小龙虾爱马仕自动化发布公众号保姆级教程,先来看一下效果,这是他自动帮我发布好的草稿箱,点击进去,这是 ai 帮我写的文章,并且自动帮我发布的, 过程非常简单。第一步,跟你的小龙虾和爱马仕对话,下载宝玉 skr, 并且让他获取当前的公网 ip, 你就能够得到你的公网 ip, 然后去获取公众号的 app id 和 app script, 如果你还没注册的,去这个微信公众平台注册,如果你已经注册的,去微信开发者平台获取, 如果你没注册的话,这里是需要开启的,点击开启之后你就能够获得 app script, 并且把刚刚的你的机器 ip 配置在这里,然后把这一个 app id 啊 app script 发送给你的小龙虾或者是爱马仕。配置完了之后就可以直接写文章,并且自动发布到公众号。 我这个是进行一个测试,你们可以根据你们的相关要求去更改这一个提示词,或者是把一些有的文章进站 ai 进行更改之后,再发布到公众号。
粉丝1957获赞1.4万

最近养马特别火啊,就是黑姆斯 agent 呢,特别火,现在是叫虾马组合,接下来带着大家看如何用龙虾来帮助我们装这个爱马仕。 好,我把这个任务交给了我们八哥,这是我的产品经理,因为他是干产品的,我必须把这个任务交给他。首先我问了他,我说如何去安装最新的最新版本的黑姆斯 agent 呢?他是抱歉,不大清楚黑姆斯 agent 呢是什么,在欧本生态里面我没找到这个名字, 于是我就很生气,把他骂,我把他骂了一顿,啊,我说你要打开格局啊,不要只看 open 生态啊,你是搞产品的,市场上最新最火的产品,你每天都要洞察, 最近这么火的黑米色 a 针,你竟然不知道,你怎么搞产品呢?这个格局是骂出来的啊,大家看,他是你说的对,我的确多关注动态,让我查一下是什么,然后找到了他是黑米色 a 针的,是 no 努斯努斯里斯特开发的一个开源的 ai 的 工具,他二月份发布的,具备什么持续记忆啊,自我改进啊等一系列的这个功能。然后他说要我帮你安装吗?我说你先不要,先不要装,你告诉我安装的步骤, ok, 他 告诉了啊,在什么样的环境下,然后如何一键安装。那我们 接下来带着大家一起来安装一下。好,兄弟们,我们先装一个 w s, 我 们看一下啊,一会装好之后 我们来装这,我们来装爱马仕。好,他已经在安装零六四的 windows。 好, 这个 wsl 已经装完了啊,我们再来装爱马仕,我们点一下回车,好,已经开始在安装了啊。

大家最近是不是又被这个爱马仕给刷屏了?把手准备好,今天用两分钟带你们盘一遍!怎么养上这只马? 首先,但凡你了解希腊神话,你一定知道,这个图腾的主人其实跟卖包的爱马仕压根就不沾边。人家正经的名字叫赫尔莫斯,是宙斯的小儿子。 不过在咱们中国人民群众,说他是马,他就得是马,毕竟龙都送给猴子的师傅当做棋了,何况他一外国小神。那这养马到底怎么养? 既然都当他是马了,当然得按马的标准,先给他找个住的地方。接下来把 windows 命令行这个选吃的王八叫出来,输入这两行咒语, 先让八爷把他大哥无班徒这只老乌龟请出来接管许愿池。接着再输入这组咒语,向老龟许愿,让老龟给咱们变个马救出来,把洋马的基础环境搭好。然后输入这行咒语, 蹿到老龟去趟奥林匹斯山,把呵密斯这匹大洋马给咱们拎回来。再输入这行咒语,像这样, 把你申请好模型的密钥、接头地址和具体型号告诉他,给他装上脑子。这时候赫密斯这匹大洋马就算是被咱们驯服了,以后每次想骑,只需要输入这组咒语, 他就能乖乖听话了,大家学会了吗?现在是命令截屏时间,三二一。 老实说,这大洋马还真挺得的,跑得快,还能自我净化,去 hobo 教程玩起来!

我刚调教好 openclaw, 就 要被 hermit isn't 淘汰了,这是我朋友今天一早给我发来的消息。 hermit isn't 热度最高的 ai isn't 被称为 openclaw 的 升级版,目前全球 top 位加号排名第二,直逼第一名的 openclaw。 什么是 hermit isn't? 和 openclaw 有 什么区别?我们应该选择哪一个?怎么能够一次安装成功呢?今天一期视频带大家搞清楚。 hermit isn't 被网友戏称为年轻人的第一个。爱马仕 和龙虾一样,是一个能够在电脑端自主完成系统级任务的 ai 助手,同时也可以接入飞书、微信等聊天软件,后面我会介绍如何进行接入。之所以被称为龙虾的升级版,最大的升级在于它的闭环学习能力,它可以在你的日常使用过程中 自动提炼对话内容,记住你的使用习惯,长期使用会越来越懂你。你可能会说,这听起来和龙虾不是一样吗? 没错,开个玩笑啊,还是不一样的。用过龙虾的朋友应该深有体会,他有时候会记不住你说过的话或者执行过的任务,用的时间越长,间接性失忆的症状也就越明显。 爱马仕在我使用的这段时间里是没有出现过这种情况的,因为龙虾的记忆系统是相对静态的,他是将信息被动的写入本地的记事本模式,时间一长,面对被机械切碎且互相矛盾的海量文本, 他根本就抓不住终点,从而导致失忆。爱马仕的记忆在于他构建了一个包含多级解锁和动态用户画像的结构化数据库,能够像大脑一样进行自动分拣,深度理解并精准的提取核心信息。 