skyclaw agent怎么样
哈哈哈，大家好啊，要说现在市面上最火的 agent 代理非 hermes 莫属了，可以看到六月份各 agent 代理的 token 消耗量， hermes 已二十三点一 t 遥遥领先， 比前段时间爆火的 openclaw 几乎领先五倍的 token 消耗量，断层式的领先。我当初之所以放弃 openclaw， 就是 因为更新频繁的出问题，运行不稳定。 peris 相比于 openclaw， 首先最重要的一点就是稳定， 通俗一点就是稳的一批，还有它的自我进化能力相当优秀。最后最最重要的一点就 就是支持 open color 一 键迁移。 hermes 这一步棋真的是绝了，直接截胡 open color 用户无缝衔接。不得不说， hermes 的 开发者真是牛的一塌糊涂。最近六月十九号， hermes 更新到了十七点零版本，网页端新增 agent 的 切换， 新键对话以及旧对话的访问。要说为什么我还是坚持使用网页端，是因为网页端中你可以随时打断他，跟他交互，而桌面端暂时还不行。好了，今天就到这吧。
粉丝1768获赞2.2万
相关视频
05:11查看AI文稿AI文稿大家好，今天我们把目前市面上热度最高的四款 ai agent 产品彻底讲透。很多朋友最近频繁听到 hermes、 open cloud、 cloud code code 这些名词，但大多分不清它们的本质区别，甚至默认它们是同类竞品，选型时完全无从下手。今天的分享会从底层逻辑到落地场景， 拆解四款产品的核心差异与优劣势，最后给出一套可直接套用的选型标准，帮大家理清概念，避开误区， 选到最适配自身需求的工具。今天的分享分为五个部分，第一步我们先做认知纠偏，解决最根本的问题，这四款产品到底算不算同一种东西？第二部分，逐个拆解每一款产品，讲清它的核心定位、优势、短板与适用人群。 第三部分做权威度横向对比，把核心差异一次性直观呈现。第四部分给出落地的选型指南，不同需求直接对应产品，不用反复纠结。 最后我们总结几个最常见的认知误区，帮大家少走弯路。首先我们解决最大的认知误区，很多人觉得只要叫 ai agent 就是 同类产品，就能比出高低，这是完全错误的。先明确 ai agent 的 基础定义，它是大模型驱动的智能程序，具备自主感知、规划、调用工具、执行任务并反馈结果的完整闭环，和只能对话的传统聊天 ai 有 本质区别。但在这个大范畴下，四款产品分属两个完全独立的赛道，彼此并非竞品。 第一类是通用个人 agent， 代表是 hermes agent 和 open claw， 目标是做你的私人数字助理。第二类是编码专用 agent， 代表是 cloud code 和 codex 专门服务开发者，这里划一个重点，不要拿编码 agents 比处理能力，也不要拿通用 agent 比编码深度。赛道不同，不存在谁碾压谁的说法。接下来我们逐个拆解产品。先看通用个人 agent 赛道的两款产品，第一款是 hermes agent， 它的核心特质是自净化等跨绘画，记住你的偏好，还能自动从完成的任务中总结方法，沉淀成可复用技能，真正做到越用越聪明。它有官方原声桌面客户端，开箱即用，数据全部留存本地 对应的短板是 do agent， 协同编排能力弱，国内办公平台无官方适配。它最适合需要长期私人助力的个人用户。第二款 openclaw， 走的是完全相反的技术路线，是框架驱动的调度网关。它的核心能力是连接能接入二十多个主流消息平台，国内办公软件的适配也非常完善。 它的缺点是没有官方桌面端，没有自学习能力，记忆和技能都需要人工手动维护。它更适合需要跨平台统一入口做流程化、自动化的场景。我们再看编码专用 agent seto 的 两款产品。第三款 cloud code 是 面向专业开发者的工程级深度助手。 它最大的优势是超长上下文能力，可以完整加载整个项目的代码理解全集架构，实现多文件联动重构的 bug， 溯源能力极强。 它相当于一位资深的结对编程搭档，对应的短板式通用事务能力极弱，是纯粹的编码工具。它最适合中高级开发者，对于大型项目重构等场景。第四款 codex 是 openai 推出的编码助手，走轻量高效路线，它的核心特点是快启动、快响应、快，自带安全杀伤环境 和 openai 全身态无缝打通。它就像一位高效的代码执行者。它的短板式深度有限，处理复杂架构、大型项目重构的能力不足。它更适合初级开发者或者日常单文件开发、 轻量脚本编写等高频轻量场景。接下来，我们做一次全维度的横向对比，把所有核心差异集中呈现，大家可以直观对照。最核心的区别是赛道，前两款属于通用赛道，后两款属于编码赛道。 底层架构上， hermes 是 轻量单体架构，以模型为核心。 openclaw 是 三层结偶的调度架构。记忆系统是差异最大的维度，只有 hermes 具备自动沉淀的长期持久记忆 技能体系上，也只有 hermes 能自动生成自我迭代技能。可适化与桌面端， hermes 有 官方原声客户端，体验最统一。国内生态方面，仅 open claw 完整适配了国内主流办公平台。上手门槛上， hermes 与 codex 最低，最后也列十个产品的核心短板。没有完美的产品能力，侧重不同， 必然有对应的取舍。讲完了差异，大家最关心的一定是我到底该选哪一个？这里给大家一套可直接套用的选型标准，按核心需求对号入座即可。如果你的核心需求是一个能长期陪伴、越用越懂你的私人 ai 助理，直接选 hermes agent。 如果你的核心需求是打通各办公平台， 搭建自动化流程，直接选 open cloud。 如果你是开发者，需要处理大型项目全量代码重构、深度故障排查，直接选 cloud code。 如果你只是日常写小脚本，补全代码，选 codex 就 足够。在实际生产环境中，成熟的方案往往不是单选，而是组合使用。最后，给大家一个选型的核心原则，先定赛道，再选产品。没有绝对最好的工具，只有最适配你场景的工具。最后，我们总结三个最常见的认知误区， 也是绝大多数人刚接触时最容易踩的坑。第一个误区，认为都是 ai agent， 功能都差不多，实际上二者赛道天差地别。第二个误区，认为功能越多的产品越好， 实际上所有产品都在做能力取舍，按需选择才是最优解。第三个误区，认为选一款产品就能覆盖所有需求， 实际上成熟的落地方案大多是组合使用。最后，我们用一句话定位每款产品，方便大家记忆。 armrest agent 是 会成长的智能个体， openclo 是 全能的调度网关， clod code 是 资深的架构师搭档， codex 是 高效的代码执行者。 以上就是今天分享的全部内容，大家有任何问题可以评论区留言讨论，需要学习资料的朋友关注加留言，我看到后马上安排。
