kimi电脑版为什么没有agent

不是， kimi 怎么把推测给我打开了？什么情况？这个封印是不是有点松动了？ 我在刷 x 的 时候刷到了 kimi， 呃，他发布了一个重大的版本更新，呃，当时也是在 x 上面刷屏了，尤其是 kimi 还加这个 a 整在里面精准测试呢，也超过了一众的 ai 模型，可以说是最强的开源模型。目前当然评分归评分，实践才是检验真理的唯一标准， 所以当时我很自然而然的就想去试一下。然后我拿了 x 上面的一篇呃文章链接去让它分析，结果发生了一件很有趣的事情，因为当时我是个习惯性的动作，我就我日常呢会很少用这个。国内的 ai， 最多就问一下代码问题，但我看到了一个， 但我就看到了一个很奇怪好像不应该出现的画面，就是这个 agent 怎么打开了 x， 然后就赤裸裸的展示在了我的面前。我不知道这发出来会不会有点不太好，但是呢，这暴露了一个很真实的情况， 就是这个 ai 它既是前沿科技，又属于互联网，你是不可能闭着门发展的，必须要逐步开放才行。 现在都是互相学习借鉴摸索阶段，那些懂的都懂。国内的 ai 只有在外面才是完全体， 因为外面能用的技术站，调用的工具太多了，取之不尽的这种数据可以抓。而本身互联网这个词就是讲的开放，你这个公司再怎么样，这个产品再怎么样，都会给个 api 给你调用。这就有个很大的问题，如果国内限制自己的国家的 ai， 限制开发者应用场景，限制消费场景， 那这就会丢失掉这部分很重要的一部分市场，不就比如 ai 大 模型，除了企业用户以外，最重要的消费群体就是开发者和内容创作者，下面统一称之为开发者。 作为国内开发者，你不可能只用中文互联网的技术站，甚至可以说没有什么生态就是国内互联网，要不然为什么会有这么多镜像啊， a p i 中转啊，海外代理啊之类的，那国内开发者创造的自然而然就去到了外网，那都到外网，开发者就更有有更多的选择了， 这些消费群体就会流失掉很多了。本身呢，它有一部分模型差距，但国家肯定是希望资金尽可能流向这个 ai 公司的口袋里的，而我们的这个 ai 模型现在肯定是越来越有实力了，用户量也在快速增长，但是这只是低端成， 更多的是低端的开源免费的。真说真金白银的市场份额在全球范围啊，就说美国吧，连别人零头都不是。如果国家只 care 用这个企业用户，不在乎不尊重其他的重要消费者，那么这个 ai 竞争的结果，我认为啊，这个 ai 竞争的结果就会告诉你这样做的代价是什么。 中文互联网现在玩的全是信息差，赚信息差的钱，在外面本来就正常发布的可能就是一个开源产品，没有任何 意识形态参杂，但是就是因为不可抗力，国内大部分人都没办法知道，也没办法用，然后就让一些呃那些投机者包装一下，出一个这个麦克，呃，这个出一个教程麦克克， 然后就赚到了很多钱，然后我们的，我们国内的这个技术生态、科技生态居然就是这样子。然后面对这样的情况，大部分人就认为，呃，你连 get up 都不知道，你连科学上网都不知道，你就不要去， 那你活该被骗，你不要去沾边，不要去试一下这些东西，这些东西你不配。但有没有可能是因为这背后表现的就是国内群众，要知道这些东西的薪资成本远比国 美国群众要更高呢，这个差距更多的是系统性的差距，并非单纯认知上面。中美 ai 竞争主要战场就是电力、芯片、模型、应用生态缺一不可，国内优势就是 电力和应用模型呢，一直在追赶芯片呢。嗯，很难，但是可以说目前最好办法呢就是解决一下这个台湾问题。但生态这个玩意啊， 可不是说弄就弄的，因为从哲学上来讲，生态他就意味着开放，包罗万象，而不是封闭。我认为国家必须出一个新政策，去或者说新的方式去变更的看待， 或者去去改善这个墙的存在，能不能局部地有选择地去逐步开放呢？对于长期战略而言，墙到底是利大于弊还是弊大于利呢？还是说像 kimi agent 这种个情况就是默许的开端？

