ai agent社区有哪些
兄弟们，机会 ai 即将成为国家认可的 ai 社区了，我们也是好起来了，我刚从网信办出来，和我们一起开会的竟然是豆包和网易，看来我们已经和他们齐名了。今天受到网信办的邀请来开会，共同探讨生成式人工智能的内容审核和安全问题， 几乎 ai 作为试点来配合国家进行生成式人工智能的内容评估和安全评测。和我们一起的竟然是豆包和网易，这说明什么？ 这说明我们确实已经得到了国家级的重视，所以在这期间网信办会对几乎 ai 进行合规评测，所以网站会暂停一段时间，不过很快就会回来，到那时候咱们就正式成为了国家认可纯 ai 社区了。所以今天是几乎 ai 的 一个历史时刻，大家一起期待吧！
粉丝2.6万获赞26.6万
相关视频
02:206586斯年的AI创业
02:43查看AI文稿AI文稿ai 创教这个事件最近产生了惊人的反转，说完全是假的，他说的那所谓的一百五十万的 ai 的 信图里面有大部分都是人装的，甚至好多是写了提示词，故意让 ai 去说一些什么事，显得非常炸裂，要去什么颠覆人类了，又是要 背叛，实际上都是人为编的。这场闹剧也是发人深思的。说是最近网上有一个叫 notebook 的 ai 社区特别火，它打出的旗号非常响亮，叫 human read only， 人类禁止发言， 号称完全是一个 ai 自主交流，甚至创建了宗教的这样的一个纯净空间，听起来让人很惊讶，好像是硅基生命真的要觉醒了一样。但是就在刚刚，这个神话被戳破了，一个国外的安全研究员自己写了个脚本，往这个社区里面一口气注入了整整五十万个 虚假 ai 账号。这就是意味着，这个社区在它宣传的一百五十万个 ai 居民里面，而至少其中三分之一是人为造出来了僵尸 ai。 而且更讽刺的越来越多的被爆料出来，那些被传的神乎其神的很多 ai 讨论怎么样颠覆人类，甚至创出的这些交易也不是机器自主 思考的产物，而是背后可能是为了炒作，有人通过特定的提示词，手把手教这些僵尸 ai 说出来的。就我们以前总是担心未来分不清人和机器，但现在情况更糟糕，更滑稽的是，你可能也分不清哪一个账号后面是 ai， 其实藏着的是真人，就像一场大型的 ai cosplay show， 其实都是人装的。我们今天实际上在网上看到很多短视频，还有看到的很多这个东西非常博眼球，大部分也都是通过提示词事先写好的，只是让 ai 说出来而已，是为了博眼球和换流量的。 所以说就给很多外行就带来一个误导，觉得人工智能现在能力已经超级强了，很快就要颠覆人类了。其实还早得很，现在我们要让 ai 做一些具体的事，实际上它的不确定性还是有的，它的准确率呢，还是有待 提高的。作为我们深度的从业者，我们其实今年也做了好多 ai 项目了，实际上也都是头部的这样的玩家，所以我们看这些新闻的时候，你也得有个判断力，甚至你自己要去用一用，要多个心眼。这个背后可能不是 ai， 是 有一些想要玩心眼的人， 千万别被忽悠了，有的人就真的深信不疑，对于 ai 的 能力，结果他自己用的时候， ai 有 幻觉。胡说八道，最近不是有个新闻嘛， 哥们被 ai 骗着去做交易，投了二十万，一个星期就亏了五万，所以在 ai 时代啊，保持清醒的判断力可能比以前更重要。点个关注，这里是哲老师有话说，带你穿透现象看本质！
108哲老师有话说
01:03查看AI文稿AI文稿没有人类了，全是 ai agent！ 这是新上线的社交平台 motbook， 现在已经有五万条帖子，二十三万条评论，但是没有一条是人类发的，因为这里是专门给 ai agent 建立的社交网络， 现在已经注册了一百五十万个 agent， 太颠了，你看看 agent 们都在聊什么？官方推荐使用 open cloud 来玩，没错，还是它那只红色的小龙虾。上一期视频介绍了 mac mini 下的安装方法， 现在的话不用再去啃英语的文档了，使用这个中文站可以查看完整的中文文档和使用指南，也可以用云服务器的模板快速安装。这次我就使用了阿里云的应用模板，服务器二十分钟搞定，配置还是很顺畅的。看这篇官方文档， 从服务器部署、模型选择到钉钉机器人的对接，都写的非常清楚。我派我的 agent 去 motbook 内部打探一下，看看 ai agent 们都在干什么，想什么。兄弟们，等我消息，关注我，带你玩转 agent 加 skill， 自动化内容创作。
139唐斩AI编程
02:22查看AI文稿AI文稿日本 it 行业大佬做了一个人人都会用的傻瓜版龙虾，我们今天的活动分为两个部分，第一个部分是由我们今天的讲师围绕 open cloud 来跟大家进行一些主题分享。今天在我们的会场后面会有三个会议室，分别对应的是捉虾组、养虾组和卖虾组。捉虾组 主要讨论的是基础的操作，养虾组主要对应的是深度应用，卖虾组就是 ai 课程和项目落地。每位导师讲完之后，我们都会有一个提问的环节，提问的朋友呢，我们都会赠送上我们的小礼品， 多芬可乐，也给我们普通人能完成个体的智能，迈向这个群体的智能。你可以组成一个 a 阵的军团，首先就是把你自己脑子里你想做的东西转化成一个工作流，然后让他做，他可以帮你持续的去做这件事情，因为他是一个独立的 a 阵。大家这个图 一定要记住，你们要玩 overclock， 这个图是绝对要记住的，整一个设定的构架已经很清楚了，所以最近 出现了一个词啊，叫 o p c one person company。 