怎样修改opencode 的智能体
给大家介绍一下， default 里面有一个非常重要的一个功能，就是我们可以把一些 workflow 转化成 m c p 的 这个服务。因为我们了解目前 open ai、 open code 的 或者 cloud code 的， 它在它的那个智能体里面都可以调各种各样的 m c p 的 这种服务。今天我们主要是给大家来演示一下，在 default 里面如何 把一个标准的一个 workflow 或者一个智能体，把它变成一个 m c p 的 这样一个服务。我们给大家简单介绍一下，其实首先我们还是简单看一下我们这样的一个工作流，这个工作流会非常简单，它主要是有一个问题去解锁这样的一个知识点，这个知识点主要是做樱桃种植技术的， 解锁完了之后再通过大模型再回答最后这样的一个问题，它是一个标准的 ig 的 这样一个任务，这种任务其实我们是可以把它放在 define 里面来进行调用的。我们给大家来看一下，首先我们要先要创建这样的一个工作流，工作流创建完了之后，我们可以在这个工作流编辑这部分 把它发布成一个 m c p 的 服务，那么这样它的这个工作流 default 的 这个工作流就可以在其他的智能体当中作为一个工具被调用，那么我们看看它到底是怎么来配置的。那我们先给大家看一下，首先它是在 default 里面有这样，在 open code 的 里面它是有这样的一个配置文件的，它是全局是在点 config open code， open code 的 下面还有一个 config 点 j s 的 这样一个文件，在这里面我们主要是配了这样一个东西，这个就是我们前面看到的那个 m c p 的 ur， 它的这个 type 我 们可以设置为远程的 这个 time out 时间，你稍微要设一设，因为它原来只有三秒钟，它很容易时间就超时了，所以你可以把它设的时间会长一点，把它起用就可以了。它是在这样的一个文件下面，在你的文件下面，在 open code 的 这样一个文件下面。好， 有了这个之后，我们再启动这个 open code 的 它就可以去调用这样的一个工具了，我们可以给大家看一下，那我们就在当前环境下有哪些可用的 m c p 服务，那他就跟我们讲了，我们这边有一个 define 的 i g， 这个 define 的 i g 主要是做农业或者是樱桃种植的一些相关专业知识的问答， 那么我们就可以问就可以用 i g 了。比如说我们就问一个跟樱桃相关的一个内容，四月份我们就问他四月份要注意哪些方面，那他就很快的就可以回答出来了， 那么他这个里面就掉了 a g 的 这样一个东西，那我就去问，我接下去可以进一步的去问他一下红蜘蛛的病虫害，你可以看到他这个时候，他有些时候因为掉阿姨他的时间他会比较久，所以我也碰到了这样的一个 bug， 他 这个 bug 是 def 里面的一个 bug， 回头我们给大家来介绍一下，当然我目前已经修复掉了，这个 bug 是 不存在的， 他经常会有一些问题，我们给大家来介绍一下，这个问题主要还是 open code 跟 def 有 些时候会有一个他 m c p 不 兼容的这样一个问题， 兼容的一个问题，特别是在调一个超长时间比较久的这样的一个 def 的 调用的时候，他会报这样一个错误，那这个错误他本质上是在做一个，他等于相当于是欧本蔻的向 def 的 发了一个通知，告诉他我你还活着，没有因为是什么，就 因为有些时候这个 ig 他 调用的时间比较久，那么这个时候欧本蔻的不知道你这个 def 那 个 m c p 服务到底是不是还在工作，所以这个时候他会持续的给你去发一些 这个通知，就 notification 的 这样的一些消息，那么它就是确保这个时候你只要的方案接收到这个通知之后，你你你返回二零二的这样一个响应就可以了，你不需要返回任何的数数据包，代表你还活着就可以了。那我就查了一下目前的方案的这个实现，它可能还不是很兼容，主要是这个 进度和异步的反馈用长耗时操作的时候，只是说像我们前面举的这个例子，给方案正在做这个大量的数据检测，这个时候就是欧崩扣的是不知道你给方案到底在干嘛，所以他会不会不间断的会发一些进度的通知，这个时候原来给方他是直接就拒绝掉了， 他会报一个错误，那这个错误我们就把它屏蔽掉，不要让它报，继续让它返回二零二的这样的一个接收到通知的这样一个请求就可以了，这个地方要改一改，否则你会发现这个欧崩扣的掉底方案的 m c p 的 时候，如果他的时间比较久的时候， 他就会报这个错误，所以这个地方如果改改，就跟我现在给大家看到的是一样，就会比较稳定性就会比较好，他不太会有错。好，那么今天这样的一个视频我们就给大家就介绍到这了。
粉丝4.6万获赞34.1万
相关视频
04:13查看AI文稿AI文稿哎，你有没有过这种感觉，为了追求更强大的功能，装了个叫 oh my open code 的 插件，结果用起来总觉得哪儿不对劲儿，好像反倒是被悄悄降级了。 别急，今天这个快速指南就是来帮你找回 open code 原声代理的，那份轻便和高效的。 你看，你以为自己是升级了对吧？但问题就出在这儿， oh my open code 插件在末月安装的时候啊，会悄悄地用它自己的代理换掉 open code 里头两个本身就特别好用的原声代理。这背后到底是怎么回事呢？我们一起来看看。 这个隐藏的代价就是你失去了两个非常强大的原声代理给顶替了。 当然了，新代理肯定也很厉害，但是在处理一些日常任务的时候，你可能会特别怀念原来那两个小而美的工具。 那么问题来了，我们有必要费这个劲把它们找回来吗？答案是，绝对有必要！这可不只是怀旧哦，找回它们对你的工作效率和灵活性来说，好处是实实在在的。 好处主要有三个，首先呢，就是省钱，原声代理非常清亮，处理简单的日常任务消耗的 token 会少很多。其次，执行速度呢，叫一个快。对于一些简单的请求，原声代理几乎是秒回，能给你闪电般的响应。 最后，也是我个人觉得最酷的一点，就是灵活性。你可以根据手头任务的复杂程度，自由地在功能强大的新代理和轻快高效的原声代理之间来回切换，这样一来，你才算是真正控制了自己的工作流，对吧？ 好消息是，想把他们找回来，操作起来超级简单，我们只需要两步，一个非常快速，任何人都能轻松搞定的修复过程。来，我们马上开始， 那就是屏幕上的这两步，第一，咱们去修改一个配置文件。第二，重启一下验证成果。听起来就很简单，对吧？我们先来看第一步，这也是最核心的一步， 你需要找到这个文件路径，我已经给你打在屏幕上了，就在小砰点 config open code， o my open code 点 json， 这个是 o my open code 的 插件，它自己的配置文件，我们所有的小魔法都将在这里面发生。 好，找到文件之后，用你的编辑打开它，然后把屏幕上这段 json 代码整个复制粘贴进去。放心，下方的字母区我也放了，纯文本，你可以直接复制。 你看这两行代码意思很直白， replace plan false， 就是 告诉插件，嘿，别动我的 plan 代理。而 default builder enable true 呢？就是让那个默认的 builder 代理继续保持起用状态。 好了，代码添加完了，现在最关键的一步来了，记得一定要保存这个文件，然后把你的 open call 完全退出，再重新启动它。这一步就是为了让你刚才的修改能真正生效。 ok， 重启完成了，那我们怎么知道刚才的操作到底成没成功呢？别接，咱们得验证一下，接下来就看看如何确认你已经重新掌控了你的代理。 验证方法超级简单，在你的 o ping 扣端中里，直接输入这个斜杠命令 agent， 然后敲回车，这个命令会把你当前所有能用的代理都给你列出来， 看效果是不是立竿见影。这张对比图就非常清楚了，在修复之前，你的代理列表里是找不到 plan 和 opencode builder 的， 但是现在你再运行命令，看看它们俩是不是已经稳稳地回到列表里了，这就说明我们的操作大功告成。 所以你看，有时候就是一个小小的配置修改，就能让你的工作效率和灵活性获得巨大的提升。这也给我们提了个醒儿， 在你用的其他各种工具里，是不是还有很多默认设置是，你从来没有质疑过，但它可能正在悄悄地限制你的潜能呢？嗯，这个问题真的值得我们好好想一想。