你看今天谁在推动小龙虾，你会发现基本上都是大厂的领导，为什么？因为大厂需要用户的忠诚度，需要用户的使用率，然后他们上市的时候好做资本的故事，他们好兑换股票的价值。对于百分之九十九点九九九九九的人来说， 普通的 ai 和普通的 agent， 它足以胜任，而不是用 opencloud， 否则你就会成为被大厂收割的机器。分享一下我对 opencloud 这样的小龙虾的一些使用的感受啊，就是首先，呃，我从叉 gpt 开始，在这些年我一直在用 ai， 那 么后来出现 agent 的 时候， cloud agent 就是 co work 形式，还有像 minus 和 kimi 都是我日常工作的工具。那么在小龙虾出来之后呢，其实我并没有着急下场去部署小龙虾，而是等腾讯，正是它可以在服务器部署小龙虾的时候，我思虑再三呢，我最终还是部署了腾讯的小龙虾， 因为服务器呢，呃，它毕竟不是你的电脑，它保证了这个没有安全的隐患，那这样的话呢，在使用小龙虾的过程当中，我不用去担心安全问题， 所以首先我建议大家去理性的看待小龙虾。那我想跟大家分享的啊，就说今天啊，就说在科技革命的时代，在工具越来越强大的时候啊，你会发现今天中国全民小龙虾特别像什么十年前，二十年前啊，全民奥数。 如果拿一个教育圈去比较的话，你就非常清楚的看到，今天啊，这小龙虾切中的是中产被社会淘汰的这个焦虑，这个焦虑就像呢中产呢，去焦虑自己的孩子被社会淘汰一样。 在过去的二十年间，尤其是过去的十年的时候，已经这个焦虑达到鼎盛的时候啊，正是我们国家青少年抑郁症减出率最高的这么一个时候。那么它的本质是什么？就是说不问青红皂白，不顾自己的孩子是谁，也不管社会产业需要是什么。总之呢，大家千人一面的去激一个事情， 那么这个流程是怎么来的？就是从一开始的一些虚荣的家长来，你不管他是这个妈妈圈，那个妈妈圈，当这些妈妈开始去晒自己娃证书的时候，你看，我今天考了奥数，明天国际竞赛人获奖了，后天我又考了 k a t p e t。 后天我学编程了，大后天又去了联合国做演讲了。身边的人不淡定了， 他并不是去考虑说我的孩子是谁，我的家庭是谁，我们的支撑是什么，未来社会的需要是什么，这些都不重要，他只需要考虑，我不能输在起跑线上，我不能输给别人，对吧？我不能输给他妈，他妈以前都是流着大鼻涕的，凭什么现在比我们家孩子强？那我就开始一系列的就开始上 这种不问青红皂白的上呢？今天让社会呃付出了惨重的代价，让家庭付出惨重代价。而且你会发现，这些鸡娃的家长都是中产，因为中产没有土地啊，没有生产资料啊，上不着村下不着店的情况下，他本身就焦虑。 你会发现今天使用 cloud， 今天使用小龙虾的这些人也是这样。如果你稍微理性分析一下，你看今天谁在推动小龙虾， 你会发现基本上都是大厂的领导，为什么？因为大厂需要用户的忠诚度，需要用户的使用率， 然后他们上市的时候好做资本的故事，他们好兑换股票的价值。第二点是什么？卖 token 啊，新兴的科技企业，因为算力就是钱，谁用我的 token 我 就可以挣钱。那么第三个是什么？就是在于这个 ai 圈子里边的这些人， 尤其是所有可以工作工程化、流程化，甚至不需要动脑的这些人，他们对小龙虾的需求度是极高的。这个并不是说小龙虾的价值有多大，而是说很多人的工作本身就没价值，就是工程化， 它不需要有价值，那它当然可以用小龙虾。我们看到的神话是什么？就我给了 ai 五十美金，它自己就变成几千几万美金了，到今天我身边一个人都没有。 如果你用了小龙虾之后，你就会发现它会大大的增加你的个人焦虑度和你的碎片化的时间，你必须要碎片化，因为从来不可能一个庞杂的项目，即使你非常清楚它的价值是什么，你给他布置一个模糊的任务，它就自动执行了，就生成，然后这个东西就可以卖钱了。 不可能，只要是但凡在这个社会当中做事情的人，我们都知道一个成熟的项目，从它有开始想法，一直到验证落地的时候，它需要经过非常长的时间，而且中间要经过无数千万次的修正，这都是少说的， 要不断地去来回重组磨合。而这些东西在一个权限放到极开的 open class 上就一下就做出来了，那么它唯一的可能就是它都是 胡写的，它都是乱写的。所以为什么今天成熟的 ai 公司从来不会把自己的权限，即使是它有提供 agent， 比如说 cloud co work 这个形式， 它可以接管你的电脑，接管你的浏览器，但是它绝对不会说从一个开始布置任务到最后结束一键完成，那么叉 gpt 的 agent 也是这个模式， kimi 的 agent 也是这样模式，其实它已经权限开得非常大了， 但为什么都不能像 openclaw 一 样？因为本质上这个在现实世界当中是不可能的，但凡做过项目的人都知道这是不可能的。 所以什么样的人适合用 openclaw 呢？就是首先就你的工作就是流程化，基本不用动脑子，简单的说就是在公司里边反正拿来这个东西写完加工之后就传给别人了，我基本上也没有责任 啊，我只是把这个事情做好，就像流水线上的这种机械操作员一样，只不过是一个白领或者金领性的机械操作员，他们有 open call 是 非常合适的，因为他可以大大的释放自己无脑的时间，让自己哪怕刷一些短视频或者出去旅游一下，其实这也是好的。