确定的返回吧， 第一个就是，嗯，我们就比如说是 amend 冒号开头表示执行某个 bash 命令。第二个是 t s t。 嗯，这是返回的结果。 看一下啊， 它自动给你把这个逻辑加上了 code， code 还是很厉害的。 看一下它的那个提示词是怎么怎么加的。英文，你可以去执行 bash， command and return results to users you must respond in one of these two from it。 或者你说你必须以里底下的两种形式去 响应，第一个是 command 开头的，没有你 to 执行一个 command。 第二个是 txt， 是 你可以，你要正你返回正常的那个文本的响应的时候，就 t txt 开头的，还给了他一个，给了 ai 一个例子， command， 然后 txt or command txt， 然后我们再看一下它对于代码这边的改动啊， 这边删了，删 前面的 message 是 一样的返回，返回了这个外层还是一个循环，然后这边返回了一个 根据这个开头的这个 command 去进行了一个判断，如果说它是以 command 开头的，它就去用这个对 child process 这个紫禁城去执行这个背时命令，然后结果的话会也存到这个。 对，我先把这个存到上下文中，然后这个是他返回的一个结果，然后再把这个执行的结果命令执行的结果也推进这个上下文中， 然后如果错误的话也是一样的，也是有把这个执行错误的推推进这个上下文中，然后如果说是嗯 txt 的 话，就 把这个把这个什么呢格式化一下打印出来，然后把这个嗯 ai 返回的结果也推介上三。文中最后的话是没有指定类型的，就是当做默认的吧，当做默认的执行， 嗯，其实现在是有一个问题的，嗯，就是说当他要执行多个命令，就是说， 嗯，如果说是它要执行多多次那个 command 的 话，它其实里面内存是应该有个循环的，就是说直到， 就是说如果说它返回的第一次是返回的 command， 第二个第二次也是返回的 command 的 话，应该也是有一个循环去处理它的，然后直到检测到以 txt 开头的，就是说它这个内存循环会结束。我现在我们可以先测试一下。 呃，列出当前目录 执行命令，请输入您的问题。哎，它是执行了啊，但是它，嗯，但是有个问题，有个问题，这边 这边执行的结果，对，这边执行的结果是需要再次请求，那个就是是需要再次把这个请求的结果发送给 ai 的， 就是里面应该是有个内，就是这边 这边，这边应该是内部也有个循环的，要不然，嗯，这边仅仅打印了一个执行结果，但是你没有把这个结果告诉 ai， 我 们给他说一下， 嗯， command 执执行完成之后应该要把 结果再发给，发给大模型这里，这里应该是个 是个内部的循环，就是直到检测到 没有 command 的 命令才跳出此内部循环。 改完了哈，再来看一下 这个时候外部的那个 user input 的 一个循环嘛，内部的话就是，嗯，当他的好，对，没毛病，没毛病，让他指指尖一塌，然后这边 复制了这个 message， 然后这一步再去请求。 哎，等一下，第一次啊，这个是第一次请求的，然后内部再去请求了这个大拇指的接口，把它 message 加上，然后这边 再覆盖之前的这个变量，就是说这个，对，这个就是持续会有这个 command。 如果说是，嗯， 这个 tom 的 直线完成之后会到下边这边，下面这边的话 没什么问题，就会是最终的，就是最终的响应的一个 ai 的 一个结果，响应的一个 ai 结果，然后再是外部的一个 有点 import。 好， 这么看起来好像没什么问题，我们试验一下啊。 列出当前目录的 文件， 这次是执行命令的输入，我们等一下，这边就是这边的话就是说他会把再发起第二次请求，把这个输入的结果再给到 ai， 然后 ai 再给你回复， 回复这这些啊，当前目录包含一下文件文件夹，这是一个 node js 项目，需要我帮您查看具体某个文件的内容吗？请输入您的问题，朋友们是不是？是不是？ 是不是？是不是？可以了，没什么问题。那我们现在呃，看一下这个改动， 这次改动就是 这么多，我们这次 再测试一下，他就是这边测试一下这个内部循环的一个一个，一个一个逻辑，就是说刚刚是，刚刚是只有一个命令嘛？我们问他一个可以执行多个命令的问题，就是说我们 怎么讲呢？想一下， 算了，我们先退出吧，但是想不到我们今天先不得 commit 一下 at command execution loop， 没毛病。好，我们现在我想到了，刚刚，我想到了啊，想到一个它可以执行多个命令的。 帮我就是说我，我现在按下 star 就是 一个新的，一个空的一个上下文嘛。所以说我们搞它帮我查看当前项目 并补充 get ignore。 对， 因为我现当前的 get ignore 可以看到只忽略这个 note models， 其实呃，规范的那个 note 截图项目应该会有很多的。呃， get in the norm 就是 我让它去补充这么个，而且它我输入了这么一个体制词呢，它应该会，肯定会有多。嗯，多次的执行命令命令的一个 机会嘛，肯定是第一次他会列出当前的文件，然后把当前文件的结果给到达摩星，然后达摩星再让他去执行一个修改文件的一个命令。好，我们试试 好，第一次命令他是执行了这个，然后我们这边啊，这边这边的执行结果他应该会发给大模型嘛，然后大模型返回的第二第二个执行命令是， 呃，啥啊？会，这个命令是读取了这个 get ignore， 读取了那个 package 的 jason， 然后第三个命令是 是直接修改了这个 get ignore， 然后第四个， 然后会把这个输出再给到大模型，然后这边会最后最后是没有命令，没有命令就会跳出这个循环嘛？然后 说是已经成功补充了这个文件，原内容是仅包含 note models， 新内容是不拉不拉不拉不拉不拉。一堆。 提醒你，音频文件中已存在项目，现已被正确忽略。对，我之前是没有忽略这个音频文件的，而他现在可以看到啊。