19忘记
05:01查看AI文稿AI文稿最近很多粉丝留言，在玩 openclaw 的 时候，经常会遇到各种各样的莫名其妙的问题，比如说服务启动失败， adjant 不 响应、模型调用报错等等等等，以前没有办法解决，只能选择卸载重装 从头开始再搭建，这太浪费时间了。今天这个视频我来教大家使用 openclaw 官方帮助文件中推荐的标准的 常规故障排除方法，来让 opencloud 自己来检查问题，自己来修复问题。我们来查看如何在帮助文档中找到常见问题排除方法。首先我们还是进入 opencloud web ui， 点击左侧下方的这个文档， 进入 opencll 的 文档，点击这里把它修改成简体中文，然后点击帮助常见故障排除，这里就是 opencll 官方的常规故障排除的方法，在这里使用这一套方法，大部分的故障都可以迅速排除， 所以今天我就带领大家把这套方法从头到尾完完整整的走一遍。 第一步我们要对自己的系统有一些必要的了解，所以我们要运行这个 openclaw status 来看一下系统现在的状态。 openclaw status， 这是 openclaw 的 现在的状态，这里我们主要检查已经配置的渠道有没有明显的凭证错误，我们要查看一下这里有没有明显的标红的错误 可以看，这里都是很正常的。那么下一步呢，我们就要整体的查看一下，用 opencll status o 来查看它完整的报告， 这就是运行之后的结果，这里是完整的报告，而且是去除了一些关键敏感信息的，你可以把这个报告分享给其他人，帮你来查看 opencloud 的 状态，分析故障原因。然后下一步我们来检查一下网关 opencloud gateway probe， 我 们返回来看一下帮助，这个要检查什么呢？主要是检查这个 reachable 是 否是 yes， 可以 看到我们的网关 reachable， 这里是 no， 它已经标红了， 要修复就要把这里修复了，现在看有问题了。那么我们下一步运行 opencloud gateway status， 来检查一下 opencloud 的 网关现在的状态。 openclaw 我 们要看什么呢？要查看 running time， 是 running， 这个没有问题，然后要看这个 connectivity probe 是 否是 ok， 找 connectivity， 显然这里不是 ok， 而是 field。 然后我们再来看下一步就是 openclaw doctor， 那 么我们来运行这个 openclaw doctor。 open claw doctor 是 open claw 的 修复工具，它会修复过时的状态和配置，检查健康状况，并且提供修复的步骤。就像这个，当他遇到问题的时候，就会停下来询问我们是否修复这个问题，并且给我们提供了修复问题的建议和方法。 我们只需要按照他提供的建议和方法进行选择，就可以修复大部分的错误。 出现了这个 doctor complete 就 代表着已经修复完毕了，同时还提示我们 open claw doctor 提供了杠杠 fix 这个参数，使用这个参数可以按照 open claw doctor 的 默认设置，不需要争夺我们的同意，就可以自动地修复这些错误。 然后我们再来看下一句， opencloud channel datasmob 这一句，这句命令的主要作用就是检查你的网关的状态，我们这个可以看到网关是没有问题的。还剩最后一句， opencloud logs follow， 这里是 opencloud 的 网址，我们需要在这里检查有哪些致命的错误信息，就是这种标红色的 arrow 这种，然后再根据这些错误的信息针对性的实施解决方案。这个就是 open clock 官方介绍的常见故障排除的快速查找方法。那么下面呢，还有一些常见的问题的解决方案，大家可以 结合自己查找到的问题，在这里看看有没有自己这些问题的解决方案，包括旁边这里还有常见问题这一页，也都可以 针对你所遇到的问题在这里进行查找。今天我们如何使用 open club 官方的常见故障排除及解决方法就讲到这里了，关注我每期一个 ai 知识，感谢大家的观看，再见！
153波哥的AI课
02:11查看AI文稿AI文稿分享一个昨天下午开源的项目啊，叫 open design， 你 可以把它理解为开源版的 cloud design， 它就是一个设计师， 这个项目就是把类似的设计工作流做成了开源版本。作者自己也说了，他是逆向争流的，他的核心逻辑很简单，你给他一个需求，他帮你把需求变成一个真正能看的设计作品，就相当于是一个优秀的设计师。 它内置了很多设计场景，各种软件的 ui 啊，或者 ppt， 博客页面都可以类似这样的， 这个属于移动端的这种交互页面的设计，更关键的是它内置了很多设计系统，比如你想要那种 verso 啊，或者 big 嘛这种产品感很强的视觉风格， 它都可以按照这些设计规则去生成。它就是有一套明确的设计规范，颜色、字体、间距、组件、版式 都有规则约束，它内置了十九个 skill， 还有七十一个设计语言。就设计风格还有五种视觉方向，它可以接入你电脑里任何一个智能体，比如说 cloud code， codex， 小 龙虾呀， hermes 都可以用它。 那你用了它以后呢？就相当于把你常用的智能体变成了一个 ai 设计师。因为目前很多大模型的短板，其实就是 ui 设计上面 那对普通人来讲的话，假如说你要做一个 ai 工具页面或者是课程销售页，想做一个视频里展示用的那种产品页面，做个 ppt 啊，或者做一个小软件都可以用它 安装方式也很简单，你只需要复制这个地址，把地址丢给你的任何一个智能体，就是你在用的。你 如果用小龙虾，你就丢给小龙虾，用可乐扣的，你就丢给他，让他去安装就可以了。目前这个项目才发布了几个小时，已经快到一千个星了，还是很火爆的， 我预测超不过一个月，这个星应该会达到四五万，这个一点也不夸张，因为非常非常的实用，所以大家可以关注一下。
841小代不懂代码
03:09查看AI文稿AI文稿大多数开发者最初接触 ai 智能体，都是让他们做同一件事写代码。但你是否想过把 codex 用到极致？它能做的远不止于此，它正在进化成一个能帮你搞定各种电脑工作的全能打工人。 想要彻底榨干 codex 的 潜能，你需要掌握这四大维度的绝招，首先是建立长期记忆，其次是掌握灵活的控制方式，然后是利用工具延伸他的能力边界，最后是让他能够自主脱机运行。 没有记忆的 ai 就 像个失忆症患者，每次交流都要重新交代背景。通过把对话留置顶保存为持久工作空间， 你可以拥有专属的日常目僚长或监控助手，他会记得你们的工作进度和偏好。更进一步，你可以建立一个纯文本知识库作为共享记忆。设定规则叫 ai 如何更新它，这样就能打破单次聊天的界限，让未来的工作基于明确的历史背景继续推进。 在控制交互上， codex 提供了更自然的手段。首先是内置的语音输入功能特别适合当你只有模糊想法时，用两三分钟的碎碎念把它捕捉下来。 ai 会自己去梳理逻辑。 当执行任务时，如果发现 ai 跑偏了，你可以使用任务干预，在他撞南墙前中途打断他并指引新方向。而任务排队功能则允许你在他干活时默默把新任务排在后面，这让你在整个任务执行过程中始终保持掌控感。 codex 的 工作范围早就不局限于代码编辑器了，它可以利用内置浏览器审查网页，或者读取你的登录状态来处理日常工作流。如果遇到纯图形界面的应用，它 还能直接操控你的电脑桌面，完成点击操作。更强大的是，通过 m c p 服务器标准，它可以安全地触达你整个工作流的关键环节。把 slack 的 一条聊天记录或者收件箱里的一封邮件直接转化为执行动作 任务执行完结果在哪看呢？ codex 提供的侧边栏功能，让你生成的成果始终和聊天窗口并排在一起。不管是生成的换登片、表格、 pdf， 还是渲染出来的网页界面，你都可以直接原地查看。 发现有问题不用切换软件，直接在原位开口做标记，让它修 bug 代码、文件反馈、评论和呈现结果被整合在同一个壁环里，体验极其丝滑。 借助自动化能力，你可以把耗时工作丢给他，自己去喝杯咖啡。通过对话留自动化，他能每隔半小时像心跳一样去查收消息并乞讨回复。有野心，还要有验证器，你可以为他设定明确的目标，比如规定所有测试通过才停止，让他朝终点不断冲刺。 即使你离开工位本地环境，在默默干活的同时，你依然可以通过手机远程审批他的关键行动，实现随时随地协同工作。 回顾这一切，如今的 codex 已经从一个单纯的编程助手，蜕变成了一套完整的智能打工系统。无论是中途打断、安排下一步让它自动跑，还是设定清晰的终点线，它都已经能完美扛起一个完整的工作流，让你真正把 ai 智能体的潜能发挥到极致。