那么第二点就是什么呢？就是 今天真正有高度设计思维和架构思维的人，但这些人他首先他要是一个艺术家，其次他要有工程思维。 而且第三点也是最重要，他是无可替代，就是这个人必须有深刻的生活和工作阅历，他以前创造过极高的价值。那么这些人他以前可能有很多的时候受制于成本问题啊，技术问题，还有一些在脑子里想法他实现不了，但是对于绝大多数普通人， 甚至连工程思维是什么都不知道。你要知道这个真实世界百分之九十九的人是不写代码的，因为这个世界是以人来组成的，不是以代码来组成的。这些人。其实现在用 open class， 首先它是极度的浪费，第二点是把自己的有限的精力、时间、成本全部放在这些无效的事情上， 它其实对你完全没有价值。最后就像我们过去二十年，鸡娃 造成了一些精神不正常的父母和精神不正常的孩子一样，最后是一地鸡毛。我说这些东西并不是否定科技发展啊，就说科学的发展工具的强大，会极大的释放我们社会的生产力。 但是它远没有到今天大家听到的故事那样，好像一个机器人出现了之后，突然发生了翻天覆地的变化，好像大楼都不需要人盖了，只要你有一个想法，我今天想起一个百层大楼，明天这楼出来了 啊，他自己就可以雇工人，自己去买水泥，自己去做审批，自己就怎么样了，这是胡扯的事情。那么在我自己呃部署了这个 open class 之后，我发现它的黑箱操作反而是越走越离谱 啊，无论你用什么样的 skill， 都是越走越离谱的。你在 github 上边的学到的那些 skill， 其实都是言过其实的，因为他都需要微调，而这个微调也就是我们所说的做事情当中的这个细节，才是这个事情成败的关键。 而那个成败关键的人是谁呢？是你，是镜头前的你，是你自己的阅历，你自己的生活场景，你对产业的敏感的把握度，你对专业的敏感的把握度，这些才是真正决定一个事情成败的关键。 所以技术从来都不会让你从一个贫穷变富有，技术只能是放大你的平庸，也放大你的 长板。关键在于你是谁，关键在于你自己能不能呃。以前有足够多的阅历，足够多的积淀，足够多的思考啊，足够多的思想，让足够多的过程检阅能力，你才能完成一个事情。而今天 这些事情，对于百分之九十九点九九九九的人来说，普通的 ai 和普通的 a 阵的足以胜任， 而不是用 open club， 否则你就会成为被大厂收割的机器，所以普通人总会成为被收割的对象，总有一款适合你，不是你麻，就是你的龙虾，过两天还有螃蟹和骆驼在等着呢。

kimi 这次是真的杀疯了！新出的 kimi code c l i 压根不是那种他给你建议你负责复制粘贴的普通机器人，而是一个能直接获取授权，在你电脑上真正动手的智能 agent。 自己写代码，自己跑命令，自己修 bug。 以前你是给 ai 打下手，现在它是你的全自动编程搭档。想让它入职你的电脑？先划重点，它基于最新的 k 二点五模型，硬性要求开放三点一三环境。很多人电脑里的开放还是老古 懂版本万升级绝对会把电脑搞崩。我的亲测建议直接用 server bay， 它能一键开启隔离环境，瞬间搞定。开放三点一三既满足 kini 的 要求，又完全不污染本机系统主打一个干净又卫生 终端输入， p p install kini 杠 c l i 回车安装。 接下来有个巨大的坑，一定要听劝！输入 logo 后会出现三个选项， 选项一是尊贵付费版，咱今天主打一个薅羊毛体验版，选二或三，接着去官网生成 api key， 重点提醒，这个 key 只显示一次，我第一次随手关了网页，结果只能重来，巨麻烦！ 所以生成的瞬间赶紧复制，马上切回终端粘贴。最后模型选最新的 k 二点五思考模式选关闭。做完这些，你的全自动打工人就正式上岗了！ 从今天起，把写代码的累活全甩给他！记得点赞关注哦！