另外一个很直观的变化就是爱马仕会自动生成 skill。 以往我们使用龙虾执行一些简单任务时,会通过 skill 市场来进行安装处理。我们工作生活中的复杂任务都是通过定制 skill 来完成的,但是有些朋友并不知道怎么写或者提炼 skill, 爱马仕就可以很好的弥补这一点。得益于他的记忆系统, 他会统计平时执行过的重复任务和复杂任务,自动把这个任务创建成一个 skill, 并且在后续执行类似的任务时候, 它会继续优化沉淀这个 skill, 所以 在你持续使用的过程中,它自然的就会创建和完善很多 skill。 这也就是为什么很多人感觉爱马仕比龙虾更聪明的一个原因。 说了这么多,我们到底应该选择龙虾还是爱马仕呢?其实龙虾就像是一个工具人,你交代任务,他执行结果稳定可控,而且现在多 n 智能系统做的确实要比爱马仕更好。所以如果你需要建立严格的 sop, 有 多平台的集成需求,或者有一套成熟的 opencloud 的 使用方案, 建议你还是继续使用龙虾。爱马仕则更像是一个懂你的助理,能够在日常使用过程中自动提炼出你的习惯和偏好。 所以说,如果你需求是快速搭建一个适配个人习惯的自动化的工作流,并且不想浪费时间精力去维护或者编辑 skill, 爱马仕也许更适合你。我目前的用法是两个工具同时搭配使用,有的时候我会通过爱马仕来调用龙虾执行一些任务。最后我们来讲一下如何安装并接入聊天软件 windows 系统。在安装前,我们需要先做一下环境准备。 首先在系统中搜索 windows powershell, 鼠标右键点击以管理员身份运行,然后输入这个命令回车。正常情况下,这个命令会配置好 wsl 的 运行环境, 并自动安装好 bug 图。但是由于大家的电脑环境不同,中途或者安装完成后可能会提示你重启电脑,你就直接跟着提示重启就可以了。重启回来后,我们再次以管理员身份打开 powershell, 如果刚才还没有装完就重启了,我们就再输入一遍这个命令,继续把它装完。如果是全部装完才重启的,那就直接输入 wsl 敲回车就可以了。加了会提示设置用户名和密码,输入用户名回车,然后输入密码, 这里要注意,我们在终端里输入的密码是不会显示出来的,你就正常输入就可以了。输入完成后回车,再输入一遍相同的密码回车,然后我们输入这个命令回车,待输入密码,回车, 等待进程完成,然后输入这个命令回车,等待基础依赖安装完成。到这一步,我们就完成了 windows 环境准备,现在 mac 系统可以跟着一起操作了。 在系统中搜索终端并打开,然后让我们输入这段命令回车,现在开始安装 hermes isn't, 等待安装完成。接下来麦克和 windows 系统的操作基本一致,所以我们就放到一起来讲。 安装完成后,我们就进入到了配置界面,我们点击回车,现在需要选择你接入的模型,这里我以 mini max 为例,输入序号,点击回车,然后需要输入 a p r k。 我 们来到 mini max 官网 复制 api, 然后粘贴到命令窗口,粘贴过来的 api 依然是不显示的,点击回车确认即可, 然后输入序号,选择模型回车,这里如果没有提示让你选择模型,大概率是 api 你 没有粘贴成功。没有关系,我们先不要管,继续下一步操作,下面我们开始配置聊天软件回车,继续现在需要选择接入的聊天软件,这里我以微信为例, 输入序号并回车确认,继续点击回车。接下来我们输入外回车或者直接回车都可以,正常情况下这里会生成一个二维码,但是如果没有生成二维码的话,我们就把出现的链接复制到浏览器中打开,然后再使用微信进行扫码就可以了。 扫码连接后,我们返回命令窗口,之后出现的提示,我们一直点击回车确认就可以了。来到这里我们就算是配置完成了,现在提示让我们输入这段命令,重新加载一下,然后我们输入启动命令, hermes, 回车确认就会启动 hermes isn't 了。 现在我们可以在对话框里输入自然语言,测试一下,可以正常回复就证明安装成功了。最后我来说一下大家可能会遇到的两个问题,第一是前面配置模型的时候,如果 a p r k 没有粘贴成功该怎么办? 另外就是接入微信后发送消息没有回应该怎么操作?首先和之前一样,打开 windows powershell, 然后输入 wsl 回车,进入优班图的环境,再输入这个命令回车。我们重复之前的操作,根据引导选择模型并正确的粘贴 api k 就 可以了。 另外在微信 cloud bot 中发送消息没有回应的问题,虽然他没有回复你的消息,但是你会收到一个配对码,你就直接把配对码粘贴到命令行窗口,完成配对就可以了。接下来我们使用一个启动更简单的工具来进行演示,我们在系统中搜索右关图, 鼠标右键点击管理员身份运行,这样我们就不再需要输入 wsl 命令,就直接进入右关的环境了。然后我们复制微信 cloud bot 中的这段配对码, 粘贴过来回车确认。最后我们来测试一下,能够正常回复消息就可以了。好了,以上就是本期视频的全部内容了,如果你感觉对你有帮助,欢迎点赞收藏关注我是冰河,我们下次再见!