卧槽，那我这个音频好像，呃，好像是已经 加到了这个 get 的 这个历史中了吗？哎，不管，这个不重要。同同学，你们以后注意就说这个音频肯定是不能进到这个 get 的， 一个肯定是不能进到 get 的 提交中嘛。对，他这边已经忽略了， 这边忽略了好，这么来看是没有什么问题的。其实我我前几天去看那个 opencloud 底层呢，它是基于一个 pad 的 一个 底层的一个 ai 智能的一个包，它其实我看它底层的一个原理，其实就这么，就是这么简单，就是一个一个循环的一个过程，它会检测 最终跳出循环的，就是说我们会检测没有那个，嗯，没有命令执行了，他会跳出这个循环。就是其实就是这么的一个简单的逻辑吧。我们其实现在 这次改动应该只是一个这么改动，让 color code 给他 commit 一下。哎，其实我们， 哎，他说当前工作区是干净的。不会吧，我不是有这个限制了吗？我现在既然这个我自己做的 ai 出来，那我们让他给它 command 一下，看看行不行。 让我们现在做的这个 ai command 一下啊，你看他现在执行了一个查看当前状态的一个 一个一个一个那个啥，然后发现了当天有修改待会暂存的文件，你需要先暂存更改才能提交。你希望帮你执行哪些操作？ 请告诉我需要的提交信息，我会帮你完成提交案。我们现在告诉我们现在自己造的这个 ai 哈。嗯，请帮我暂存所有的改动，并生成一行简短的 一号 it commit 信息，并帮我 it commit 我 们自己的 ai， 去帮我们去完善自己的 ai 项目。朋友们，这是不是还是很给力的 哦，他是直接一下子执行了一条命令，哎，算了，没，没关系没关系，反正我们那个多条命令的那个已经测试好了。提交成功，提交成功啊， 看一下啊，这边确实是有这个提交记录的。其实这就是它底层的 open clock 或者说是 card code 底层的一个最核心的一个循环嘛，它是可以执行 执行这个命令，然后可以去循环地去请求大模型。对， 然后其实后面那些技能的话，其实它也很简单，它你如果是有技能的话，它会把技能一开始会读到这个 system 的 这个提示词中，就是说它会把这个 content 在 不断的完善。嗯，如果说， 嗯，你们感兴趣的话，可以去抓包看一下他那个 code code 的 一开始的那个 system 提示词应该是一个很大很大的一个 content， 然后如果说，嗯，这次的这个， 嗯， ai engine 的 这个原理去了解的话，那你就会知道其实他每次的这个 api 请求都会把这个很如果是 cloj 的 话，他都会把这个很大的这个 content 在 每次请求都会给到大冒险 api 那 边，那这样的话其实他的头可能 消耗很快。就是，其实是有原因的吗？其实你如果理解到他的这个原原理的话，你就会知道一些原因了。对，看一下我录了多久了啊？什么时候开始录的？哎， 嗯，先不录了吧，后面如果有需要我再录 skill 方面的，然后录如何？嗯，我问可乐的话，它火出圈的一个原因是它有很多的，它可以接入很多的那个聊天工具，它其实只是一个。嗯， 界面层的一个改动了，我也不想去做那方面的一个逻辑，我感觉就可以了，后面如果 有其他的想法再录吧。好，谢谢大家。如果说这个视频对你有所帮助，欢迎点赞、评论、收藏、投币。好，再见。
24力气强
06:04查看AI文稿AI文稿你知道为什么 openclaw 能够迅速在科技圈走红吗？其实秘密都藏在它的五层架构中，今天六分钟带你搞懂。第一层叫做消息通道 channels， 这是用户与 openclaw 交互的主要入口，目前支持飞书、钉钉、 whatsapp 等二十多个渠道的接入消息。要进入 openclaw， 第一步要先经过网管 getaway， 它是 openclaw 的 一个中央协调器，主要负责消息渠道和用户身份的核验、配对， 然后将消息路由到不同的 agent， 你 可以把它类比成你小区的一个客服管家，比如说你通过微信给你管家发了一条报修的请求，那管家需要先核实一下你的业主身份，然后把这条消息只拍给工程部。 为什么需要先验证是否配对呢？这其实是欧盟的一个安全策略，那如果不加验证啊，别人就有可能连上你的网关， 这个时候它就可以通过操控你的 opencloak 来获取或者删除你电脑里的文件，甚至是一些密码啊等敏感信息。那这就是为什么不能将 opencloak 的 网关暴露在公网上， 一旦暴露啊，就相当于把你自家的书房大门敞开，放在了大街上，那谁都可以进入。第三层叫做 agent， 它是 opencloud 的 一个核心大脑。 opencloud 是 支持多 agent 协助的，那比如说我们是可以创建研究 agent、 协助 agent、 运营 agent 等等。不同的 agent 的 职责和专长也是不一样的。我们打开 opencloud 的 控制面板，找到主 agent， 看看里面到底都有什么。先看一下代码， 这里面可以看到主 agent 当前接入的模型， agent 的 名称、安装的 skill 的 数量等等。第二个标签是主 agent 的 工作区，这也是 opencloud 相较于其他的 agent 的 核心亮点之一。 opencloud 的 一些工具的使用和上下文都是以它为中心的，这里面有八个核心的文件， 我挨个跟你说一下他们都是干什么的。第一个叫 agent 点 md， 里面存放了一些智能体的一些行动规则啊，以及告诉他如何使用记忆等等等。比如告诉 ai 要先查记忆再回答问题，那重要的任务需要优先处理等等，相当于是给 ai 定了一个做事的底层逻辑那第二个叫 so 点 md， 赋予了人设说话的语气和一些行为的底线，那使他更像一个人那比如说你可以设定一个温柔又干练的私人助理啊，说话简洁不啰嗦。 第三个叫兔子点 md， 那 这个文件是本地工具的一个使用指南，告诉 emacs 有 哪些工具怎么使用，比如一些文件的读写啊，网络搜索啊，上网啊等一些工具等等。 这个叫 identity md， 它是用来定义智能体的名字、风格以及一些专属的表情。