workbody 啊，我上个视频说他会在短期内上次比赛，然后呢，就有一些人来喷我了。 我这个视频简单跟大家过一下，当前的龙虾产品啊，总共分为两类啊，一类是本地部属的龙虾，然后一类是在云端的龙虾 啊，云端的龙虾呢？比如 kimi， 然后 minmax， 字节等等，这些基础模型的提供商，他们基本上都搞了自己的云端龙虾。那我觉得不用一个一个去看了，为什么？ 因为龙虾这个东西它本身厉害，就厉害在了它能够操作你的电脑，然后呢，能够操作你电脑上的所有文件， 这意味着什么？你之前的一些工作可能都会积累下来很多文件吧，不管你是什么岗位的人，你一定都会积累下来很多文件，而且你的工作也一定都是在这些文件的基础上来做的。 那我龙虾能够直接操作这些文件，比如那你有什么需求，他在本地直接给你干完了，对吧？云端龙虾你怎么干？你只能把文件发上去，如果有一些文件，你可能还比较重要，有保密性，你不敢发，对吧？还有一些文件可能量很大，数量很多， 比如你有一个文件夹，里面挡了很多东西，你需要让龙虾去帮你找文件。龙虾是可以干的，但是云端龙虾怎么干？干不了，你只能把整个文件包，对吧？打个包可能很大几 g 的 包，直接往云端发，然后你就在那等着，等他传文件啊。我觉得这个事 不行，肯定是不行的，所以原装龙虾你们去体验一下就知道他跟那些制作模型，他们提供的那个模型的高端啊，用起来你会觉得没有什么太大区别，都是你去问问题，或者说你去把文件发给他去干活啊，没有什么太大区别。 那么在本地龙虾产品里面。好，大家看一下当下的一个状态。首先腾讯自己那个 qq 号还挺火的，是吧？之前长这个样子，他在内测中你用不了。然后第二个有一个贾维斯可乐，那个应该是阿里的 j v s 壳啊，长这样子它没有 windows 版，然后制服出了一个 alt 壳，对吧？它是自动龙虾。好，它是这个状态，我把它下载下来之后呢，一直到现在为止， 连结失败，一直是连结失败，所以我不评价他啊，我不评他也没办法评价，懂了吧？为什么我觉得腾讯的 what club 他 可以成为当前，对吧？杀死比赛的那个产品 没有对手啊，本地龙虾加可用啊，就这两条，没有对手。

哎，好的好的，大家好，我们今天手动来带大家从零到一部署在自己电脑上面部署一下最近火爆全网的这个 cloud bot 啊，现在已经改名叫 opencloud， 我 们从零开始，首先我们去 opencloud ai 这个官网，然后往下滑，它有一个 one liner 的 这个 quick start， 非常简单，你只要在复制这个代码，然后开一个命令行，然后把它黏贴进去， 它就会自动去安装这个 opencall， 它会去检测联盟装着 homebrew， nojs 和 git 啊，如果没有的话呢，它会帮你去安装，我这边已经有了，所以它自动开始在安装这个 opencall。 好 的，安装完毕，安装完毕的话，它会自动会进入这个 onboarding 的 这么一个流程啊，它也是非常人性化。首先让你先来先签个协议啊，说这个很 powerful， 但也很 risky 啊。我知道了， onboarding mode， 我 们选 quick start。 然后第一步呢，是我们要接一个模型啊，在后端的模型，它虽然就 open call， 它只是一个中间层吧，你后端的模型还是需要用自己的 a p i 的。 之前呢是我我尝试使用这个 cloud code 的 订阅，可以接入这个 open call， 但是前段时间 cloud code 把它给封了，所以现在就必须只能调用 a p i， 所以美国的模型 api 太贵了，所以我们这里选择支持一下国产。我们使用 kimi 的 模型啊， moonshot ai， 然后 kimi 最近也是浪潮了，自己的这个 kimi k two 呃，二点五的这么一个模型啊，能力上据说是跟 opps 四点五非常相像啊，也是很厉害，然后价格可能只有十分之一，所以我们来体验一下，所以我们这里选 moonshot ai， 月色暗面， 然后把我们之前复制好的一个 api key 给复制进去， create a api key， 然后我们选择一个模型，我们就选 kimi k 二点五。然后呢，我们在这里选的是 在第二步呢，是选这个 channel， 就是 call bot， 呃， open call， 它是可以让你用过用你的这个即时聊天软件，然后来调用它的啊，这里就会去配置一下这个即时聊天软件。我在这里选的是，呃， whatsapp， 然后我们来看一下 whatsapp 怎么 link 啊，它会给你二维码，然后我们要拿 whatsapp 扫一下二维码。 好，我们拿这个 whatsapp 刚刚扫了一下这上面的二维码，然后，呃，现在是可以去继续去设置一下详细的配置。 whatsapp， 它里面有一些 phone， 呃，这个是 phone setup 啊， separate phone just for open call。 我 选择用一个单独的电话号码在 whatsapp 里面，然后这里使用，选择 recommended power mode allow form。 