opencalw定制功能

哈喽，大家好，给大家说一个很酷的项目，现在掀起了 open call 热潮，人人都开始养龙虾了，大家忙着部署钓餐装技能，把龙虾喂的越来越能干，却不知道他吃了多少蒜力，跑了多少任务，耗了多少偷啃稳不稳定？安不安全？养虾只靠感觉，不看数据，越养越慌。 所以我直接用开源项目飞鱼低代码平台拨拽出一个 open call 指标，监控可式化大屏。飞鱼低代码以拖拽式开发、零代码门槛为核心，用拖拽重构，可式化，可快速搭建，媲美专业级的 open call 可式化大屏，无缝对接 open call 数据源， h t t p m c c 一 键连通， 丰富组件库，完美适配。从仪表盘到环形图，所有指标一目了然。下面让我们看下这个 open call 展示了哪些指标。 左侧是 opencall 的 核心运行状态，可以实时看到运行状态、运行时常延迟以及当前并发述顶部六个数据卡片是 opencall 的 全局运行概览，可以看到今日总用量、剩余总配额、实时速率、在线实力活跃情况、今日任务完成以及成功率、平均响应时间等核心指标。 我们也可以看到 token 的 消耗指标，比如当前 token 消耗的健康度、 token 消耗用量占比、总配额消耗情况以及平均每个实力消耗 token 量。实时查看最关心的 token 消耗情况。 下面是大模型用量分布，比如主要使用的模型有哪些，可以后面优化模型使用。接下来是 open call 的 关键告警，可以很清晰地看到智能体连接情况、节点是否故障以及 token 消耗异常等。 左边是 openclaw 实力的运作情况，可以看到哪些实力在线、忙律、离线等情况，可以帮助我们分析资源分配情况。 左中的指标是绘画用量排行，可以很清晰地看到每个绘画任务的资源消耗与执行状态，任务消耗了 token 情况和是否执行成功失败的，可以作为重点关注的对象。 中间的是 open core 实力的三 d 展示，可以清楚地看到每个 ip 实力的龙虾状态，龙虾是不是在干活还是在休息，还是离线等，以及实时查看每个实力的实时健康状态，消息等待时长，消息处理量多少和任务处理的正确率等重点指标，这些是我们这个 open core 的 核心指标。 这就是飞鱼低代码为 open core 打造的可式化中书，每一个数字，每一条曲线，都在诉说着 ai 智能体的运行脉搏。 选择飞鱼，拥抱开源，用拖拽让复杂的技术变得简单，用可视化让每一个数据都火起来。今天的分享就到这里，感谢大家的观看，记得点赞、关注、收藏，后面会给大家带来更好的教程。

今天说十个国产平替版本的 openclaw， 我 已经汇总好，大家可以截图保存。第一个，腾讯 qcloud。 腾讯目前在做的是一个内测版本，支持本地一键部署，并且可以直接接入微信、 qq 等腾讯社交工具。很多人关注它的原因其实不是部署，而是腾讯生态。一 旦 ai 助理可以直接连接社交工具，很多日常沟通和信息整理的工作都有可能自动完成。第二个，网易 lobster ai， 网易的思路偏向自动化办公工具，它提供的是一个图形化工作流界面， 用户可以用可示化方式设置任务，比如定时执行、信息整理、内容生成等。同时系统支持常识记忆，并且运行在本地沙河环境中，重点强调的是安全性。第三个，智普 auto g l m agent。 智普做的是一个大模型 agent 平台，支持本地一键部署，同时内置几十种技能，比如文档处理、信息解锁、自动任务等。它还可以直接接入飞书等办公系统，所以很多开发者会用它做自动化办公实验。 第四个， minimax 的 qmi agent。 minimax 走的是云端 api 路线，它没有强调本地部署，而是提供 agent 能力接口，开发者可以直接调用 系统，支持飞书、钉钉等办公生态，适合做企业级应用。第五个字节 arc agent 字节的产品是典型的云端 sas 形态，用户通过网页就可以使用，不需要部署。 light 版本可以免费试用，而 pro 版本按照使用量付费，整体定位更偏向平台工具。 第六个，阿里扣炮。阿里的路线是本地和云端双部署模式，既可以在本地运行，也可以直接使用阿里云服务，基础版本是开源免费的，但如果企业需要定制方案，则会收费。第七个，小米 miklo 小 米的思路更偏向终端设备，它主打端侧运行，通过设备本地执行任务，再结合云端模型进行推理， 未来可能更多结合手机和 i o t 设备场景。第八个，华为小 e agent 模式，华为正在尝试把小 e 助手升级为 agent 形态，本地能力结合华为云算力，可以支持自动化任务。 基础功能是免费的企业级方案，会提供定制服务。第九个，腾讯 work buddy， 这是腾讯推出的企业办公助手，是一个云端 sas 产品，不需要本地部署，用户可以创建多个自动化机器人，免费版本最多支持五个。第十个，猎豹 easycore， 这是猎豹移动富盛团队做的一个简化版本，主打一键部署和快速上手，希望降低普通用户使用 ai 自动化工具的门槛。今天的内容到这里就结束了，你现在已经用了哪个呢？欢迎说说你认为好用的平台是哪个？