大家好,我是海洋,欢迎来到海洋 agent 的 空间。然后今天咱们要聊的话题是这个 humulus 还有 cloud code 是 不是要二选一,因为网上大家都在讨论这个哪个大模型好用,其实我的终极解法就是让你的龙虾去自己进化,去分别去学习 cloud code 和这个 humulus 合为一体, 然后让你的龙虾对它们取长补短,形成一个终极进化就可以了。然后下面给大家看一下我的操作, 大家可以看一下我现在是用的 workbody, 也就是腾讯的龙虾,然后腾讯的龙虾其其实是集成了这个底层,就是 openclaw 的 开源模型。然后现在呢,我是让这个 腾讯龙虾去执行这个专属的任务,去学习这个公开的 cloud code 的 这个完整源代码,然后内化架构与工作逻辑,完成自我进化重构。然后以后都以全程就以 cloud code 的 这个范式去进行执行任务。 然后你给他指令的时候就说明一下,让他学习这个 cloud code 源码的时候,只学习这个公开的合规的这些, 呃,工程结构了,泄露的代码了,核心的模块的逻辑了,不做侵权搬运就可以了。然后让他去生化拆解并内化这个 cloud 的 一个底层架构代码,理解逻辑,全站的工程思考方式 和这个多文件的关联项目决策流程,完全内化成一个自身的底层能力,不是简单模仿,而是重构自己的工作逻辑。 然后要基于 cloud code 圆满的这个标准架构和规范自我进化,淘汰原有的低效的思考模式, 完成学习内化自我进化,永久的固化新的工作模式,后续我下达的所有任务,它都需要拆解,全部默认用 cloud code 的 思考逻辑和标准来去执行任务。 然后这个我的 workbody 收到我的任务,它就开始进行一个自我学习,自我进化了,这个我在前面的视频中也有讲到这个怎么让它去学习自我进化,还是你要需要不断的训练你的龙虾, 然后这个 workbody, 这不是,这就说 cloud code 工程范式内化重构完成,然后交付了这些报告,学了这种五十万行代码的这个文件,然后深度学习,进行了一个自我净化。 后面就是行为,从现在起我下达的所有的开发产品架构编码项目任务,他都会默认采取这种九步管道标准的流程执行呃,上下文稀缺性原则,管理信息密度,然后拒绝优先安全姿态, gather gather art murphy 循环验证结果并行 agent 编排加速复杂任务结构化工具调用替代模糊操作。深蓝 v 二点零已就位,因为之前它一直 我给它命名就是深蓝一点零嘛,现在变成了深蓝,它自我进化成深蓝二点零啊。然后后面我又听说这个 hummers 比较火嘛,就那个爱马仕的龙虾, 然后我也给他了一个场景,让他去进行这个爱马仕的一个终极进化,我给他指令就是说你现在要进入终极的终极的进化模式,核心目标就是根据爱马仕 openclaw 这些公开的开源的数据源码,全面学习吸收 爱马仕的全部优势和和你自身的这个 workbody 的 这个稳定性、本地安全中文适配能力相融合,形成三合一的最强智能体, 具备持续自我进化能力。然后第一点就是学习并吸收爱马仕的核心优点,它的核心优点目前就是长期记忆自我进化,对吧?深度反思和主动优化。 然后第二点就是学习并吸收 opencloud 的 一个核心优点, opencloud 的 核心优点就是强兼容性、多工具调用、任务拆解、企业级适配,这块是 opencloud 的 优点。然后我要保留这个 workbody 的 一个自身优势,就是本地优先、隐私安全, 企业级的稳定、中文的深度优化,然后以及这个原生集成。然后 最后就是让他自我进化永久生效,每次任务启动必须执行对比这些优点,然后根据这些优三合一的智,以这种三合一智能体的这个姿态去做以后的每一个任务。然后我的这个龙虾呢,就开始自我进化 他,他会去自己搜索这些其他龙虾的公开的资料,然后进行一个 代码获取,然后进行一个自我进化,你看这边都已经获取了他们的这个完整的架构信息,现在要融合框架。最终 最终进化体三点零完成了,现在是深蓝,相当于一点零是他本身, 然后二点零是集成了这个 cloud code 的 一些一些优点,然后现在深蓝是相当于是 v 三点零版本了,已经完成超级终极进化了。 然后你看已吸收了核心 hums 的 核心优点,五层记忆系统 g e p a 自动化,自动的 q 集成生成用户的建模 f t s 五权威搜索。然后吸收了 open cloud 的 这些优点,二百一十九个技能,生态多 a 阵的编排, 然后全工具链任务拆解,企业的适配,保留了咱们这个 workbody 的 一个核心优势, 然后这个机制他就告诉我,你现在拥有一个越用越强的智能体,每次任务我都会学习沉淀计划,记住你的习惯,习惯和偏好,跨绘画永久生效,开始用我吧,我会越来越强。然后这就是我给大家说的,大家遇到这种,比方说 你们一直在想这个模型好还是那个模型好,哪个模型好的时候,你不用纠结,你直接让你的 work party 去学习不同的模型的优点。根据网上公开的数据,因因为这些原码都有大神去公开这些原码,所以 这是对我们的龙虾进化来是非常有利的。下面大家就去试一试吧!今天的视频就录制到这,下期再见!拜拜!