说实话不是很知道是干嘛了。嗯，选择 default 好 了，然后下一步呢，是 configure 这个一些技能啊，这里我先不 configure， 但是我们看一下， 呃，这个 open call 它有哪些技能啊？这些技能本质上来说就是它到底能做哪些事情，你可以看它这里有非常多的集成的这个 integration， 就 你的密钥，密钥管理系统 word 是 可以用来发这个 twitter 的， 然后 bear nose 是 可以用来这个记笔记的一些东西，然后有非常非常多的这个，还有什么 g u g 这种 就是 gmail 啊什么的，非常非常多 open ai 啊什么的很多啊，我们这里今天先不配置了，然后回过头也可以再配置，到时候会问你一些问题，要不要这些 a p i key 有 多选？ no no， 如果到时候需要的话呢，可以再单独回过头来配置 好。然后最后一步呢，是这个 hook 啊，自动的这个操作，然后它可以在某些特定的环境下面被触发，然后帮你操作。比如说它这里有一个 session memory 的 这个 hook， 就是说它可以在每个赛季结束的时候呢，自动把赛季的这个你们聊天对话记录呢，保存到他们的这个长期的这个 memory 当中。这里我觉得还是开一下比较好，因为 open call 它是自带这种长期 memory 的 功能的，然后如果每每每一次跟他对话，它会更新长期 memory 的 话，你会发现这个 open call 越用越聪明。 好，然后这些都是系统自带的，我就都开了，然后都开了，然后去设置 gateway， gateway 就是 说是呃呃，如如何去开这个？开个关口，然后让可以让这个你在 whatsapp 里面发送的消息被传递到这个电脑上的 open call 里面。这里我之前已经装过了，所以我们在这里的话就是 reinstall 一下。 好，我们这里的 git 已经装好了，我们现在有有有方法去 hack。 我 的 bug 就是 初设啊，初设的话我们可以推荐是走这个 t u i， 也就是它自己会开一个网页，然后这有一个链接好，然后可以尝试发个消息 啊，很可惜啊，消息没有发成功，我要来 debug 一下。哎，好的，刚刚发现是因为自己的那个 kimi 账号没有充钱啊，现在充了钱就变强了啊，我们现在已经可以 跟他对话了，然后我们在终端呢，可以输入这个 open opencloud dashboard， 然后呢我们来重新进进入这个网页的 ui 啊，然后这里呢我跟他说了个嗨，然后他现在会介绍一下自己可以干哪些事情啊？怎么怎么样，怎么怎么样都是英文啊，太，太烦了，我看他看中文那里边啊， 好，他现在等于说一开始的对话呢，他会让你去呃设置一下他的名字是什么，然后怎么称呼我，然后他是干嘛的？嗯，然后同时呢我们我来就展示一下这个我们这个 whatsapp 的 这个能力啊，就你看我们这边， 嗯，其实 whatsapp 上面是可以给大家直接发消息的，然后在这里的所有的信息呢，我们也都可以在 whatsapp 里面跟他呃聊天，然后他就只要你的这个网关是上线的，他就是可以呃去跑的。 那么今天视频就到这里呢，我们就简单的装一下 cloud bot， 未来的话我们也会在这里继续更新一下 cloud bot 到底能在呃能对我的工作流程带来多大的影响啊？期待可以创造更好的内容给大家，谢谢。

彻底解决龙虾不能操作电脑软件的最后一环，龙虾龙虾帮我通过全部好友请求，并且打个招呼，然后他就开始这样自动操作我的软件了。 这就是之前我在这个视频里说到的 openclock 加 rpa 的 联动方案，他可以控制电脑上所有的软件。 我用的是八爪鱼 rba， 它市场里面这么多应用都可以被我们的龙虾调用。我来实操演示一下，在操作之前需要满足这三个条件，不满足条件的可以在这里申请试用。第一步，新建一个触发器，点这里新建触发器，这里选择 webhook 触发器， 这里选择一个要被龙虾调用的流程，使用触发器确定，这时候我们会获得一个 webhook 地址和一个安全密钥，把这两个要保存下来 确定。第二步，安装八爪鱼的 skills， 连同第一步获得的两个信息一同发给龙虾。最后，当需要调用流程的时候，你只需要在飞书里对小龙虾说一句帮我干什么就可以了。 最后我做了一个很详细的实操文档，有需要的可以跟我要。