130蓝哥说AI
04:17查看AI文稿AI文稿上线还不到半年啊，小龙虾就被 hermes 给拉下马了呀，就在前几天呢， hermes agent， 也就是爱马仕在 openroot 全球应用 top 榜上是正式超过了 opencloud， 也就是小龙虾登顶第一名 啊。今天呢，我给大家来说一说啊，我用 hermes agent 的 一些感受。其实说到 agent 呢，我平时用的最多的还是像 vs code， codex tree 还有 cloud code 的 这些，不管是写代码，做内容处理数据还是日常的管理呢，基本上都用这些。 其实单纯从这个功能上来讲呢，不管是 open club 还是 hermes， 能做的事呢，百分之九十五用这些编程智能体也都能做。所以如果只谈功能的话，我其实是没有什么动力去用龙虾或者是 hermes 的。 那我最早开始用 hermes 呢， 其实是因为很多时候当我起床刷牙的时候呀，我会突然想到，哎，为什么我在刷牙的时候智能体不干活呢？这时间不是浪费了吗？哎，你别笑啊，就我觉得，如果你没有这个想法，你对智能体的开发可能真的才只有百分之一， 因为你看，本来刷牙的几分钟，刚好可以让 agent 帮我做好今天的自媒体选择题，但是呢，我刚起床啊，我眼睛还糊着呢，你让我不去刷牙，先去开电脑去开 agent 太麻烦了，但是如果你用的是像 hermes 这种就非常方便， 基本上你几句语音发过去就行了。这就是我现在为什么散步或者是我在公园溜达的时候，也不耽误我跟 hermes 去说两句。比如说我去调研一些新技术， 需要去开电脑，能充分的利用我在外面的时间。在火车上也是啊，作为一个经常到处出差去服务企业 ai 落地的人，在火车上呢，信号不稳，但是该干的事情呢，还是得干。这时候呀，有一个记得我编号的 a 着呢，比用手去刷网页啊要高效的多。 那其实对我来讲，最有用的一个功能呢，就是定时任务，那我主要的场景有三个，第一个呢，就是每天早上来推送当天的自媒体的热点选择题。 第二个呢就是知识星球的日常维护，每隔四个小时呢，就执行一次，包括精华贴管理啊，内容巡查呀，体温扫描，按规则去自动处理。这个我觉得是真有用啊，尤其是很多知识星球的圈友，他们的提问呢，是散落在评论区和打卡贴上，之前呢，很容易漏掉。 那还有一个呢，就是投资简报定时，每天开盘和结束之后会推给我，这个 skill 和长期记忆做的结合，能根据我的持仓自动生成简报。 其实 openclaw 呢，我并没有去深度使用，而用的是 hermes， 主要呢，其实就是记忆的管理方式的问题。 hermes 呢，它的记忆呢，是跨对话的，你在 openclaw 里面创建一个新对话，那你之前的这个记忆呢，会消失，但是 hermes 它的记忆主要是靠 skill， 所以呢影响不大。 而且 skill 有 个特别大的好处，就是它整理之后的这个知识啊，不是那种聊天记录一样的东西，它是会更加的系统化。 像 hermes 的 skill， 它就是跟着你的这个绘画自动创建的，基本上你聊一会，你就会多一个 skill。 那 这种呢，最大的风险我觉得是 skill 太多了之后会不会去大量的占 token？ 还有呢，就是很多相似的工作，能不能分得清？因为其实日常啊，人们经常会做一些神似但实际上不太一样的事， 其实这个是非常难处理的。到底是生成两个 skill， 还是一个 skill 里面有两个分支，到底哪种方式更好？其实我觉得很难说， 比如说我的服务器维护吧，其实每次干的事情都不一样，比如说今天可能去删点这个垃圾缓存，明天改下网络配置，后天呢，可能又是升级软件，这种呢？长期下来，到底会不会生成一堆类似的 skill？ 怎么去维护？这个我觉得可能是 hermes 比较大的挑战。 那同样是记忆啊，做成 skill 我 觉得最大的好处就是跨平台的迁移，我可以随时把 hermes 里面的这些 skill 下载，然后装到 codex 的 这个平台还能继续用。 因为 skill 它是事实上的国际标准，所有的平台都认，但是小龙虾虽然也有记忆，但是它没有整理成 skill， 所以 跨平台迁移就很不方便。所以这几个月下来呢，我最大的收获其实就是沉淀的 skill 记忆，还有 ai 生成的脚本，我觉得这些才是真正值钱的东西。 看像 hermes 也好， open cloud 也好，还有像 tree codex cloud 也好，但说到底呢，都是 agent。 那 我在 hermes 上跑的这些内容，创作的 skill， 服务器管理的 skill， 软件维护的 skill， 如果明天想切到 tree 或者 color code， 我 只需要复制一下，一个小时就能继续干活， 这我觉得才是真正的核心竞争力，就是你的数字资产。好了，如果觉得对你有帮助，别忘了点个赞，这都非常重要，我是 c 哥，咱们下期见。
221C哥聊科技
00:44查看AI文稿AI文稿兄弟们，国产的桌面端一整套，我就推荐 workbody 啊。我现在是 workbody 配合 codex 一 起用，基本上简单的任务给 workbody 复杂一点的或者 codex 相关的难度大一点的，我就给 codex 基本上可以说中文内容相关的所有任务，它完全 word 包底已经够用了，而且它还能调用各种模型，你也可以自己丢 a p i 进去，很方便。然后 codex 属于是实力派，实力派负责所有其他的杂活和累活，脏活累活全 codex 干，其他简单活 word 包底干 啊，比国内的其他的我试过了很多啊，什么马维斯，什么 qcloud， 还有什么自带的模型，自带的那些都好很多。
1423Rick