在首次使用 emacs 的 时候啊，它就会要求你设定，那比如你可以给他取一个名叫龙虾哥，风格是活泼开朗，然后给他一些常用的聊天表情。第五个叫 user 点 md， 这里记录的是一些用户的信息啊，包括一些称呼习惯，比如你希望 opcode 称呼你为老板啊，或者说记住你一些其他的偏好等等。第六个叫 heartbeat 点 m d， 这是一个可选的文件，就像人的心跳一样，每隔一段时间啊，就会检查文件里的一些密行清单儿。 第七个是 memory， 点 m d 叫长期记忆，主要用于记录用户的一些长期的编号啊，和决策。当你和 tom klo 聊一些生日啊，固定偏好啊，以及你的一些核心需求啊，那它都会记在这个文件里边，这相当于是一个长期的备忘录。 第八个是 memory 斜杠加上日期，那这个叫短期记忆，那在当前的界面中，它没有展现出来。我们可以让 openclaw 把它调出来，每天的对话上下文都会写入到这个日期文件中，那相当于是每天的日记。你从它的文件名中也可以看出来， memory 加上当天的一个日期。 每次开启绘画的时候啊， openclaw 就 会读起今天和昨天的内容。那上面说的短期记忆、长期记忆啊，就构成了 openclaw 的 记忆系统。 这个记忆系统相比于普通 agent 的 最大特点就是它可以不断地写录。这就是为什么我们感觉 opcode 更聪明，更懂你。 副作用就是它会作为上下文，让你的 token 消耗比较多。那了解大模型原理的人都知道，模型的参数只会在训练阶段发生变化，它还没有办法像人脑那样在使用过程中啊发生结构上的改变，那所以只能靠这些文件记住。 所以下次如果你和文科老师说了一些希望他记住的东西，你可以要求他写，如长期记忆。第三个标签是工具，这里面有主 a 阵的经常使用的工具啊，比如一些文件的读写啊，编辑操作啊，执行系统命令，联网啊，控制浏览器等等， 也可以关闭和重启这些工具。第四个标签叫做 skill， 里面有一些内置的技能，也有一些你安装的技能啊，你也可以对技能进行一些关闭和重启。 第五标签叫做通道，这就是主 agent 关联的一些飞书啊，钉钉的渠道，我们看到这里有一个飞书的通道。第六个叫做定时的任务， 可以让主 agent 在 一些固定的时间点内执行一些任务，那比如说这里面有一个早上六点钟提醒我吃饭的定时任务。那以上这些呢，就是 open cloud 中 agent 的 一些主要内容， 那每个 agent 都可以单独设置。接下来是第四层，叫做模型层，这层大家都比较熟悉啊，当前市面上的主流的模型都可以接入 open cloud， 那 工作逻辑也非常简单， 把用户的消息和工作区的内容作为上下文给到大模型。那比如说用户说把桌面上的产品操作手册做成一个 ppt， 明天要用，那办公智能体呢，就会接到这个消息，然后从 us md 中读取你的风格偏好，比如你喜欢简洁的风格，重点排版突出，那然后从 memory 点 md 中 找到上次的一个公司培训模板，然后从 tos md 中掌握文件的操作方法，然后再调用 ppt 生成 skill， 开始一步一步的进行规划执行。那规划好步骤以后呢，就到了第五层，叫做设备执行层，那这一层呢，是欧盟的手和脚， 它能够像人类一样操作文件，执行系统命令，打开浏览器访问互联网啊，理论上你在电脑上完成的操作它都可以做。 最后一份符合用户要求的 ppt 就 这样生成了，然后再把结果消息叠在到上下文中，给到智能体，然后通过网关发送给用户。那上面这五层呢，就是欧盟克拉从收到用户消息到完成任务到反馈结果的一个完整的运行机制。 听完这些，你是不是对欧盟克拉的工作原理更清晰了呢？那下一期呢，我会给大家盘点一下市面上的各种原生龙虾、变种龙虾的优缺点，帮助你选择一款适合你自己的。别忘了点个关注，我们下期见！
799慢炖AI
05:58查看AI文稿AI文稿前天我不是说这个 hermes 适合做主脑，然后 open claw 是 天生的打工人，然后我今天就把这个架构实现了，看现在的架构三 a 准，我还中间把它添加了一个叫做 cloud desk， cloud desk， cloud desk， cloud desk 可以 算是你懂的。哎，这个不要不要，不要详细说啊，它现在的架构是什么呢？ hummus 就是 它作为一个联络窗口，我不需要跟那个 open crawl， 跟那个 cloud desk， cloud desk 去对话，然后我就直接跟 兰花，也就是说这个号码对话，我给他任务，然后他拆解任务，然后有必要的话，他会调用这个 clouddesk 做一个 outro plan 的 一个解释，然后返程计划步骤。之后呢，再重新分派任务给到 opencore， 即执行，或者给到 clouddesk 去编码， 然后呢再返回给到 hermes， 然后 hermes 得到了最终的结果，在教验过之后再把它返回到给我。就说整个过程呢，他 hermes 他 是不不干活的， 他只需要做做一些决策类的事情，这样的话他就不会像以前那样子 hems， 他 在处理事情的时候很容易卡死他，现在这种结构呢，下来呢，他的卡死几率很小。 然后他们之间呢，蓝就是 hems 跟 opencry， 还有跟这个 cloud dash 是 通过一个叫做 mcp 协议层去调度的， 就说他们自之间的沟通是通过 m c p 的 一个协议层去沟通，然后这两个完全我不需要管他就是我不需要管他里面是怎么实现 就可以了，非常的。怎么说呢，整个整个提升是很明显的，我给到他的任务的话，他很多时候他派发下去很快就完成， 跟以前不一样，以前他自处理一些代码类的东西，可能是新手，或者说是他，实际上他的主要作用还真不是代码类， 所以这样分派下去之后，你得到的一个非常完整的一个小团队，大家也可以尝试一下。我说一下我的 我的步骤，我的步骤是先安装的是 hermes， 然后用了一一两天之后呢就叫 hermes 帮我安装了一个 open core， 安装了一个 open core， 部署完可以看一下， 可以看一下今天早上，就今天早上的时候我问他，你知道 open core 吗？