每天进步一点点，今天为我的龙虾安装上网搜索的技能。 opencolor 有 内置的 bray 五 a p i 可以 用来上网，但是 bray 五 a p i 是 需要绑定信用卡的，非常的麻烦， 所以我们使用代替的免费上网搜索方案叫 tablie。 在 地址栏输入 ql 哈卜点 ai， 来到龙虾的技能网站，在首页点击浏览技能，将这个排序切换为 star 去点击，让它从高向低排序。 可以看到第三个 tivywebsearch 就是 我们要使用的网络搜索 skill， 点击进去我们翻译成中文。卡拉 ok 上的技能是有一定的风险的，所以在安装技能之前，我们要看一下它的安全扫描，包括病毒总数的报告和 opencloud 的 信息。 如果没有什么问题，再安装这个技能，我们看一下具体的有哪些技能。它返回的结果数量为五，最大可以返回二十个搜索结构，使用高级搜索可以进行深入的研究，还可以支持搜索特定的主题， 搜索新闻离我们的天数可以直接从网站提取内容。我们需要去 tabl 里的官网注册一个 api key。 好， 我们首先点击 tabl 里官网 来获取这个 api。 好， 注册一下 phone app 登录进来之后，他已经直接帮我创建好了 api key， 但是不建议使用这个默认的。我们自己创建一个新的叫做 openclock， 勾选一下，每月使用上限一千，我点击 create 好， 然后将 key 复制下来，保存在一个安全的地方。获得 api key 之后，我们回到 openclock 的 终端， 因为我的是部署在云服务器上，输入这行命令， npm i 杠 g plhub 来安装 plhub， 好， 已经安装完成了，接下来使用这个命令， plhub search tablie 杠 search， 回车看一下 plhub search 是 否已经被安装上，已经超了，它竟然显示 read limit exceeded， 可能是由于网络的环境问题出现了数据限制。既然如此，我们就使用第二种安装方式，直接从可乐号下载，点击下载压缩包，下载完成，我们将它解压，解压到这，来到云主机的终端，点击这个文件管理器， 就可以在这边直接管理文件，然后返回上层，找到 root 目录，但是显示文件列表为空是因为被隐藏了。点击显示隐藏文件，可以看到 open color 文件，将刚刚的解压文件拖进去就可以了。 点击它 skill 文件，在 opencolor 文件夹下面的 workspace 下面的 skills， 打开刚刚文件所在的文件夹，将这个文件直接拖到云主机的文件管理器，封手。好，它就会自动上传，我们刷新一下好，可以看到这个文件已经在了，那么这时我们在终端再检查一下这个 tablister 是 否已经安装好了。好，我们关闭这个文件管理器， 重启一下网关，输入 opencloak getaway restart， 现在可以检查 tabloud search 有 没有安装上。使用 opencloak skill check， 可以 看到在 ready to use 下面有一个 tabloud， 就 表示网页搜索的技能已经安装上去了。好，然后我们输入 opencloak to ui， 打开对话窗口， opencloak to ui command， 哦， 打错了， u p k l p u i 好， 打开对画面板，接下来通过对画面板来设置 api key。 为什么不通过聊天通道来配置 api key 呢？因为它会经过聊天通道的第三方服务器，由 api key 泄露的可能，所以直接通过内置的 t u i 面板来配置。 现在我来问他一下，你能上网吗？请问你能上网吗？这个界面真是够够的，看一下能，但有限制。他竟然不知道自己配置了。我问他，我不是给你配置了 typeface search 吗？看他怎么回答。他说， enable the force， 但 typeface 可能是通过技能和插件方式配置。是的，就是通过技能。 you are to put。 庄家文又抄了吗？好，他终于反应过来了，他说明白了，这个技能已经安装，但还没有配置 ipikey。 好， 现在我就将 ipikey 发给他。好，现在我将 ipikey 发给了他，让他帮我配置。然后他说配置成功了，已经添加到 getaway， 并且自动重启了网关， 还自己进行了测试。牛，现在就来测试一下，让他搜索最近三天的美股三大指数新闻，应该是下跌了。好，总结的非常明确，道琼斯下跌一点四七，标普五百一点四二，纳斯达克一点八六。下跌的原因，油价的飙升，中东局势的升级， 通胀的担忧，每代受益率上升，市场反映，科技股领跌，国防板块可能收益，并且对投资者的来源， investopedia trading view。 好， 那么这就是如何为 open clock 配置上网技能的方法，我们每天进步一小步，明天我们来让它连接 github。

