deerflow如何连接qclaw

秒教会你微信指点腾讯 qq 六，首先点击 qq 六左下角的设置，然后点击微信的配置，出二维码，然后打开你的微信设置往下滑，点击插件，点击详情，点击开始扫一扫，扫一下刚才的二维码，连接搞定。

打工人的福利来了！腾讯 q pro 正式上线微信，一句话就能够让电脑自动帮你干活。安装教程一共就三步，第一步，下载安装，第二步，扫码登录。第三步，发送指令。第一步，打开官网安装对应的版本， 第二步，我们开始安装。第三步，用微信扫码登录，最后确认用微信远程操控关联到对应的微信就可以了。

腾讯这个小龙虾其实还挺好用的，主要是他操作确实很方便，他连接微信就是你扫码登录一下就可以直接连上你的微信了，就可以在你的微信里面去访问这个东西了，没有以前那么复杂的配置，像飞书啥的配置， 他使用是有一个 qq 客服，就是腾讯电脑管家的一个客服，你可以给他发送一条命令，他也可以去直接去操作你的电脑， 跟这方面跟其他的小龙虾其实没有什么太大的一个区别，它会自动去处理这个东西，其他地方其实会有一些比较方便的一个地方。第一个就是它 skills， 腾讯其实有一个自己的 skills hub， 这样里面有很多的技能，它其实帮你整理好了，你也可以直接去安装，或者是说你进他这个网页看一下， 给大家推荐一个技能，这个地方有个叫 skill creator， 你 可以用这个技能去根据你自己的一些需要，按照技能生成的规范去做一些技能，就是按照你自己想要的一些东西。这里面其实还有其他的一些东西，我觉得国外的技能可能会比较更多一点，国内的可能会少一点 其他的。最吸引我的地方其实是他这个大模型，他有个默认的大模型，其实是免费使用了，这个对我这种用户来说诱惑太大了。 他也可以去有很多的一些预设给你去用，比如说像咨询的汇总或者是日程的一些安排，都会有一些小龙虾的一些预设也可以去使用到其他地方我觉得都差不多，总体来讲还是比较好用的一个小龙虾。

你们有没有刷到过最近很火的那个字节？ dr flow， 说是 ai 操作系统，能自动拆任务多，智能体干活，还能本地运行， 我一听就心动了。我平时做抖音要收集素材写口播，想着把稿子交给他，让他自动帮我找素材整理内容，应该会方便很多。所以我就抱着期待去下载安装了试一试。 先给大家说下实际体验，也算是给普通人避个坑。 d r flow 必须依赖多孔容器环境运行，对系统配置要求高， windows 安装尤其繁琐，没有一键安装包，纯手动部署。 我用自结自家的拆工具辅助安装，它确实能自动拆解步骤，但软件本身依赖极多，分前端后端还要手动配置， api 和打磨型参数都是用文本文件修改格式，稍微错一点就直接报错。 好不容易装好运行，我让他分析账号内容，结果长时间无响应，返回信息为空。排查后发现工具联网模块存在异常，需要拉取外部镜像，但在常规环境下无法正常加载，导致联网功能失效。 而且他对大模型要求也不低，普通开源模型效果有限，想要完整运行需要对接拆的 gpt 这类更强的模型才行。 后来我又尝试在云服务器上部署命令行，安装过程缓慢，依赖包众多，配置复杂，虽然最终显示部署完成，但前端页面空白，后端缺少依赖，依然无法正常使用。 反正折腾下来，一圈下来，我也没法评判他的最终强不强，毕竟核心功能我也没跑，真正跑起来，但能明显感觉到 vr fold 更偏向开发者，二次开发，并不适合普通小白直接上手使用。 今天把这段真实实测分享给大家，想装这类工具的朋友可以先观望，别盲目折腾。嗯，喜欢真实爱工具实测的可以关注我，后续继续测工具，讲实话，让大家少走弯路。