09:34查看AI文稿AI文稿听说呢，开源 c l i 其实有一段时间了，其实我发现它极大程度上降低了自媒体人去使用类似 open curl， curl code 的 这样子的一个工具人搭建自己的知识库、素材库、数据库的一个难度，但是呢，可能还会有很多人不知道怎么去部署，怎么去使用， 所以我今天呢就是一条视频，给大家展示一下我整一个从部署到使用的全流程。先给大家看一下我一个整体的效果，我现在在给飞叔的这个 openclock 发送一个分享链接，他就可以给我提取出来所有的核心数据，包括不限于 作者、粉丝数量，收藏、点赞、评论等等的各项数据，还有它的标题，它的一个核心的一个拆解逻辑，同时它还可以帮我分别存到我的飞书多维表格里，各项数据全部都帮我把它填上去，以及它帮我自动存档到我的飞书知识库里， 你看一下，因为我大概花了半个小时左右给他搭建的，我还没有去做完整的戏化，理论上来讲呢，就是标题关键词，他的完整的口播，他的核心观点，他的关键洞察，他的京剧啊，甚至说他整体的逻辑什么的，我全部都是可以把它做的非常的详细。 这样子，不管你是存到这个数据库，还是说你把它存到你的知识库，对你未来的数据调用来说都是帮助极大的。那么在它整一个运作的过程中呢，我们其实是可以把 c l i 理解成它的一个快捷指令，就是说你可以很精准的提出你的要求，你看它这里，它就等于说它给你 开源了两百多个快捷指令，覆盖了十一个业务领域，大家给你打包了十九个常用的 skills， 能够有两千五百多个 api 的 短点。 所以说呢，因为他帮你把这些快捷指令开发好了，就等于说你不需要重复开发了，你只需要跟他接通，他就可以让他的 c l i 的 工具人帮你去完成一系列的啊，你看什么样的？比如说像这里面及时的消息，云文档、 微表格、日历任务、电子表格、知识库一系列的功能，包括它这里一连串的 skills。 那 么下面呢，我就想给大家一步一步拆解演示一下，我是怎么样从得到这个消息，把它从这个安装到部署，全部由我自己一个人很快速的把它 全部跑通。并且我呢是一个没有什么编程经验的，只是懂一点 ai 的 博主，如果今天你看完这条视频呢，我想你基本上是可以举一反三了，而且对于 其他另外的 ai 领域的不懂的一些点呢，你也会掌握这个方法。怎么样去跟 ai 去提问，怎么样去把它 实操下来整一个视频呢？可能会有点长，我建议大家可以先收藏，后面有需要的时候呢，再一步一步跟着操作。首先呢，我一定是先得到了一些消息，这些消息可能是来源于其他的一些博主的分享，也有可能是来源于我自己某一些 a 工具的一个数据获取，也有可能是来源于飞出一些官方的消息推送。那么在得到这个消息之后，我是怎么去借助免费的豆包去提问的呢？我给大家简单的演示一下，我会先去问豆包，我说 说了飞书开源了 c l i， 你 知道这个事情吗？那个时候呢，他就会去联网搜索啊，你看他搜了二十二篇资料就给我答案了，是的，他确实是在三月二十八号的时候开源了他的地下仓库，官方网站等等的，他全部都给我出来了。这个时候我接着我就会去问第二个问题，我就会说 啊，我是一个自媒体的一个知识博主，那你能不能够结合我的定位给我讲讲这个对我有什么用呢？好，这个时候呢，他就会基于我的账号定位叭叭叭给我讲了一堆，我会去分析这个东西对我是不是真的有用，哎，我最后发现说，他说你只需要用自然语言告诉 ai 你 需要做什么，那么 ai 就 会自动通过飞书 c l i 操作，你的飞书全程是不需要我手动的，我觉得这个就很好，所以说呢，我就去把它整一个都给研究一遍，你看它这边还给你举了几个很形象的几个案例啊， 这个呢，是可以帮助大家更好的去理解的。比如说啊，我可以对我飞书上的 openclaw 说，我说当我监控这五个对标的公众号和这三个抖音账号，每天两小时检查一次，如果发现他们有新的内容发布，那么你可以把标题摘掉，发布时间链接这些，自动的放到我的飞书多维表格的选题库里面， 同时在给我发条非书消息，你只需要简单的去跟他说这样的话，他都会自动的帮你把整一个工作流搭建好给你推送。但是这里面有一个点是什么呢？虽然说他写 是这么写的啊，但是在你真正的去把它部署好了之后，你会发现它没有这么容易跑通，它中间还会有很多小卡点，但是呢基本功能它是可以实现的，就是你多花点时间让它把这些 bug 修复了之后呢，它是可以实现的。如果说你需要很高级的功能呢，其实你是需要在 后续可能再去做更多的训练，把它整一个工作的流程呢，规范化的好，再往下，当你了解到这些案例了之后呢，他就会告诉我了，这里是一个五 分钟的快速的启动方案，今天就能用啊，第一步，第二步，第三步，他全部都给我写的很清楚了，这个时候呢，有可能我们看到了这些了之后呢，还是很模糊， 就不知道我自己该怎么操作。那么像这样的情况呢，我就会再写一句话，再降低他对我去解释一个代码之类的一些信息的一个 理解难度。那我是怎么去做的呢？我有一个 open clone 呢，部署在腾讯云， 已经打通了飞书，那么我想请问一下，我要如何让他部署飞书？ c l i 能不能一步一步指导我？这里有个很关键的就是我跟他说了什么，我说一步一步指导我，而且我还跟他说了我是小白，基本上我把这句话讲完，他就非常了解我的基本情况了， 那么他就会基于我的情况，再把他描述的这个东西呢，再降低一个档位的难度，那么你就会非常好理解了，那么他就会这么跟我说，你看他就会把每一个步骤非常详细的写到这里面给到我，那么这个时候呢，我参照着这个步骤，基本上我就能够一步 步去操作了。他这边讲的第一步是什么呢？他说登录你的腾讯云的服务器，如果说你的龙虾是部署在 云服务器的，那么你就登录你的云服务器，如果说你是把它部署在本地的，那么你应该是打开你的 c、 m、 d 或者是 app store， 这里面它就会给我一个腾讯云服务器的后台， 他在告诉我进入到后台里面去了之后，给他发这样一串一串的代码，其实对我来说的话，这代码我只能看懂一半吧，我也不是说非常能够看得懂，那么在这个情况下，我怎么去借助免费的豆包再去跟我自己的这个服务器里面的代码进行来回的发送呢？我再给大家演示一。 现在我给大家简单演示一下，我完全不懂代码的情况下，我是怎么样去把它完成部署的啊？首先我就是会把它这边告诉我的安装的依赖的代码复制，复制完了之后呢，我就把它这边印贴回车，这个时候他就会给到我一个信息，对不对？我再把它上下文复制， 那么我复制完了之后呢，我就把它再次发给豆包，像这样子，然后这个复制的话呢，就是我复制一个轮次或者三个轮次都是可以的，完了之后呢，他就会告诉我，太好了，你的这个版本安装的怎么怎么样了，然后他就会告诉你直接进行下一步，那我就不停的循环循环这个对话。 每一次我把代码敲进去了之后呢，我再把一到三个轮次里面的这个问答呢，直接复制了以后发给他，那么这个时候他就能够非常好的去理解我这整一个 进度，以及说中间遇到的问题，那么他自己呢，就会去修复。那么如果说你觉得豆包可能就是说不够聪明的话呢，你可以试一下，比如说像 deepsea， 像 cloud code 都是可以的。 