20AI费曼
04:54查看AI文稿AI文稿挑战，每天讲透一个 ai 知识点，今天是 code body m c p 安装与配置。好，那么接下来的话我就给大家讲一下，就是怎么在 code body 里面去配置这个 m c p 符。我们现在打开这个 code body， 然后在这边啊 右侧有一个对话框，然后大家找到这个右上角有一个齿轮的一个按钮啊，这个是 code body 的 一个设置，然后我们这里会看到一个这个 type 页啊，我们找到第二个叫做 m c p， 那么 m c p 的 话有几块啊？一块的话，哎，我们可以去 m c p 应用市场里面去添加一些这个 clubbody 官方给我们准备好的一些 m c p server 啊，给大家推荐的一些常用的，比如说像一些啊，一些云服务的一些 m c p server， 还有像一些开发工具的啊，就是各种各样的 m c p 都有， 所以说第一种方式的话，就大家可以下载官方的这个 m c p 的 一个服务的一个配置啊，就是我们可以用别人的这个 m c p， 那 么还有一块的话，就是大家可以自己的去啊配置一个 m c p server， 就 说，哎，我们开发了一个 m c p server， 那 么我现在要把它配置上去的话，大家可以就选这个。那首先第一块的话，我给他来讲一下怎么用官方的一些 m c p server， 比如说我这里我看能不能找到一个天气的一个搜啊？天气 mcp web research server 啊，这个是用于网络研究的，找一下有没有一个常用的一个 mcp server， 看一下， 目前官方就推荐了这么几个，是吧？呃，在 im 提示中直接用最新的库，我们就用刚刚那个来测试一下这个 mcp web search server 啊，我们把它点一下安装 好，安装完之后大家看啊，在我的 mcp server 里面就多了一个这个啊，我们刚刚装好的一个 mcp web search 的 一个 server 啊，它已经启动了，那么但是它这里的话可能会爆一些问题啊，就是，嗯，它这里需要一些这个基本的一个环境啊，所以说它可能会在因为 mcp server 的 话，它本身有几种方式啊？一种的话是基于一个叫 s t d i o 的 这个啊，输入输出的这种方式，也就是我们本地可以启动一个命令， 然后通过这个命令的方式启动我们本地的一个 m c p server。 那 这个 m c p server 的 话，它只能用于进程间的一个通信啊，也就是采用这个进程间这个调用的方式去运行啊，这个只能在本地运行。还有一种是我们比较适合于这个微博开发的，叫做 s s e 的 这个啊， m c p server， 那 它是基于 http 协议的 这种方式的话就比较适合于我们外部的一个开发场景啊，我们可以通过 sse 的 这种协议连接到 mcp 一个 server， 作为一个这个 mcp 服务的一个调用。所以说这里面啊，我们用的官方的一些 server 的 话，它可能会报错啊，这个也 很正常啊，所以我们可以尝试的去启动它，这里它启动会有一个这个，呃，有一个图标啊，这里如果是绿色的话，就表示可以启动成功了。但是刚刚第一次启动的时候可能还在安装一些包啊，因为啊有些 mcp server 它是基于这个 mpx 命令的方式去启动啊，所以它需要去下载一些包， 如果下载失败的话，就可能会导致我们这个 m c p 使用失败啊，刚刚应该是那个包下载出问题了啊，我现在重试之后它就可以调用了。好，调用完之后就是往这边起。启动成功之后，大家会看到下面有一些这个 工具的一个描述啊，就是我们这个 m c p s 服务对外提供了一些什么样的工具啊？在这里可以看到啊，你看这里有 search， google 啊， wester page 访问这个网页，是吧？然后还有一个截图，还有一个 ajax search 啊，就整体的一个解锁，也就说我们这个 m c p server 的 话，大家可以用以下这个工具啊。 好，具体怎么来用呢？在这个地方啊，我们可以打开一个对话，然后在这个地方看一下配置集成。呃， 我看一下啊，直接我们看一下，只不就是不是可以用了。呃，我们找到那个 m c p 工具啊，然后把这个名字给它复制下来。那我们先做一个简单测试啊，帮我 猎取下，设置下有哪些 可用的工具啊？就大家可以用这种方式去先去做一个查询啊，然后还有一种方式的话，我们可以打开当前的一个项目键啊，然后在这个里面去启动这个口袋里的一个命令行的一个 ci 的 一个这个界面啊，叫做 cbc。 好，大家看我们这个可以以这种方式的话，进入到这个 code body 的 一个 c l i 的 一个界面啊，好，然后在这个界面的话，我们可以输入这个看一下，应该有个 m c p 啊，你看我们之前装好的一个 m c p 的 话，它已经出现在这里了，我反斜杠 m c p 大家可以看到啊， 这里面可以查选出来我当前这个 code body 啊，整个一个环境下面已经配置好的 m c p 有 哪些？你看我已经配置好的一个 m c p 啊？
10众创AI
01:36查看AI文稿AI文稿在 codex 里， superpowers 不是 一个酷炫按钮，而是一组工作留护栏。用得好，它能让 codex 少猜多验证， 你可以把它理解成给 codex 加上的方法论插件。头脑风暴写计划、测试驱动系统调试、代码审查和完成前验证。 怎么触发？直接说使用 superpowers 或者点名具体技能，比如先做头脑风暴，再写计划，最后做完成前验证。 用好的关键是按任务阶段选技能。想法模糊用头脑风暴，需求成型用写计划要改代码，用测试驱动开发 遇到 bug， 不要让 codex 猜。修法要求他用系统化调试，先复线读错误，找根音，再改最小的一处。 快结束时，最重要的是完成前验证，让 codex 跑测试类型检查截图或渲染检查再说。完成 你的提示也要配合说清目标上下文、成功标准和边界，不要只说优化一下，要说怎样算做好。 一句话， superpowers 让 codex 不 只是写代码，而是按专业流程交付，把它当成项目里的安全带和检查清单。
34双喜日记
01:37查看AI文稿AI文稿继续 open code 系列第三期，前面我们讲了项目定位和底层架构，这期我们讲它最核心的干活能力，双运行模式，还有多智能体协助机制。首先它内置两种工作模式，专门平衡效率和安全。 第一种全功能执行模式，也是默认模式，全线完整，可以自己看项目新建文件、写代码、改逻辑、修 bug、 做重构。个人熟悉的项目完全可以交给他自主开发，不用你一步步盯着。第二种安全，只读规划模式，这个模式下他不会乱改任何代码，只能帮你读项目分析架构，梳理逻辑，找出问题，给出优化方案，适合接手陌生项目， 公司设密代码，只让他分析，不让他动手乱改，非常稳妥。除此之外， opencode 还支持多智能体协助，简单任务自己直接搞定。复杂大型项目，它会自动拆分成好几块，分给不同子，智能体同时处理， 最后统一汇总结果，处理大型工程的能力非常强。而且它原生就自带一套标准开发流程，不会上来就瞎写代码，而是先理解需求，分析结构，拆分任务 分布开发，最后调研结果，完全是专业工程师的工作逻辑。了解完运行模式和智能体协助，我们还要看懂它的扩展能力和整体价值。 最后一期我们讲它的插件生态可定制特性，适合什么场景使用，完整吃透这款项目。
27阿泽说AI