很多朋友在选 ai 龙虾工具时都会犯难，今天就带来 ravenclaw 的 深度体验，和 openclaw 做个全面对比，帮大家理清两者的区别。首先明确一点， ravenclaw 原名 ezclaw， 不是 猎豹移动的那款，别搞混了。 比起 openclaw 偏聊天的体验， ravenclaw 更像一个本地化的 ai 控制台，把模型接入、规则配置、聊天通道连接、权限管理，既能管理和用量查看，放在一个桌面产品里使用，重点不只是能不能聊，而是能不能持续管理和使用。先一张图带大家看清两者的核心区别。从核心维度对比来看， 产品形态上， ravenclaw 是 桌面化本地控制面，主要以命令行操作为主。模型管理上， ravenclaw 是 集中式配置， 支持十五家以上提供商。 opencore 依赖用户手动配置。通道接入方面， ravencore 已将通道接入纳入产品流程，重点支持非输等国内主流通道， opencore 需用户自行集成数据安全上， ravencore 采用本地优先 api 密钥，通过系统密钥链加密。 opencore 的 安全性取决于用户的部署方式。轻量体验上， opencore 对 直响，偶尔聊几句的轻量用户更省事。 ravencla 偏重长期管理。高级配置上， opencla 作为底层能力，操作更直接。本次测评主要从产品定位与上手门槛、 注册安装与模型接入、基础能力与控制面体验、语音技能、市场定时任务等深度能力与 opencla 的 对比、实际使用中暴露的问题，这几个维度展开。 revencla 首次上手时，打开后的信息量不小，但结构并不乱。聊天模型、规则通道、权限、技能这些入口都是分开的， 实际的上手路径前期主要集中在两件事上，先接入一个可用模型，再逐步补充规则通道和权限。注册安装，整体约五分钟可以完成。在 ravencall 里，安装完成后的第一件事基本等同于模型配置。产品支持苹果系统、英特尔加苹果芯片、 windows 和 linux 三端系统要求苹果系统十二以上， windows 十的一九零三以上版本 wubongtwo 二十点零四以上，硬盘占用约两百兆，当前版本为 v 一 点七点二。 ravenclaw 提供了四类接入方式，第一种是订阅授权接入、根项账号登录。第二种是 api 密钥接入，支持 d p c 通用、千问、质朴、月至暗面、 mini max 等十五家以上国内外服务商。第三种是本地模型接入， api 调用直接从本级发出，不经过任何中间层。第四种是自定义模型接入， 面向也有代理平台、自建平台或兼容接口的人群。 rivol 官方已确认支持多家主流模型提供商，国内提供商即代表模型有 deepseek 的 deepseek、 v 三通 e 千万的 quenix、 智普的 glm 四点五、月至暗面的 kimi k 二点五、 mini max 的 m 二点五。输入输出每百万 token 费用从几毛钱到几块钱不等， 国际模型也可适配。除了模型接入， ravenclaw 另一块是通道接入，重点支持非输等国内主流外部消息入口。非输通道已验证，可用接入链路完整本地直连模式、私聊、群聊、 at 触发逻辑均可按需配置。 从使用层理解， ravenclaw 的 运行方式大致可以拆成三层，第一层是桌面端常驻，第二层是本地管理面板，承接聊天模型、规则、通道和权限配置。 第三层是后台运行的 a 证的环境，负责执行任务，用户看到的是统一管理界面配置聊天规则和通道，不需要分散处理。产品底层基于 open cola 开源引擎 l l m 调用，直接从用户设备发出到各服务商，不经过中间层。 api 密钥通过系统密钥链加密存储。 苹果系统用 microsoft keychain， windows 用 windows d p a p i。 整体使用感受，信息量大，但结构清楚。聊天模型、规则、通道权限这些入口分得比较开，首次使用时主要精力会 放在模型接入和基础配置上。模型配置支持国内外十五家以上主流模型提供商接入入口的分层比较清楚，从基础测试角度来看，主要验证了四点， 能不能识别自己该走哪条接入路径，能不能在界面中完成模型配置，能不能在接入后继续切换模型，能不能兼顾国内模型场景。 m 通道测试主要验证产品是不是只停留在本地聊天页 以及外部通道入口是否可配置。 ravenclaw 重点支持飞书等国内主流通道，各通道配置入口清晰，飞书接入流程完整，私聊、全聊、艾特、触发逻辑均可按需配置。安全规则系统可以设置规则进行约束， 这些规则是产品内的长期配置项。不过这部分测试偏基础，更多是界面存在且可设置规则执行效果。还有带多场景验证。权限配置测试，当前权限配置相对单一，只有文件权限的配置 是否支持更细力度的权限有待后续版本迭代。基础测试结果汇总如下，注册安装号时约五分钟可进入产品主界面。模型配置支持十五家以上国内主流模型提供商接入，单个模型约两到三分钟切换流畅聊天通道重点支持飞书接入，约十到十五分钟 飞书已完成连调。安全规则可设置规则界面存在权限配置，当前仅有文件权限配置。深度测试重点看语音转文字技能市场、定时任务用量显示 设置和实际案例这几个方面。语音转文字方面， ravenclaw 支持语音转文字模型的配置和起用，目前还缺少实际转写测试数据。技能市场方面，安装失败 这条记录属于实际操作失败的问题。定时任务入口已可见，创建定时任务的入口清晰，但执行稳定性失败、重试机制和执行历史查看等细节还有待进一步测试。用量显示方面， ravenclaw 已有可直观的用量。界面。 设置页方面， ravenclaw 采用本地优先架构，数据留在本机 a p i 密钥通过系统密钥链加密。实际案例测试，测试任务是让 ravenclaw 自己生成一份自己的图文并茂的操作使用报告，结果实施失败，追问后出现幻觉，回答出了一系列找不到选项的设置说明。 目前还不确定是配置问题还是任务理解能力边界或产品整合层的问题。如果把 openclaw 看成底层运行能力， ribbon core 增加的主要是产品层和使用层的东西，相比 open core， ribbon core 主要增加了四类能力，一是桌面化入口变成了托盘加本地管理面板。二是可视化配置，把模型、规则通到权限这些内容集中到界面里处理。三是持续管理能力，把聊天之外的规则、 全线技能用量也纳入统一管理。四是业务接入能力，让飞出等国内主流通道进入产品操作流程。相对 openclaw、 ribbonclaw 的 几个特点，上手门槛相对低一些，需要记忆和手动处理的内容少了，配置集中度更高。模型规则全线通道不用分散管理， 适合长期使用和持续维护。对业务场景的外部通道，全线边界规则沉淀，处理的更完整。如果是工程用户， openclaw 更直接。如果是产品使用者、运营人员或团队负责人， ravinclou 的 产品形态可能更容易上手。 revinclou 的 短板，产品更重，页面配置项和管理项更多，首次接触的信息量更大，使用路径更长，需要经历模型接入、规则配置、通道接入这些步骤轻量用户不一定需要。如果只是想快速和 ai 聊几句， openclou 这类更直接的方式可能更省事。在实际使用中发现了 revinclou 的 几个问题， case 一 是首次使用，学习成本偏高， 触发场景是第一次打开产品，理解模型、规则、通道、权限、技能这些概念时，整体信息量较大，学习成本高于普通聊天类产品。 case 二是外部通道接入有配置成本，触发场景是接入飞书等外部通道时，除了产品内表单配置，还要处理认证、权限、事件、订阅、回调等外部平台要求。 case 三式全线配置维度偏少。触发场景是查看权限管理液，当前只观察到文件全线配置维度相对单一。 case 四式技能市场安装失败，触发场景是尝试在技能市场安装技能现象式安装失败，且未给出明确报错原因。 case 五式实际案例测试失败并出现幻觉。 触发场景是让 ravenclaw 自己生成操作使用报告，现象是实施失败，追问后出现幻觉。 case 六是高级能力越完整，后续维护项越多。触发场景是长期使用后，模型规则权限、机能通道逐步增多，统一管理意味着后续维护效会同步增加。从体验结果来看， ravenclaw 可能更适合以下场景， 一是个人高频使用，已经把 ai 用在日常工作里，希望沉淀规则模型和习惯的人。二是团队内部协助，需要把 ai 接到飞书等国内办公入口里， 作为团队内部助手使用的场景。三是运营和客服类场景，需要固定消息入口做应答，辅助处理出部分流的。四是国内外模型混用场景，需要同时兼顾国际服 国内可用性的团队或个人。有三类场景可能不太适合用 ravenclaw， 只想临时体验一下 ai 聊天的、不愿意做任何配置的，对通道规则权限没有任何需求的。最后总结一下， ravenclaw 的 特点不在轻，而在权和能管。他把模型接入、规则管理、通道接入和权限 控制放进了同一个产品里做得好的地方，模型接入面广，十五家以上国内主流提供商，控制面完整聊天模型规则、通道权限、技能用量，统一管理通道能力，支持飞书等国内主流通道本地优先架构。 api 密钥，通过系统密钥链加密， 数据不出本机三端覆盖。需要注意的地方，首次使用学习成本高于普通聊天产品。外部通道接入仍有配置门槛，更适合持续使用，不适合清量长线，既能市场和真实任务执行，还暴露出了稳定性问题。这是一个偏 ai 管理台而不是 ai 聊天框的产品，适合长期使用多模型接入和业务通道接入场景。