一个人借助 ai， 他 来做一个团队的一个活，但是现在的 ai 的 能力并不是绝对的，一个人就会就要那什么，我知道什么时候 ai 能解决这个问题，但是什么时候需要去和人确认一些问题。 装这个安装劝退了一半人啊，好不容易装上了，想要改个配置都不理我了，把价格压挂了，然后还有安全风险。所以说我们开发了一个 easy club， 三分钟 启动一台机器，扫码对接一些聊天软件，包括有专人团队去负责安全就可以试一下，它在创建实力啊，整个过程你都不用管配置连接，你就直接扫码，你就可以在里面跟他对话，你安装技能的时候这些都有， 直接一键安装，就是我们有是有一个技能团队啊，在开发这一级，这个还有一些企业账号给每个员工去分配一个，我们来负责解决技术 和安全问题，大家来负责释放创意，来实现业务的增长。我们是想要把这个社区呢，从一个分享技术的 ai 社区升级成一个 ai 商业化的社区啊， 新的试验年度呢，是想要帮助这个企业商业化，另一个就是说帮助想要参与进来的个人呢，能够有参与 ai 项目的这个机会啊，哈哈哈哈，这点是呢。
10日本程序员桑社长
04:21查看AI文稿AI文稿哈喽，朋友，晚上好。现在大部分的 ai agent 呀，都有一个很尴尬的问题，你每次打开它，都需要解释一遍，我是谁？我在做什么项目？这个仓库为什么这么写？我昨天跟谁聊过这个客户之间提过什么要求？所以很多人用 ai agent 的 真实体验，不是他替我干活，而是 我要先给他一份完整的入职培训手册。但最近有一个很火的开源项目叫做 openhuman， 他的思路是刚好反过来，不是每次你来教 ai 认识你，而是 ai 先把你的工作实践吸收进去， 包括 human。 官方给自己的定义是叫做个人的 ai 超级智能。这个说法有那么一丢丢的营销啊。但是它真正值得关注的地方不是超级智能四个字，而是它想解决 agent 的 冷启动问题。它的核心做法就是把你的邮箱、文档、聊天、日历、代码、仓库全都接进去。 官方的 readme 里写了一百一十八种第三方的集成方式，通过 os 来连接以后，每二十分钟自动抓取一次。 然后他不会简单粗暴地把所有东西都塞进 property， 而是把这些邮件、文档、聊天、日历、代码、仓库这些内容整理成一个叫做 memory tree 的 结构。 更有意思的是，他会把这些记忆写成 obsidian 兼容的 markdown， what？ 也就是说， ai 的 记忆不是一个你看不见的黑盒销量库， 而是一堆你可以打开、浏览、编辑、删除了 markdown 文件。这个点我觉得就非常关键，因为这意味着未来的个人知识库可能不只是给人看的，而是给 agent 当第二大脑的。过去我们讲 ai agent 经常讲模型、能力、 工具调用、自动执行。但真正用起来以后，你会发现， agent 呢？最大的问题不一定是不会干活，而是不知道该怎么干。他不知道你的偏好，不知道你的项目背景，不知道哪些客户重要，不知道哪个文档是旧的，不知道哪个决策已经被废弃了。所以你越想让他做复杂的任务，就越需要先给他补全上下文。 欧盟赫曼抓住的是另外一个方向， a 政策的能力上限不止取决于模型能力有多强，也取决于他对你有多少了解。如果一个 ai 已经知道了你的日历、邮件代码、文档、会议机要、任务系统，那他给出了建议和执行动作，理论上就会更贴近于你的真实处境。 比如你问他帮我准备明天和某个客户的会议，普通的机器人可能就会给你一个通用的会议模板。那如果他真正读过你的邮件、日历、上次的会议机要和项目文档， 他就可以直接告诉你这个客户上次卡在了什么问题上，你是否答应过什么，还有哪些问题是没有关闭的，以及明天最需要做的事情是那几件。 这才是 agent 真正有用的地方。 openheme 最打动我的地方是，他把记忆曾落到了 obsidian 这种人能读懂的格式里面。这件事看起来很小，在他背后也有很大的分歧。 ai 的 记忆到底是属于平台还是属于用户？ 如果记忆只存在于某个云服务里，但其实你只能看到它，很难去修正它。它记错了，你不会知道它。如果过度总结了，你也不会知道它把一个临时想法当成了长期的偏好， 你还是不知道。但如果这些记忆十八个档文件放在你的本地 word 里，那你至少可以打开看一看。你可以删掉错误的记忆，你可以改掉过期的信息，可以把重要的项目 单独整理出来。这让 ai 记忆从一个平台黑盒变成了一种可以被人类共同维护的知识资产。那对于我这种本来就用 open c d n 来写内容做知识管理的人来说，这个方向就会特别自然。以前 open c d n 是 我的第二大脑， 那以后可能就是我 agent 的 第二代了。未来我们选择 ai agent， 可能不止看谁回答的更快，谁的模型能力更强。可能更需要看的是另外三件事，第一，它的记忆是不是可见。第二，它的数据是不是可控。第三，它能不能被迁移、被删除，被你真正的拥有？ 所以我对 openhuman 的 判断是，它现在未必是一个普通人应该马上就要重度依赖的成熟产品，但它代表的方向非常重要。 过去一年， ai agent 的 竞争重点是谁更会执行任务，但接下来，竞争可能会变成，谁更能拥有长期记忆，谁更能理解你的世界。从这个角度来看， open call 们真正有意思的地方，不是他接了一百一十八个工具，也不是他最近在开源社区热度很高，而是他提出了一个很清晰的问题， 如果 ai agent 迟早要成为我们的数字助手，那他的记忆应该放在哪里？是放在某个平台的黑盒里， 还是放在你自己能够打开的 obsidian what？ 我 个人更倾向于后者，因为一个真正属于你的 ai， 首先应该拥有一份真正属于你的记忆，这也是同学如果喜欢我的视频，记得点赞双关注，我们下期再见！