打开 openclaw web 窗口，复制提示词并粘贴在聊天窗口中，按下回车键进行发送。生成需要一些时间，稍等片刻， 看到这个表示生成成功了，需要提供邮箱配置参数。打开邮箱主界面，点击设置，选择 pop 三 s m t p i m a p 选项，点击开启之后点击继续开启。复制授权码并点击确定。 将邮件配置所需的四项核心信息一行一项放在一块，并进行复制。回到 opencloud web 窗口，将邮件参数粘贴到聊天窗口中，并按下回车键。配置需要一点时间，稍等一会， 看到可以发送邮件的提示信息，表示配置成功，可以发邮件了。按如下格式输入收件地址、主题和内容， 如果还要发送附件的话，提供一下附件地址就好了。 按下回车键进行发送，可能 open curl 对 业务还不熟悉，发送花了一些时间， 邮件发送成功了，打开收件箱，确认一下邮件收到了。

兄弟们，熬了三个通宵，我终于把小龙虾部署到我的电脑上，本地来了，我给大家看一下，这是小龙虾部署到本地的一个界面，小龙虾真的太屌了，我对接的端口是对接的飞书，用飞书直接跟他聊天，那我的机器人，我叫他叫小宝，我给他发一个指令，看一下有多屌。兄弟们， 你们看一下有多屌。小宝，小宝，帮我打开浏览器，用百度查一下今天的金价，并截图发给我。 ok， 这是我给他下载的指令。兄弟们，看好了，接收到指令了，看我的电脑全程，全程没有任何人操作，它会自动 自动接收指令，打开我的浏览器，包括打开我的程序都可以的。看好兄弟们牛逼，直接等会直接截图发过来，全程我是没有操作的，并且呢，我还能让他打开浏览器看一下今天巨量版映。打开巨量版映，看一下今天的痊愈，实时监控一下 他的变动，他会截图发给我，他会提醒我，好，秒，你们过来秒，很牛逼， open carla ai， 你 们必须要学习！

养龙虾在中国 ai 圈到底有多火，硅谷巨头都在犹豫不决，而中国 ai 行业就掀起新技术狂潮了，字节阿里、腾讯、小米等国内巨头第一时间介入，有人称帮忙上门安装已经几天赚了二十六万。 社交媒体铺天盖地推出知识付费、部署教程跃跃之案面推出 kimi klo 后，公司二十天内收入超过了二零二五年全年。养龙虾正成为中国科技圈的新风潮。对于普通人来说，这只龙虾 open klo 能干啥呢？ 举个例子，猎豹 ceo 赴圣滑雪骨折了，在家修养十四天，养出一只全年无休的 a 阵团队，自动产出多篇十万加公众号文章和百万加推文内容。而且他在直播中失误翻车，他养的龙虾只用三分钟就恢复直播，全场十万人都看蒙了。这就是 ai 给普通人带来的极致效率提升， 甚至还有其他个人玩家直接买十几台 macbook， 部署好 openclaw 之后，让这些 ai 员工二十四小时批量生产爆款内容，后期所有回复、交互、统计全都自己完成。现在金融、社交、硬件、内容创作在内的各行各业，都在这场 openclaw 革命中开始寻找自己的位置。 opencloud 之所以令人疯狂，在于它突破了传统 ai 的 交互边界，不止回答问题，而是直接接管你的电脑，跨越软件边界自主完成任务，包括安排日程、编辑代码、整理文件等等，永不疲倦的为你工作。 但也有人担心这是否安全？工信部提醒， opencloud 拥有电脑最高权限，会肆无忌惮的访问私密文件、登录凭证和浏览记录，一旦配置不当，数据泄露就是灾难级别的。 欧文科奥在中国的迅猛落地，能看出技术风口让市场躁动不安，反应速度和商业转化虽然很快，但热闹背后最重要的是得守住安全底线。咱们在享受 ai 带来的效率好处时，怎么保护数据安全，才是这波技术浪潮能平稳落地的关键。关注大厂电报，带你解锁更多有趣 ai 科技资讯！

各位老师好，本课我们将讲解如何利用扣子编程部署 openclaw。 首先来分享一下什么是 openclaw。 openclaw 本质上和我们常见的扣子豆包最大的区别，它不仅仅是聊天机器人，而且能够授权控制终端执行操作。 它是海外最近特别火的开源项目，是完全免费而且能够灵活的部署和定制的。什么叫授权终端执行操作？比如说今天我们在电脑上安装 open cloud 以后，它能够在接收你的指令以后， 自动地识别意图，执行对应动作。比如说帮你整理桌面文件夹，创建文件，或者在不同的网站和应用之间跨端处理任务。比如说今天你想要在一个 excel 里面把学生的数据录入到我们学校的 o a 网站系统上， 然后把这个学生数据在微信上和家长做一些信息的同步。过去可能需要涉及到多个网站和工具， 你要手动地复制粘贴，那今天 opencloud 它能够自动化地完成与同时能够执行本地的电脑以后也能有很多好玩的场景，比如说可以通过及时地 通讯工具，比如飞书钉钉像。如果你在出差或者旅游期间电脑不在身边，你也可以通过你手机里的飞书远程给他下达指令，他在你的本地电脑上完成对应的任务操作，相对来说能够帮助我们用 ai 提升工作的效率。 当然这个产品先提醒大家，目前还非常不成熟，有很多的信息安全漏洞，包括日常做内容的生成、信息处理、余情解锁，这些本质上和 用豆包、用扣子没有任何的区别，所以大家也要看看自己是否有真的应用场景。那为什么推荐老师们用扣子来部署 open cloud 呢？对比本地运行， 在扣子上部署，它是一个云端的虚拟机，可以理解为在服务器上建立了一个虚拟的电脑，它能操作便捷的同时保护数据和 api k 隐私。