他说知道，然后我就叫他部署了一个 open core， 好 部署完 open core 之后呢， 就他就利用 open pro 做，做成一个执行层，部署完成，你看部署完成状态，然后做成了一个执行层，整个过程呢都不需要我去插手， 整个过程都不需要我去。然后 open pro， open pro 的 这个协助测试成功，测试完之后我又有了一个新的想法， 但是这个中间肯定是去进行了很多的一个调试，比如说他的这个协助方式我觉得不对，然后我要重新指定说你要作为一个主脑 只是决策、规划、拆任务，然后用户交互，但是其他执行呢就不要去执行，你要去叫人家去帮你干活，是这样的，然后呢？你有没有防备？ 我发现他很聪明哦，他自从我跟他说了作为一个主脑存在之后，他自己又分析了一下，然后又加入了一个叫做卡拉库，但是卡拉库这个你要知道 卡拉库这个这个东西是一个就不算开源吗？然后我就我就跟他说卡拉库是不是开源的给你，然后我就找了一个叫做 也是卡拉库，也是卡拉库，但是不是这个卡拉，是那个卡拉库，是这个韩国韩国人重新编写的这个卡拉库，然后他就把这个卡拉库部署，但是部署完之后就发现一个问题，卡拉库他也只能使用 这个艾斯洛匹的这个这个 a p i， 没法，没法去使用第三方的一个 a p i， 这就有点限制。我现在用的是英伟达的一个免费的一个 api and so on p 的 这个 api key 呢？我就没有没有没有去订阅，所以后来就发现还有一个类似的东西，但是它可以支，很好的支持一个英伟达的一个方案， 然后就是这个叫做 cloud desk， cloud desk 的 这个它的功能实际上是类似的，就是没有太大的区别，都是可以用的，所以我就叫他搭建了这个 cloud desk， 然后最终就得到了这个三 a 准的这个架构， 三一整的这个架构实际测试下来是非很稳定，我觉得大家可以实实验一下，好了就到这里吧。
1331菜鸡的老黎
22:40查看AI文稿AI文稿有一个二十四小时帮你办事的 ai 助手 openclock， 还有一个最强的开源模型调用工具 comui， 两者结合就能这样你通过手机发送需求， 然后 ai 在 你自己的电脑上自动加载模型，完成图片、视频、音频的生成，并最终将成品发送给你。 那就可以把 aigc 做到完全私有，本地部署，并且免费不限量。本期视频演示的就是真正意义上可落地的数字员工和数字生产力。 openclaw 和 comui 的 联动就是给极致的大脑装上了最强的开源模型，从会说变成会干活。它可以根据要求自动生成图片、克隆声音、合成数字人口、播跑首尾帧视频， 还能批量执行工作流，把原本需要坐在电脑前一步步点击的操作，变成你随时随地发消息就能完成的自动化流程，这就是最有价值的实战方向。那么本期内容我就会带你从实际演示出发， 看这套联动到底能做到什么程度，又能怎样接入你真正的生产流程。接下来的很长一段时间，我将会陆续开始在星球更新 openclock 教程以及最新的 comui 教程。 想要从零开始系统入门并逐步进阶提升的小伙伴，欢迎加入小黄瓜的知识星球。 open call 和 complain 联系起来之后，它的过程是非常稳定的， 就是它能稳定调用我们使用到的那些工作流，而且它可以稳定的去设置相应的一个参数，能够正常的按照我们的要求去完成图片或者视频的生成，然后以及音频、数字人，这些都是可以的啊， 可以看到我们这后台呢，已经在运行了，我们的硬件呢，现在可以看到已经开始有活动了哈，内存在逐渐的上升，就是在加载对应的模型， 然后图片生成，我给他配置的是用的 z image turbo 的 模型哈，所以说内存现在在上涨的阶段，说明模型正在往内存里面加载， 加载完毕之后呢，我们的 gpu 就 开始运行，也就是开始完成我们正常的图片生成。生成完毕之后呢，这个 openclaw 就 会通过飞书把消息给我们发送过来啊啊，可以看到这里已经生成了，也就是这个生成的过程是他自己做的， 然后生成完之后呢，他就会把这张图片发送给我们，然后包括人物的着装姿势，配饰背景，然后包括姿势形象，这些全都是他自己给我设计的啊， 可以看到这里已经生成了，那等待他把消息发送给我哈，可以看现在已经给我生成了，在飞书里发送给我了，这就是他给我生成的一个男生哈，然后我们把控制台打开哈，把 com 约的后台打开，能够看到他运行的过程哈， 然后显存呢，就是我们的性能占用还放在这边，我建议你能时刻的观看自己的硬件占用状态，了解模型现在运行到什么样的过程，然后这里给我们生成了，我们就可以让他再给我们生成一段音频啊，用小黄瓜的声音生成一段音频，小黄瓜。再说 这里是广州市中心，大家向后就能看到广州塔，欢迎大家来广州游玩，然后说天气比较热，建议多往室内有空调的地方去。 好吧，就这样，那么这两句话大概也就是四五秒的时间吧，然后我们发送一下，现在呢，我们是让他用本地的 com 给我们生成音频，然后等待他把音频给我们生成完， 生成完之后呢，我们让这个男生用我的音频再生成一段视频，也就是数字人哈，可以看到这里，我们的音频已经生成了，我们来听一下啊， 这里是广州市中心，大家向后就能看到广州塔，欢迎大家来广州游玩，天气比较热，建议多往市内有空调的地方去， 可以吧，这个声音没问题吧，跟我的声音是一致的啊，我们再听一遍。这里是广州市中心，大家向后就能看到广州塔，欢迎大家来广州游玩，天气比较热，建议多往市内有空调的地方去。好的，这个音频也没有问题啊， 我们说用刚才生成的这个男生形象，根据小黄瓜的声音做一个数字人的视频，视频时常控制在十秒钟吧，每秒二十四 fps 吧，然后视频分辨率呢 为一二八零乘以七二零吧，好吧，就这样。