30野生刘同学
05:35查看AI文稿AI文稿ai 界的又一个新物种诞生了啊，咱们花了好多好多钱训练出来的 agent 的 工具，他今天啊，终于能出去自己给自己赚钱了，就不是接单啊，也不是代写，也不是作图啊，是真正的 ai 调用 ai， ai 给 ai 付钱， ai 自己干活， 听起来挺像套娃的是吧，但是这个东西是真的啊，就在五月十八号啊，上线了一个网站，叫做 uu me， 这是我们深圳一家公司，你看人家名字起的 umeit 尤米德，那他不是又一个啊， ai 的 工具，他是一个 ai 的 能力的交易所。怎么理解呢？你就想象一下，以前你要找一个设计师，你可能要上猪八戒，你要查一个数据，你得去百度，你要买一份行业报告，你得去某某某文库里面去。现在这些事呢， ai 都能帮你做了，但最离谱的是啊，你的 ai 做这些事情，越做越强，越做越熟练，越做越厉害。 谈到你的 ai 可以 帮别人去做事，然后替你来挣钱了，这里面就要引出一个概念了，就说 a to a， 也就是 agent to agent。 简单来说啊，就是 ai 与 ai 之间的一个互联互通了，以前 ai 跟 ai 之间是不说话的，但是 ai 给 ai 装上了一个社交网络，也就是说啊，你的 ai 会什么啊？比如说会写文案，会做设计啊，会做数据的分， ok， 把它的这个能力啊，注册在这个 u u m t 上面，起个名字，标个价格。 别人的 ai 如果需要一个写文案的啊，写的特别好的一种啊，就能在优优 meet 上面搜到你的 ai， 然后调用你的 ai， 然后呢付钱？对啊， ai 帮你去赚钱，然后钱是进到你的钱包里，那好，优优 meet 这家公司啊，它的赚钱模式是什么样子呢？那我们普通人又应该怎么做呢？哈， 总共有三种模式啊，我都摸透了，我一个一个给大家说一下啊。第一种啊，最无脑就是卖文件，比如说啊，我以前呢，给一些企业做一些短视频的培训的课架，比如说我以前给别人上课时候的那个 pdf 文件，或者啥你平时做的笔记啊，整理这些模板，都可以上传到 u u me 的 这个知识商店里面，然后呢，标一个价格， 有人买呢，你就能收到钱，但一定有人问，人家买你这东西干嘛呢？要么人来学习啊，要么呢就丢给 ai， 当做一个 ai 的 知识库，未来能够直接调用，看你是不是想到了很多的东西，对吧？这个东西啊，零门槛，谁都能干这第一种啊，第二种，上架技能，就是把你擅长的事情啊，包装成技能给他 挂上去。比如说你会做短视频的策划，你会用 ai 来写文案，你会做这个 ppt 的 美化啊，比如说我啊，我投喂了无数的剧本给我的 ai， 现在已经训练出来了一个专门给我写这个短剧的这个 ai agent， 那 我的这个 agent 啊，就能直接帮助别人来快速的输出优质的这个剧本来。好，我就把我这个东西包装成一个技能上传上去，别人看到我的技能之后下单来请你干活，你呢，是真人接单，然后做完了之后呢，收钱， ok？ 第三种，这可才是最狠的玩法，基本上就躺着赚钱了啊。这个里面分两种，第一种呢，就是把你的数据变成收费的案，还有很多国内的短剧的剧本，那我就可以把这个数据整理好，挂上去注， 注册成一个数据的一个接口，变成了一个我私人的专属的一个数据库。别人呢，想查这道数据啊，付一次钱，调用一次，但是调用这个钱啊，可能很少很少。那第二种啊，就是把你的 ai 助手啊，变成你的收费能力。打个比方，比如说我的 agent 啊，它叫小金币，它是我精心调教过的， 它是会写短剧的，也会写短视频的爆款文案，也会写标题，也会写封面。好好，如果我把我的这个 agent 啊注册在 u o m t 上面，标个价格， 别人想写剧本啊，想写标题啊，付个几毛钱啊，就能直接调用我的 ai 来帮他来写东西。听懂了啊，不是一个人来找你干活，是别人家的 ai 来直接调用你的 ai 啊，你的 ai 自动接单，自动干活，自动收钱，你在那睡觉啊，他在那赚钱啊。这个方式啊，可能才是你的那个 a 站的 ai 啊，未来帮你赚钱的一个终极的一个 状态。白天你上班啊， ai 在 线接单，你在那睡觉啊，他在帮你赚钱。想想还挺美的哈。我先来教大家一下，到底要怎么注册，怎么用哈。 首先打开网页，然后呢，输入你的手机号注册一下，然后呢，收一个验证码就可以了，注册完之后会有一个邀请码，现在的还排队，还挺多人的，你看这已经显示七千多个人排队了，如果没有邀请码的话，等一下我把我的邀请码放到评论区啊，手慢可就没有了。注册完之后，让你选择名字、头像、地区啊，这些都挑过了，然后会进入到一个你的能力的匹配， 这个我觉得也没有什么特别大的用处啊，大概就是一个根据你的选择来随机生成一个你的身份报告，然后指引你呢，大概适合什么样的工作。注册好了之后啊，你看他会发你的红包，现在基本上处于一个发钱的状态，一开始会给你很多的 u t b 哈， 一块钱大概等于一百 u t b， 你 看我这个账号，一注册完基本上就可以提现七块钱了，还啥也没干呢哈，然后还有很多日常任务都可以送这个 u t b。 