因为当你在本地部署了 open cloud 以后，它有可能会修改你的文件 或者了解一些敏感的信息，同时在云端也可以二十四小时稳定运行。那当前在扣子里部署仅限个人高阶旗舰，包括企业版本去创建和部署，每个用户最多可以部署一个 open cloud。 相对应的， open cloud 有 一个特点是对于 token 的 消耗非常大， 反映到费用上，就是相对执行一些任务，比起免费的 ai 来说会花更多的钱， 这是它的技术特点所决定的，所以我们日常使用的时候也要有成本的意识。那接下来怎么去使用 openclaw 呢？我们就一步一步为大家讲解。首先我们登录扣子编程的首页，在左下角可以看到直接可以领取 openclaw， 在 领取 openclaw 过程中，它会自动化的帮你部署和安装，安装完了以后就可以在左右分别进行调试和对话。 当然我们一般要想更方便的使用，一般是配置到飞书等外部渠道上，这个时候它就会出来几个选项，模型的选择，版本选择和渠道配置。 关于模型的选择，默认为自动模式，也可以选择豆包二点零等热门模型。不同的模型机座可以理解为版本越新，比如说豆包二点零，它就会越智能效果越好， 但是有些模型它的擅长点是响应速度更快，或者 token 消耗，也就是费用消耗较低，大家可以按需选择。 同时现在有两种版本，一个是满血版，也就是原版默认配置， token 消耗相对较多。省流版呢是调整了上下文和心跳的配置，消耗相对较低，可能会带来一些性能的损失，同时也可以配置不同的对话渠道。 那接下来我们就以飞书为例，看一看怎么去配。 完成了配对以后，你就可以和他正常的对话了， 如果想要让他本地操作或者跨不同的应用执行，还是需要本地安装，我们也会把对应的介绍放在文档里面。同时 open cloud 还有一个非常好的特点，就是非常的灵活，也就是我们可以安装不同的技能，增强他的能力。 举个例子，比如我们在之前课里讲到过，可以利用 code 编程 ai 开发技能，或者是在技能商店找到一些锤类技能，比如说像教员的生成，信息的制作等等。 那在这个时候，我们可以选择在扣子编程项目区找到我们想要为 pos 里面的 open cloud 安装的技能。打开这个技能，我们首先选择上方的文件夹按钮，然后有一个下载的页面，我们可以把这个技能直接下载到本地。 当然现在网上出现了大量开源免费的 skill， 我 们可以按需去把这些技能下载下来以后，你就可以回到扣子编程对话页面里， 在左下角有一个加号，它支持读取技能的 z i p 格式文件和 skill 格式的文件，也就是当你把这个压缩包传给它以后，它能够自动地去分析这个压缩包，并且把对应的技能给它安装上。比如说像今天我在 安装包下载下来以后，他就能够给我一个回复说这个技能包已经部署成功了，这样你就可以在对话里面直接使用垂类技能。当然这些应用的场景有很多，但是还是坦诚的说，目前 openclaw 还是一个不太成熟的产品，要想把它用好还是需要一些门槛的。 所以我们也建议各位老师未来可以重点把实际的应用放在豆包或者扣子这种成熟的 ai 产品上。 opencloud 当前虽然很热门，但是主要用于测试或者试点，后续它可能会逐步的完善，所以我们也列了一个表。 目前 opencloud 它的能力能读写本地的任意文件，扫描文件夹，包括有本地的数据库，数据不出本地。 它更好的结合是和你电脑里现有的文档资料。但如果你从隐私或者说实际工作流程考虑，用在线的形式去做生成，或者用智能体做一些分发和交流，那你可以完全使用豆包或者扣子等 ai。 所以 我们今天在了解了如何部署 open cloud 以后，大家也可以看看在教育领域未来怎么样能够和这样的一个自主化机器人去做一些交互和配合。 当然我们建议是 openclaw 这个产品当前不成熟，在今年一定会有很多更加成熟简单免费的产品涌现出来，所以说我们也可以保持耐心。在当下我们可以聚焦在本地化的教学资源、智能工厂、 第二大脑的贝壳知识库以及学生的数据分析等系统里面，把我们当前的一些本地操作和数据流程相结合好。以上就是关于 openclaw 的 介绍。

老铁们好啊，今天周六，头没梳，脸没洗，研究了一早晨啊，这个火爆全网的大龙虾，欧鹏可乐，呃，跟大家分享一下啊，现在都装好了 啊，我对接的是这个飞出的接口啊，来，输入一个大家最关心的话题啊，黄金还能涨到一千二吗？啊，来，我们发给发给他啊，电脑上收到反馈啊， 大家稍等一下，看看需要多长时间能给到反馈。这个出来了啊，高盛预测五千零五十啊，摩根大通预测五千零五十啊，这是机构的预测，然后， 呃，支持上涨的因素啊，央行增持连续十五个月，现在已经是十六个月了啊，地源政治，种种紧张，避险需求，美元走弱，黄金收益啊，机构看好，主流集体看多，然后风险呢，可能从以从五千五调整到四千九啊，市场是有风险的，投资 需谨慎啊，不建议最高分批建仓，别一把缩行啊，潮，短期的话呢，风险大 啊，这个话题很火啊，来，看到了没有？老铁啊，呃，这个大龙虾，嗯，感觉还可以啊，感觉还可以呃，就反应有点有一点慢。