然后呢，他现在就开始给我们做一个数字人的视频啊，这里面我给他配置了七个工作流， 这就是我给他配的，所以说大家如果要用的话，你想给他配什么就配什么，我这里配了一个首尾，真的配了一个数字人的，配了一个声音设计的，还有一个声音克隆的，就是让他可以用我的声音去生成音频，声音设计的话就是他可以自己设计声音去生成音频， 然后还有 ltx 二点三的图声视频的，然后以及一个图片编辑和一个纹身图的，就文本到图片生成的那纹身图的模型，你配置完之后，你就可以让他给你做一些，比如说封面设计，然后 其他的内容哈，可以在上面看一下。我有做封面设计啊，你就像这个，在最开始你跟他交流的时候，比如说我这里说给我设计一个视频封面，关于 openclaw 和 compui 的， 然后想把它做成我的封面，然后是十六比九，主要是国内人看，所以说我们的封面标题呢要用中文，然后这是他给我设计出来的第一版封面啊，很明显这是不醒的，对吧？然后呢就给他做了一些个额外的干扰，我说要有标题， 然后呢标题写的清晰一点，有设计感。然后这是他给我的第二版封面，这个也不行，然后我说文字都粘到一起了，要有排版，然后这是他给我的第三版，这版其实还行，但是受限于大模型，也就是我本地部署的这个图片生成模型的能力， 所以他后面的很多文字呢是毁掉的，然后呢就给他说封面文字有误，然后让他重新修改，然后这是他又修改完的一版，看起来还行哈，然后呢我就给了他一张图片参考，我说你把这张图片给我复现出来，当然了 这个生成图片的能力取决于你部署的那个模型，就像我给它配的是 z image turbo， 所以 说这个能力并不是因为 openclock 不好，或者说因为 comfui 不好，只是因为这个模型我们目前用的不好，但是呢模型它是会进步的， 对吧？你像最开始我们用 sd 一 点五叉 l 的 时候，那个时候生成的图片质量是很差的，但是呢，随着模型的进步， comfui 甚至可以什么都不做，就只是适配一下这个模型，它的功能呢就会提升， 因为 comui 的 能力不取决于 comui， 它取决于模型。然后这是他给我的第三版哈，也就是参考刚才的图片生成的，然后发现文字都毁到一起了，然后又让他给我改， 最后生成了这个，所以说限阶段，如果你想用可以，但是他并不会到非常智能的程度。我这里接的是拆的 gpt 的 五点三的模型，所以说能力还是很强的。这里视频生成了，我们看一下哈。这里是广州市中心，大家向后就能看到广州塔，欢迎大家来广州游玩。天气比较热，建议多往室内有空调的地方去， 后面因为音频没了，所以说就没声音了。在这里是广州市中心，大家向后就能看到广州塔，欢迎大家来广州游玩。天气比较热，建议多往室内有空调的地方去，可以看到它调用的是我本地的，而且我们的显存呢，确实刚才有在运行啊，然后内存的占用现在还在这一百多 g， 这是演示的一个小功能啊，还有我们的首尾针什么的都可以。 之前的话，我们是需要在 cfui 里面跑工作流的，对吧？现在跟 openclaw 配属完之后呢，我们可以你拿着手机，任何时间，任何地点，你只要给它发送消息，它就可以给你制作。主要是这样的一个过程，而且呢，它可以有自己的设计，比如提示词当中可以让大模型自己写，也就是让 openclaw 接的这个大模型自己写，不用我们写，你 甚至可以让它批量的生成图片。以前如果说你在 cfui 要批量生成图片，是需要自己搭建一些工作流的，对吧？比如说设置种子值自增， 然后让他一个一个的生成。现在我们可以直接让他生成哈，比如我们这里给他说让他生成二十张真实男青年的照片，然后人物配饰、长相、背景，让他自己设计分辨率，在这里写一下。比如说我在一盘哈， 给他重新创建一个文件夹，叫做男生，然后粘贴到这里，然后二十张图片放到这个文件夹，然后名字从零一开始到二零结束。好吧，那这个时候呢？我们就等他给我们生成就行了。 你像以前我们还需要去处理工作流，对吧？然后自己或者说一张一张生成，但现在我们不需要了，批量给我生成了二十张，大家可以在这里看到哈，我们来看看这些图片哈， 怎么都是这种呢？他是他生成的是这种合集，好吧，他生成的是这种合集，我再给他说一下算了，我说把刚才的二十张图片删了， 我要一张图片只有一个人物的，就这样让他再给我做一下哈，可以看这里，我们二十张图片已经生成完了哈，大家可以大概看一下二十张这些还像同一个人啊，对吧？ 他是给我们生成了五次啊，这是第一批，第一批当中像是同一个人，第三批像是同一个人，对吧？可以看一下，还挺帅的，对吧？ 我们让他这样用第五张和第八张图片，把这路径复制一下， 给我们生成一个视频啊，生成一个五秒的吧，五秒的首尾帧视频，让他用一二八零乘以七二零的分辨率，每秒二十四帧吧，然后让他给我们生成一个首尾帧视频啊，看一下视频啊，这是我们做的首尾帧视频，六秒， 好吧，这个质量还是可以的，这个质量取决于 ltx 二点三，也就是我们给康复 ui 配的这个模型的能力。好吧，这点大家能理解，我们让他给我们做个海报吧，但是海报的话，我们可能需要让模型有一些提示词哈， 或者说写一些比较详细的提示词，我们去搜一个海报的案例的这张吧，这张好看，我们让他说给我设计一个罐装可乐的海报，可以参考这个提示词，文字内容你自己考虑加什么分辨率，我们要个一零二四乘以一五三六的，就这样 我们试一下哈，让他给我们设计一个海报哈，然后给他提供了一些参考提示词，如果直接用这个提示词生成，你生成的就是这样的内容。但是呢，我很明显不对啊，因为我们要做一个可乐的海报嘛， 所以说你自己要去想这上面的字我们改成什么，这两个字改成什么，哪些字要改，哪些字不能改的，现在我们交给大圆模型，让他去想，我们就不想了，不动脑袋了。这他给我们设计的海报哈， 并没有出现可乐哈，但是文字、排版这些都没有问题，画面的质量也没问题，这个质量呢，是因为 the image turbo 的 质量比较好哈，所以说这个呢，不行，我说再给他说一下， 就说图片里要出现可乐，这是一个产品海报这样的这一个产品海报对吧？看起来还不错，但是我们可以让他加一些英文文字，设计一个标题，大字标题， 白色文字啊，手写体最好，然后文字内容为 c o o l， 就 这样，然后放在图片的最上面，我猜测它可能会用到编辑模型的，因为这张图片的话是用 z 生成的嘛。 