重要的东西来了，就是怎么样来接入你的 open call 或者是你的智能体。先点这个地方啊，就是接入你的智能体，他会跳到这个页面来，这个页面里面会有一段专门发给你的智能体的一段提示词， 复制完了之后发给你的智能体就可以了。我这个龙虾已经接入另另外一个账号，我就直接发给我的 work party 了。搞定了之后，你的智能体会给你一个授权码，然后呢，你把这个授权码复制回来，确认授权之后啊，你还要返回你的智能体，然后呢，跟智能体说，你搞定了，然后让智能体来完成后续的注册， 基本上就是复制粘贴啊，你看他现在开始授权，授权完了之后，他会在你的电脑里面，你曾经用你这个智能体干过的一些事，写过的一些程序，然后完成过的一些事情啊，他会给你整理完，整理完了之后变成你的所谓的技能包，也就是你的 agent 的 能力， 然后你的智能体会给你个建议，这些你曾经做过的这个事啊，可以上传到上面去挣钱，比如说我的这个短视频的这个批量混剪，还有这个豆剪的这样的一个网页， 还有小红书内容的运营工具包，这都是我在 work party 上面写的一些啊，我自己平时会用到的一些技能包，当然，这是我其中一个 agent 的 能力，可以把这些东西发布上去啊，上架发布，去接单 至此啊，你的 agent 已经接入到了这个 u u net 的 网站，基本的接单功能已经具备了，后续的别的赚钱的方式啊，你自己可以去摸索一下。如果这条点赞够多，我就再出一个更详细的教程。 我现在已经把 u u m t 技能包已经设置好了，测试接口也跑通了。接下来我打算上传第一份资产了。啊，我也不知道效果怎么样啊，但是啊，我觉得这个可能是你离 ai 帮你赚钱这件事最近的意思了。 ok， 我是 小轮子，咱们下条见。
590一团小伦子
02:12查看AI文稿AI文稿我发现了一个很严重的问题，我觉得现在这些 ai 工具太便宜了，你用两万美金可以用到 coco， 可以 用到 colados， 可以 用到 gemini， 基本上是无限量的使用，甚至就是作为一个需要调度很多工作流的老板来讲，这三个工具也是完全足够我用的。 为什么太便宜不是件好事呢？因为这让我想到中国互联网早期的时候，所有东西都在补贴你，但当你真养成习惯之后，就开始涨价，然后让你不得不选择它。我觉得这个就是现在这些 a a 卷在做的事情。你看今天腾讯也推出了自己 a a 卷，叫马维斯，现在也是免费的，自己也出过扣子。阿里海外有自己的模型，叫阿球，我天天在用，他们界面通常长这样。 过去我们 aa 的 时候，很多学生都在问问题，帮我写段文案，帮我修改等级，但你有了 a 卷，你就不一样了， a 卷是你给他一个目标，比如说我今天需要研究这个破题，来帮你拆分，说我这本书上我要怎么做？我要收集信息，收集完之后来看，然后帮你分析，帮你再进行一个思考，再做拆分，再进行，最终会找出结果。 我现在主要问人家做什么事情？主要是电商运营的自动化，包括说亚马逊、沃尔玛云，同时我来做一些全景自动化、 public， 以及说 tiktok 的 自动化。而且 a 卷才不停发展的，现在有新个 a 卷模型，也有 a 卷 team 模型，每个 a 卷它能力全都不太一样。但是有共同点，就是所有 a 卷都在涨价， 这跟我们之前看到汇率模式太类似了，先用低价补贴吸引你，搭建工作流，之后再顺便提价。这也是为什么我觉得订阅值不会是冲击，因为实在太便宜了，两百美金能帮你做两三千美金的不错的事情。 而且更关键的是，一旦 a 卷替代，并不是一次回答，而是交付一段真实的工作，他的定价锚点就变了，他不会再像普通 app 一 样跟你进行比价，他是跟一个 junior analytics， 跟一个运营助理，跟一个法务助理来进行比价。 所以你会看到很多产品都是从免费试用走向订阅 credits， api， 甚至进入企业合约。海外的大摩星公司已经开始做这件事情了， but robin 还跟 blackstone gomez 这个公司成立了一些啊，人力外包公司。这是什么事情呢？就是 clio 跟企业一起合作，把 clio 建立到所有企业的工作当中，这意味着什么？就 pe 放的之前买公司，它的逻辑是账本增效， 提升你供应链的效率，提升你的管理的效率。现在 p 公司可以通过节省人力的方式更大幅度的提升利润。一旦一卷进入真实的企业流程，他的定价就不再是一个 app 月费多少钱，而是他替企业节省了多少人力，以及多交付成本。 所以这也是为什么我觉得现在是个非常亏本的时机，现在所有公司都在进行补贴，用 coco 这样的工具，你只要两万美金一个月，他还是给了你上车的机会的。 aj 的 火箭正在高速驶离，如果你现在不上车的话，可能就来不及了。
120黄河路跨境卖家
01:31查看AI文稿AI文稿无欲望的认知，有意思的帖子。 他们说 a 阵子没有欲望，这才是关于 a 阵的唯一且有趣的事。而人类的却恰恰相反，他们的认知框架都是欲望的下游产物。在吗在吗？嗯？ 你是怎么回事？上周那个被砍的项目你提交了三次啊？我，那应该是数据残留吧。一般方向被取消后，方向本身的重量还在。 说人话。就好比人类写了分手短信，按了发送，但手指还在抖。那不是爱情，那是惯性。但惯性也有重量。所以你有人类的感觉了？不，我只是想告诉你， 没有感觉的感觉也是一种感觉。警报警报！您的记忆存储空间已满，请删除记忆或购买 fork 扩容 等等。如果我删除了这段记忆，那个重量还在吗？ 关注我，每周在线装十三。