kimmy 最新发布了一篇让马斯克都直呼 impressive 的 研究，这篇研究的名字挺有意思的， attention residual， 一个名字里包含了两个 transformers 架构里重要但独立的概念，残差连接和注意力机制。在大家都在卷 agent 的 生态强化学习的时候，这篇触及到 transformer 底层架构的论文也算是别具一格了。 我们先来简单的介绍下残差连接。标准的残差连接可以简单写成 y 等于 f， x 加 x 的 表达式， y 是 本层输出， x 是 上一层输出， f 是 需要模型通过训练学习的函数。残差连接的关键就在于多加上了这个 x。 肯定有人会疑惑，既然已经算出结果 f x 了，为啥还要多此一举把上一层的输出加进来？这个关键就在本层的 f 学习的究竟是什么？ 如果加上 x， 很好理解，本层的输出等于上一层的输出加本层的增量新知识， f 就是 本层的增量新知识。如果不加上 xf， 就 相当于必须依靠上一层的输出计算出完整的最终结果。这显然训练难度是更高的。 这也会产生一个新问题，随着模型不断加深，层数变多，上层函数的能力会被不断稀释，模型反而越训越差。这也是残查网络核心想要解决的问题。 那么话说回来， kimi 这次对残差连接进行大幅修改，是发现了哪些问题呢？我们从最终输出结果的视角来看，残差网络其实就是将之前每一层学习到的新知识不断累积起来。这就导致了几个问题， 首先，当每层都期望能对结果有更有用时，它就会不断学习，输出越来越大的值，才能对累加后的残差产生影响。其次，我们都能理解，面对不同任务时，不同层所发挥的作用理应是有所差异的，这也就是常说的权重不同。但残差连接相当于将每层的权重固定为一， 这样一来，随着网络的深度的增加，早期层的知识仍然会被淹没在简单的累积当中。那 kimi 是 如何解决这个问题的呢？回到论文标题的另一部分注意力机制，它 是在 attention is all you need 中被正式提出的，要解决的是传统模型架构的痛点，随着序列长度增加，早期信息容易丢失，难以有效捕捉长距离单词之间的关联。再把它和残差网络遇到的问题放在一起对比，就会发现，除了关注的对象从序列中单词换成了神经网络的不同层与层之外，二者要解决的核心问题几乎一模一样。 所以， kimi 很 巧妙地在神经网络之间引入了注意力机制。在网络的每一层都会设置一个专属查询向量，通过与历史输出进行一系列计算，得到一个概率分布形式的权重，最终利用这些权重对之前各层的输出进行加权求和，结果就作为本层的最终输入。 研究也并未仅停留在理论层面，而是在参数量达四十八 b、 训练头肯数为一点四 t 的 大规模环境下完成了实验验证。这篇论文给人的感受是，哦，就应该是这样。好的设计往往大道至简。

射的时候呈上一个数值，然后这个数值它是由当前的这个 q k 的 最大的老减值决定的，所以你可以动态的 style 让他去看不到一个特定的一个曲值里面，你可以看到就变成这样。首先左边就是 你是一个加 case， 一个没有，左边其实只有两条线，但是这两条线是完全重叠在一起的，这就是你可能看不出来，但其实它是完全重叠在一起，这是言辞和共，这是说明 你加了这个 k 粉之后，其实对效果是完全没有任何影响，就是你可以完全出现它一样的效果，但是它的 loft 的 曲值会健康很多，所以你看右边就是它一开始会开始长，就是我们刚刚看到的那个现象，对吧？但长到一定程度，它的 loft 长到一百， 然后这个时候它就被压住了，因为你的 qk 开始发挥作用，然后发挥到一定程度就是他发现可能我不需要这个东西， 所以这个时候它就会自动降下来，所以它其实是一个很好的去稳定训练的一个作用，使得说这种全新的这种优化器，我们可以在一万亿参数的这 种 p m k 二的这种级别上去做稳定的训练，不然就像之前一样，它可能就会降下来。可能这张图是我二零二五年见过的，我觉得是最漂亮的一个东西，就我觉得这个可能是这个世界上最美的一个东西，就是它是一个完全平稳下降 的一个 loss 曲线，就你在整个的十五 t 的 头肯的训练过程中，他没有任何的 spike， 而且全自动可以去压下来自己的 logitech 啊，然后平稳的收敛到一个非常好的点上，就是你有一个优雅的方法，就可以得到一个优雅的结果。所以在这个 k b k two 的 上面，我们又做了很多的这个强化学习，然后训练啊。当然这一块可能不是今天的重点，但结果是很好。就是我觉得最重要的是说有几个点，就是我们在各种 a 制能力上是全 全面提升，而且是可以去可能对标美国前沿的公司。