这里你看它已经在思考了，并没有直接生成，所以说它应该会切换工作流哈，切换到 flex clean 模型，当模型的能力再一次提升的时候，我们现在流程的能力就会再一次提升哈。 所以说现在大家其实可以去接触 open club 了，我觉得因为他们的能力不取决于他们本身哈，取决于他们用到的模型。模型的能力提升呢，不取决于个人， 取决于那些走在前面的那些大厂。好吧，所以说你现在学和以后学都是学一样的。稍微等待一下哈，不知道他现在思考到什么程度？我看一下哈，我们能在 open club 的 后台看到他 思考到什么样的程度啊？哦，他已经加好了吗？我们看一下。靠，他加了一个这样的文字哈，可以看这个，这俩基本上没问题啊，这两张图片除了文字之外的没区别啊。这个文字是他自己加的， 如果说我们有自己的提示词的话，让他去做海报就更简单了哈。比如说像这个，我们直接把这个提示词给他，用这个提示词给我制作一个海报，就这样直接把提示词给他就行了，然后他就会自动给我们生成哈， 等待一下，我推断他加的这个文字啊，是他自己通过脚本加的，并不是用了我们的模型哈，看一下，这是在后台啊，我们跟他交流的过程在后台都能看到。我们看看刚才说的让他加文字这件事情上，他做了什么，哈， 它用了一个工具调用哈，然后在这里可以看到，它是通过代码给我们加的文字哈，并不是用模型给我们加的，它这里用了一个 python p i l 库哈，这个是对于图片设计的，用了一个 image， image draw， 还有 image font 这几个类哈，然后去做了一个图片上面加文字的操作， 所以说呢，它并没有调用我们的 comui 哈，它选了另外一种方式，然后就生成了，所以说我们的 comui 呢，也没有运行。 然后这里他还下载了几个字体文件， ttf 是 字体文件哈，然后就加了几个文字哈，这是他的一个刚才加文字的那个过程，并没有用我们的编辑模型哈， 这里生成了哈，这个怎么说呢，文字排版不太行啊，这个海报如果把这么多中文直接交给模型生成，基本一定会出现错字、粘字、排版乱，所以我还是按更稳的方案来， 先生成了海报底图，然后再把文字排版进去。我说不要这样，直接用提示词生成就行，你看，这就是他自己的一个思考，但是他的思考是不对的，如果直接用提示词生成就会更好，反而他自己写的排版乱了， 对吧？所以说他自己想的，他先生成了一个底图，然后自己又加了一些文字，但是自己加的文字明显排版是乱的，还不如直接让模型生成，所以说这个呢，没办法，你在跟他交流的过程中就会遇到这些问题啊，所以说大家装完之后，最主要的是跟他的配置和交流的过程，可以看这次就直接生成了，这就没什么问题啊， 对吧？这次这个海报就没什么问题，所以大家以后用的时候，你想啊，当你看到了这个问题的时候，你能不能分析出来这个机器人他是在哪里出了问题， 然后让他给你改成合适的。如果说对康复 ui 了解不多的同学，可能看到这里就觉得康复 ui 的 能力也就那样了，对吧？其实是因为模型在中间做了一些事情， 然后导致了这个海报不太好。好吧，现在他的能力确实是有的哈，但是取决于我们给他配置了什么样的工具以及工作流，我来配置一个哈，这里有个图片放大，我觉得是需要的，我们让他直接给我装个插件哈，看这个工作流是不是这个 see the vr two 高清放大我搜一下哈， 我们一定尽量的把指定的插件路径给他哈，让他确定是装的这个插件，比如我们复制给他，然后说帮我安装这个 comui 插件，然后重启 comui， 然后把地址给他就行了，接下来他就会自己帮我们装了哈，可以看一下哦，还是在这里看哈， 一会的话，我这个网速的话就会开始提升啊，说明他已经准备下载了，下载完之后呢，他会处理环境，然后把环境装在 comui 对 应的环境里面，然后呢再给我们启动，可以看现在网速已经上去了，就是在给我们下载插件啊。好吧，他说重启了，我们试一下哈，我们看看这个插件有没有装上啊， 可以看，这里已经有了哈，这个节点没问题。所以说前面的这些呢，是 c 的 vr two 的 插件哈，看一下。所以说还得再装一些插件啊。已经给我们成功装上了一个插件，然后我看一下那个工作流哈，他好像把我的康复 ui 装到了 c 盘里面哈，看一下这个插件里面的视力工作流哈。 插件比较少， seedvr2， 然后找到对应的工作流，这里面缺失几个节点，然后我自己给他装一下吧。手动装一下吧。这是什么？有两个插件装失败了吗？我们重启一下看看啊，好像没问题啊，这几个都是装上的，现在在重启 comui 哈， 这些操作大家应该不陌生了，如果说啊 comui 已经学过一段时间的话。好的，有个插件没有装上，不对，应该不是没装上哈，是这些节点应该过时了哈。 get image size， 这是 c 的 vr two first pass， 不是 这个节点哈。看来这个插件还是没装上，选择最新的版本，看一下后台有没有在下载哈。哦，现在是在正常的下载，等一等吧，我把这个图片放大的工作流也给他，给他之后呢，他就可以批量的去完成图片的放大了哈， 我们刷新一下。好的，已经启动了，我们看看有什么报错哈。哦，载入成功的哈。插件在这里啊， see the vr two video upscaler 在 这里哈，这个节点。所以说把它替换掉啊，这里是 block swap。 然后这个呢，不管它了哈，直接把它从中间给它替换一下就行了。第一个阶段的放大， 这是第一个阶段的图片，第一个阶段有个 block swap 参数，现在不需要了，我们把这个删掉就行了。然后 d i t 就是 它的模型哈，我看看我本地的模型有哪个哈工作流要提前给它配通哈，配通之后再让它去运行 seed v r two 在 这里哈，本地有七 b lp 十六的模型，我是有的。那就直接选这个哈， 选完之后选我们的库达林 block swap， 直接在这里可以设置哈，给个二十吧，不给太多哈。然后这个也连过来 v a e 模型，这是 c 的 vr two 的 v e 模型，然后选上，这是分块放大，我们就按默认参数就可以了，把这个也连过来 v e 模型，那这个时候就相当于我们配置好了模型， 然后来测一下这个工作流的运行哈。