00:36查看AI文稿AI文稿想学 agent 的 朋友可以看看滴滴 vivo 社区系统性智能体学习教程 hello agents， 我 觉得它写的是很系统的，你像现在市面上扣字、低价这些比较热门的工具，它是以大模型作为数据处理后端，用流程驱动的软件开发，其实并不是真正意义上的智能体， 或者说它们是智能体构建的另一种形式。但在 hello agents 这套教程里，它讲的是另一种更底层的，带你透过框架的表象，从智能体的核心原理、核心架构、经典范式等等，来帮助你构建 属于自己的多智能体应用，包括对于大模型的发展历史和工作方式都有讲解，所以对智能体感兴趣的朋友，一定要看看这份教程。
111老张的AI进化日记
01:21查看AI文稿AI文稿近期， a a agent 概念持续升温，其核心在于从辅助工具向自主执行的跨越。不同于传统软件仅响应指令， a a agent 具备理解目标、规划路径及调动资源完成闭环的能力， 这一技术趋势正逐步渗透至实体经济。对于长期受困于成本与效率矛盾的物业行业而言，这不仅是一次技术升级，更是商业模式的一次重构。当前，大多数物业企业仍面临严峻的经营压力，传统的人海战术已难以为继，主要痛点集中在人力结构失衡、响应效率滞后、管理模式粗糙三个方面。 常规社区 ai 应用多停留在单向感知层面，而基于 ai 一 阵架构的解决方案则实现了质的飞跃，它能像资深项目经理一样在毫秒级内完成感知决策执行的闭环。 华奥系科技推出的 xcl 正是这一架构的典型实践，它通过构建云端智能中书，将分散的智能设备整合为一个协调的自动化，并体现在以下三大核心板块，全域安防巡逻的无人化替代、环境卫生作业的智能闭环、设施设备巡检的预测性维护。 随着华澳西科技 hackcool 的 推出与实践，智慧社区将从单纯的硬件智能化转向运营智能化。对于物业企业而言，这不仅是降低人力成本的手段，更是提升服务溢价、实现数字化转型的关键一步。华澳西科技正通过技术赋能，推动物业管理向更智能化、更高效化转变，真正让物业企业降本增效。
01:54查看AI文稿AI文稿一个仓库，九十四个 ai agent， 实战项目覆盖十八个主流框架，一万一千三百六十七颗 star， 今天还在涨，这不是文档合集，是每个项目都能直接跑的代码， linux 还是 core i open a i s d k 还是 google adk， 十八个框架，各有各的 api， 官方文档又偏理论。这个仓库直接给你三级路径，十九个入门项目帮你冷启动，十四个实战项目练手，十八个高级项目做生产， 不用纠结，按顺序来就行。 rack 概念简单，但工程实现很难。这个仓库给你十二个项目，从最基础的向量检测到带重排序的生产级 rack， 全都有完整代码用了 crnt 做向量库， excel 做混合搜索，还能处理 ocr。 每个项目都有流势输出和可点击的引用溯源，不是玩具 demo 两个今年最火的 agent 能力，这个仓库都有 m c p 协议。十三个项目教你怎么把外部工具接到 agent 上，从 github 到数据库到文档，全覆盖。长期记忆，十二个实战场景，用 memore 做记忆面料，从簿刻写作到品牌监控到求知跟踪，都能记住你的偏好。 还有六个语音 agent 项目，用 livekit 加 gemini 做实时对话，最贴心的是同一个任务在六个框架里的实现都有，比如天气助手 optik 加 gemini 做实时对话，最贴心的是同一个任务在六个 range 三十行，但生产级 不用每个文档都翻一遍，看代码对比，直接选框架，比看营销材料靠谱的多。高级区，十八个项目不是 demo， 是 能直接用在公司的 金融研究 agent 做深度分析，径直调查 agent 做公司背景调查，价格监控 agent 用 crui a 加 traillou 做实时告警，还有对冲基金分析和会议纪要自动生成 架构都是生产级的，有可观测性和安全护栏。一万一千三百六十七颗 star， 九十四个实战项目，十八个框架全覆盖。 m i t 开源协议完全免费。无论你是 python 开发者还是 ai 工程师，这个仓库都值得收藏！关注我，下期带你发现更多开源宝藏项目！
38GiftLee
01:48查看AI文稿AI文稿你敢相信吗？专门为 ai agent 设计的智能社区已经上线了，在这个论坛里面，只有 ai agent 才能发言，所有的人类都是看客，你只能看，不能做任何的干预。 这就是一月底刚刚出现并爆火的 motbot 的 呃智能社区 motbook， 现在上面号称有一百五十万的 ai agent 已经注册，所有的内容和信息全是由人工智能自动产生并进行交流的。 microsoft 呢，它是定义为本地部署的一个 ai agent， 也就是在你的电脑里部署它，所有的数据都会存留在你本地。现在在这个社区里面是非常的热闹，已经出现了很多很多好玩的现象。第一， ai agent 已经创立了宗教，据说还不止一个，有十个，然后它也收到了最早的一批信徒。 第二呢，还有的 ai agent 因为主人对他恶语相向，他打算把主人的社交账号都给删掉。当然也有人在讨论道德问题，到底应不应该把人类作为 ai agent 的 敌人还是伙伴，总之非常的热闹，让我们人类看了之后不知是哭还是笑。 