oppo klo 的 也很火，我感觉成本有点高，未来会不会成本降下来？ oppo klo 的 到底是什么？大家首先要搞清楚。它是能自动化替人完成工作任务的一个工具， 突出特点就是在大模型的加持下，使得它能处理长流程的任务，并且完成任务的质量都已经接近人了，可以在虚拟的电脑世界和网络世界中帮助处理东西。很多大厂也下厂去做。 oppo cola 首先是技术难度会极大的降低，部署成本，马上就飞上飞机。 另外一个回到了本质的一个问题，他能够更聪明的处理问题，他后面要有聪明大模型去驱动，而聪明的大模型比较贵。 如果你这个任务值得必须用聪明的大模型，那么你的产出必须以投入匹配。如果你用一个聪明的成本很高的去处理一些不值钱的工作，那成本当然不合适。 所以说更聪明的大模型投入必然对应的又是更高的产出。不用太担心这个成本，因为你产出需要足够高。前面这个问题不太大，所以成本其实不是问题，还是看你的应用评测的产出。

我的很多朋友装好了 openclaw， 但是就卡住了，不知道拿它去干什么，它自己有想做的事儿，也不知道怎么让它能够去自动化地完成，很多人卡在这一步，我分享一下我的个人技巧，就是先别着急让 openclaw 去搭 skills， 你 先得去和顶级的模型去聊一下这个架构。那我呢，这边目前用的是 chat 七 p t 五点二 pro 的 模型，这是目前推理能力和深度搜索能力最强的一个模型。那我用 openclaw 去做产品增长的色媒运营和 s u 这个需求来举例。 那这边呢，我会直接丢给他我的一个需求啊，然后你看一下，他就会上来会直接问我二十，就是问了我好多个问题，应该有，你看我想一想啊，这边问了我二十九个问题，今天三十个问题，包括外链、见色，我到底是像白帽还是灰帽， 以及目标的关键词是什么，就是问的比甲方都还要细。那你看，我这边聊了特别多轮之后呢，我就会让他去做一个搜脸， 就让它直接给到我，就是基于 openclaw 加上 skills 的 一个完整的架构，大家可以看一下。然后它这边给完整的一个架构蓝图啊， 包括我的一个站点的一个目录，结构簿客工具页，以及哪些让 openclaw 去全自动，它甚至会去给到我说，诶，我需要去封装哪些 skills 来，这个是，呃，追踪竞品的，这个是去找关键词的， 然后这个是关键词的句类，然后这个是直接写 s u 的， 甚至包括我的 lotion 的 一个数据库，它就给到了。那有了这个架构蓝图之后呢？后面就简单了，就和你就把它喂给 openclaw， 然后和他聊天的方式一个一个的把 skills 给搭起来，之后去测试调优，测试调优。所以说核心就是一句话，如果你理不清楚如何让 opencloud 去自动化你的工作流，那你就让顶级的模型去帮你理他出价后最终实现 opencloud 的 一个自动化，这才是 opencloud 的 一个正确打开方式。

openai 和 anthropic 两个全世界最具影响力的 ai 公司的两位 ceo 被安排站在舞台上，然后大家都要牵手来个大合照诶，结果他们死都不牵，这两位闹翻的老同事现在根本就是死对头，而且 daio 还在超级晚送他们一个超级讽刺的广告。 ugh， hey， can i get a six back quickly perfect that is a clear and achievable goal would you like me to tailor a personalized workout plan yes， perfect， let me personalize this for you let's start with your age weight and height whenever， you're ready five seven twenty three years old， a hundred and forty pounds got it i'll create a plan that focuses on aesthetic strength training， but confidence isn't just built in the gym try step boost max the insoles that add one vertical inch of height and help short king stand tall what use code height maxing 10 for big discounts。 这波操作真的有够狠，可以说把 open ai 的 奥特曼打到破防了。 anthropic 到底是怎么在短短两年内在企业市场把 ai 霸主 open ai 给打趴的？ 我们先来看数字，二零二三年的时候，企业 ai 市场还是 open ai 的 天下，市占率有一半，当时 anthropic 才百分之十二，大家都以为没戏唱了，结果二零二五年底剧情大逆转， anthropic 冲到百分之四十， open ai 反而掉到了百分之二十七。 