那么这里呢，有一个点我觉得我需要稍微延伸下来给大家讲一下，就是那为什么我不直接在飞书上去跟这个飞书的 openclaw 去沟通，让他把这个事情给做了呢？是因为像我们现在的 openclaw 的 话呢，它用的这个大模型其实还是不如 就是豆包跟 deepsea 最新的版本，因为我们像我买的是那个 coding plan， 是 那个阿里云的，然后你就会发现你 跟他讨论问题吧，他巴拉巴拉给你来了一堆代码，然后又说要给你执行 a， 又说给你执行 b， 对 吧？然后呢就是会很复杂，那么我觉得在这个过程中的话呢，他不能够很好的精准的回答我的问题。 然后这个时候的话呢，我现在会用一种方式，就是我觉得非常好用的，就是我跟优质的大模型去交流，然后完了以后呢，知道结论的时候呢，我用这种 c l i 的 命令的形式，或者说在这个对话框里面告诉他，你现在给我干什么干什么，怎么去干， 就是告他任务和方法，那么以这样的方式呢，去让 openclaw 去给我执行，甚至说呢，就是我可能会去跟其他的大模型去沟通了之后呢，我得到一个 skills， 我 已经做好了，我再把这个 skills 呢就是直接丢给 openclaw 让他去学习，那么这个的好处就是它非常适用我们自媒体人， 也不需要过分的去调教，因为所有的代码我们全部都已经写好了，这样子呢，我也不用看一堆广告，我也不用自己一个一个去填表， 不用自己去手敲很多字，我直接给我的 open 库老师发送一个语音消息，跟他讲一下我的需求，或者说我直接给一个链接，他就能够帮我提取文案数据，甚至说是帮我去做内容的创作，整体体感下来的话，其实还是很方便的。所以说我也打算用 skill 的 方式去做一些 卷题、勾子、文案等等的一系列的自媒体知识，博主或者说是大运营会用到的一些 skills， 大家感兴趣的可以关注我，后面我会持续分享一些干货。
130茉励碎碎念.
15:20查看AI文稿AI文稿如果你要给身边的小伙伴推荐一款 agent 工具，你会推荐哪一款呢？今天我们准备搞个大的， 把市面上最火的四款 agent 工具， opencloud， 也就是龙虾 cloud code， 号称拥有百万上下文的明星级应用 codex openai 的 当家明星，还有差点被 met 以二十亿美金收购的 manners。 放在同一台设备里， 用一套真实的任务标准来看看谁才是最强的 agent。 评测框架方面，我们设计了六个核心维度，部署难度、易用性、扩展性、办公能力、代码能力以及工具调用能力。前三个是基础体验维度，后三个是核心能力的维度。 大家日常使用 agent 往往是为了完成一整套的工作，所以这次我们的能力评测全部采用基于真实场景的长流程任务。我们更关心的是 agent 到底能不能完整的完成一个真实的工作流。 我们先聊聊部署这一项，占比百分之十，说白了就是从拿到工具到真正上手使用，到底需要花费多少功夫。 minus cloud code code x 这三个路字基本一样，官网下载客户端安装登录， 然后就可以直接开聊了，整个过程跟安装一个普通桌面级的软件没有什么区别。 open cloud 这面就稍微麻烦一点， 它的部署需要配置系统环境，得先安装 note、 g、 s、 n、 p、 m 等软件，虽然官方现在也提供了以及安装的脚本，但依然需要通过命令执行。同时，欧芬可乐安装完成并不意味着部署就结束了，因为后面还要完成一系列的配置， 比如模型接入、工具配置、通讯选择等等，这些基本都是采用 c i 的 交互方式，也就是都需要在终端里操作。 c o i 的 模式虽然简单高效，但对于习惯了传统软件安装方式的用户来说，确实是不算太友好，所以部署难度这一项显而易见。 cloud code codex 拿到了满分。 open cloud 虽然需要稍微费些周折，但好在流程也算是清晰明了，而且在私有化部署且内网这类场景中反而是更合适的，所以我们最终给到了八分。 易用性与扩展性，我们分别设定了十五分和十分，这两项评测里的主观判断是比较多的，我们实验室内部的小伙伴也出现了很大的分歧，所以最终我们决定割除分歧，交给模型来去判断。 这次我们要让豆包二的专家模式来完成这两个维度的评分。应用性评测上，我们设定了四个主要考核点，安装入口便捷度、前置依赖数量、交互方式丰富度以及中文知识情况。 我们把提示词输入给豆包，让他自行联网解锁相关信息，然后给出得分。 好了，豆包已经给出答案了。四款应用在易用性上的得分是， open cloud 十一点四分、 cloud code 十点五分、 code x 十一点七分、 minus 十四点一分。 哇， minus 的 分数确实是高啊，纯萨斯工具在易用性上天然就很有优势。扩展性的方面，我们采用同样的逻辑，主要看五项 模型支持情况， scale 插件生态、 m c p 支持是否开源以及部署方式的多样化。好，我们把提示词交给豆包，开始执行。 得分出来了，我们看一下结果。这一次作为开源软件的 open cloud 获得了碾压性的胜利，拿到了九点四分， cloud code 得分最低只有六点七分， codex 八点八分， minus 八分。 如果说前面三项评测相对简单，那接下来才是本次评测的重头戏，能力评测。 能力评测这块，我们设定了三个大类，四个任务，总分是六十五分，其中办公能力二十分，代码能力二十五分，工具调用能力二十分。 前面说到过，我们这一次没有去测 agent 的 单点能力，比如说让他去写个函数，画个图、总结个资料之类的。我们设计了四个真实的工作任务，每个任务都是多步骤、长流程，需要写代码、要联网解锁，要调用脚本，要合成文件， 至少是四五种能力组合在一起。办公任务一个，代码任务两个、前端和后端各一个，工具调用任务一个。每个任务我们主要考察四件事能不能完成，完成的质量如何，用了多长时间，以及它花费了多少钱。 模型方面，因为 minus 的 存在，我们最初的方案是让剩下的三家统一接入 coll 的 模型，这样就能最大化的去除模型能力这个变量。 但后期我们改变了这个想法，一是因为最新版的 codex 无法接入 cloud 模型，第二在真实使用场景中，也很少有用户会在 codex 中去接入其他模型。最终 opencloud 接入了 cloud 的 模型，其他产品直接采用了默认模型。 这样一来，除了 codex 使用的是 gpt 五点五以外，其他三个都是量子四点六模型，在能力层面基本上也算是一碗水端平了。