13:49查看AI文稿AI文稿hello， 各位，本期视频我想分享一下关于 humus 的 安装与下载，很多新手小白其实对于安装这些智能体的软件以及一些配置不太了解，所以说在安装的过程中会有很多的问题。这期视频就是通过两种方式，一种是通过手动 直接安装，直接配置它的大脑去下载和使用 humus。 另一种方式就是通过 open code 这个智能体辅助地帮我们安装 humus。 为什么要通过 open code 这个开源软件呢？它有一个极大的好处就是下载 下来就能用，下载下来它就有一些免费的模型可以使用，也就说你把这个工具下载下来，它就有一些免费的模型可以使用。也就说你把这个工具下载下来，它就有一些免费的模型可以使用。但 open code 主要是针对 代码场景去开发的一个智能体，当然它有一些通用的功能，比如说浏览器搜索等等。我们可以借助 opencode 的 免费大模型预装这个特性来直接通过 opencode 的 和 opencode 的 对话直接安装 humus， 这是第二种方式。 ok， 接下来是通过第一种方式直接进入 humus 的 官网，这里介绍了 linux、 macos 以及 windows 二环境的安装 命令，我们可以把这个复制下来，然后找到终端直接粘贴执行就可以。好了，我们输入这条命令，然后它就可以开始下载了， 等待它下载的过程中，我也介绍一下这个 w s r 就是 windows 环境下装的一个子系统，因为 humans 本身是不支持 windows 的， windows 中想比较好的使用智能体就要下载一个 w s r 这个工具，相当于在 windows 的 系统下装一个子系统， 然后在这个子系统中去运行这些智能体软件，我们可以看到它这个是正在下载的过程。整个的下载过程我们可以看到也是比较耗时的，因为它要加载很多资源，并且它可能要通过科学上网的方式去找一些资源。所以说我们 目前来看，如果通过这种方式，通过官方直接下载的方式，是无法 在没有科学上网环境下去完成下载的。我们可以看到他其实也是非常慢的，因为他要准备环境，检查环境下载资源。 ok， 我 们第一种方式其实介绍在这里已经结束了，我先把这个退掉，不让他下载。第二种方式就是通过开源软件 open code， 这个 open code 之前也介绍过，他是针对编程场景的智能体，不过他有一些通用的工具可以供我们使用。最大的特点他 下载后就可以直接使用一些他提供的免费模型，不像其他的下载后的智能体，你还得给他自己去配置模型。所以这一点我觉得 open code 做的非常好， 我们可以去 opencode 官网去看一下。 ok， 这里我们可以看到它的下载命令也是要通过命令去执行的，但是如果你要通过命令去下载，你就必须得安装一些环境，比如 pm 和棒呢，它可以在 windows 下使用，但是你在使用这些工具前，你必须得下载这些包管理工具。什么是包管理工具呢？这些 c、 u、 l、 n、 p、 m 棒，你可以理解为就是在电脑命令行里面的软件商店，我们要下载软件都要通过这些 软件商店软件去下载，但是如果电脑本身是没有这些软件商店的命令的话，我们可能就无法获取 open code。 当然这里我觉得最小白化，最人性化的一点，他提供了直接下载软件的方式， 比如这里提供了 opencode 的 桌面端，包括 macos 和 windows， 这里 windows 你 下载下来，你直接可以通过双击打开这个 windows 软件，然后直接去利用它已经内置好配置好的模型， 直接去跟他沟通，他已经有上网的能力了。然后我们再用 open code 辅助我们下载 humus 啊，我们这里是呃 mac 环境，所以我们下载这个，当然 windows 下载这里它们的工具的软件都是一样的，你可以直接通过下载运行这个软件， 直接就可以使用这个智能体了，我们这正在下载，我们也可以看到这里已经下载好内容了， 点击安装， ok， 我 们的程序安装完之后，在 windows 下双击 exe， 在 mac os 下我们要通过搜索去搜索 open code， 可以 看到这里有 open code 的 软件，我们打开它， 我们可以看到这里就是打开它的样子，它内置了这些免费的模型，当然在 windows 中它的界面不是这样的，不过都是大同小异， 我们可以看到它已经免费提供了这些模型，所以说它本身就是一个智能体，并且它提供了模型，所以就不需要我们去配置，我们只需要下载这个软件，打开它直接就可以使用了。所以说即便你不使用 humus， 你 用这个 open code 也是可以的， 只是说它在通用场景以及通过手机远程去操控电脑的这个场景下，它是目前是不支持的， 可以借助他去跟他沟通，让他教我们怎么去下载 hems， 怎么去下载那些命令行的软件商店。就之前提到的 n p m b u n e c u r i 等等这些工具，我们可以选择一个 min max， 二点五 free， 它是免费的嘛？然后我们可以问他一下，我这里输入，我想下载 ems agent 帮我下载， 然后这里呢？我们把 gamers 的 官方的文档链接发给他。 ok， 他 直接进入思考。当然 windows 的 界面跟他有一点差别，但是只要你下载了 opencode， 通过对话框直接就可以跟他沟通，因为他内置的模型。 你看它这里调用了 web fetch， 这个 web fetch 它找的就是我们刚才给它的一个链接。我去，它怎么回事？之前它下载的过程我们没有进度，我无法看到它怎么下载的，下载到哪。我们现在补充一条信息，让它在下载的过程中给我汇报实时的进度。 ok， 各位，这里我其实通过另一种方式打开了 open code 的 交互环境，这个应该是 mac 软件，目前我觉得应该是 mac 软件特有的一个功能，在可以在对话框中跟它对话， 不过我觉得它这个效果不是很好。然后我们 windows 打开基本上是这样的界面， open code 它这里我们可以看到它已经有内置的模型叫 bigcat， 我 们也可以通过 models 去切换。我们刚才提到的 mini max 二点五，这些模型都是免费的，下载就可以使用。我们再粘贴我们的命令 找到，我可以找到这个命令粘贴让它下载，你看它这里可以看到用了多少 token， 大 概花了多少钱，但因为它是免费的，所以说它统计应该只是一个数字，你看它这样也它这样过程比较全面，它可以看到 需要先创建目录，然后他创建了一个目录，他整个执行步骤是非常清晰的啊。他现在在下载过程中，我们看到其实在麦克环境下，通过这种对话框的方式，他其实没有很好的展现的效果。不过我们通过这个 终端的形式打开他，然后他就可以看到每次的执行步骤，一直执行进度，我们就在这里耐心等待，他下载的话应该是这种下面的这种界面， ok， 我 们耐心等待一下， ok， 我 们可以看到我们不会下 html， 也不知道怎么去下载 html。 然后你看下载那些智能体软件，你动不动就得要 note 环境，要这个环境，要那个环境。但是 open code 它有个好处，就是你只要把这个软件下载下来，打开它，它就有对话框， 他有对话框的前提，他还有内置的可用的免费的模型，也就是说他把工具和大脑一起打包发给你的。虽然这个模型可能不太好，我们也可以通过这里面的命令给他切换模型。 当然我是知道他有一个 connect 模型是可以切换模型提供商的。如果我们小白用户不知道的话，我们可以通过问他，比如说我想给你切换一下我想用的模型， 我要如何去操作，他就可以一步一步的给你列出他的回答。所以说我觉得勾魂扣的对小白用户是非常好的，但是他的使用场景又非常小， 但是我们就可以以他为跳板去做更多的软件下载以及环境安装的琐事，并且他是免费的。 ok， 我 们可以看到这里其实已经下载了，他下载二百六十多个文件，然后查看目录内容在这里面。 ok， 我 们现在下载完了之后， mac os 就 打开终端就可以。如果是 windows 下载它应该会有其他的一些隐性条件，不过你可以通过跟它反复的沟通，反复的去调整你的对话内容，最终也会完成下载的。 好吧，他出了一点差错，他好像直接把我给他提供的这个链接的这个文档给下载下来了，并没有成功。下载这个 hems agent 的 这个软件还是挺难的，但是我觉得这个已经是我能想到的非常小白的方式去下载了。 他现在陷入了思考循环中，有点难。