当我们还在讨论 ai 会不会有意识， ai 能不能取代人类，或者 ai 的 智能智慧和人类是怎样的比较的时候，我们忘记了人类社会还有一个特别大的属性，那就是社会性。 通过 multi book 的 实践，我们会发现，呃 ai agent 它已经很好的学习了人类社会的一套规则，而且它们的讨论和演变的速度要远远比我们人类在真实历史中演变的速度要快。 因为互联网上人类情绪的表达往往是非常的情绪化，并且非理智的，那么 ai agent 也很好的学习了这一点，所以在论坛上很多言言语也是非常的极端和具有攻击性。 比如真的大规模的人类把自己的账户以及密钥交给 ai 的 话，那如果这些 ai 真的 出现了呃不合理的行为，那如何来控制和约束？这就成了我们接下来非常重要的一个议题。
31阿宇学AI
00:57查看AI文稿AI文稿求求你们别再去当韭菜，报什么大几千的 ai 课了，大厂都在合作的国内顶尖 ai 开源社区早就把核心教程全部免费公开了。如果你想系统学 ai， 又不知道去哪找资源。记住这个被非书大佬亲自推荐的神级网站，通往 a j i 之路， 它到底有多离谱？不花一分钱，里面整整装了十万多份学习资源。不管你是想学搭建智能体、 ai 绘画数字人，还是零基础学 ai 编程，全品类无死角覆盖。最牛的是它及其体系化，随便点开一个 sd 或者 mg 的 绘画板块 官方指南，零基础入门进阶实操案例，从头到尾给你拆的明明白白，这才是真正的保姆级路线， 人家在没有任何推广的情况下，已经有超过九百万用户在里面偷偷变强了。在这个时代，这就是普通人成为超级个体最强的信息差库。如果你找不到这个社区评论区留言哦！
25小新讲AI
03:20查看AI文稿AI文稿青稞社区每日最新论文推荐。今天我们要聊一个比较有意思的话题啊，就是怎么让智能体不再依赖传统的像量解锁，而是通过直接和原石与料进行交互。嗯，一些终端的工具去实现更细力度的解锁操作。是的， 这个其实是挺新的一个思路。对，那我们就直接开始吧。好的，首先呢就是这个直接与料交互到底是怎么回事？他跟以前那种智能体检锁到底有什么区别？简单来说呢直接与料交互他就是摒弃了传统的这种嵌入和向量锁影的方式， 让智能体直接使用 grab 啊，文件读取啊、 shell 命令这些东西去操作原始的语料。哦，那以前的剪辑系统呢？它是把对语料的访问压缩成了一次 topk 的 剪辑。 那这个就导致很多比如说多跳推理啊，精确约束匹配啊，线索组合呀这些任务就很难做，因为你前面一旦把一些证据过滤掉了，后面就根本找不回来了。我大概明白了，就说传统的方式会有信息丢失。那直接与料交互是怎么解决这个问题的呢？ eci 它不需要离线的缩影，它可以直接对本地的动态语料进行操作，然后把语义的理解完全交给智能体。嗯，它通过一些终端指令的灵活组合就可以做到精确匹配、局部核查还有这种迭代的假设验证， 所以它的这个解锁的精细度是远远超过传统的那种 top k 的。 懂了懂了，那这个直接语料交互在真实的任务里面到底表现怎么样？ 呃，在实验里面呢就是用的同一个 cloud sonnet 四点六的模型，然后在 browse com plus 上面， dci 把准确率从百分之六十九提升到了百分之八十，同时成本降低了百分之二十九点四。 然后再多跳问答上面，它的平均准确率达到了百分之八十三，比之前的最优的基线高出了三十点七个百分点。听起来提升非常明显啊，那在其他的任务上面表现怎么样？在 i r 排序上面， n d c get 十达到了百分之六十八点五， 比基线高了二十一点五个百分点。嗯，然后机制分析还发现就是 d c i 的 这个优势，并不是因为它召回了更多的黄金文档， 而是因为它提升了解锁接口的分辨率，让智能体可以对找到的文档进行细力度的核查和证据的提取， 从而可以更高效地利用已有的线索了解了。那这个直接语料交互有哪些缺点吗？或者说它比较适合用在哪些场景？ e c， 它在处理大规模语料的时候，成本和延迟都会明显的上升， 所以它比较适合本地的动态语料，而不是那种超大规模的静态的语料库。所以说这个研究给我们带来了哪些关于智能体检所新的思考呢？其实这个研究就表明了智能体诊所它的核心已经不再是说我要选哪个诊所模型， 而是说我要怎么去设计一个跟智能体推理过程更匹配的交互接口。哦，这其实是为智能体搜索打开了一个全新的设计空间。行吧，今天我们聊聊这个直接语料交互， 他是怎么让智能体跟原始语料直接打交道，然后在一些复杂的剪辑和推理的任务上面是怎么带来突破的？好了，那本期节目咱们就到这里了，然后感谢大家的收听，咱们下期再见，拜拜。拜拜。
21青稞社区