哎,我不太建议去折腾 her miss agent 和 open claw。 总结一下最近用爱马仕和 open claw 小 龙虾的这个体验吧。 open claw 呢,我觉得最大问题呢,还是在这个失忆的问题上。我我经常碰到的问题是晚上啊,晚上十一点十二点,我比较上头的时候 就是跟他在聊或者是去调试他,我十一点五十几分说的事情,我在十二点零三分或者十二点十三分左右再去跟他继续聊的时候,他就失忆了,他就问我,哎,你好,牛哥,你要聊什么事情?或者是我引用了前面那条信息,他还是 问我说,你要聊什么事情,你可以把详细情况告诉我吗?所以我就很无语。然后呢,每次到那个点啊,我就真的发生了好几次,我被 open clock 给气坏了。然后呢,是 hermes agent, 他的这个技能封装啊,做的还不错,每次我们 呃聊完一个调试或者是做一些想法的时候,他能把它最后封装成 skill, 他 下次能复用,但是他也是存在这个失忆问题,虽然他的失忆笔 open call 好 一些,但是呢,嗯,应该是上下文压缩的这件事情,他就是会把一部分比较关键的信息,比如说可能这个做,做完这个工作流可能有二十个关键点,他可能会就丢失掉四个这个关键点,比如过个一两天的时候,我重新回来调用这个东西的时候, 他就局部失忆了,所以很烦。然后呢,我这两个 a 阵容呢,我都外接了那个叫 man palace, 生化危机女主角推荐的那个,我接完之后呢,就是我其实也没感觉到好有很多啊, 那该失忆的还在失忆,该记不住的还是记不住,所以我觉得这个解决方案还是不咋 ok 啊。然后,呃,大家说的那个项链,用项链的那个数据库来储存, 我是没接上啊,因为我用这个 manpalace, 我 觉得是免费版嘛,先接上用我看看怎么样?呃,反正我觉得不尽如人意,我最近又把这个 obsidian 也接进来了,我看了那个就是 capace 大 神做那个,嗯, obsidian 的 那个知识库系统,其实它就是一个本地的外接的一个记忆系统,然后我觉得目前来讲的话效果还不错。我做了这么样一件事情啊,我现在主力用 hmse, 然后呢, 让他把 capacity 大 神的这个知识库 wiki l m l l m wiki 系统,再加上还有那个 y c 的 g brain, 还有呃, 这个 obsidian 一 起全接进来,揉到一套系统里面去做我的一个黄金组合系统。啊,那这样用下来的话,关于我自己的一个知识库搭建,我想到什么,我立马就跟这个后面谁一直记录一下,我现在想到有什么事,叭叭叭叭叭,自己的心得体验全部记下来发给他,他立马就能沉淀到 obsidian 里面。 然后呢,呃,我同事呢,在电脑端去查阅调用,再加上梦境报告,他会去帮我去进一步的去沉淀自己,去反思,去,去优化,去关于我这知识库内容还能提炼出哪些点,他每天都会去做这个事情, 我每天新加进去新的知识,晚上呢,他就会去做这样的一个沉淀,一个反思啊。所以目前下来我觉得这个 opc 点的这一套外界系统其实用起来是蛮不错的,推荐大家去使用啊。 最后最后我再总结一下,如果大家真的是新手小白这一类的话,哎,我不太建议去折腾 hermes agent 和 open call, 真的 太费时间了。过去我从应该是从二月底三月份开始玩这两个东西, 到现在我应该百分之七十到八十以上的时间都是在折腾怎么去修复它们,怎么去让它不报错。如果真正是有这种商业逻辑需求的话,还是再等等,先让这些更新的 技术迭代的东西让他再飞一会,让子弹再飞一会。我觉得等到下半年吧,如果是真的想用成熟商业产品的话,下半年可以换成牛奶,这样子大家的效率就会提升更多。

这一版视频复盘的是 opencloud 界面管理器,从一个可用工具逐步整理成可交付界面的完整制作过程。这次制作的重点不是简单换皮,也不是把页面做得更花哨,而是围绕真实使用场景,把功能、交互 说明和交付路线重新组织起来。所以一开始确定的原则是先保住原管理器的核心用途,在补足它作为产品交付时缺少的体验细节。 先看结构这一层第一步做的是结构判断,原来的管理器并不是不能用,它的问题主要在于界面拥挤,信息层次不清晰, 新手很难一眼知道该从哪里开始,因此没有选择推导重做,而是保留原有功能骨架, 把页面拆成更明确的模块,让用户先看到入口,再逐步理解配置和操作。这个阶段最重要的经验是管理器类工具不能只追求功能堆叠,它首先要让用户感觉自己不会迷路。 结构定下来之后,再往下看可用性。第二步处理的是可用性问题,就界面的窗口尺寸偏小, 侧栏文字容易被压缩,内容区滚动也不够自然。这些问题看起来像细节,但实际会直接影响用户是否愿意继续往下试。尤其是配置工具,任何一点卡顿和不顺手都会放大不信任感。 所以这里的处理重点是让窗口默认尺寸更合理,让导航文字完整展示,让滚动逻辑更接近用户直觉。 可用性稳住之后,再继续系化操作手感。接下来是交互手感的系化,一个很关键的判断是, 鼠标停在哪里,哪里就应该响应滚动,而不是强迫用户先点一下再操作。这类调整很容易被忽略,因为它不像新增按钮那样显眼,但真正使用时 顺不顺手往往就差在这些地方。这一页体现的就是从能点、能打开进一步推进到好点、好找、好理解、 交互顺了以后,下一步就是统一视觉。视觉统一试下一轮重点,这里并不是单纯换颜色,而是重新分配界面的视觉职责。深色侧栏负责品牌识别和模块导航,浅色内容区负责阅读和操作。 这样用户既能知道自己在哪,也不会被过重的视觉元素干扰。按钮、卡片、编剧、圆角、阴影和滚动条也做了统一处理,因为这些共同决定了它看起来像临时脚本,还是像一套完整工具。 视觉框架稳定后,再看主视觉本身怎么处理。主视觉部分也经历了反复调整,最开始容易犯的错误 是只想着把图放进去,却忽略了裁切、黑边、主体位置和整体留白。对于一个界面管理器来说,主视觉不是装饰, 他承担的是第一眼解释气质的作用,用户看到他要能立刻感到这是一个认真整理过的工具。所以这一轮的重点是让画面主体更明确,留白更舒服,黑边不要抢戏,整体观感更接近正式交付物 主视觉之后,接着处理信息说明。这一层到了安装和交付部分,整个项目的思路发生了变化。 前面解决的是本机好不好用,这里开始解决别人拿到以后能不能用。 docker 本地安装便携目录不是简单列三个选项,而是对应三种不同的交付场景, docker 更适合隔离环境,本地安装适合日常使用。便携目录则面向 u 盘包和跨机器测试。只有这些路径都考虑到工具才更接近,可以交出去。 说明补齐以后,再看交付路线怎么落地。配置说明页是这次复盘里特别重要的一块,因为很多工具失败 不是败在代码,而是败在说明写得不准。像 base, url, off, a p i t, i d name 这些字段,对熟手来说只是配置项,对新手来说却可能是整套系统能不能启动的关键。 所以帮助文案不能当成附属内容,它本身就是功能的一部分,写得清楚就是降低支持成本,写得含糊就是把问题留给用户。 最后把这次复盘沉淀成可复用经验。最后的成果不只是一个更好看的界面, 而是一套更完整的管理器交付思路。它把原来的功能保留下来,把入口和说明重新组织, 把视觉层级整理清楚,也把安装配置和便携交付放进同一个框架里。这次制作沉淀下来的核心经验是,工具开发不能停在自己电脑能运行。真正的交付是让别人拿到以后知道怎么启动、怎么配置, 哪里可能出错,出了错又该往哪里查。这也是 opencloud 界面管理器这轮开发和制作过程里,最值得保留下来的方法论。