怎么把邮件服务快速的交给龙虾，并让他自动帮你回复邮件？一通研究之后啊，我还真搞出来一套方案，通过 qq 洛加他的邮件管理能力，实现七成二十四小时不间断的自动回复，标记重点用户、清理垃圾邮件，生成每日简报， 一通操作下来，每天至少帮你节约出一个小时的时间。事情是这样的，我首先通过 qq 洛的对话框点击这里的收发邮件， 然后将我的邮箱和 imap 密码告诉它，这样龙虾就能自动连接上我们的邮箱后台， 然后给它创建定时任务。通过每两个小时访问一次我的邮箱收件箱，查看是否有客户来询问当前的产品价格，如果有，就将我定好的产品价格发送给用户，以此来实现对用户请求的自动访问。创建完这个定时任务之后，我们来看看它实现的效果。 我们可以看到，当定时任务启动的时候，龙虾就会自动检测当前所有的未读邮件并进并对所有的邮件进行匹配，如果匹配到就会对邮件进行回复，这就是龙虾自动回复出来的产品价格表。这个产品价格表呢，是我一开始就给龙虾制定好的， 在这个功能基础上，我立刻又想到了一个更有意思的玩法，不可以让龙虾在回复这些客户的同时，收集这些客户的邮箱地址，并再创建一个定时任务，每天对这些有意向进行购买的客户发送当天的优惠信息。 当这个任务创建好之后，它就会自动保存所有客户的信息，然后在每天固定的时间去向这些客户发送优惠。 当然，如果只有这个功能，那还远远不够，我还可以让龙虾将这些客户的详细资料进行整理，并在每天的固定时刻将这些资料整理好之后发送给我。 这样当一个用户向我发出价格询问的时候，龙虾就会自动对客户的询问进行回复，并且将这些信息记录下来。而在这个时间点，我只需要在我的屏幕面前喝喝茶，打打游戏，龙虾就能自动将这些信息整理好，然后发送给我。 同时，为了提高我的邮件处理效率，我还交给了龙虾一项特殊的权利，让他每周都定期的去删除我邮箱中的垃圾邮件和已读邮件。我们可以在 qqlab 的 定时任务中检查刚才已经创建好的定时任务。 当定时任务启动的时候，我们可以在左侧的新对话框中查看当前任务的处理进度。这里我们可以看到他已经将今天的工作邮件总结发送到了我的邮箱，那我们可以看一下他总结的内容都有哪些。龙虾不仅总结了今天接收到的邮件和发送的邮件， 同时他还对邮件中的内容进行总结，总结了主要的工作事项以及需要的重要沟通，还有就是在未来可以进一步沟通的事项，以及关于客户咨询的重要邮件等等。 通过这些操作呢，我们已经完全可以把邮箱整个的去交给龙虾去进行处理，大大的节省人力的资源。