同时很重要的一个点是我们在最核心的 business mark， 比如说 h l e， 就 humanity's last exam， 这个是一个非常难做，里面可能百分之九十九，几乎都不知道是怎么做，但是模型它现在可以做到百分之四十五， 呃，准确率，而且比欧派还更高，我觉得就是你在最核心的 matchbox 上能比美国的公司更好，我觉得这是很重要的一个马斯动力。然后同时就是它是一个完全的一个模型，那就 kimi kara 是 中国第一个一个一个一个一个一个一个一个一个一个一个一个一个一个一个一个一个一个一个。 然后 kto thinking 我 们又做了很多的升级，所以他可以完成连续两三百步的这种工具调用。他是在解一个非常难的题的时候，那中间一直在思考，然后去搜索，然后可能用这个拍照去写一些程序，然后最后两三百步之后，他能完成一个反正我完全看不懂的一个题， 但他的答案是对。所以得益于这些发展，我觉得中国的模开模型逐渐在成为新的标准，其实现在也会有很多中国的开模型去做这个标准的测试，我觉得这个也是可能开源很大的一个好处，所以我们是希望有 更多的中国的这种开源力量，中国的模型能够逐渐去成为这个标准的制定者。

兄弟们，今天我终于花费巨资两百大洋，为大家深度的体验了一把 agent 集群模式，说实话让我有点失望，为什么呢？因为我要处理的主要是长文本的写作， 结果我花了差不多一个上午的时间，先给他去搜集整理了相关的文献，每个文献的大小不超过一百兆， 所以我呢，精心的选择了五十个文献，基本上覆盖到了论文写作的所有的方面。 我把它上传到这个对话框里面之后，然后我就给出了一段非常具体的指令， 后来就等了十来分钟，他终于给我生成了一篇一万七千多字的文章。但是他生成的文章有一个有趣的地方，就什么呢？他只能提供一个 txt 的 文档，而不能生成一个合格的 word。 当我把它复制粘贴到我的 word 里面去了之后，大家可以看一下，这就是在 kimi 二点五级群模式下所生成的一个文档，长度还是可以的哈，一万七千六百二十一字。 但是他的注视就让我有点抓狂了，他有这么多注视，但是只有注视的符号，却找不到任何一个注视， 后面虽然也附了参考文献，但是和注是完全不对应的，也就是说你还得重新给他注一遍，这不是让人抓狂是什么样？而且看他生成的这个文本呢， 有点像一个文献综述，缺乏论述的逻辑性和针对性。我们再来看它，之前是在 kimi 二点五 agent 普通模式下，这里有 kimi 二点五 agent 集群模式，还有 kimi 二点五 agent 普通模式， 我就是在这个普通模式下生成的。大家看一下这篇论文，它的注是和后面的参考文献是一一对应的，你们看 是吧？非常的具体。当然参考文献的数量呢，不好说，但是他全书有一万八千多字，注是有八十六个，而且每一个注呢都能对应到具体的这个参考文献上面去，这其实就给我们省了非常非常多的时间。 所以我感觉这个集群模式，可能对于我们这些想要用它来进行长文写作的，尤其进行科研写作的这些学者呢， 未必有什么大的价值，但是他最大用处可能在编程或者其他网站平台的搭建方面，在工作流的处理方面，可能在这些方面有令我们意想不到的效果。 当然我后期可能去体验一下，看看他还有一些什么特别宝藏的东西，也就当为大家提前去踩一下坑吧。

安装完 oppo 壳不会用一分钟教会你从零到一，普通人也能直接上手。首先我们要搞懂什么是 oppo 壳，简单来说他就是一个本地 ai 执行助手，能听懂人话，并且能够操控你的电脑，帮助你干活。当我们安装好之后，我们可以检查一下他是否成功运行， 只需要打开终端，然后我们运行这个代码，在这里就可以看到他是否在运行的状态，可以看到他是在正常运行的， 下面我们就来测试一下，给他一个命令，然后看他是否能够正常运行。这里我们让他在桌面创建一个文档，文档内容是我成功启动 open code， 然后让他执行 好，这里可以看到他已经完成了，然后我们来到桌面看一下，可以看到桌面就已经建好了一个文档，我们打开看一下内容，可以看到与我们的要求完全一致，好。测试完成之后，我们来认识一下他的一个主要功能， 我们只用记得这三个，第一个就是概览，在这里我们可以看一下他的状态，检查一下是否正常，同时在这我们也可以修改他的语言 好。然后第二个就非常重要的 skus， 他的一个技能就像我们人一样，需要不断的学习各种技能才能提升自己，那可口可乐也是一样的，我们需要在这个地方去安装各种各样的技能，当然也可以从外部导入， 这也是养龙虾的第一步，给他增加技能。