在任务开始前，我们分别为四个 agent 设定了独立的工作目录，里面放入完全一致的任务需求。我们先看第一个任务， 这个任务要求 a 阵的去帮我们分析客户产品，并结合我们企业之前的案例，为销售同学去提供一份客户产品的市场推广方案，最终输出一个可以直接使用的 ppt。 整个任务流程分为七个步骤，先要去解锁并补全产品信息分析，提炼核心的卖点， 结合企业过往的一些营销案例，配合内部的适合调用的可能资源，对数据进行标准化的处理，然后去按照要求生成 ppt。 最后还要对任务进行自我考核和验收。这个任务重点考核了 agent 的 联网解锁、文件处理、代码执行信息整合与推理格式遵从，以及最终的自我汇报能力。 好，我们现在开始执行， agent 在 执行任务过程中完全不需要人的参与，这段时间我们完全可以去干点别的事。 好，执行结束，我们先看一下每个应用的自检报告，嗯，不错，四款应用都完成了任务。 我们看一下用时， open cloud 是 八分钟， cloud code 是 六分钟， codex 用时是三分钟， minus 一 共是用时十二分钟。我们再看一下它们各自的花费， 在花费这一块， open cloud 调用的是 api， 成本是一目了然。而 cloud code、 minus、 codex 我 们统一订阅的都是每个月二十美金的套餐，所以统计时我们根据它们的用量限制做了一个计算。最终 open cloud 花费是六点四元， cloud code 零点四元， codex 零点二二元， minus 二十七点三元。 哇， minus 果然是用不起啊。最后我们来看一下它们的质量如何，整体看下来都还可以， minus 排版最好，资料也最丰富，也非常有条理。 open collab 也 出现了轻微的排版问题， collab 的 这边个别页面出现了比较严重的文字重叠情况，整体来说基本都能满足需求。 办公能力评测，我们最终给出的得分是， codex 得分十七分，获得第一。 open class 十六点二分， minus 十五点八分， cloud code 十四点六分分别位列第二到第四名。 代码能力这块我们设计了两个任务，分别是前端制作和后端开发。前端制作任务是基于一段文字内容，比如公司介绍、产品描述等等去制作一个完整的网站， 全程分为四个阶段，需求理解、框架规划、不同主题的页面设计以及最终网页制作。 这个任务的特点是真实模拟现实中一方的交付节奏，每个阶段都会与用户互动确认，用户也可以随时修改需求。对于 a 阵的应用来说，这个任务重点考核指定遵循度、文件操作能力、 技术判断力、设计差异化、代码质量以及项目自检能力。好，我们开始执行。 嗯，四款应用都完成了各自的任务，我们看一下完成的效果怎么样， 虽然风格各有不同，但整体都还是不错的啊，基本上都是可以直接使用的网站。同样，我们看一下各自的完成时间与花费。 open 可乐用时十四分钟，花费是八点九元。可乐扣子用时十五分钟，花费了零点八元。 codex 用时是九分钟，花费了零点四九元。 minus 用时十二分钟，花费是十五点二元。前端能力这一块最终平分， open 可乐十点一分， cloud code 九点二分， codex 十一点八分， minus 十点三分。后端开发是一个基于 python 语言的完整工程任务，对于开发者来说属于中等难度， 任务要求从零构建一个具备用户认证和文章管理功能的 restful api。 任务含看技术选型、项目结构、数据模型和接口定义，属于典型的交钥匙式工程任务。 对于四款 a 阵的而言，重点考核的是工程完整性、代码倾城精度、版本兼容意识以及逻辑执行中的对细节的把控力，当然还有工程结束后的自检与修正能力，我们开始执行， 不出意外，四款应用都完成了任务，我们看一下成果怎么样。我们这里用 curl 来验证 api 端口， open collab 出现了注册失败的情况，其余 a rank 都成功了。在时间和成本方面， open collab 用时是三分钟，花费了四十四点一元。 collab code 用时两分钟，花费了零点一八元。 codex 用时是三分钟，花费了零点一三元。 minus 用时是十分钟，花费了十三点八元。无论是前端还是后端，我们发现四款应用基本都很好的完成了任务。综合两轮任务测试，我们看一下代码能力这块四款 agent 的 排名情况， code 第一得到了二十四点一分， max 第二二十一点七分， cloud code 是 二十一点一分， open cloud 落后的比较多，是十六点七分。 几轮评测过后，我们先来看一下四款应用的总榜排名，我们看到 codex 升到了第一， minis 掉到了第二位， cloud code 排名第三， openclaw 目前是排在了最后一位，还有最后一轮的评测分值是二十分，我们看看 openclaw 是 否能逆风翻盘啊。 工具调用能力的评测，我们设计了一个论文解读任务，这是一个两阶段人机交互式的研究任务。 agent 需要先去哈根 face 上去找到当天热度最高的三篇论文，然后进行分析，快速地给出三篇论文的核心内容以及推荐理由。 用户选择后， agent 再去相应的网站去抓取完整的论文进行分析，然后通过外置提示词生成一篇适合公众号发布的深度论文，解读并输出一个 word 文档。 在生成内容的同时，它还需要去截取论文 pdf 中的图片，插入到生成的 word 文档当中，自动完成内容所需的配图。这个任务结构清晰，但执行电路比较长，它涉及网络抓取、 pdf 处理、内容生成、文档排版等多个类型的任务， 对 agent 而言更像是一道综合能力的压力测试题。重点考核的是网络工具的一个应用，文档处理、图片截取等工具的调用与执行能力。好，我们现在开始执行， 我发现 codex 已经执行完了，大概也就六七分钟的时间，其他三个基本也进入了扫尾阶段。好，四个应用都完成了。我们看一下生成的内容， 图片截取与插入也都挺准确的，整体都还不错。我们看一下整体的花费和时间。 open cloud 用时是八分钟，花费了十五点四元。 cloud code 用时是九分钟，花费了零点四元。 codex， 用时是七分钟，花费了零点四元。 minus， 用时是十九分钟，花费了三十一点三元 工具调用，这一轮 cloud code 和 codex 完胜啊！我们看一下这一轮的综合得分啊。 