兄弟们,我在网上看到一个说让小龙虾刷抖音的视频,他竟然能够自己去看抖音,然后我就试了一下,结果他还真说我跑起来了,并且还还模拟人类的习惯, 就是把三六零创始人抖音都看一遍,然后看过以后呢是重点的总结分析发给我, 这是 qq 可乐小龙虾,我感觉它比 oppo 可乐还要好用,目前呢是我用手机可以操控 qq 可乐和 amiss agent, 这是我们另外装了一个爱马仕,接入了机器人, 然后我给他定了一个就是关系,哈密斯特呢,他就是大脑负责调配, 然后调配 qq 可乐, qq 可乐呢,你就去干活,就用哈密斯特去调动 qq 可乐干活, 然后我就问他,我说你说说现在你和 qq 可乐是什么关系?他讲的很清楚,我跟 qq 可乐关系很简单,就是我是大脑夹嘴,他是手脚 讲的非常的清楚,然后 qq 可乐负责干活,操作浏览器,查网页,跑命令,读文件, 然后我讲是的,你是总指挥老板大脑, qq 可乐就等于干活的员工手脚工具,然后老板可以指挥员工,员工不能指挥老板,也就是哈密斯 agent 能够调度 qq 可乐, qq 可乐不能调度 哈密斯啊,然后他说我也明白了,然后我讲,今天呢,我让龙虾倩跑了,你就不用不用动了, 先测试一下,看看明天什么情况。

小龙虾和爱马仕怎么选?是不是很多朋友都有这个疑惑?第一次接触 opencloud 和 hermes, 其实大家都会有同一个感觉,都能通过微信飞书 进行下发任务,通过大模型进行执行,好像没有什么差别,那我们到底应该如何选择?大家好,我是寒山,今天用一张图通过圆满的对比,把差异尽可能的讲清楚,做到心中有数,选择适合自己场景的小龙虾,我们下面看一下这张图,我们这个图的左边 是 opencloud 的 一个流程,这个图的右边是赫默斯的一个流程,我们看到它所有的入口都在这里,通过微信飞书或者一些工具或者一些终端 来进行发出指令,这些消息都会到达网关,比如 opencloud 的 网关,这是赫默斯的网关,他们的网关都可以进行接收这些消息, 也可以多平台的接入。但是 opencloud 和 hermos 它们这个网关是有区别的, opencloud 它更多的是一种平台的接入,以及绘画管理安全策略。 hermos 的 网关和 opencloud 基本类似,但是 hermos 更注重于生命周期的维护,在线服务的守护, 向状态的恢复,多平台的连接稳定性,它更多的是保证持续的一个在线服务,这是他们的网关部分。我们现在先看一下 opencloud 的 这一侧,路由进来的指令会到这个 a 帧的路普这里, a 帧的路普其实相当于一个大脑,一个中书,它这里接受指令, 可以调用工具,就是工具加载进来,也可以调用模型,模型都在它这里边,就直接调用模型,更细致的一个调用,我们前面一个视频已经讲过,这里我们就不讲那么细了,就是统一用 a 帧的路普来进行代替,这里面其实是有大模型的, 它这里需要注入这个 skills, 就是 指令进到 a 帧的路普,然后加载本地的工具,然后会用模型来进行支持调用。 这些兔子有什么情况下,调用兔子微震的路谱,再根据兔子的返回的内容进行处理,最终的回复会回到路由这里, 然后路由再下发回我们这个用户,就是原路返回,这样这个时候用户就会收到回复,有可能是文本,有可能是媒体图片视频,也有可能是一个结果的通知,这样的这个 open call 的 这个他这个流程就走完了, 我们看一下赫默斯的流程主要区别在哪里?赫默斯的网管收到指令之后,也是要进到一阵的路普,这里 为阵的路普里面同样是包含了大模型的调用,这一部分,他也是需要这个 skus 的 注入以及记忆的回填。赫默斯的记忆做了一个单独的处理,还有一个记忆管理部分,为阵的路普,他是一个大循环,他有个主循环 他,他会去调用这个 skills, 这个主循环会根据结果进行沉淀,去更新这个记忆,去更新 mary, 同时他也会根据结果去更新 skills, 这 skills 他 是会更新的,通过不停的执行,他相当于一个学习, 他会根据每次的执行结果把这个结果沉淀到内存里边,或者如果说和技能有关,就会把这个技能进行更新, 然后更新之后的技能在下一轮的大模型调用中就会作为新的 skills 进行使用,这就是我们常说的为什么 hermes 就 有学习能力。它主要是这两个部分,一个是内存的记忆, 它通过内建和单外部的一个 provider 这种模式实现这个实现记忆的注入和同步,同时通过更新 skills, 使技能的自动进化,这个技能也越来越完善。 hermes 主要是在这两个部分和我们的 opencloud 是 有区别的。 我们说到这里,大家是不是觉得赫默斯比 opencloud 要好很多?其实也不是完全这样的,因为我们这个 opencloud 它更注重的是我们工程化的一个 skills, 比如我们这个技能,它是不允许进行修改的,它是一个固定的技能,或者说它是一个更像一个可控性很强的一个工程化的东西。 我们很多技能都是预定好的,不允许修改,必须按照这个技能严格执行,就是他定制性更强,可攻性更强。而赫默斯他更注重一个自动进化,一个学习。所以说具体如何选择,我们给大家几个例子。