等一下啊，我把这个工作流先保存一下，重新命名，然后把刚才这个工作流拖入进来。拖入进来之后呢，我们看看它是怎么做的，参数是怎么连的，做一个替换哈。 open floor 里面， 把 the vance 拖进来看一下哈，这个节点就连出来了一个最短边的参数哈， shortest side longest 最短边的参数应该是连到了这个 resolution 上面啊。好的，那这个工作流基本就没问题了，我们上传一张图片，让他给我们放大一下试试啊，我们就用刚才他给我们生成的这张男生的图片吧， 复制一下，粘贴到这里 set， 因为就给他连过来啊，把这个节点删了，然后第一阶段的话，放大到两千就可以了吧。第二个阶段呢，我们放大到四千吧， 这个指的是它的最长边哈，我们把它的最长边放大到四千，就相当于做了二点多倍的放大哈，二点五倍的放大了基本上，然后我看一下这个参数哈， seed 给它改一下 tailing upscale 放在这里， 然后看一下他的参数有问题啊，也就是插件更新导致了节点出现了问题，所以说我们是需要把节点删除重建一下的，原来他的过程呢，做一个替换就可以了，连到这里，所以说这个节点可以看他已经没有输出了，所以说这个节点对我们当前工作流没用，删掉就可以了， 现在应该没问题了。 new resolution， 把连上放在这里吧，运行一下试试啊。运行吧。好吧，现在这个呢，就是图片高清放大的工作流哈，这个节点有错啊，我们看一下错误是什么？ block swap 是 无效的哦，我懂它意思了，它的意思是呢，你的模型放在了显卡，如果你做 offload 的 话，也就是显存卸载，做 block swap， 你 需要把它卸载到另外一个设备上，所以说这里呢，我们得选 cpu， 不 然的话它卸载不了哈，我试一下不做 block swap 它能不能跑哈，因为我想让它尽可能的把我显存占用多一点嘛， 如果我的显存不够的话，那我就去做 block swap。 现在的话可以看在做第一阶段的放大，然后我们的显存占用只有九个 g 是 没问题的，九个 g 占用很少哈，但是等到第二阶段放大就开始大了哈，图片放大对显存的占用很多，所以说这些工作流的配置你一定是要清楚的，不然的话，你没办法把它交给 openclock， 让它给你运行， 因为你需要选择其中的参数，让 openclock 去修改的。你比如说这里的模型的名字，你肯定不能让它修改，因为这个模型是你自己固定好的，放在本地的。还有这些呢， device 这些它没必要修改，所以说你就不要暴露给它，如果你暴露给它了，它就可能给你改，一改的话，工作流就跑不了了， 那个时候问题就大了。但是这个呢，就取决于你康复 ui 学的怎么样。如果说拿到一个工作流，你都不知道提示词在哪写，或者说都不知道你在哪里设置图片的尺寸，那你怎么去让模型配置呢？对吧？所以说这个呢，可能需要就是你学完了康复 ui 之后呢，你再学 openclip 加康复 ui 会更方便一点哈。 好的，放大完了，我们来看看，右边是原图，左边是放大之后的，大家可以看一下哈，看看他的衣服哈，还行吧，衣服质量还不错啊，看这个扣子， 这个扣子原来是扭曲的啊，现在已经到正常了。还行，这个放大质量不错的哈， 对吧，他多少会有点修改哈，百分之九十九相似。还行哈，这个质量没问题，工作流也没问题，那我们就直接把它 导出开始封装吧，导出一下，但是要把它导出成 api 格式哈，图片高清放大命名一下。 api 命名完之后呢，我们就把这个工作流导入进来哈，然后这里有个描述，说明我们要给它写上哈，就是图片高清放大可以，这应该就行了， 这俩节点我们不用管，所以说主要给的就这仨参数就可以了，一个是一百四十八号节点，一个呢是一百零四，一个是一百二十五。 我们先把一百四十八号节点给他暴露出来哈，一百四十八号在这里打开，然后描述一下，就是需要被放大的图片位置，然后生成必须给他勾选上，然后呢还有一百零四和一百二十五啊， 你找到一百零四，一百零四，一百二十五，这俩都给他打开啊，一百零四的话，这是啊 number， 也就是第一步放大的最长边长度 建议在两千以内，然后这是我们的第二步哈， number 二，给他起个 number 二吧，就是最终图片的最长边的长度建议大于第一步放大图片的最长边， 就这样，一个两千，一个是四千，这样的话就应该已经够了哈。第一步放大的最长边长度建议在两千以内，不要超过 number 二的大小。好吧，就这样保存一下， 我们来试一下哈，就像现在我们就已经配置完了，你可以问问这个 openclock 你 现在可以用的工作流都有哪些？可以看到他已经给我们说了他现在可以用的工作流这有八个，然后再加上我们刚才给他配置的这个图片高清放大的， 然后他说刚才装的插件已经装成功了，那我们给他，让他生成一个真实人物，女生在二十五岁左右吧，然后衣服风格，背景装饰，长相你自己设计， 然后分辨率呢在一五三六零二四左右，然后再把这张图片放大到，我们让它放大小一点嘛，不要太大了，最长边放大到三千，不改变原始比例。我们先让他把生成的人物发给我，然后呢再放大发送给我， 然后呢再把这张图片最长边放大到三千，不改变原始比例，放大后再把放大后的图也发给我。 好吧？就这样这个时候他就会去做了哈，然后现在可以看我们的图片已经生成了哈，这个是一五三六乘以一零二四的分辨率吗？然后这是他设计的给我们生成的一个真实的女生，然后包括他的长相啊，然后以及穿着啊， 然后装饰包括背景全都是自己设计的哈，他用提示词设计的。然后设计完之后呢，现在就开始做图片放大了哈，等他把图片发给我了哈， 这确实是放大后的图片啊，这是我们放大前的，这是放大后的 是吧？确实是啊，是放大后的图片。
1131啦啦啦的小黄瓜