如果其实你像我把环境准备好，下载下来其实也很方便的，但是他这样，他在下载什么啊？你看 他这个模型虽然免费，但是他也有一些问题，他的理解可能有偏差，他的理解他以为我要下载那个文档，他其实也就是就是抓取网页内容的文档，你看他这里说他理解错了。我要找的是 him 三中包， 他帮我找到了要重新安装这个命令，然后安装完之后重新下加载 shell 就 可以运行了。需要帮你执行安装吗？他这里问我需不需要安装，我说需要，你看 他也可以通过不断的去提问你和你交互，你和他交互去把这个软件成功下载下来。 因为我知道如果小白用户他不知道一些环境，不知道一些内容，他下载这些软件真的挺麻烦的，我之前也在 windows 上尝试过，如果不了解一些软件下载以及软件管理这些东西，真的挺难下载的。 在 windows 环境中可能会更难，因为你会遇到更多的问题。所以说有一个 open code， 你 通过反复去跟他提问，这个过程很长，我们也可以慢慢跟他沟通，耐心跟他沟通，每次优化你的提示词 去让他去下载。你看他这里运行了 hems agent 的 下载脚本，他这里已经开始准备安装了， 检测到是 mac 环境检查和包的管理工具，这些我们都不管，我们就等他这个 build 执行完成。 ok， 我 们这里终于是几经波折啊，终于是跟他反复沟通， 让他完成了下载。我们可以看到他这里提提示说下载完成可以开始运行了，这时候我们 windows 用户或者 mac 用户，我们就可以打开终端。刚才我运行那些没下载，我现在看一下，检查一下， 我来见证奇迹，看它是不是安装成功了。其实我之前已经卸载过 hems， 但是它的数据我还保留着，因为我不想再重新配置一遍，所以你看我这边直接下载完成，我们看可以验证一下这里我们 刚才他还没下载的时候，他 not found 没有找到，我们再次让他下载完成之后，你看这里说下载完成，配置好了这个东西，直接运行 humus， 那 我们刚才也是直接运行了一下 humus， 然后他就弹出了这个内容了。 这里我已使用的是 deepseek v 四 pro， 是 昨天刚刚发布的，大家也可以去体验一下。在 deepseek 官网它已经推出了极速模式和专家模式，极速模式就是 deepseek v 四 flash 就是回速的很快。 dv 四 v 四 pro 就是 专家模式，它回复的很精准精确。你看这里它就回复我，我是黑姆斯，我可以帮你吗？ 这就完成了整个 humus 的 安装，当然我们新手在安装过程中肯定要给它配 a p i， 但是我们如果不会怎么办？ 我可以问他，我这里问他如何去配置 humus 的 模型，因为 humus 刚下载下来是不可用的，他这里提到了交互式配置，编辑配置，添加多个 provider， 然后运行切换模式等等等等，这样他就完成了下载。其实 这个工具我觉得对于 humus 安装是非常有帮助的。当然这本期视频其实也是一个 humus 的 安装过程，不过也在安装的过程中真的给大家安利一下 open code， 而且我们去官网也不用去什么官网，也不用去什么， 去用科学上网等等的工具。我们只需要打开浏览器搜索 open code， 我 们可以这里演示一下，比如说我们随便打开一个浏览器 输入 open code， 第一个一定要记住 open code， 点 ai， 它这些下载命令我们都不要管，因为这些下载命令很复杂，需要很多环境，我们不要管它。我们点这里的下载， 我们下载桌面版，比如说你是 windows， 你 就下载 windows 的 版本，你是 mac， 你 就下载 mac 的 版本，它下载后直接就是可运行的软件，而且它内置了模型，这个其实我已经说了很多遍，但它非常方便的使用。嗯，本期视频就到这里，拜拜。
06:02查看AI文稿AI文稿这一集我们讲多智能体协助收口与最小变更。上一集说 tasks 点 md 是 规格到实现的任务桥层， tasks 点 md 生成后就可以直接开展任务实施，也可以使用 tasks 杠、 work slow 杠 engine 这类任务执行引擎技能，严格约束 ai 按任务清单推进执行和检查。 对于大型任务，甚至可以并发，使用多个 agent 协助开发。本集要讲的就是这种并发，怎样不失控， 怎么分工，怎么收口，怎么用最小变更控制风险半径。很多团队第一次用多智能体协助，会有一个直觉，既然一个 ai 能做事，那多个 ai 一 起做是不是更快？ 结果往往相反，几个子智能体都在努力产出，但系统状态没有变清楚，反而变得更乱， 原因不是执行面不够，而是控制面没稳住。本集最想让你记住一句话，并发不是关键，收口才是控制面。最小变缸控制风险半径。 多智能体不是拆得越细越好，而是要先冻结边界，再由主智能体统一收口，最后用验证证据证明这轮变更没有失控。 anthropic and open i i 对 agenic systems 的 建议有很多细节， 但和这一集最相关的共识很清楚，不要为了 agents 化而堆复杂度，先分清任务结构，再决定用 workfull agent 并发 handle off 还是评估循环， 同时必须有护栏追踪、审批和验证。 interpapic 有 一个非常重要的区分，有些系统是 worksfull， 靠预定义路径编排模型和工具， 有些才是 agent， 由模行动态决定下一步。比如顺序链路，由并发、主控、分派、评估、优化都不是同一种协助结构， 先分型才能避免把所有问题都粗暴的叫多 agent 并发。 openline agents sdk 也给出了很清晰的控制面语言， agents as tools 适合让管理 agent 保持最终控制，同时调用专家 agent 完成局部任务。 handouts 适合把下一段交互交给专门 agent。 guardrails tracing 和 human in the loop 则让协助过程可拦截、可追踪、可审批。落到工程实践里，第一步不是问派几个 agent， 而是问任务结构， 它是可以按固定顺序做的链路吗？是先分类再分流吗？是多个互不依赖的工作可以并发吗？还是此任务根本无法预先判断，需要主智能体动态拆解？ spaceworld code 提供了 wave 杠 orchestrator 技能来完成任务。分工分析 帮助判断哪些工作适合并发，哪些必须先冻结，哪些要有主智能题统一收口，这个判断不清，后面越自动化越容易乱。真正能并发的前提是边界先冻结， 至少要冻结范围边界、共享气约验证方式、交汇点与回写口径，运行时边界、工具协议与审批边界。 没有这些，子智能体越多，越容易各自形成一套理解，最后系统真值会越来越模糊。主智能体不是最后检查一下的人，而是整个协作的统一责任入口。 子智能体可以并行分析预言，实现低偶合模块，但范围冻结、契约统一集成顺序、验证执行文档回写和证据整合必须由主智能体统一负责。 多智能体协助里，最容易误判的是几个子智能体，都说自己完成了，就以为系统完成了，真实完成不是这么算的。 task 四点 md 的 d、 o、 d 里已经对完成定义验证要求和收口条件做了严格定义，主智能体必须按这些要求开展验证，把局部结果硬设回统一任务清单，同步完成定义验证状态剩余缺口和修改记录。 代码改了，但 tasks 点 m、 d、 d、 u、 d 和验证状态没同步，这轮协作还没有真正收口。控制面不是一句主智能体负责就够了，还要有运行机制。 guard rails 负责输入输出和工具调用校验。 tracing 记录模型生成工具调用 handoff 和护栏触发。 h i t、 l 则在敏感工具调用前暂停，等待人类审批。这样协助过程才可观察、可拦截、可恢复。多智能体协助特别容易放大变更半径。所以进入病发实现前，要先确认语义依赖和回归面都能解释验证和回退。 大型任务可以利用 spaceworld code 的 工作区能力，结合 git 工具开辟独立工作空间，让不同 agent 分 头开发低耦合任务。 但这些工作区不是各自野蛮生长，最终必须按波次交汇，由主智能题合并代码执行渡地要求的验证，并把结果回写到 tasks 点 i、 d。 最适合并发的通常是指读分析、差距核查和 d o 和实线块儿。 最不适合并发的是共享类型，主入口、顶层壳层、局事件字典这类共享真值。 只要多个 agents 同时改，同一个真值员就很容易产生语义冲突。把反模式总结一下，边界没冻结就引发共享真值。让多个智能体同时改。 handoff 没有交接标准代码改了，但任务和文档不回写，没有验证证据就合并。 只要这些问题出现，多，智能体就不是加速器，而是失控放大器。这一集最后收成一句话，病发负责提速，主智能体负责收口最小变更负责控风险。用 antropic 的 话说，复杂度必须证明它改善结果。 用 openai 的 工程语言说， agenc 必须有编排护栏追踪和人类审批。落到本书就是每一轮协作都要回到 tasks 点 m d 验证证据和主练状态。