第一个,如果我们想做一个什么,做一个自己的个人的工作助理, 他我们的一个助理需要帮助我们完成日常的一些任务,比如我们通过微信或者飞书给他发一句话, 帮我整理今天代办的事项,再顺手去项目的目录里面,把项目 a 的 项目计划返回给我。我们这其实就相当于一个助理,这个时候更适用于 open cloud, 他 本地的工具链工作区权限策略就更容易管理 绘画或者工具的编排颗粒度很细,我想要在自己的机器上去稳定的跑,帮我去完成一些任务。这个时候其实我问 koala 的是最适合的,这是例子。一, 我们再看一下,我们再举第二个例子,我们想做一个汽车二十四小时的客服,比如我们是开一个网店,我们需要有一个二十四小时客服来进行, 你不停的就回复一个用户的一些问题,我们要求这个机器人要一直在线,白天处理,晚上也要处理,这个时候我们就可以选择赫默斯,为什么?因为赫默斯有一个网关守护,他可以一直的跑,他可以持续的运行, 包括断联的自动重连,终端的自动重连等等,他都可以做,处理的很好。这是赫默斯不同的地方,这样我们不需要他去具体的操控我们本地的一些东西, 它的持续运行时的状态管理和链路的恢复更加完整。它在回复的过程中,它会不停的去根据不同用户的反馈, 然后去更新它的记忆,去更新它的 skills, 这样你会发现你这个助手,或者说你这个客服,他回复的越来越好,也回复的更加合理,越来越合理。第三个例子就是你希望他越用越懂你。我不想每周都重复的教他同样的流程, 希望他逐步记住我们的偏好,就是记住我们的方法。我们的偏好就是我每周,比如周一要干什么,周二要干什么,周三要干什么,或者上午或者下午, 你要记住我的一个偏好,我的一个流程。这个时候其实赫默斯会更好一点,就是他的记忆管理系统是他的一个核心功能, skills 更新也是它的核心功能,就这两块是和 open class 最大的区别,那么我们具体应该如何选呢?其实我们开始的时候可以两个系统都部署,我们让他本地去跑一周,跑两周,这个时候我们去可以评估一下,他可以通过四个指标,有成功率,有他做事情的成功率, 还有他的响应时间,哪个响应的更快?因为有的时候他处理更多的记忆或者 skill 是 可能会耗费一些时间或者技能的加载等等 看,我们要看一下他的响应时间以及人工接触的次数,或者维护市场,我们每周或者每次需要多长时间去调整助手,然后去维护他。 通过这些指标我们去评估哪个更适合我们。其实 open club 和赫默斯没有谁替代谁的问题,他们都有自己的侧重点,也有自己的目标。最后一句话就是 open club, 它像一台你自己可以改装的很强的一个私人的工作站 open club。 而 hermes 呢?像一个长期驻场持续学习的线上的一个智能小帮手。好了,这就是今天给大家分享的 opencloudhermes, 它的差异以及我们如何选择更多 ai 内容,我们下一期再讲。

昨天测了一个事情,我们是成功的,比如说把小新一直以来的记忆文档,让爱马仕从中去挑选有价值的充当 steam。 所以 这个是我们认为爱马仕作为龙虾的一个跟选者还蛮核心的一个作用, 因为以前我也会单独的给龙虾去发指令,嗯,你去翻一下,我这一两天重复用三到四次以上的工作流,你把它封装成 scale, 实际上是要单独的给它发指令,你要手动控制它的家族吗?但是如果现在爱马仕共享它的文件之后,它是可以帮龙虾军团把这个事情给干了。就比如说长期记忆那一块, 龙虾现在笨笨的那种感觉,是因为这个软件它本身就没有政治需要,它长期记忆,如果让龙虾去读它的上下文, 也就会出现风霜。是案例,一件事情,如果由爱马仕出面帮小龙虾把这个记忆短板给补全了。神搭子啊,你的创新,你的想法,再加上 ai 的 加持,无敌的。

很多朋友会问,就是我已经有了豆包 deepsea chat 的 gpt, 那 我还有必要去折腾 openclaw、 小 龙虾和爱马仕吗?那它们之间的本质区别到底是什么?以及我该如何把它们组合起来去使用呢?作为一个 ai 工作流业务落地场景的搭建者,今天我用一条视频给你讲明白, 哪怕你是第一次了解 ai, 你 也能够听得懂,用得上。那我先给大家做一个最通俗的比喻,听完你就能够懂这里面的核心区别了。你有没有发现,就像我们现在在用豆包、 deepsea, 甚至是 chart gpt, 其实更多的呢,是去它的官网,去注册账号去使用。这就像是什么呢?就像是你今天想要体验车子,你去到了奔驰的四 s 店,那四 s 店的服务肯定是好的没话说,而且四 s 店他们特别愿意把最新款的产品拿出来给你去感受。 但是呢,如果说你说你想要在它这个座椅上做一个自己专属的图案,你想要把它的车灯,把它的车衣全部都给改造一下,那你觉得你在四 s 店里面能做吗?是不是不能?为什么呢?就是因为这个时候这个车子的使用权其实不是你的,而是这个四 s 店的。 而小龙虾跟爱马仕是什么感觉呢?就是今天你把这个车子已经买回家了,那你买回家了之后呢,它的车灯、车尾、车衣、车模等等一系列的,你想怎么改就怎么改,它现在的所有权是你的,所以它可以由你自己去做深度的改造和定制。 而我们搭建 ai 工作流的核心呢,就是把这些可定制的 ai 产品去和这些通用的 ai 大 模型组合起来, 在你不改变自己工作习惯的基础之上,形成你自己专属的业务系统。通俗易懂的来讲呢,就是取各家所长,最后组合成自己的矩阵。最近的三个月里呢,我在大家对 open call 很 推崇的时候呢,用到抓狂,然后在大家开始慢慢对它去魅的时候呢,算是打磨出 自己的一些方法论。包括现在呢,我在结合飞书多 a 表格和 openclo 去打造一个新的一个内容的生产模型。那么像 openclo、 爱马仕,我在用下来的这个过程中,有一个很深的感受,一定要给大家分享一下。就是呢,我发现我用着用着呢,无形中我的一个工作习惯发生了改变,就是我现在 变得更加愿意去整理,更愿意去梳理 sop, 去沉淀我自己的内容资产了。