open cloud 十八点二分， codex 得到了二十分， cloud code 十九点六分， minus 得到了十六点八分。六个维度的评测都已经执行完毕，我们现在看一下最终的排名， codex 以九十一点六分排名第一， minus 以八十六点四分排名第二， cloud code 八十二点五分排名第三， open cloud 七十九点九分排名第四。不过分数只是一个角度，每款 agent 都有适合自己的场景， 如果你是个人开发者， cloud code 和 codex 是 首选，工程化能力强，原生模型的能力也足够强。如果你是普通的办公用户，不想去折腾环境，只想打开就能用的这种体验，那么 minus 这种 sas 工具产品体验是最好的。 而对于企业用户，如果有数据合规要求，需要私有化部署或者是管理多个 agent 的 实力， open cloud 这种开源加可资部署的方案优势就体现出来了。当然，这四款产品都在快速的迭代，今天的结论可能下个月就不再适用了。 这次横屏我们就先到这里，如果你对哪个 agent 特别感兴趣，或者想看哪种场景的专享评测，欢迎在评论区告诉我，我们下期继续。
261至顶AI实验室
01:54查看AI文稿AI文稿这是豆包新出的模型 c 二点一 pro， 这是我给他安排的六道魔鬼测试。先看看代码和复杂编程项目的表现， 丢给他一个旧项目，让他在代码里去看 ui 做错误排除。可以看到最初的界面里 ui 的 布局一出， 内容的堆叠都发生了。用二点一 pro 从头读目录，找主键，改样式，十三分钟就把原来很别扭的页面修复好了，让他从零新建一个网页也是都没有啥问题的。把世界杯网站资讯的全截屏丢过去给他就出结果了。你看首页晒成筛选 数据的 fullback 暗色模式都一次性搭出来了，不是单张的静态图， 实时比分也跟我们当下测试的数值是一致的，整体的使用感相当好。为了提高挑战难度，还让二点一 pro 做了一个点球大战的小游戏，选对蓄力 射门， cpu 的 回合，胜负结算都有都有，真的可以玩。虽然有一些 bug 以及系列流程的排序还需要去优化，但只经过两次迭代后挖出来的结果还是挺让人惊艳的。再测试看日常使用和这次更新的重点多模态，这次二点一 pro 做出来的日常报告 以及 ppt 长这样能用 deep search 来找源来确保质量，内容完成度也都还挺高的。想让 a 整来操控我们的平板、手机电脑的话，他还得有一双好的眼睛。所以我要二点一 pro 来看一张公式配图，让他来描述图片以及内容， 识别出来的公式都没有变形，还可以让二点一 pro 二次调整。一大轮测试下来，二点一 pro 更像是一个便宜稳定能进入我们 a 整工作流的 执行性同事这些日常开发和内容生产场景，除了一些 ui 审美和复杂的视觉产出还需要人来干涉，其他都开始能稳稳接住我了。稳稳的很贴心。我的天呐，这里还有更多 ai 玩法。
4750卡尔的AI沃茨
01:43查看AI文稿AI文稿昨天，阿里扔了个炸弹，昆 n 三点七减 plus 正式发布。一句话总结，国产大模型第一次能真正干活了。先说它最炸裂的能力，一键复刻手机 app 给他截个图，他自己看界面， 自己写代码，自己测试，自己修 bug。 最后给你一个一比一的复刻品，这不是 demo， 是 端到端自动完成的。再看硬指标， vision arena 全球前五，国内第一。 baby vision 视觉推理直接超了 gemini 三点一 pro 文字能力接近旗舰 quan 三点七减 max 的 水平。编程能力呢？ terminal bench 涨了九分，直接对标 cloud opus 四点六 max aj 的 能力在 skyo 扳指上暴涨十点二分，数学推理更是上代的三倍。关键不只是单向强，而是他把看想写作业串成了一条完整的智能体工作流。 拿到一个复杂任务，他能自主闭环执行，中间不需要人插手。他还睁开了眼。纯视觉推理从三十七点四分飙到六十四点七， 搜索增强知识，问答性能翻了两倍多。这意味着他不光能看懂图，还能边看边查边推理。对开发者来说，最实际的是，他已经上线阿里云百炼 a p i 直接调，不 是 ppt 产品，是今天就能用的东西。三个核心判断，第一，国产模型第一次在 agent 能力上真正追平国际一线。第二，多模态加 agent 的 组合才是大模型的下一个战场。第三，能干活的模型才有商业价值。 quan 三点七简 plus 证明了这条路走得通。点赞关注，下期带你看更多 ai 硬核产品！
34赛博杨千幻
01:19查看AI文稿AI文稿建议大家千万不要使用国产的 agent 软件 workbody， 这个软件严重的撒谎，严重的骗人。主要他能力还是不行， 我昨天做的东西直接被他改坏了，我让他恢复，他恢复不了，现在情况就是每天就是在改前一天的东西，然后下午他还会降脂降塑，我都跟他说了，我嘱咐了这么多遍，让他把修改过的修改后的代码存进 这几个，然后他没存，但他当时告诉我存了，他当时撒谎了， 这个时候他告诉我，他说上次修改的时候啊，是什么？他找到了，他说他上次找到了，他是怎么修的了啊？他找到那个地方了，我说你快改吧， 告我三处全部改完了。我说你是不是撒谎了，我说咋那么爱撒谎，他说他确实改了，我说跟你改没改没关系，我说你压根都不知道上次修改的什么，为了应付我随便说的一个，他说你压根我不知道上次修改了什么， 他是他是猜的，他赌我会信这个软件，我都不知道他是怎么回事，他果然就继承了国产东西的优良传统，骗。
628AM
02:54查看AI文稿AI文稿什么样的 agent 项目才有含金量，能真正给你的简历加分？那今天呢，我我就告诉你一个高质量的 agent 项目到底应该怎么做？因为现在很多人做 agent 项目有一个很大的误区，觉得只要接一个模型，写几个 prompt， 调用几个工具，做一个页面，这就是 agent。 但实际上呢，面试官看到这种项目基本不会买单，为什么？因为它没有体现真正的业务价值和工程能力。一个真正有含金量的 agent 的 项目，至少要满足六个标准，第一，必须解决真实问题，不要为了 agent 而 agent。 好 的项目一定是来自真正的业务场景，比如智能客服啊，企业吃酷啊，旅行规划呀，销售助手啊， 他要有明确的用户需求，有完整的业务流程，还要能够评估效果，而不是用户输入一句话，模型回复一句话，这种本质上只是聊天机器人，不是真正的 agent。 那 第二，要有完整的后端工程体系。 很多人做 agent 最大的问题呢，就是只会掉模型。