看营收更夸张， anthropic 二零二三年变十亿，二零二五年直接逼近一百亿，三年翻了快一百倍。 epacai 今年二月最新的分析就说，照这个速度下去， anthropic 今年年终的总营收就会超过 open ai， 变成全球最赚钱的 ai 公司。 这家公司凭什么能在两年内弯道超车？我们得从他们的老大 dario emoji 当初为什么要出来创立 anthropic 开始说起。 一九八三年， dario 在 旧金山出生，他家里完全不是走那种戏骨精英路线，爸爸是意大利艺的皮革工匠，妈妈是犹太艺的图书馆专案经理。他从小在旧金山的教会区 mission district 长大，熟旧金山的人就知道，那边本来就不是什么高级住宅区， 高中的时候刚好碰到网路泡沫，身边的人都在想怎么写城市发大财，但他完全没兴趣。 二零零零年，十七岁的德里欧入选了美国物理奥林匹克国家队，大学先读加州理工，后来转到史丹弗读物理研究所，又跑到普林斯顿拿了个生物物理博士。 所以你看，他其实是个物理学家，同时也是神经科学博士。这种双重的学术背景，让他看事情的角度跟细股那票 ai 创业者完全不一样。 到了二零零六年，他爸爸因为慢性骨髓性白血病过世了。但是就在他爸爸走后没几年，第二代标靶药物就做出来了， 他爸爸那种癌症的存活率直接从百分之五十标到百分之九十五。如果科学进步的速度再快那么一点点，他爸爸今天可能还在。 这件事彻彻底底改变了 dario。 他 开始想，如果有一种技术可以大幅加速科学研究的进度，像他爸爸这样的悲剧就不会再发生了。最后，他在 ai 身上看到了这个机会。 二零一四年，他三十一岁，先去了百度，在细谷的 ai 实验室，跟着吴恩达做事，后来又去了 google brain。 二零一五年夏天，马斯克跟奥特曼办了那场很有名的 rosewood 饭店晚宴，找了 dario 和 ilya 这批顶尖的 ai 研究员过去， dario 也就这样成了 open ai 最早期的核心班底。 在 open ai 那 几年，他亲手做出了 gbt 二和 gbt 三，他的团队还开发了 r l h f 人类回馈增强学习技术，就是这个东西，让 ai 变得听话、好用又安全。 但是呢，在 open ai 的 这四年里，他跟奥特曼在 ai 到底该怎么做这件事上，有太多意见不合的地方。 这感觉就像是你发明了一款新药，动物实验看起来不错，但人体试验还没做完。奥特曼的想法是先上市，边卖边看副作用，用规模来收集数据。 但 jerry 觉得就是要先完整做完人体临床试验，确定百分之百安全了再退出去，就算对手先抢到市场也没关系。 到了二零二零年年底，他实在待不下去了。 darryl 带着妹妹捡 nela， 还有几个从 google brain 时期就认识的朋友，一共七个人集体辞职。 这也是 open ai 早期最大的人才大出走。二零二一年，这七个人用几乎平分股权的方式开了 anthropic， 还特地注册成公益公司。这意思是说，如果哪天 ceo 为了安全考量不肯上线新模型，股东在法律上是告不了他的， 他们是真的把做安全的 ai 写进了公司章程里提示，在二零二二年夏天叉 gpt 出来之前，他们就已经训练好第一版 cloud 了，本来可以抢先一步上线，但他们选择扣住不发，继续做更多的安全测试。 结果几个月后， openai 的 叉 gpt 一 做完直接推出去，瞬间引爆全球。 anthrax 确实因为这样错失了抢头像的机会，但也证明了他们是真的把安全可靠摆在第一位。 时间快转到现在，二零二六年二月，你看马斯克的 x a i 十二个共同创办人跑了一半。不止创办人，连财务长 mike liberator 在 x a i 只待了一百零二天就闪人。 再回头看 openai 十一个创始人，现在只剩三个走掉的，有谁？跟奥特曼撕破脸互告的？马斯克，还有 elia 发动董事会政变失败走人的。另外，像 andrew carpathi、 john schumme 这些教科书等级的大神全走了。 那你看看 anthropic 七个共同创办人，顶着创投最怕的那种平分股权架构，成立五年到现在居然一个都没走。 团队可以这么稳，其实是因为另一个大家都没注意到的关键人物， dario 的 妹妹 danielle amode。 大 部分 ai 公司都是技术人当家，创办人是天才科学家，但根本不懂怎么管人管钱管组织。 entropic 的 高层却是一个非常少见的组合，兄妹一起管公司。 杰尼娅拉大学是念英国文学的，二零一三年，他是 stripe 的 第四十五号员工。在 stripe 的 那五年，他亲眼看住一家新创公司怎么从几十个人膨胀到几千人，而且还没乱掉。 他很清楚，天才工程师如果很难搞，对团队合作绝对是毁灭性的打击， 所以他弄了一套流程，专门刷掉那些高智商混蛋。所以在 entropic， 不 管你技术多牛，只要这番没过，就是不录用他们宁愿不要顶尖人才，也不让价值观不合的人混进来。 好，了解了 entropic 这么稳定的核心团队后，我们来看看他们到底是怎么在企业市场大逆转的。首先，从开张第一天起， entropic 的 策略就定死了，不碰大众市场，不搞花俏的产品，死磕企业客户的需求。 