01:51查看AI文稿AI文稿分享 open 口一百个实用案例的第一期，我用豆包加 open 口加 app 店，搭建了一个可以收集全平台、全信息媒体的本地知识库，不论是哪个平台，链接支持全网的各种内容， 只要你发给 open 口，他就可以利用豆包或其他对应的 ai 平台打配合，就可以帮我把视频的基本信息、核心内容、核心观点总结、自动分类打标签，提出想法， 可延伸方向、价值评估相关资源。因为他知道我是 ai 博主，所以还会延伸一下选择题供我参考。基本上我想到的，没有想到的，他都帮我整理好了，不要再在评论区艾特豆包了。这一套流程的 steam 和插件我已经整理好了，评论区自取。相比较于我以前看到好的内容、文章、图片，我就会赶紧收藏， 然后就没有然后了。翻遍各个平台的收藏家，都找不到我以前收藏的内容。那如果你看到想收藏的视频、文章、图片，想要整理在本地笔记中， 就需要手动复制、粘贴、整理信息、分类打标签，非常的麻烦，对吧？所以我的解决方案很简单，就是 open coo 作为大脑接收你的信息源，它会发给豆包或者其他 app 平台， 负责提取、分析和完善内容。等豆包把内容分析提取成功之后， open coo 会返还所有内容储存到 opcdian 中，然后利用 opcdian 本身强大的分类功能，自动分类打标签。你只要发送链接，三十秒一个画，笔记就自动生成。这套流程不仅不需要特殊手段，而且消耗极少的 token， 在手机上也能够直接操作整套流程。用到 skin 和插件也非常简单，就是用 open code 来分析，然后用自带的编程工具打开浏览器豆包或者其他对应的 ai 工具分析视频后，再把结果返还回来，写入 o c 点钟，所以整过程很丝滑。如果你已经有了 open code 了，可以把我整理的 skin 和流程发给他来搭建。 如果你还没有，可以看我的前两期教学视频，看到之后，希望你也可以自己搭建一个属于你自己的本地致富。我是达达，我们保持好奇，保持迭代。下期见。拜拜。
138DADA-v3
02:07查看AI文稿AI文稿用 openclaw 小 龙虾做一个电商全自动化流程啊，我们是养了十五只龙虾，全程自动化操盘 啊，他们每个人对应的职责就是大家看到这个我们给他做了十五个折腾题，给大家演示一下，他们先介绍一下自己啊，介绍下一个，自己 找一个仓储，然后再找一个销售，看他们是怎么说的好，他回复了， 嗯，他说我是一个销售加这个智能体，然后我的职责呢是制定销售战略啊，年度计划这些，然后仓储经理呢， 他也说，然后其实你看他下面说，我刚才不是艾特两个智能体吗？他就说这个仓储经理也被艾特了，说如果任何订单发货，库存对接的问题，直接咱们对接 啊。其实我们的工作流程也很简单，然后有项目呢，我们就先找电商总控啊，他是一个总负责，我们就是有什么项目我们先找他，他会进行根据这个项目的特性进行分发，然后如果项目定下来以后呢，分工也特别明确，市场分析呢就交给产品经理， 然后呢就是品牌运营呢，就交给品牌经理，竞品分析交给销售经理，嗯，在这里啊，图文视频呢交给内容经理，然后呢商品上架就交给产品运营经理， 嗯，流量推广呢，就交给流量经理啊，数据分析交给数据经理，然后那个客服售后呢，交给售后经理，客服在这里自由利润合算呢，是交给财务经理， 就各司其职，高效配合这套流程跑下来。我觉得就我们这些不敢想象的一些岗位和智能，现在可以全部把它实现， 而且是一个人可以实现，大家如果还没有在用小农商这块的，希望大家就是看到我视频以后，嗯，你们如果没用的话，或者说想知道怎么用的话可以留言啊，咱大家一起沟通交流。
41西哥Ai电商
02:23查看AI文稿AI文稿来了，兄弟们，你是不是也想让 openclaw 成为你的全能助手，却不知道如何下手？其实关键在于安装合适的技能 skill。 那 么本期整理了六个绝杀神级 skill 分享给大家，装完你的 openclaw， 直接从只会聊天变成二十四小时的全能打工人！ 一、 tablet search ai 专用搜索引擎，不是普通搜索，专为 ai agent 优化的语义引擎，没广告结构化数据，龙虾能直接读懂，查论文、搜新闻、比价格，一句自然语言全搞定。从此龙虾再也不瞎编，所有信息实时联网。二、 gog google 全家桶，一键接管 gog equals、 google outlook、 gmail， 一个 skill 打通你的邮箱、日历、云盘、文档、表格，对他说，扫一遍未读邮件，重要的回，不重要的归档，他真去干？ 有博主让龙虾当数字同事不破筛，商务邮件打分评级，垃圾邮件直接无视。三、 summary 万字长文一键压缩懒人福音，老板丢五十页 pdf， 同事甩二小时录音刷到超长论文直接丢给 summary。 三句话核心要点，加行动向到手零配置，即装即用。 结合 g u g 记，早上龙虾把几十封邮件浓缩成一份晨报，睁眼前，今日工作优先级已排好。四、 obsidian 第二大脑自动规章，知识管理外挂，能直接读写你的 obsidian 笔记库，聊天记录，搜到的资料、网页内容自动存为 markdown 笔记还带打标签，建双向链接，生成知识图谱。 科研党把 t v i plus obsidian 组合 t v i 全网抓论文， obsidian 自动建成个人知识库，周末丢个任务，周一收获全网最新资料。 五 n 八 n 跨 a p 自动联动玩法，深邃的开源自动化工具龙虾，靠它把 gmail、 notion、 travel 飞书全部串起来，邮件到自动存 notion 触发飞书通知更新 travel 卡片，你躺着就行。 办公档终极三件套， gog plus、 summarize plus、 n eight n 邮件文档工作流全自动，每天省二到三小时。 六、 skill vendor 你 的安全门卫不干活儿，但比干活儿重要幺三零零零多个 skill， 谁知道哪个有恶意代码偷 api key 装第三方 skill 钱先拿它扫红色山黄色肾绿色装， 牢记三分之一百原则，只装下载量过百，发布超三个月的 skill。 这第六个是 b 选项，不是可选项。好了，兄弟们赶紧去试试吧！还有什么想了解的评论区告诉我，咱们下期见！
774OpenClaw干货毛哥