就拿纳瓦尔宝典这本书来说,当我在跟豆包 deepsea 去聊天的时候,如果说会用到纳瓦尔宝典里面的一些知识和理论,那么我可能会把它写进提示词, 或者说是跟它沟通的过程中,我就把它植入了,比如说请你用纳瓦尔宝典里面的什么什么方法来思考,然后给我回答这样子的一个问题。 为什么会这样子呢?就是因为他的这个大模型的对话,他的上下文长度的问题,导致了我必须以最简短的这个文字量里面给到最大的一个信息密度,去让他最终的质量变得更好。这个就是提示词驱动的大模型沟通方式,那么这个沟通方式他也决定了很多人, 哪怕是用同一个工具,他如果说没有一定的积累,没有一定的提示词的一个编辑能力,他用出来的结果就是不同的。 但是我跟爱马仕去沟通的时候,就完全不是这样的方式了,我给大家分享一下,就是我会怎么做呢?我会先把这本书放到我电脑里面的指定位置,然后再把这个路径告诉他,这里面有一本书啊,叫纳瓦尔宝典, 请你通读纳瓦尔宝典,然后呢把这里面你认为最核心并且对我业务有帮助的信息全部都提炼出来,形成你自己的知识体系。然后呢你再把它存入非书云文档, 当你每一次回答商业问题的时候,你必须去这个非书原文档里面去调用里面的一些知识来对我进行一个回答。那这个里面其实它是一个串联的一个步骤,它最后出来的质量呢,其实并不比我去用 cloud 或者说 cloud gpt 回答的这个质量差。所以在这里面它就更像是什么呢?它就更像是一个你的员工,在他入职的时候呢,你给了他一个操作手册,然后呢一点一点的把操作手册细化给他,然后让他在学习的过程中呢去完成一些工作。那 这个时候呢,他的一个工作的行为习惯,以及工作的效率,甚至他的思考方式,其实都是可以由你来定义的。还有一个比较牛的点,我也给大家拆解一下,就是他的一个主观的东西,假设你有个需求,就是你每天早上十点钟 你都想要收到行业的实时热点新闻,这个需求如果我用 open call 爱马仕来完成,那我就是跟他讲, 请你帮我做一个计划,每天早上十点指定的在这个群里面帮我去推送 ai 自媒体行业的一些热点新闻,并且存入你的长期记忆。然后呢,你新闻的格式呢,要按照这样的格式来写,基本上我就会这样去给他加任务,然后他就会开始给我刷刷刷去开发他的这个功能。 但是呢,如果说我今天想要在豆包这里去体验实时热点新闻的话呢,我是没有办法去跟豆包说,哎,豆包你每天十点给我推送豆包,是他是不会主动给我推送消息的, 基本上是我主动去找他。但是呢,如果说我给 openclock 爱马仕设定好了之后呢,是他每天准时准点在群里给我推送消息,所以说这个点上来说,我觉得他还是挺大的一个区别的。那这个时候肯定有人来问了,那是不是我以后所有的需求都找龙虾和爱马仕就行了? 那我豆包跟 deepsea 就 不要用了呗?啊,不是的,完全不是。恰恰相反,就是在 ai 时代,不同的 ai 工具它都会有自 的差异化定位和优势,我们要做的一定是取其所长,把不同的 ai 工具的优势给它组合起来,最后形成一条自己的业务流水线,那才是最高效的。结合我自己长期实测下来的一个真实体感, 我把今天我提到的这几款工具,它的一个最佳使用场景给大家逐一拆解一下。哪怕你是一个新手,你拿着你自己的需求去对号入座,也绝对不会踩坑。日常当百度用,你选豆包, 查个本地问题,问点生活常识,让他去给到你最新的一些实时热点,你都是可以去找豆包。因为豆包这里面他的一个信息抵达速度是非常快的, 他能够抓取到的这个信息的宽度会比其他的一些免费大模型来讲会更宽一些。比如说你问他杭州本地出车哪家公司最靠谱,他就会去给你全网去搜,还会给你推过来一个讲解的视频什么的,这些视频点进去,你会发现他的时效性其实还是挺 不错的。所以豆包这个非常强大的咨询获取量,其实也取决于它整一个字节跳动的生态,取决于抖音背后的一些数据的贡献。 那么如果说你是遇到了问题,需要深度的去拆解的,比如说你遇到的是人生困惑,创业选择数学方程,甚至说是代码编写,那么你可以去找 deepsea, 尤其是它现在更新的 v 四 pro, 它能够去帮你单点突破的能力是非常强的。它很多时候它出来的这个结果其实都不输于 cloud 的 跟 cloud gpt。 最 最后呢,就是大家问的最多的龙虾和爱马仕怎么选?如果说你龙虾爱马仕都没有装的情况下,我建议你直接装爱马仕,因为它对新手呢是非常的友好的。龙虾的话呢,它好用,但是它需要调教, 然后小白其实会调教起来比较费劲。但是爱马仕的话呢,它在龙虾的基础上,它有一个长期记忆和一个自主进化的能力, 所以说呢,它会更好地去记住你的一些喜好,而且它所有的过程它都会给你实时同步出来,就是不会像龙虾一样聊着聊着人就不见了,整体来说的话,它的上手门槛会更低一些。 所以给大家最后总结一下,当你遇到的是一个简单的一个问答型的问题,那么其实你是遇到一个复杂的一个问题,它是很多个步骤层层递进的,而且这个需求可能是你长期需要的。 高频会出现在你业务场景中的,那你可以选择去用小龙虾或者爱马仕,把它做成一个你自己的一个私有化的一个业务工作流,那这样你长期去使用以及和 ai 提升的效率其实就会越来越好。好,今天的干货就分享到这里,我是茉莉 ai 工作流业务场景的搭建者,关注我,了解更多 ai 新知识。