个人微信现在也能进入 openklo 了，操作非常简单。首先把微信更新到最新版本，点击我设置关于微信检查版本号，确保是八零点七零或更高。更新完成后，在已安装 openklo 的 电脑上 输入指定的内穿命令，耐心等待大约一分钟，系统就会自动生成一个二维码，最后用手机微信扫一扫连接就完成了，全程不需要复杂配置，轻松搞定。感兴趣的朋友赶紧去试试吧！如果在操作中遇到任何问题，欢迎在评论区留言交流。

今天来小白教学一下 qcloud 怎么安装，怎么跟微信上去做连接。首先是打开 qcloud 的 官网，然后我们可以看到其实它现在不需要邀请码了，然后下载你的电脑的 版本就行了。比如说我是苹果的版本，然后我下载到本地，因为我已经下载完了，所以呢其实只需要把这个 qq 下载到电脑本地，然后打开，然后用你的微信去登录，登录完了之后，其实这有一个右下角其实是有一个设置的， 这个设置里面打开之后就是要去连接微信，然后你跟微信建立连接，然后他这里面就需要你用你的微信去扫码登录就可以了，然后点确认就这么简单。然后 连接完了之后，你的手机上面其实就可以去看到你可以跟这个呃 cloud bot 去对话了，比如说我这对话跟他问好，然后问他能做什么？