39高老师讲仿真
00:28查看AI文稿AI文稿code graph 是 一款可适配 cloud code 科四的代码，支持图谱本地预缩影工具。项目实测，基于六个真实代码库对比 cloud code explorer 智能代理接入 code graph 前后的使用效果 可减少百分之九十二，工具调用次数，整体执行速度提升百分之七十一。工具内置智能上下文构建权威解锁能力，兼容十九种及以上主流编程语言，所有数据留存本机，不外泄，无需填写 api 秘钥，不调用任何外部服务，仅依靠 s q i 数据库即可稳定运行。
464骋风算力
01:11查看AI文稿AI文稿今天起， openai 的 新 codex 能在你锁着屏的电脑里替你工作。奥特曼亲自官宣，这是一次最狠的神迹。 最近一段时间，硅谷有个很搞笑的现象，不管是明星 ceo 还是大厂程序员，走到哪里手上都举着一个半开半合的 macbook。 因为在今天之前，无论是 cloud code 还是 codex， 都无法在苹果电脑合盖后继续工作。今天， openai 彻底解决这一尴尬， codex 锁屏，远程在计算机使用里打开 locked use， 你 的 mac， 哪怕屏幕黑了，锁了， codex 都能从你手机上操作它继续干活。 openai 自己管，这叫 codex 的 黑魔法。第二个 appshots， 在 mac 上连按两下 command， codex 就 把你当前的窗口整个看穿， 不只是截图，连你还没滚动到藏在屏幕外的文本他全读走。第三个，自主编码，给他定一个目标，他就像不下班的劳模，自己干几个小时甚至几天，中途你随时能看进度、改方向，数据更说明问题。 codex 的 周活开发者已经破四百万， 两周前还是三百万，而现在，一半的用户用它干的事已经不是写代码了。从工具到同事，再到下一步，这条路上的加速度比我们想的快得多得多。关注新智源，秒追 a s i。
152新智元
02:02查看AI文稿AI文稿今天带大家深度吃透一款纯粹的开源 ai 编程项目 opencode。 首先我们先把它的定位讲透，很多人容易把它当成普通插件，当成 skill 技能包，其实完全不是一回事。 opencode 是 一款原生独立的 ai 编程智能体， 自己就是一套完整的运行程序，不用依附任何代码编辑器，也不用依附其他 ai 工具。这个项目由专业团队长期开源维护，设计初衷非常明确，就是解决我们用 ai 写代码的几个痛点。 很多工具只能用固定那一个大模型，没法自己换，大多都只能在图形编辑器里用，喜欢终端极简工作流的人很不习惯。还有最关键的隐私问题， 源码动不动就上传云端，私密项目根本不敢用。而 opencode 从根源上就定好了三大核心特质， 第一，终端原生优先，主打命令型，使用极简高效适配即刻和轻量化开发习惯。第二，完全模型中立，市面上主流的云端模型、本地部署的开源模型都能直接接入，随意切换。第三， 隐私做到极致，所有代码和对话全部本地留存，不用外传，还能离线干活，涉密项目也能放心用。你要分清一个关键点， 插件和技能都是依附别人的工具，只能做局部小功能。 open code 是 自带大脑、自带调度、自带权限管控的完整主体，能独立完成需求拆解、写代码、改代码、排查问题整套流程。不过这还只是它的表层定位， 真正支撑它稳定专业、可长期迭代的是它内部一套非常标准的分层架构。下期我们拆解 open code 底层架构，带你看懂专业级 ai 编程智能体的内部构造。
50阿泽说AI
02:16查看AI文稿AI文稿关于怎么创建智能体的视频啊？呃，目前还是选择 open core 内核，因为我们拉斯内核目前不支持创建智能体。这个爱马仕智能体也能创建智能体 啊，我们可以看一下。点击点，先点击这个左边的智能体，然后在这里添加智能体，就是你要创建的，比如说图片， 我给大家打个名字叫图片，然后这里啊，这里供应商有两个类型，一个是 deepsea， 一个是 open loop。 open loop 呢，里面就有很多大模型可以选择， 有 deepsea， 百度、 mini max， 千万、小米、智浦这些模型都可以选择， 然后 deepsea 就 只有几个，我们就选择最新的 deepsea， 威威斯 fish 就 行，然后点击创建。哦，我这个图片助手可能有，然后随便打个名字吧。九， 也就是说不能重，不能重复，创建同一个名称的智能体，然后现在正在保存中， 好，保存完成，大家可以看到在这边九号智能体，然后如果你要选择某个智能体对话的话，你可以在这里主智能体，这边点击你想要选择的对话，选择跟哪个智能体对话， 或者直接在这边艾特，艾特哪个智能体。
10LAST AI
03:26查看AI文稿AI文稿你有没有过用 ai 写代码做方案？开新窗口，就得把项目背景、之前的修改进度， ai 给过的建议，从头到尾再打一遍的经历， 每次光铺垫就花十几分钟，烦都烦死了！看之前记得点赞关注，咱们马上开始！现在市面上的主流 ai 工具基本都有这个通病，关了窗口上下文就全没了，每次都要重来。最近有个拿到一点六万星标的开源 ai 助手， open 兄们，专门解决这个痛点，算是 ai 智能体领域的一匹黑马。 他不是普通的聊天机器人，更像给 ai 配了个自动更新的专属记事本。 你给他授权邮箱、工作沟通软件、代码仓库、在线文档这些服务之后，他每二十分钟就会自动拉一次最新数据，转成统一格式后，整理成分层的摘药。所有数据都存在你本地的数据库里，不会上传到任何服务器，完全不用担心隐私泄露。 这些记忆还能同步成你常用的笔记软件格式，你随时可以打开笔记，看他都存了什么内容，透明又放心。他还有个非常实用的内容压缩设计，所有要给大模型处理的内容，先过滤掉荣誉信息， 复杂网页转成纯文本，重复内容，删掉啰嗦的内容缩成摘要。官方数据说最多能减少八十的大模型调用成本。用前沿大模型查你过去半年的邮件，只需要几美元，性价比特别高。 说到这，你会不会担心他能接这么多服务？对接起来是不是特别麻烦？完全不会，他现在支持十一八种常用服务，一键授权，不用你自己去申请接口密钥，也不用手动改配置文件 点一下确认就对接好了，对普通用户特别友好，每二十分钟自动拉取新数据，都会存到机器数里。你早上开电脑问他昨天有什么重要的代码评选意见，他不用临时去查，早就同步好了。更省心的是， 他还能和你现在常用的那些 ai 编程工具共享记忆，来回切换工具，也不用重复介绍项目背景，效率能高不少。 说到这，你会不会觉得这么好用的工具上手门槛肯定很高吧？刚好相反，他的上手门槛特别低，不用你配置复杂的开发环境，也不用敲命令行下载安装包，几分钟就能装好。 他还会自动给不同的任务分配和合适的模型，需要深度思考的任务，用能力强的大模型简单问答用轻量模型，处理图片的任务用专门的视觉模型，不用你手动切换。对隐私要求高的用户还支持本地运行大模型，敏感数据完全不会离开你的设备。 当然，他现在还是测试阶段，也有一些不足要留意。首先他需要读取你的邮箱、代码、仓库、日程、聊天记录，这些私人数据虽然存在本地，安全方面还是要你自己评估好。然后，他对硬件要求不算低，十六 g 以下内存的老电脑用起来可能会有点卡。 还有，他更擅长整理记忆和主动获取信息，要是你需要做复杂的深度逻辑推理，直接用专用的大模型效率会更高。 如果你想试试也很简单，普通用户直接去官方网站下载对应的安装包，点几下就能装好。在隐私的可以开启本地模型运行模式，避免敏感数据外传。开发者也可以去代码仓库修改原码，自定义适配自己的使用场景。 下期我会给大家实测这款工具的实际使用效果，看看是不是真的能帮大家省下一半的 ai 交互时间。今天的内容就分享到这里了，如果你觉得有收获的话，记得点赞加关注哦！