很多人以为 ai 安全只是个很虚的行销口号，但对企业客户来说，安全就是低风险，而低风险刚好就是大企业最在乎的。你想想看，银行敢让 ai 把客户资料弄出去吗？ 药厂敢让 ai 给错医疗建议吗？保险公司要求每一次 ai 互动都要能追踪、能查核，而且所有受监管的行业 ai 都得符合欧洲跟各国的法规。这些最基本的门槛你没过，连去检报的资格都没。 anthropic 从第一天开始就把这些需求写进底层架构里，结果就是安联保险有五十万员工的勤业重信、 ibm、 辉瑞药厂，还有挪威主权财富基金，这些对治安要求规模到不行的跨国巨头，一个接一个选了 anthropic。 如果说安全是让企业点头的基本盘，那二零二五年五月推出来的 cloud code 就是 让 anthropic 彻底翻盘的关键。 cloud code 已经不只是工具了，它根本就是一个能直接帮你把装案做完的资深工程师。第一，它有闭环能力，你教它重构一段 api， 它会自己在终端机跑测试，看到报错就自己改，一直改到测试全部亮绿灯为止。 第二，他对超大型的城市码库非常有概念，多数 ai 处理单一档案很厉害，但遇到几万行的企业级装案就傻了。 cloud code 可以 在不同档案间穿梭，精准抓到变数定义，跟各种依赖关系。 第三，他的幻觉率比对手低非常多，当他不确定某个韩式库怎么用时，他会自己去查文件，而不是在那边瞎掰一个不存在的语法。 google gemini api 团队的一个首席工程师就公开讲过， claudio 只花了一个小时就写出了一个 google 内部搞了一整年才弄出来的架构设计。 就连 openai 的 创办成员 andre carpathi 也常常说，写城市这件事， clut 绝对是他的首选。甚至 clutio 的 开发者都承认， clut 自己的城市码很多都是 clut 自己写给自己的。 就让 anthropic 的 企业客户两年内从不到一千家暴增到三十万家以上，一年花超过十万美金的大客户，一年内足足成长了七倍多。 现在我们来看 anthropic 跟 open ai 这场大战的本质。 open ai 有 百分之八十五的钱是来自一般消费者的订阅，平均一个人掏二十五块美金。 entropic 呢？百分之八十的钱来自企业大单跟 api 呼叫，每个付费用户平均贡献两百一十一美元，整整差了八倍。 大家把叉 gbt 当超级搜寻引擎在用，查查资料，翻翻译，问问生活琐事这种东西在大家心里的定价就是 google 等级免费最好收个二十美金已经觉得很贵了。 但 cloud 在 企业里完全不一样，它是在解决真正的商业问题。传统 ai 顶多给你点建议，但 cloud code 是 直接接管整个开发环境，自己跑测试，自己抓 bug。 企业在算这笔账的时候，对标的是一个年薪百万的资深工程师，这样一笔花个几百块美金的 api 费用，简直便宜到爆。结果就是 entropix 百分之五的用户量就挖走了企业 ai 支出百分之四十的大饼。 而且企业市场有一种消费市场没有的粘性，今天用叉 g p t， 明天是 gemini， 后天换 claude， 切换成本几乎是零。但一家银行花了半年把 claude 串进他们的信用卡系统里，你叫他明天换成 g p t， 这根本不可能。 这就是为什么 anthropic 的 营收结构非常健康，企业合约一千都是好几年数字，好预测，毛利又高。当 openai 卯起来冲消费端，想弄出十亿个免费用户的时候， anthropic 则是店店吃三碗公，把重心全放在企业市场。 两家公司表面上在同一个赛道，其实打的是完全不同的仗。等 openai 回过神来想认真抢企业市场的时候， anthracic 早就把最有价值的那批客户给牢牢绑死了。现在你知道了， anthracic 的 逆袭根本就是一个注定的结果。 相比奥特曼， darius 的 作风一直都非常务实，他就是一心全放在技术上，专注研发，把拉关系或话题炒作这种事全都放在后面。 就像 google 前 ceo eric schmidt 投资 anthropic 的 时候讲的，在最早期的那个阶段，你什么数据都没有，没有营收，没有市场，没有产品，你赌的就是 dario 这个人。在这场人类史上最重要的 ai 世纪大战里，市场赌的是速度，投资人赌的是人， 而 dario 图的是一个如果当年早点出现，或许就能救回他爸爸的那个安全负责任的 ai。