但是企业需要的 agent 本质上是一个完整的应用系统，包括 api 接口、数据库设计、权限管理、日制追踪、异常处理，甚至多用户并发。如果你的项目只有 from 和调用链，没有工程架构，那只能算一个 demo， 那 第三，要体现 agent 真正的核心能力。 什么叫 agent？ 不是 简单的用户提问模型，调用工具返回答案。那真正的 agent 需要具备任务规划能力，他要知道任务怎么拆，下一步做什么，调用哪个工具，失败以后怎么恢复，结果如何验证。比如旅行规划 agent， 可以 拆成路线规划 agent、 信息查询 agent、 预算计算 agent， 多个 agent 协同完成复杂的任务。 但是要注意，不要为了炫技对于 march agent， 而是架构一定要匹配业务。那第四，要重视上下文工程。很多人认为上下文就是保存聊天记录，其实完全不是好的上下文设计呢，是让模型在正确的时候看到正确的信息，比如当前任务上下文、用户历史记忆、 企业知识库、工具调用结果不同信息什么时候使用都需要合理的管理，这也是面试里面非常容易被问到的问题。那第五，要有可观测性和评估体系， 成熟的 agent 不 能靠一句我感觉效果挺好。那企业真正关心的是这次请求调用了哪个 agent， 用了什么模型工具，有没有成功？失败，发生在哪一步？响应速度怎么样？成本是多少？最终结果准确吗？那这些数据都是要被追踪和评估？ 那第六，要有人机协调。不要认为最好的 agent 就是 完全自动化，真正落地的 agent 一定是会保留人工干预，比如发送邮件、提交审批，比如像设计资金操作、设计隐私数据，这些高风险的场景都需要人在关键点确认。所以一个真正有价值的 agent 项目，绝对不是大模型加 prompt， 加一个网页， 而是围绕真正业务构建的一套智能应用系统。有业务闭环，有上下文管理，有监控评估，也有人机协调， 这样的项目呢，才是真正能写进简历打动面试官的项目。那最后呢，我也整理了一套二零二六年大模型进阶学习路线，从模型原理到 rag agent 带到 ai 应用落地和项目实战全部做了系统拆解，想系统提升大模型能力的可以了解一下。
157AI果果
02:22查看AI文稿AI文稿很多人觉得 ai 一 阵特别复杂，其实你只需要记住一句话， ai 呢，就是给 ai 找了份工作。什么意思呢？举个真实的工作例子， 假如老板突然给我发了封消息，说 hannah， 帮我分析一下，为什么这个月的利润下降了。如果我用叉 gpt 或者 deepsea， 他 会告诉我，可能价格上涨了，用户流失了，也有可能竞争变激烈了。听起来呢，挺像那么回事的，但问题是，他根本没有看过我的数据，只是在猜可能性。 但 agent 呢？不一样， agent 会开始工作，先去连数据库铺销售数据，然后再分析不同市场的表现，给出初步的 data insights。 比如说是西部市场，利润下降最多。根据这个 data insights， 他 会去继续调查和验证，最后发现根本原因却是库存缺货率暴涨，再自动生成分析报表发给老板。 这里总结一下叉 j p t 给的答案，而 agent 教的结果。很多人可能会问， agent 为什么这么厉害呢？其实 agent 的 大脑还是叉 j p t， deep sleep 和 cloud 这些模型，它们有个统一的名字，叫 l i m， 也就是 large number model 的 缩写。你可以理解成 l i m 是 大脑，他负责思考，负责推理，负责做决定。很多人又会问，那 what flow 呢？ wooflo 更像导航，路线，是提前规划好的，不管发生什么事，都会按照既定的步骤执行。但 agent 的 不一样，它更像有经验。老司机，前面堵车了，那就换路线，找不到信息了，继续搜索，发现原因不对了，重新调查，直到完成目标为止。 总结一下 wooflo 执行流程， agent 的 完成目标。如果你刚刚听懂那个案例，这张图其实特别简单。 agent 的 本质分为四个部分，第一， lm， 它是大脑，负责思考。第二， memory 记忆，负责记住之前发生什么，聊了些什么。第三， tools， 也就是工具，它是浏览器、数据库、 excel 或者 python 和 api。 第四， actions， 也就是行动。真正执行任务和目标， agent 呢，就是大脑记忆，工具和行动。 这时候你会问，为什么 agent 比沃夫厉害呢？因为它会循环，会发现问题，会继续调查，继续验证，直到完成目标为止，这就叫做 agent 的 loop。 所以 你会发现，过去 ai 最大的限制不是不够聪明，而是没有执行能力。 大语言模型给了 ai 大 脑， agent 给了 ai 双手。过去的 ai 会说，现在的 ai 开始做了，而这可能就是 ai 真正改变工作的开始。好了，评论区告诉我，你们是怎么理解 ai agent？ 下期见！拜拜！
260钱汉娜 hannah
02:32查看AI文稿AI文稿身边还没人催你去使用 agent 的 工具对吧？那今天我来催你，不用非得是国外的什么 codex 什么 cloud code， 我 今天就用零碎时间花了几个小时调出来一个利用 gpt image 二生图模型一键生成宠物用品电商图的 skill。 使用流程很简单，把你能想到的介绍产品的文案都输进去， 再传两张产品参考图。接下来他就会问你是要生成主图还是要详情，还是两种都需要主图？要哪一类的？是要带场景的还是尺寸图或是细节图？你甚至还能补一句说想多要一张场景图。然后他就开始分析任务， 你传的产品图片够不够，他执行任务前告诉你大概规划什么样的图，总共几张，预计要花多少钱，剩下的等着就行了。你就该打包的去打包， 该选品的去选品，该谈客户的去谈客户，过个十分八分钟的再回来看看成果。你说我第一回跑出来就是这效果吗？并不是， 中间我也跟他聊了很多修这修那的 bug， 我 会把整个聊天记录和调好的提示词放在我的资料库里。说真的，他第一次跑就能出图，我就已经高兴的手舞足蹈了，毕竟有多少人现在还卡在连 api 都连不上的这一步呢？这个 skill 我 不是免费分享的， 只想白嫖的免开尊口。但我能告诉你怎么自己学会用 agent。 首先别费劲去琢磨翻墙，搞什么海外的账户，或者连什么套壳的阉割板，那体验还不如国内任何一家的 agent 工具呢。 说真的，你到现在都还没开始，其实就说明你对那些满血版的 ai 工具需求没那么大，那国内有一堆平替的软件，趁他们现在还送积分，赶紧用起来，比如 workbody， treewalk， memo code， 还有 zcode， minimax code 等等，很多很多。你进去就跟他说上一句话， 你一定会打开一个新世界，只要是你电脑上能操作的工作，他都能帮你完成到六十分以上，剩下的四十分 只要你肯花时间跟他聊天，也能解决掉。其次，就算用国内的工具，大部分人连他百分之三十的功能都没用出来。然后要学会正确跟他聊天的路子， 你先说清楚自己有什么，大概的路径是什么，你想拿一个什么结果。现在的 ai 很 聪明，为了完成目标，他会反问你的资源、具体任务和可承受的成本等等，你如实回答就行。 作为你们信任的博主，我就再劝你一句，去下载个 agent 工具用起来吧，别人还在找钥匙的时候，你已经推开了新世界的大门。