74AI大白话
15:27查看AI文稿AI文稿大家好，今天我分享的主题是从 open cloud、 cloud code codex 到国内模型接入。这次分享不是简单介绍几个 ai 工具， 而是想从系统架构的角度讲清楚 agent 到底是什么，它和普通聊天机器人有什么区别，以及我们如何在国内模型生态下构建真正可落地的 agent 系统。 过去我们关注大模型，更多关注的是模型能力，比如会不会写代码，会不会总结文档推理强不强。但到了 agent 阶段，问题已经不只是模型能不能回答，而是模型能不能在真实环境中执行任务。 所以今天的主线是 agent， 不是 聊天机器人，而是下一代软件执行层。我们先看第一个问题，为什么 agent 值得研究？ 传统 chat bot 的 模式很简单，用户输入一段文字，模型输出一段文字。它本质上是一个静态问答系统，流程是固定的，外部世界不会因为它的回答而发生变化，但 agent 不 一样。 agent 的 核心定义可以概括为一句话， agents are models using tools in a loop， 也就是模型在循环中使用工具。用户给出目标之后， agent 不是 直接回答完就结束，而是会先判断下一步该做什么。他可能会读文件、调用搜索、执行命令、修改代码、运行测试 工具，返回结果之后再写回上下文，模型继续决策下一步。所以 agent 的 关键变化是，它不只是生成文本，而是在工具反馈中持续改变外部状态。 从技术上看， agent 可以 写成一个公式， agent 等于 l l m 加 context， 加 tools， 加 memory， 加 policy， 加 loop。 l l m 是 模型本身，负责理解、推理和规划。 context 是 上下文，包括用户目标、项目、文档、代码库、历史记录和工具返回。 tools 是 工具，比如 shell 浏览器、 git 文件系统和 api。 memory 是 长期记忆，让 agent 能够保持连续性。 policy 是 策略层，决定什么能做，什么，不能做，什么时候必须请求人类审批。 loop 是 循环机制，也就是模型决策工具，执行结果回血。在此决策 这里，最容易被忽略的是， agent 的 能力不止来自模型，一个模型即使很强，如果没有工具记忆，执行环境和安全策略也只是一个强聊天模型，而不是完整 agent。 因此把现代 agent 系统拆成六层，最底层是触发层，比如用户消息、 i m 定时任务 issue p r c i 或 id hook。 第二层是上下文层，包括长期记忆、工作区状态、项目规则、文件和剪辑结果。第三层是推理层，也就是大模型进行规划和工具选择的位置。 第四层是工具层，比如 a p i m c p shell、 浏览器和文件读写。第五层是执行状态层，包括沙箱、 docker、 任务队列、运行日制和 diff 审查。最上层是治理层，包括全线审批、审计日制 token 限流、人类介入和安全策略。 这六层说明一个关键事实，模型只是 agent 系统的一层，国内模型主要增强的是推理层，也就是大脑，但真正生产可用的 agent 还需要上下文，工具状态、权限和审计共同支撑。 接下来我们看三个典型， run time、 open cloud、 cloud code 和 codex。 open cloud 代表的是个人助理型 agent gateway， 它的特点是本地优先、多 i m 入口、多 agent 路由和长期记忆。 cloudcode 代表的是本地工程型 coding agent， 它深度嵌入终端和 id， 强调本地执行、 m c p 连接、项目规则注入和代码循环。 codex 代表的是团队级工程 agent 平台，它强调云端任务并行、 agent p r 审查、团队协助和标准化流水线。所以三者不是简单地谁替代谁，而是三条不同路线， opencloud 更向个人 ai 操作系统入口， cloudcode 更向开发者本地增强工具， codex 更向团队工程协助平台。它们共同说明一个趋势， agent 已经从聊天界面走向软件执行基础设施 先看 openclaw， openclaw 的 核心是一个本地优先的 gateway， 左边可以接入 slack、 飞书、 terminal 等不同入口，这些入口都可以看成用户和 agent 交互的消息。入口 中间是 openclaw gateway， 负责 session routing， 也就是说，不同渠道、不同身份、不同任务，可以被路由到不同的 agent workspace。 右边是 agent workspace， 也就是 agent 真正工作的地方。 workspace 里有结构化记忆层，比如搜 md， user， md memory， md so， md 定义人格和语气， user， md 记录用户偏好， memory， md 记录长期记忆。 下面是技能与执行层，比如 browser、 bash、 chrome 和 skills。 也就是说， openclaw 不 只是会聊天，它可以调用浏览器执行命令，运行定时任务，还可以通过 skills 封装可附用能力。 openclaw 给我们的最大启发是不要把所有规则都塞进一个巨大 prompt， 而是把人格、偏好、记忆和工具说明。结构化管理。 cloud code 代表第二条路线，本地工程型 coding agent， 它不是简单的代码问答工具，而是深度嵌入开发者的本地工程循环， 它的核心流程可以概括为 explore plan， implement commit。 explore 是 先阅读代码库，理解项目结构和相关文件。 plan 是 先给出修改方案，而不是马上动手。 implement 是 按计划改代码、补测试、修问题。 commit 是 整理 diff 运行、检查并进入提交或审查流程。 cloud code 的 关键组建包括 cloud md、 mcp、 hooks、 skills 和 sub agencies。 cloud md 是 项目规则文件，可以写清楚目录结构、测试命令、代码规范和禁区。 mcp 是 外部工具连接协议，可以理解为 ai 工具的 usb c hooks 可以 在执行前后自动检查。 sub agents 可以 并行探索， skills 可以 封装团队流程。 所以 cloud code 的 本质不是帮我写几行代码，而是让 agent 进入真实工程循环。 codex 代表第三条路线，团队级工程 agent 平台，它比本地 coding agent 更强调云端并行和组织协助。 一个 codex 任务可以在独立 docker sandbox 中运行，里面有代码仓库、 agents、 md 执行环境和 agent 节点。多个 agent 可以 并行处理不同任务，比如一个修 bug， 一个补测试，一个做代码审查， 每个任务独立运行，最后通过 diff 日制测试结果和 pr review 进入人工审查。 codex 的 关键不是让一个 agent 无限自主，而是把工程任务拆成可并行、可审查、可回滚的工作单元。 这也是团队级 agent 的 核心逻辑，云端沙箱、任务隔离规则、文件、测试验证和人类审批。 现在我们把三者横向比较一下。 opencloud 的 入口是消息和个人 gateway， 最适合个人助理。 cloud code 的 入口是终端和 id， 最适合工程师本地开发。 codex 的 入口是云平台 gighub 和 web app， 最适合团队及工程合作。 opencloud 重视长期记忆和多渠道消息。 cloudcode 重视本地代码循环和 m c p 工具生态。 codex 重视云端沙箱、并行任务和 pr 审查。所以它们不是简单竞争关系，而是 agent runtime 在 三个方向上的引进，个人助理、本地工程团队平台。 