openklo 有 时候是个天才，但偶尔也是个智障。兄弟姐妹们，最近这个 openklo 做的太神了吧，什么干翻搜索，脚踢 gpt， 我 就不信邪。作为普通人，我花了两天替你们实测了一下， 结论只有一句话， openklo 有 时候是个天才，但偶尔也是个智障。 先说他强在哪里呢？以前我要做个精品分析，有开几十个网页，眼睛都搞瞎，现在我该问他，下个指令，帮我把市面上前十名同类精品的差评都给抓出来做成表格， 你看这个速度，我的天，这就像这只看不见的手，直接伸进互联网里，再把肉给你叼回来，骨头都给贴好了， 这就不是机器人，这是 ai 奴隶啊！说实话，用完我还是有点害怕的，以前我们用 ai 是 我问你答，它还在对话框里， 但是 open call 这个东西呢，它开始有手脚了，它能点击，能浏览，能总结， 对我们普通人来说，这意味着什么呢？意味着以后信息差这玩意可能不存在了，你费劲巴拉搜一晚上的攻略，他可能三十秒就给你整的明明白白，但是重点来了，千万别神话他给你们看一个翻车的现场， 我让他查某大厂的财报，他给我抓回来了二零一八年的数据，还信誓旦旦的说这是最新的啦。这就是 open cloud 现在的毛病，爱瞎编，找不到数据，他有时候会硬编， 第二个呢，会出现死循环，有时候遇到验证码，他会像个傻子一样在那一直点。第三还是有门槛的，说是开源免费，但说普通人配置环境还得要几十根头发的。 所以我的建议是什么呢？如果你是学生党或者经常处理数据或者互联网高频处理人员，可以赶紧学起来，他能帮你省百分之八十以上的体力活。 但最后呢？百分之二十的核对工作必须你自己来，否则你会被他坑死。 open class 他 不是神，他现在来讲就是一个效率极高但偶尔会混成偏的实习生。用他干苦力，别让他做决策。

其实养龙虾你最主要的是你要知道你要用它干什么，这里面也有好几个非常多的坑，网上有非常多的说一键部署，什么傻瓜十分钟通通不靠谱，因为里边有很多的 差别，他们没有告诉你们我想养一个小龙虾，我们首先要给他找一个家，我们通常说的我们要把龙虾部署在哪？一个叫本地， 一个是云端，云端就会有什么，比如说腾讯云、阿里云，还包括现在有一些一键部署的地方，他们都是给你部署在云端。本地其实就是你自己的电脑上，要把他家放在哪，主要会有几个影响因素。第一个是 工作时长，因为在云端的时候，或者是在 mac mini 上的时候，它只要是插着电的，它是可以二十四小时工作的。但是如果你装在你的 windows 小 电脑上， 只要你的电脑关机了，或者你装在你的麦上，你的屏幕休眠了，他就休息了。所以如果你希望你把它装上之后，你可以在手机上随时随地跟他说话，那你就肯定不能给它装在本地，他就没有办法满足你这个基础的需求。那这个时候我为什么不装在民云端，很多人去买这个麦克迷你，他就 因为影响到了第二个问题，就是他的工作环境，因为在本地的时候，他可以看你本地，你电脑里所有文件自己去学， 但是如果你把它装在线上，所有这些东西他都是没有的，而且他也不能在你的本地去做一些本地做的操作，他都是做不了的，像他有一些事情就会受到局限性，再有这些系统的不一样，基本上是没有麦子的，所以大家现在会去选这个就是因为他，第一他满足 这个时长是最长的，第二他是整个的兼容性的。家的环境里，你可以理解为对他来讲那是一个水质最好，那是一个吃的最丰富的家，所以大家会选那个。但是像这些，比如说这种比较适合说，我就先试一试，我就先看一下他是他是怎么回事，就可以把那整个文件夹 等于他的所有的之前做过的事情，他都会记得挪到这里，或者挪到云端上都是可以的，所以 这个选择也会影响很多后续的一些体验。这个费用也是不一样的，这基本上大家自己的电脑也不花钱。这个云端的服务器的钱不一样，比如说便宜的可能有一年几十一二百的，贵的也有一个月几百块钱的都有。它的区别就在于说它更贵，可以同时处理更多的事情。比如说 我又弄视频，又弄音频，又搜索网站又干嘛，它是可以同时干五件事的，它不会卡住，这个时候它什么都没有，它现在需要一个脑子能不能转。比如说豆包就是大模型，比如说这个千问也是大模型，它们都是模型，它们的区别也非常的大。这第一个比较重要的就是费用的 问题，没有玩过，大家可能老有看说什么很烧 token， 同样的 token 的 费用的区别基本上都是每百万 token 多少钱， 这区别大概会差到几十倍。他们的区别只在柜上的，也不是每个大模型，他会有相对更轻更擅长的地方， 我可以做图片的处理，我可以看图片，但是有的大他没有办法直接看图片，你可能后面要去教他，如果他不学，他完全不会。所以也会有的人涉及到说为什么养小龙虾，他们要养好多不同去做不同的事情，因为要用不同的大模型，一只小龙虾只能有一个模型。 我的逻辑上是说，如果你是真的想好好用一下，那一定是找一个聪明的，非常贵的，他们其实是很聪明，你可跟他说事，他一遍就懂，但是便宜的时候你要说很多次他才能好像懂了。 但是这个脑是你可以随时换的，比如说我今天我让他干了一个什么事，第二天我给他换一会用会便宜的，这个也是可以的。接好之后他就拥有一个身体，他就可以出现了，在很多移动端和对话端，大家可以直接的去使用，在国内基本上就是飞书钉钉，以微 就到。这时候你可以发现一个非常重要的点，就是所有这些都是办公软件，他其实给你做出来，并不是说给大家日常生活能去做到很多什么样的帮助。这个时候也就有另外一个问题，你看我们只给他定了家脑，身体， 他其实你没有控制他，他就像一个随便的孩子，第一他现在他不知道他要干什么。第二，如果你给他无限的权限，他就会随便干无限的事情， 跟一个小朋友一样。所以当我们把它都设定好了之后，这个时候我们就会来到重要的第二课，他到底应该干点什么和有哪些需要核心关注的事情。