朋友们，我的微信终于接上了奥登科罗这只小龙虾了啊，来给大家看一下，那就是这只啊， qq 腾讯旗下的一款小龙虾啊，现在在内测，然后可以看到我已经直接连接上了啊，这是我的账号，然后呢，手机上的 也已经给他连接上了，看一下，现在已经是七点了啊，我折腾了一晚上，熬了个通宵，终于搞清楚这款小龙虾到底能帮我们干什么啊，现在直接给大家实操演示一下，比如说我平时每天都要写这个文章啊，那写完文章之后，我 第一件要做的事情就是做这个封面图，对吧？就这样的封面图，那现在呢，我想让这个小龙虾去帮我做，我只需要在这个手机上给他下达指令，下达完指令之后我就可以去休息了，让这个小龙虾直接操控我的电脑去帮我生成这样一张封面图啊。好， 我们直接开始点击，按住一张公众号，封面图主标题是 这款神级免费插件，副标题是一分钟克隆顶级商业大佬的大脑图标呢，是 notebook lm。 生成好的封面放到桌面上版 好，需要转成文字啊，它目前不支持语音。然后呢，这个总管呢，是我对他的一个称呼啊，然后说清楚我们的一个需求，然后看一下有没有错别字啊，这里多了个逗号啊， 稍微修改一下好检查，没问题的话直接点击发送就可以了啊。好，已经发送过去了。 好，可以看到指令已经收到，客户端为你飞速执行。我们来看一下他是怎么操作的啊，哎，他直接就打开了一个浏览器窗口，并且给我们打开了 gmail 这个软件，来，我们看他怎么操作 好，他已经直接打开了制作图片的工具，跳转到制作图片的界面。好，然后再帮我们点选择这个模型的模式啊，选择模式好，选择了 pro 模式，对吧？ 可以看到我全程没有动啊，这个鼠标在这里没有动啊，然后我这只手也没有动，全程他自己操作啊。 好，他已经上传了一张参考图在这里啊，他自己上传的啊，自己去网上搜索，然后直接复制过来的哇，直接粘贴了一段这个提示词啊，可以看到已经开始发送过去让他生成了。 好，可以看到他已经开始生成了啊，哎，可以看到应该生成好了哇， 看着还不错啊，对吧？ notebook lm 的 一个图标，哎，他直接自己点了这个下载 复制图片啊，哎，把这个图片给他下载下来了。好，可以看到他说他已经生成并保存到桌面上了，已经生成好了，我们去桌面看一下，哎，在这个位置啊，可以看一下，我移开一点啊，哎，就这个双击一下打开啊， 哎，就是这个可以跟原图对比一下啊，整体效果还可以吧，这样我就可以不用自己再去设计封面了，以后设计封面的活就可以交给他了，而且可以看到我这里是有完整的这个工作流的啊，还有 在这个小龙虾里面可以看到，而且他是懂我的啊，可以看到他已经还能解析我过往的一个文章风格，就是完全懂我啊。客服号的一个这个消息也同步过来了啊，我是水哥，关注我，在 ai 时代一起快人一步。

你敢相信一句话就能复刻爆款视频吗？最近 ai 圈又炸锅了，字节跳动开源了一款超级 ai 员工 dear flow， 二点零一上线就冲上 github 热榜，一度冲上了 github 榜一！只需要一句话指令就能帮你复刻爆款视频，生成歌曲、一键搭建网站，这些都是自带技能， 它还能精准控制上下文，只在需要时加载内容，非常省资源，更有跨绘画的长期记忆，越用越懂你！ 它就像一个超强的智能调度中书，能自动拆解复杂任务，派出多个子 ai 分 头执行，最后统一汇总交付，还支持无缝接入各种大模型，完全开源随便使用。下期视频，我将手把手教大家部署这个超级员工，关注我，带你玩转 ai！