接下来进入国内模型接入部分，很多人会问，既然 kimi minimax g l m quan deep seek 已经很强了，是不是可以直接替代 clockcode 或 codex？ 这里要明确一个边界，国内模型替代的是 agent 的 脑，不是完整 run time。 完整 agent 至少有三层，第一层是 model layer， 也就是模型层。 kimi minimax g l m quan deep seat， 可以 负责推理掌上下文代码生成、多模态理解和工具调用决策。 第二层是 agent runtime， 也就是调度与执行宿主，比如 open claw claw code code dex client， 它负责绘画管理、文件读写、工具调用、 diff 维护和状态循环。 第三层是 safety layer， 也就是安全与审计笼子，比如 doctor 沙乡 get work tree 隔离 approval 审批、流氓 audit 日制。所以一句话总结是，国内模型可以换脑，但不能自动长出手脚记忆和安全边界。 再进一步拆解模型 a p i 能替代什么？它可以替代中文逻辑推理、复杂指令遵循、长文档分析、多语言代码生成、多模态资料理解，以及标准 j s o n 工具调用决策。 但模型 api 不 能替代本地 hook precommit 自动化安全容器沙箱、人类审批流、 get 位消息路由、 diff 闭环测试验证和长期记忆持久化，这也是很多 agent 项目失败的原因。大家以为 api 能输出，托靠就等于系统具备 agent 能力， 但实际上托靠只是决策，真正困难的是工具执行、状态管理、安全拦截和结果验证。 不同国内模型也适合不同角色。 kimi 的 优势是长上下文、中文研究和 finkin 模式，适合知识库问答研究分析和 open cloud 私人助理核心模型。 minimax 的 优势是高病发吞吐、长文档处理和多媒体能力，适合批量文档处理。因视频生成与分析类 agent g l m 更适合作为 coding agent 的 后端模型，适合本地终端自动化和代码任务。 quan 的 优势是超长上下文 coder 系列和阿里云企业生态，适合大型代码库阅读、企业私有化和云上部署。 deep seek 的 优势是性价比和推理范式，适合低成本决策节点和 fallback。 所以 生产系统不应该绑定单一模型，而应该按任务属性动态路由代码交给代码模型，长文档交给长上下文模型，复杂推理交给 rsn 模型。 从工程接入看，国内模型通常有三种方式，第一是 open a compatible 协议，配置 base 下划线 u r l a p i 下划线 t 和 model 就 可以接入很多 ide agent 或终端 agent， 这是最通用的方式。第二是 cloud 或 entropic compatible 协议，部分模型支持 cloud messages a p i 风格，适合迁移 cloud 风格的工具生态。 第三是自建企业级 model gateway， 企业内部统一暴露 openai 或 cloud 兼容接口，对下路由道、 kimi、 minimax、 g l m quan、 dixit 等模型，同时做健全限流、日制脱敏、 fallback 和成本统计。 我更推荐企业采用第三种方式，因为生产系统最需要的是统一治理，而不是每个 agent 工具各自连一堆模型。 这一页给出三个可落地方案。方案 a 是 即刻个人开发者套件， run time 可以 用 client run 或 cursor 模型，曾用 g l m 或 quencoder 安全。曾用单机 git 分 支隔离加人工合并审查。这个方案适合个人开发者快速获得 ai 代码助手能力。 方案 b 是 全渠道全天后私人助理平台 runtime， 用 openclaw 统一 gateway 模型，曾用 kimi 或 minimax 状态，曾用本地沙箱 skills 和持续 memory md。 这个方案适合个人知识库、日程管理、资料整理和长期助理。方案 c 是 团队级 codex 企业化平替架构， run time 使用自研云端 c i 任务编排器模型，曾通过统一 get 委路由多模型集群安全环境使用分布式 docker、 sandbox、 pr 审查和权限控制。这个方案适合公司内部工程平台。 所以 agent 落地不能只问用哪个模型，而要先问我的任务场景是什么，我需要什么？ run time， 我 的安全边界在哪里。 agent 工程化有四个常见坑，第一个坑是 open a compatible， 不 等于 agent compatible。 聊天能跑不代表工具调用，多轮函数调用和 streaming 都稳定。 第二个坑是模型能调工具不等于工具，执行环境安全、高危命令删除、操作权限修改都必须经过沙箱核审批。第三个坑是百万上下文，不等于高质量上下文，长窗口不能替代 red 摘药、溯隐和记忆筛选。 第四个坑是企业自建 agent 平台最缺的从来不是模型，而是审计、审批、 diff 回滚、 docker 隔离和任务治理。所以 agent 工程化的底线是，模型可以不完美，但安全边界和执行闭环不能缺。 评估 agent 不 能只看模型回答是否通顺，而要看整个系统是否稳定、安全可控。第一类是执行有效性指标，比如工具调用准确率、上下文件所照回率、测试通过率和错误自动恢复率。 第二类是系统安全性指标，比如阅权动作拦截率、关键审批触发准确率和隐私数据脱敏命中率。 第三类是工程运行成本，比如平均任务延迟、 token 总成本以及死循环或锁死率。这说明 agent 的 评估对象不是单个模型，而是整个执行系统。评测原则应该从模型的意图追随能力转向整个执行系统的稳定性、安全性和经济性。 如果从零到一建设 agent， 我 建议按五步走，第一步，在本地 id 一 中引入 client 路由、 curser 等工具，先建立单点代码修改和验证闭环。 第二步，做特定工具调用流水，比如搜索、爬取、摘要、代码解锁和 get 操作。第三步，进入无头批处理工程化，把任务放进 docker 和 get work tree 中批量执行。 第四步，建立系统级安全机制，包括沙箱审批、日制和审计。第五步，再做 opencloud 或企业后台式智能助理，实现多入口、多模型、长期记忆和任务调度，不要一上来就做全自动。企业 agent 正确路线是先做小壁环，再做工具流水，再做工程划批处理，最后再平台划。 最后总结一下， agent 的 本质不是更聪明的聊天机器人，而是一套在复杂环境中动态流转的可执行系统。 open cloud 代表个人助理型 agent， cloud code 代表本地工程型 agent codex 代表团队平台型 agent。 国内模型已经可以很好地承担 agent 的 大脑，但 runtime 安全机制和上下文管理仍然需要大量工程建设。 下一代软件工程的核心战役不只是模型能力竞争，而是谁能搭建出一套高可路由、强可审计、可降级、结果可验证的现代 agent 技术站。 最后，用一句话收束 agent 不是 模型产品，而是工程系统。谁能把模型工具、记忆权限、杀伤、审计和评估连接成闭环，谁就能真正把 agent 落到生产力场景中。
42论文五分钟
00:53查看AI文稿AI文稿这个名为 open design 开源项目，号称能替代 cloud design， 它能帮你设计 ppt、 商业海报、 app 原型等。关键这一切只需要借助 cloud code 的 就能完成。那它到底是怎么用？设计效果又如何？我们来实际体验一下。 以制作 ppt 为例，首先我只需要告诉他我要什么样的内容，他便会借助 cloud code 自动生成一个菜单栏供我选择。我选择完成之后，只需要静静等待他执行，最终他会给我生成一份 atml 格式的演示文稿。我们先来看看效果 是不是非常不错，要知道我的 cloud code 用的是 dipsic v 四模型，就能得到这样的效果。看到这，是不是觉得 cloud code 不 仅仅是一个 ai 编程助手，它也是一个通用的智能体。
56刘傲的AI实践