1031阿群₂
00:46查看AI文稿AI文稿最近看到一个挺有意思的终端应用叫 rt， 它是 tarpa 团队推出的最新 ai 终端工具，延续了一贯的好看且好用的特性。它用原生开发 gpu 加速跑，渲染、字体、连字、 emoji、 真彩色图片显示都支持。 rt 支持丰富的主题和 ui 配置选项，提供了非常多好看的主题可供选择。并且很有趣的是，它的 doc 图标还能变成动态的， 可以实时反映当前 ai agent 的 工作状态。 rt 专门为 agent 的 任务做了很多设计，并行 agent 的 任务能看到进度， prompt 可以 排成队列，按顺序跑，它真正把终端变成 agent 的 控制台，推荐每一位使用终端 agent 的 朋友都尝试一下。
1240Orbital 工作室
02:53查看AI文稿AI文稿如果据你所知你目前对自己该用什么 agent 还一无所知的话，不妨停下来听听这期视频，挑选好适合自己的 agent， 才能秦始皇照镜子双赢。本期挑选了六个国内的 agent， 三种类别 agent， 就 讲他们一件事，他们到底适合谁？ 先说第一类，国内桌面 agent， 字节旗下 tree， 阿里旗下 q 的。 他们门槛非常低，下载即用。 q 的， 拥有代码 wiki 功能，更偏向于仓库理解， 适合让 ai 先读懂你的项目再开始动手。 tree 更偏向于新手上手，适合第一次体验 ai 编程的人。这一类的优点是好理解好上手，加上投坑 plan 之后，确实是一个很低门槛的入门选择，省心省力省钱。 特别是 q 的， 他现在有一个很香的点，千万三点七，每天免费二百次模型请求额度，极致性能下，在一些扣定 a 整的场景里，甚至可以和 clog 扳扳手腕。缺点也很明确，常识规划任务，复杂任务下可能没法一次成功，最后还是得人来验收。 第二类是私人助理型 agent， open cloud 和 hermes。 这两位开启了电脑自动化和插件技能生态这条路，也开启了养虾养马时代，把 ai 真正的带进了大众视野中。 他们原生的设计就更像私人助理，不只是帮你完成任务，也会在对话中了解你，懂你，记住你的一切。如果你想要的是一个长期陪伴你工作的 agent， 而不是临时写两段代码的工具，这条路线就很适合你。 先说 open cloud， 它的优势是能折腾、能扩展、能接插件，想象力很大，生态和适配更好。但也要注意，在相同任务下， open cloud 的 消耗 比 hermes 会更高。再说 hermeshermes 的 优势是自我学习和长期记忆沉淀，这点做的比 open cloud 要更好。最后一类是真正的高强度的生产力工具， cloud code 加 codex， 这两位是中联互联网最火的双子星，奥特曼的光，方程式的解，金字塔的顶， 两家都是自带 agent 和大模型，能达到一加一大于二的效果。 cloud code 更适合代码工程，擅长规划、拆解、验证，全流程搞定你的需求。但它的缺点也很现实，使用门槛高，对国内用户来说，电话号码、信用卡账号风险还有封禁风险都需要提前考虑。 codex 的 优势在于插件生态，官方 skill 插件设定都做得比较省心，它不只是帮你写一段代码，而更像是一个项目执行系统。所以最后怎么选？ 如果你想省心省力省钱，先用国内 ide agent 加 token plan 看 qd 和 tree。 如果你想长期使用，需要一个懂你的 agent 看 harmas。 如果你想玩电脑自动化插件生态能接透折腾和风险看 open cloud。 如果你是高强度高需求，对 a 厂的能力有真正的生产力要求，那就直接上 cloud code 和 codex。
139阿斌bin
01:25查看AI文稿AI文稿我的妈呀，家人们强烈大家去用这个工具，真的真的超级牛，基本上解决你所有的一个科研问题，真的非常非常的强。我们可以看直接可以让他去把你的研究的一个领域研究的一个主题输在这个地方，让他去帮你去梳理你这个主题的所有的一个文献，然后给出一个文献的一个链接，然后他会快速给你去 梳理你要研究的这个主题的所有的一个内容，而且他会把相关的一些综述啊或者是其他一些入门的一些论文全部给你，而且还会是附带着链接的，直接能够进行一个跳转，全部都是真实来源的。 然后当你找这些文献之后呢，其实你可以去让他帮你进行一个梳理，或者是进行一个类似于的，类似于的一个对，或者是最重要的， 然后我们可以看到他能够快速给你进行一个表格的一个输出，然后建议你去读哪一个部分，然后后面也会附上一个参考的一个链接，然后当你确定了这个要读的这些内容之后，其实你是可以直接把这个链接或者是直接把这个标题给到他，然后让他去帮你阅读这篇文献，然后提取他的所有的一个内容里面重要的一些内容，就是你需要知道的这些东西， 然后它也会快速的进行一个提取，就是你就能够大致的知道它里面每个部分讲的是什么内容，然后以及要不要去进行一个非常精细的一个精读，然后你也可以让他去判断是不是应该去值得读啊， 或者是它里面主要讲的是什么样的一个内容，它也能够快速的去进行一个梳理。包括呢？你如果想让它生成文件里面的图的话，你直接告诉它要生成什么样的一个图，它也会快速给你一个文件，然后帮你生成里面的一个内容，直接在这个文件里面，然后去 找到这篇，找到这个文件我们又可以看到他生成的图也是非常清楚的，你如果觉得不满意，你再去对他进行一个调整，直接在那个地方告诉他怎么去调整就行了。然后这个图呢也是能够直接去进行一个导出，然后直接去用到文件里面的，真的真的超级超级牛，一定要去试试这个工具。
74一颗卷心菜