如果你还只用 chat gpt 聊天，那你真的亏大了。今天这个工具，让 ai 从嘴炮选手直接进化成数字员功能，替你写代码、做 ppt、 跑数据。关键是它是字节跳动的开源项目，完全免费。 今天我用三分钟给你讲清楚，为什么它能让 github 霸榜。兄弟们，先搞懂一个词，哈尼斯，别被这个英文词吓到。翻译成人话就是装备系统， 就像玩 rpg 游戏，你得有装备栏，能挂武器，挂护甲，挂各种道具一样。 dear flow 就是 这个装备系统，他给 ai 挂上了 任务指挥官，让他知道先做什么，后做什么。小分队管理系统，一个任务分给多个 ai 去做净度备忘录，记住做到哪了别白做。简单说，以前 ai 是 光杆司令，现在有了 dear flow， 他 带了一支军队。 说到这，有个很扎心的事实，百分之九十的人用 ai 都在浪费时间，为什么？因为他们把 ai 当聊天机器人，而不是工具。举个例子，你让 ai 调研十家公司，做个报告，结果是不是这样？ 他说好的，然后就开始编，数据是假的，来源是编的，最后你还得自己重做。这就是传统 ai 的 通病，没有执行力。 重点来了， dear flow 会玩分身术。想象一下这个画面，你坐在办公室里，十个 ai 小 弟同时给你干活，有的查资料，有的写代码，有的做 ppt， 这得多爽？比如，你让他调研十个 ai 公司，做的分析报告，他会这么干？ 第一步，主 ai 分 析任务，拆成十个子任务。第二步，一下子拉起十个 ai 小 弟，每人负责一家公司。第三步，十个小弟同时开工，三倍至五倍效率。第四步，汇总结果，生成完整报告。记住这个数字，效率提升三倍到五倍。 最关键的是，每个小弟都是独立的，互不干扰，不会像你公司的同事那样甩锅，这叫什么？这就是团队的力量！ 第二个神器，虚拟电脑执行环境，兄弟们，这个点太重要了！以前很多 ai 工具只是嘴炮选手，它能告诉你代码怎么写，但你得自己复制粘贴，自己调试。 dear flow 不 一样，它给 ai 配了一台真电脑， 每个任务都关在一个独立的小房间里。这台虚拟电脑是完全独立的，它能在里面干三件事， 写代码，并运行 python、 shell， 随便跑读，写文件能上传，能保存，装软件想装什么装什么。就像给 ai 配了一台专属电脑，它不光会指挥，还会自己动手干活。最关键的是安全，每个任务都在独立房间，互不干扰，不会把你电脑搞崩。 第三个神器，技能，系统加长期记忆。兄弟们，这个才是真正的越用越懂你！技能系统就像 ai 的 工具箱，里面有很多现成的技能包， 研究技能会查资料，写报告技能会整文档，写代码技能会编程，而且这些技能是按需加载的，用哪个拿哪个，不浪费长期记忆更牛！他记得你的偏好、习惯、常用的流程，你用的越多，他越懂你。下次做类似任务，直接按你的套路来。 兄弟们，说了这么多，这玩意到底能干嘛？四大场景直接起飞！第一个，深度研究自动化。比如你要做个竞品分析，以前得搜半天资料，还得整理，查各种网站，还得去虫，写报告还得排版。现在呢？ 说一句，帮我分析十个 ai 公司。 dear flow， 自动搜资料，查数据，作对比，整表格，生成待引用的完整报告。重点来了，三天的工作量，两小时搞定， 这不是夸张，这是实测数据，你现在就可以去 tapp 验证。第二个，内容创作自动化， 想做个 ppt， 输入主题自动生成。想搭个网站说人话，他就写代码，想做视频脚本，他给你整全套，从创意到成品，一键搞定。第三个，数据分析自动化， 丢个 excel 给他，他能洗数据，算指标，画图表，找趋势，写分析给建议，连商业洞察都帮你想好了。第四个，工作流自动化， 每天要重复干的活，给他设个流程，他自动跑，定时执行，无人执守你睡你的，他干他的。兄弟们，这不是工具，这是给你雇了个二十四小时不打烊的全能助理。 兄弟们总结一下今天的内容， dear flow， 三个神器，一、动态子代理系统， 一拖多效率起飞。二、虚拟电脑执行环境真干活，安全可靠。三、技能系统加长期记忆，越用越懂你！四大应用场景深度研究，三天电，两小时 内容创作， ppt 网站一键生成，数据分析自动整报告，工作流自动化，无人值守。一句话总结，给 ai 配台电脑，带支军队，让他真把事情做完。