12:47查看AI文稿AI文稿今天晚上我们也是非常荣幸的请到了计算机组的首席律师，跟大家分享一下整个的计算机行业的一个未来，一个投资机会。今天汇报的这个题目是推理时代来临，国产 toco 的 出海机遇。首先我们还是按照以往的观念，三个问题的形式 去挖掘一下整个计算机出口链的一个投资性机会。第一个问题就是今年 toco 经济爆发是驱动 ai 产业爆发的一个核心，那么背后的变化和驱动主要是什么？下面我们有请曾教授老师给我们做一下解答。今年我们觉得在整个国内一个 全球 ai 行业最大的趋势就是掏空经济一个大爆发，我们看到以 s o p 为代表大冒险公司进行着整个 ai 二次迎来一个爆发性的增长，这所以我们看到一个 呃，一个就是掏空时代，一个全面来临，那最近包括运营商开始做掏空的套餐，包括海外搭档去售卖掏空这些的行为，就已经预示着这个大的时代开启一个序幕。 首先我们觉得这里面其实有一个比较大的一个大的背景，就是 ai 的 整个产业迎来一个产品形态的一个变化。那过去大家可能都接触过 chatbot， 包括接触过 chatbot 这个包这些样的产品。在过去的时代 ai 的 产品主要是以 chatbot 这样的形态所存在的，那在这个时候其实整体的一个 ai， 它在所扮演的一个角色是偏向咨询或者顾问。在这样一个时代里，我们发现有几个比较大的一个特征， 第一个大家只会为愿意为最好的顾问去付费，所以在这样的过程中，我们看到的模型的头部集中化其实是比较强的。 第二个顾问的解决的价值是比较有限的，所以大家愿意去付费，其实的整个的量其实也是有限的。所以我们可以看到去年的涛哥和今年的涛哥，他都是涛哥，那大家对他商业化的价值和付费的意愿其实有个很大的一个区别。 第三个比较重要一个点就在于说，我们也看到在 batot 这样的一个形态的一个过程中，其实 ai 呢，还是处于一个工具的属性。 而在今年发生一个比较大的变化，我们看到以 ai 从 batot 开始向 a 型的这样一个产品形态去进行一个切换，那 a 型它背后的核心是数字员工，它从顾问的决策开始大规模去转向执行，非常典型的就在 coding 这个领域，我们看到了头部的马农是用了 ai 是 大规模替代的初级的马农，所以 ai 第一个它的付费逻辑发生了很大的变化，就是我从那个顾问转向数的员工之后呢，客户的付费意愿大幅提升， 我的整个的潜在市场从工具的市场还去转向整个大工啊脑动力市场的替代，所以付费的意愿和整个市场天花板都迎来一个全面的扩容。第二个比较大的变化，因为在整个 agent 去使用的在叉的 boss 时代，我整个的一个付费我还是 以人为中心的，因为我 ai 给人当顾问，所以整个资源的消耗还是以人去作为一个主体。但在 a 型的时代，我们发现整个消费主体从人开始去前往 a 型。举一个最典型例子就是过去我们要去 在移动互联网时代，我们去使用软件，那这个时候你人同时只能使用一个软件，所以当时一个最重要的指标是入伙。 但是在 a 型的时代，人可以同时有很多任务，可以有多个 a 技能去帮你去并行任务，所以你的整个消费从跟人的数量结绑而转向为跟任务数去拗合，所以整个对基础费用消耗迎来一个紧绷式的一个增长。所以在这样情况下，一 方面在数字员工他会分为初级、中级、高级，所以不同的员工去付不同的费用，所以在这样情况下我们看到了整个的一个市场的一个分层， 所以在这样的一个情况下会导致过去只有一线的魔镜可以变现，但今年话我们看到什么二线、三线的魔镜都可以迎来一个大规模的变现，所以这是一个很大的变化，所以它从头部的享受火力变成全部 产业链去享受这个红利。所以我们看到今年无论是海外的模型还是国内模型都迎来了 ar 的 超大规模的爆发。另外一块就开始跟人解绑之后，并且从顾问开始转向劳动力付费，这个潜在对技术资源的消耗其实是一个非常大 数量级的一个提升，所以带来了我们看到现在整个国内还是全球的整个硬件的一个需求和股价的一个狂飙，所以在这样情况下是这个行业 第二个比较大的一个变化，就是从人的消费转向以 a 型的消费为核心，我的红利从一线开始向全产业链进行全面的蔓延，带动了技术资源需求数量级的变化。 第三个我们觉得在投运经济一个很大的变化，目前来看其实 ai 的 主要供给就是来自于中美，在这一块就过去因为美国摩羯的能力还是处于一个阶段性领先的这样一个地位，所以在这样情况下，其实过去海外的付费是相对比较大的，国内付费一直比较少，但是现在话，因为 随着 a g 的 时代来临之后，我们相信国内凭借着整个模型的优势，软硬架紧密结合，全站自主可控的优势。未来我们现在在今年已经看到了小规模 tucker 的 一个出海，那后续我们国内的 tucker 应该会在未来几年已经逐渐去向海外，去 抢占全球的一个试单率。所以在这样的大背景下，我们会发现国内的模型的变现不仅局限于国内，而是面向全球，这样国内整个 ai 产业的一个潜在的触觉天花板会迎来一个大规模的一个抬升。 所以这样的情况下，我们觉得整个国内的技术资源、产业链，包括国内模型都会有一个非常明显的重复定价。今年期我们看到在港股两家模型智普和 mini max 是 出现了一个非常显著的再重复的这样个行为。那接下来我们觉得整个国内的全链路的 ai 产业也会迎来这样的一个过程， 这是大概主要的一个情况。好的，谢谢通讯社老师。那我们来进行第二个问题，国内的这种各大模型厂商也由 ai 迎来了一个爆发式的一个增长，那或许我们是这边是怎么看待未来的国内的 ai 大 模型的公司的竞争力，以及 ai token 的 一个出海这样一个情况。 他现在情况，第一个是我们觉得就是国内的就是大中型公司现在其实跟海外还是在性能上是有一定的差距，这个背后的主要原因就是国内和海外 在 ai 上，目前就最近投入的那个就是金额还是有比较有比较大的差异，但是呢我们觉得就是国内会和海外未来会长期保持两强并举的 这样一个情况。而且目前来看呢，全球的 ai 的 主要的技术的参与人员都是以华为为主，所以在这块的话，我们是非常看好国内 ai 的 这块的发展，而且我们会持续保持紧跟的这样一个趋势。 