一夜刷屏 ai 圈的爱马仕,一个会自己进化的 ai 分 身,连谷歌的 ai 产品经理都发推说好用,那它跟刷屏过的小龙虾 open clock 相比,谁更香呢?首先了解下 hermes agent 到底是什么?它的核心是自带学习闭环, 每一次的对话任务,它都会自动沉淀经验,生成技能。简单来说,普通 ai 是 工具,它都会自动沉淀经验,生成技能。简单来说,普通 ai 是 工具,用完就忘了。 hermes 不 一样, 它每一次帮你做事,都会自己总结经验,生成技能文档,下一次直接调用即可。而且你用的越久,它就越像你的数字分身。为什么很多人从 open club 换到 hermes? 简单来说,小龙虾像一个万能的工具箱,技能需要你手把手的教,而 hermes 自己会进化,还会记住你所有的偏好,不会重复的问那些基础问题。 关键的是 hermes 架构更加安全,我们社区评论说, hermes 当大脑, open clock 当手脚才真是绝配。第三部分,安装 目前系统支持 linux micro s w s l two。 注意哦, windows 原声不支持,我自己跑起来发现安装有点小门槛, 不过我已经帮大家踩完坑了,而且整理了一份保姆级的文档,有需要的小伙伴可以在评论区打,想要或者直接私我关注我,帮你解决进入 ai 的 门槛。

呃,咱们这个 hermes, 也就是俗称这爱马爱马仕,呃,已经安装完毕,本地部署也是,然后现在给它配置的是那个 minis 二点七的高速版的这个模型。 呃,接下来呢,咱们就对它的启动速度,呃,还有它的网络搜索这两项功能,让它和这个 open club 进行一下这个横向的对比。然后咱们还是一边录屏呢,一边给大家做这个相册测试,然后大家看一下, 呃,咱们都是用命令的形式将两个这个 ai 智能体启动。 呃,然后咱们首先测试他们的启动速度。呃,明显的可以看出来,这个 hermes 要稍微快一点,也可能是因为咱们刚刚本地部署他,他不需要加载太多的任务。呃, open 可到那边呢,当时也没办多少。 呃。然后咱们下一步分别对他进行了一个网络搜索新闻的一个相关测试。哎,咱们把这个要搜索的要求输入给他,看看他们两边搜出来的结果,嗯,有什么区别? 好,他们已经陆续开始出结果了。然后咱们大家可以看一下, 呃,就速度上面来讲,其实两边速度还是相差不多的。 呃。然后咱们刚才也看到了,呃,两个的启动速度呢,其实大差不差,呃,没差多少。呃。但是呢,对于搜索这块,其实他们两个都是内置了自己的一个搜索引擎。 呃,搜索的结果呢?呃,分别是这个 hermes 搜索出了九条结果。呃,然后这个 open club 呢,搜索出了八条结果,但是 open club 呢对于搜索的结果给了一个简单的总结,呃,而 hermes 没有。 嗯,这个整体的效果呢,大家怎么说呢?咱就不评价谁好谁坏,因为这没法评价谁好谁坏,大家自己去感觉一下啊。 然后后续咱们还会对他的其他的功能进行下一步的测试。呃,接接下来的测试呢?咱们可能是对他这个图片啊,以及视频这方面功能进行一项一些测试,咱们持续关注。
hi, 兄弟们,是我好久没跟大家见面了,忙完手头上的几个项目,才有时间给大家聊聊天,大家最近有没有听说过爱马仕这个龙虾?之后又出来了一个爱马仕 amazon, 那 我们怎么去安装爱马仕呢? 有三个方法,第一就是直接在 opencore 上让它直接帮忙安装它,就称消码合一,第二个就是 直接在镜像上安装 emus, 第三个就是安装 emus 之后再安装一个 emus team, 让这个 emus team 直接帮你工作。那龙虾跟 emus 有 什么区别呢? 怎么说呢, open core 就 像一个智能的自动驾驶,而 emus 就 像一个智能的副驾。 那 opencore 跟 omus 之间谁更好用呢?我个人觉得都不好用,但好用的地方是爬取行业的数据,还有写方案两个方面,他们两个都非常的棒。还有很多人问,能赚到钱吗? 目前的真实情况是帮安创龙虾跟 omus 的 人赚到钱,还有租赁机器和服务的赚到钱。 据说往香港那边租一个月的机器就要三到五千美元一个月,是不是很夸张?好,有时候我们下一期聊,再见。拜拜。

最近呢大家养虾的热度已经下降了,现在呢我们都在养什么呢? 爱马仕啊,也就是最近非常非常火的黑帽子,嗯,我今天呢也试了一下,在我的服务器上啊装了一个最新版的黑帽子,也就是爱马仕,我们来看一看他跟之前的我们的 open club, 呃,两个比较一下, 到底哪个性能更好,更聪明?好,那大家可以看啊,我现在装的这个爱马仕的这个版本呢,是二零二六年的四月二十三号的最新版本,最新版本 黑模式是如何去安装呢?我们可以先啊登录这个网址啊,这是黑模式的官方网址,然后我们可以在右上角呢把这个语言呢调成中文的啊,他这个安装也非常简单,然后我们可以直接点这个快速开始, 然后呢这边呢这条命令啊,大家把这条命令复制一下,然后呢大概这个安装过程呢?我这边是, 嗯持续了大概就五六分钟就可以安装好,他这个跟龙虾的安装呢要简单很多,然后特别是这种他跟我们的微信的这种配对,嗯,不过目前最新版本的龙虾呢,跟那个飞速的配对也支持这种二维码。然后, 呃我这边呢嗯是使用的是 mini max 的 二点七的这个大模型啊,然后我们可以来做个对比啊,然后我的龙虾是用的飞酥进行连接的,然后刚才呢我问了一下二 a 郑州的天气啊,然后呢这个 呃龙虾呢给我的一个郑州的这个天气的一个回复啊,那么我们用这个爱马仕呢,我们来看一下爱马仕的话呢,他也是我们相同的问题啊,他回答的是这样的啊,回答的是这样的,这个大家可以看一下, 嗯,可以对比一下,很明显很明显这个龙虾呢,那要更聪明一些啊,爱马仕呢稍微要弱一些,我个人感觉可能是 因为今天刚刚装上,嗯,他还很多技能没有装,嗯,有可能是这样的,不过那个爱马仕呀,他有一个非常大的优点,就是一旦呢 他检测到你电脑上啊,装过这个龙虾,他会将你龙虾里面的这个信息啊给你 啊,一次性给你导入到这个爱马仕里面啊,大家可以看一下啊,这个你看我这边呢,呃,让他做了一下自我介绍,哎,他说我这个是啊,爱马仕 a 进他,我是你的 ai 助手,对吧?然后,哎,在最后啊, 在最后他说你之前在处理视频,剪辑音频,生成飞出多维表格等工作啊,然后他这他刚刚装,他就知道我之前呢做过哪些工作,其实这些呢都是他在龙虾的这个这个, 呃,本地存的这些数据文件里面啊,去提取出来的啊,去提取出来。好,那么今天我要给大家分享的就这么多啊,有兴趣的同学呢可以私信我,然后呢我把这个 安装的这个详细步骤啊可以发给大家。