四万七千三百颗星， github 全球热榜第一。这不是某个硅谷独角兽的闭源产品，而是字节跳动刚刚开源的一个 ai 项目， 它叫 dear flow 二点零，从深度研究框架进化成了超级智能体平台，发布不到一个月，已经改变了开发者对 ai 写作的全部认知。接下来的三分钟，我会用最直白的方式告诉你这个项目为什么重要，以及它将如何改变你的工作方式。 先说个扎心的事实，你让 ai 干个简单任务，他可能表现很好，但一旦任务变复杂，比如做个完整的调研报告，搭一个全站项目，他大概率会在某个节点开始胡说八道。为什么会这样？ 不是模型不够聪明，而是它缺一个关键的东西，一副好马鞍。什么是 harness？ 如果 ai 模型是一匹千里马，那 harness 就是 马鞍、江绳、水袋和地图。 它不是 ai 本身，但它是让 ai 从演示工具变成可信工作者的关键基础设施。 harness 负责管理工具调用、处理，上下文一出，甚至跨绘画记忆。 这个概念由前 honeyface 工程师 philipp schmidt 在 二零二六年初提出，现在已经成了整个 ai 工程界的共识。 来看 ai 工程的眼睛，二零二三到二零二四年，行业在研究提示工程怎么跟 ai 说话，二零二五年转向上下文，工程怎么给 ai 提供正确的信息。 到了二零二六年，竞争焦点变成了 harness 工程怎么为 ai 构建一个可靠的运行系统。而 dear flow 二点零就是字节跳动给出的答案。 dear flow 二点零到底能做什么？六个核心能力，第一技能与工具系统内置研究报告、 ppt 网页生成等技能，支持一键添加和组合。 第二，子智能体编排复杂任务自动拆分，多个子智能体独立并行执行，各自有独立的上下文和工具。第三，沙河环境，每个任务在独立的 docker 容器中运行，代码执行文件操作完全隔离，安全可审计。 第四，上下文工程自动压缩和持久化，中间结果彻底解决，长任务中的上下文易出问题。第五，长期记忆跨绘画，积累你的偏好、写作风格和技术战。 第六，灵活扩展，支持 m c p server。 cloud code 集成，多模型兼容，而且完全开源。 技术上， dealflo 基于 lan graph 和 lan chain 构建，使用 doctor 杀核，保证安全。 部署极其简单，三行命令从克隆仓库到启动服务，全程不超过五分钟，而且它支持 cloud code 直接交互，你甚至可以在 cloud code 里用斜杠命令来操控整个系统。 最后说一点我的看法，过去的竞争焦点是谁的模型参数大，谁的基准分数高。 但 dear flow 告诉我们，未来的分水岭在于 harness 体系的成熟度。当模型能力趋于同质化，真正拉开差距的是你能不能让 ai 稳定可靠，长期的完成复杂任务。 这已经不是叫模型理解人类的时代了，我们正在迈向为模型构建可执行、可信赖的数字世界。这就是 dear flow 二点零的意义。如果你觉得这个视频对你有帮助，不妨去 github 给这个项目点个 star， 我 们下期见。

别再无脑吹迪尔弗洛了，我这几天深度折腾研究结论只有一个，这根本不是一个普通人开枪即用的 ai 员工，而是一个给大佬准备的解剖工具。 最近全网都在刷字节开源的超级 ai 员工框架， david 说他能让你一人开公司，我亲自在本地部署之后，发现真的想给新手泼盆冷水。他跟你想象的可能完全不一样， 他不是一个开箱即用的傻瓜相机，而是一套你需要懂浪菜和 on graph 的 单仿配件。 如果你没有开发基础，只想轻松自动化，那他的学习曲线可能瞬间能让你下头。为什么这么说？接下来我就用实际经验来告诉你，截止目前，他现在有四万多个 star 了。 我部署在我本机的这个 dork 里面了。看一下，这就是部署好的界面，这边你可以对话啥的，但是它挺麻烦的，你这里需要去用你的这些模型，你需要自己去配置，我是直接让我的 codex 也帮我去进行配置的， 它里面配置的需要很多东西，包括我给他一些技能，让他自己去配置技能，因为我看到他们文档上可以连接飞书，但飞书其实连接也很麻烦，你需要去给它自动的去弄一下它飞书里面的 应用机器人，去使用它里面那些配件插件。还有最主要是这个东西，康飞哥这个里面需要你配置很多的东西，你如果不懂， 你根本配置不出来，且你电脑里面那些环境什么的都需要去自己去使操作去使用，那很麻烦。 最主要的一点是什么？比如说想用它来自动的去开发一个东西，因为我想它应该会与 openclock 差不多，但是我需要给它一个具体的项目位置才可以，还是挺麻烦的。它这里设置上面这三个工具，它看的有用，但实际上你弄上去之后， 你的飞书的对话的时间就会非常长。定义的这个技能很麻烦，我还是让 codex 帮我一键去习。用的是如果你是想要学习 longchang and long graph， 怎么去搭建这样的一个多智能体，智能体协助的一个项目，还是非常有必要去学习一下。 但是如果你只是想要上手就用的话，我认为这个就没必要去折腾了。别再被超级员工这种标题给唬住了，这俘虏更像一把锋利的手术刀， 在专家手里能创造奇迹，对于新手来说可能连包装都打不开。我的结论可能有点反常识，但是这正是我深度使用之后最真实的一种感受。那 大家对于 dear flow 类似这样的一个框架都有些什么玩法，什么见解呢？欢迎在评论区相互讨论学习。