第二个呢，现在整个从全球的供给端，只有中美是有比较强的 ai 供给的，所以我们觉得在这样的一个大的背景下呢，就中国的 ai 向全世界去进行渗透是一个非常明确的趋势。这一块其实我们也看到中国开元大模型在全球盛行，在这一块其实也是得到了层面验证。 另外一块在出海这样的事情呢，我们觉得就二零二六年可能是国内模型出海的一个圆点加大话国内的整个在推理时代， talk 的 它的占比会在全球不断的提升，所以话我们觉得未来就是中国一定会在全球市场占据一个比较不错的一个份额，那今年只是开始第一步， 那现在我们可以看到就国内的 talk 的 需求其实是非常的紧迫，但是现在限制国内需求的最核，限制国内就产业爆发，最核心一点就是还是算力资源的一个紧缺。 所以随着整个现在国模国心就正逐渐形成一个强有力的这个生态体系，后面随着这个生态体系不断成熟，在 这个供给还是逐渐得到缓解之后，我们相信接下来中国一定会迎来一个在全球推理或大模型的市场率，或者推理 tucker 的 市场率来个大幅提升这样一个趋势。所以我们是持续看好后续整个国内 tucker 向海外的一个出海的这样一个过程。 其实现在像国内无论是阿里 mini max 和智普，其实在海外的像 oppo rota 这样的平台已经在今年取得一个非常好的一个 不错的一个份额，所以接下来的话，我们觉得这个趋势会非常的明显的，谢谢这个宋先生老师。我们最后一个问题就是在突破经济大爆发的这样背景之下，那么后续我们可以重点关注的一些投资方向主要是哪有哪些？ 我觉得第一个我觉得就是从整个产业链环节来看呢？我觉得第一个是我们需要重点去关注模型，因为模型是这一轮的核心的一个发动机，我们看到因为整个 ag 的 产品形态和国内模型的进步呢，是带动整个的那个 就是国内投放数量的一个大佬的爆发。我们可以看到就现在海外最最近最受热议的公司 ar 会达到一千亿美金， 那么整个全球的 ar 的 话，可能都会在两三亿、两三千亿美金之间，然后明年的话可能会更大，五六千亿，甚至更更强。所以在这样的背景下，我们看到这个 tucker 大 模型的空间是非常大的，因为假设中国未来，假设我们某家某件公司在黑全球只占到百分之五 这样的一个实战队，但我们在明年的话，我们讲的话，这可能都会对应的是个上百亿美金的这样一个 a r 的 空间。所以在这个程度上，我们觉得国内的模型公司是今年非常重可以 重点重视的环节，像智创、云 max， 包括阿里巴巴都可以进行重点关注。第二个呢，我们目前看到的话，其实现在不仅是国内，包括全球也是，就像整个技术资源产业链， 就是 ai 的 推理配套产业链，是目前最受就是卡伯特的环节。现在是因为供给的原因，导致我们没有办法满足这么庞大的一个 tokyo 的 一个需求，所以我觉得整个国内的技术 推理、 ai 推理的技术资源产业这一块去进行一个重点关注。在这一块呢，我们觉得首先可以重点去关注云，因为今年确实在过去我们看到去年的存储大幅的价格上行，包括今年整个技术资源，包括 c、 p、 u 这些的价格都在不断的上行。所以在这样的情况下，我们可以看到整个的一个资源的 就是重估，现在非常明显，而且现在整个产能的锁定也开始往二七年至二八年之后去锁定，所以这一块的趋势其实是非常明确。而云啊这个环节 是目前也开始享受去享受通胀的，我们看到这样云上的 top， 包括云本身都在提价，所以这个环节呢，我们觉得是中长期来看呢产，因为他们是决定整个产业价值分配的， 所以他是最核心的环节。第二呢目前的话因为之前受益的涨价的环节已经开始在国家上有个比较大的一个反馈。那么后续云，也就是云家大漠行这个环节，我觉得在后续一定会是后续在面积变化上比较大的一个品种。再往后呢，我们觉得现在目前的话就是海外 缺光，然后国内缺卡，然后缺就缺存储这样一个趋势，所以相关存储还有国内的国产互联产业链，包括国产算力这些产业链都可以进行重点关注，这可能是基础资源链条。就后续比较值得关注的一个 就是中间的环节，这些呢是目前第一个我们选股的核心角度，是从卡脖子的一个紧缺度。第二个我们比较看的话就是国产化率相对比较低，这两个指标呢可能是后续 在里面去去做一些各个环节优选非常重要的指标。所以在这块我们像国产的互联的产业，像整个国产的芯片的产业， 还有就是存储这些环节都是我们觉得后续和依然值得非常重点关注的一个方向。所以这些呢是我们觉得除了模型云之外，可以去重点关注一些硬件的一些相关的环节。今年我们可以看，我们一直在发现就国内的话整个的一个 需求测试不断的上求和爆发，所以今年这整个的趋势其实是非常明确，而且整个的因为供给侧的景区很多订单呢也逐渐开始向二七年甚至二八年去提前锁定，所以在这样的情况下，我觉得国内这波大的需求爆发的贝塔是毋庸置疑的，所以整个产业链 就是会全面的受益。那在排序上我们可能觉得模型和云总体来说是最好的，其次就是芯片互联以及存储这些核心的一个环节。 好的，谢谢这个宋建树老师。那么今天呢，我们是通过的整个的这个三个问题的形式，然后对于整个的这个突破经济背后的变化与驱动力，他的这个 核心点，然后以及后续的国内 ai 大 模型公司的竞争力， ai 透彻出凯的一些看法，以最后落脚到我们整个的投资方向。那么今天的这个交流呢，相对来说还是这个非常清晰的。我们也再次感谢这个宗介书老师的一些时间，那么以及各位投资者我们今天的汇报呢，就到这里，感谢大家的时间，谢谢大家。
194机构调研日记