这里的话给他一个建议，就是可以根据你的行业或者需求，然后去安装对应的一个技能。而第三个的话就是 agent， 也就是你的一个团队员工，然后默认的话他只有一个主要的能力， 然后我们点击这个 tos， 可以 看到它的一个基本配置，在这里我们可以修改它的一个权限，从左边的话是默认最低，然后我们可以点 for， 然后权限给它开满。 那我们如何增加多位镜头呢？我们可以直接根据自己的行业或者需求，然后让 open 可乐帮你设计一套多位镜头， 我们可以直接在聊天窗口告诉他我们的需求，然后让他帮你设计，就像这样。那我们应该怎样去增加一个 app 呢？下面我就为大家实际演示一下。首先我们打开终端，然后输入这个代码， 最后的话是他的名字可以自行设定好，设定好我们按回车，在这里就打开了一个配置界面， 好，这里我们按回车，这里我们选择 yes， 然后同样的按回车， 这里的话我们因为出于演示，在这位置我们选 no， 直接跳过，然后这里也是选 yes， 到这里就选择你需要接入的一个 a 帧，就比如你要接入飞书，你就选择飞书，那这里我们直接跳过。好，下面我们来到 ctrl 界面，然后点这个代理， 可以看到我们刚刚配置的 a 帧就已经配置好了。好的，那么本期视频就到这里。

电脑养龙虾，最劝退普通人的那道门槛，终于被这个团队抹平了。如果你也想以最快的速度上手龙虾，那么给他不上这个五千 star 的 开源项目 plow x， 你 不容错过。 plow x 目前可能已经是全球安装量最多的桌面端龙虾了，他直接把原生龙虾这种原本只属于即刻的 agent 编排能力， 一键安装、零配置翻译成了一个可视化、图形化、开箱就能用的桌面工作台，变成了普通人桌面上就能养的桌面 agent 本身就是构建在原生龙虾官方核心之上，但你不需要再去敲终端、翻配置，追着环境变量跑。安装之后，聊天界面多渠道管理，定时任务既能拓展，全部都被塞进了一个桌面 ui 里。比如我现在想让他帮我干活，第一步，直接在聊天界面给目标，你可以让他帮你处理任务， 整理信息，接管日常流程。第二步，如果你不想只用一次就把这个动作做成自动化 log x 里面直接有基于 cron 的 定时任务能力，也就是说，很多重复性工作，原本你是在部署一套系统， 那更像是在养一个能干活的数字员工。这说明大家真的缺的从来不是更强的魔性，而是一个能把强大能力交到普通人手里的入口。所以，如果你也想认真体验一次什么叫 ai， 不 只是陪你聊天，而是真正开始替你管理任务，接管流程，全天候干活。那么 klo x 可能就是目前最适合上手的龙虾养殖方式之一了。

我给大家一个 opencloud 的 部署方法，所有人都会，而且特别简单，在 ai 时代，你要习惯一个思想，就是所有的活让 ai 帮你干，不要自己干好。我们来说这个方法。第一步，第一步，下载本地部署的 mini max agent， 就是 在他们的官网点击下载，选择你的电脑版本的 mini max agent， 下载到本地， 然后就会获得一个 minimax agent 的 图标，这是第一步。第二步，在这个 minimax agent 的 对话框里输入，我需要本地部署 open cloud， 这是第二步，这个时候 minimax agent 会帮你部署 open cloud， 本地部署的 好，部署好了之后，这个 open cloud 你 就可以使用。但是大家知道 open cloud 是 user in the loop， 就是 它需要你自己不断的调，不断的循环，你会遇到很多问题， 很多伙伴放弃本地部署是因为这个问题无法解决好。这个时候再向本地部署的 minimax agent 提出你遇到的问题，比如说飞书配置不上，怎么唤醒不了，哪里有问题？这个时候 minimax agent 会帮你解决你本地部署 phone call 的 全部的问题， 然后就可以了。然后这个事情全部下来，不需要你会任何的技能，也不需要你了解任何的呃代码，只需要按照我的步骤来做，让 ai 来帮你做这个工作，让 ai 来盯住你的 ai， 然后希望我的伙伴们都学会这招来部署它，而且 费用成本不是很高，现在我已经用上了，就是挺好用的哈，分享给你们。好吧，真的很好用，你们一定要去用。然后如果通过这方法通过成功的，快来给我点个赞，这是我探索这么多天最简单的那个方法。