微信官方重磅更新，个人微信现已正式支持大龙虾推出 kolobod 插件，简单几步就能轻松上手。首先确保你的微信版本是八点零点七零，打开微信，点击我设置检查版本号，如果不是就更新到最新版，插件会自动出现。接下来 怎么和电脑上的龙虾连接呢？最简单的方法来了，不用命令，只需在电脑上安装好 qcclock， 按提示扫描二维码就能快速连接，立即使用。更惊喜的是， qcclock 每天还赠送四千万 token， 用起来超省心！你学会了吗？欢迎在评论区告诉我！

零零后马农专治吃灰，你抽屉是不是躺着一堆 esp？ 三二买回来全在积灰是吧？我也是，所以我搞了个东西叫做 m 五可乐，基于咪咪可乐做的完全开源，说白了就是 agent 版本的小智，小智只能跟你聊聊天，但这个是真能干活，什么样的板子都能刷， s 三 c 三几十块都行， 帮他扫个码，微信聊天界面就能指挥他跑任务，读传感器，推消息控设备。你说一句他就去办，不用管了，社区一堆现成的 skill， 一 句话安装跟 app 似的。你想想以后跟朋友吹牛的时候，掏出一个芯片板，说这是我的 ai 员工，他什么心情？你抽屉哪块的芯片板最惨？我来帮你复活。评论区晒出来。

和你们分享一下如何通过微信来连接 opencloud， 并着重说一说我的使用体验。你们把微信升级到最新版之后，点击设置 往下滑，点击插件，这边有个微信 cloud bot， 点击详情，你们按照这个详情页的安装指南做就可以了，非常简单。微信 cloud bot 实际上就是连接微信和 opencloud 的 工具，你可以把它当做你的 ai 微信好友，你可以给你的 ai 伙伴发送语音文字以及图片。有一点要注意，你发送的语音会被微信直接转换成文字， opencloud 接收到的实际上是你语音转换过的后的文字，所以它是存在识别误差的。 微信 clubbot 会像真实用户一样给你返回文字音频，还有这个视频，但是 clubbot 返回的音频是以文件的形式存在的，而非原声的微信语音气泡。我们平时可以在微信中查找与好友的聊天记录， 可是这个功能现在在微信 clubbot 中是不支持的。给你们看一下，我在一个输入框中同时发送了文本以及图 片，但是微信会强制把你的文字和图片分开来发送。我们从 opencloud 返回来的结果就可以得知， 它是先分析我们的文字消息，再分析我们的图片消息。这就导致了我们虽然说是统一发送了一个消息，可是它进行了多轮的思考，并且每一轮的思考，它获取到的消息都是不全面的，这个缺陷在非书中是没有的。 我们可以在一个输入框中同时输入图片以及文字，发送你们看飞书渠道的回复， 它说的就是两张都可以，这说明在飞书渠道我们同时发送图片和文字，它是可以统一接收，统一回复的。如果你想发挥 opencloud 的 全部能力，那你就需要通过调用多个 agent 来并行地做许多事情。这在飞书中是很方便的。你只需要创建多个智能机器人，然后把每个智能机器人都绑到你想绑定的 agent 上就可以了。但是现在在微信中只支持创建一个 cloud bot， 你 无法通过多个 cloud bot 与多个 agent 进行沟通。 当然，你也可以在这一个 a 政客中创建多个子 a 政客来帮助你执行任务，可是这会增加你很多的学习成本。现阶段国内还是飞书对 opencloud 的 适配程度最高。大家一些日常的任务可以在微信的 cloud bot 中完成。 但如果你要稳定、高强度地使用 opencloud， 我 的建议还是使用飞书。这里是 jack ai 独立开发。非常感谢你的观看，我们下次再见！拜拜！