00:00 / 02:33
连播
清屏
智能
倍速
点赞NaN
普通程序员用一小时做出的AI工具如何引发硅谷争夺战,以及AI 你听过Open Claw吗?一个奥地利程序员Peter,周末一小时写的东西,3个月拿下GitHub历史最快增长记录,17万颗星。更离谱的是,他想删掉项目的时候,扎克伯格和Sam Altman同时找上门。 为什么呢?因为他做的不是软件,是AI代理。 传统软件是什么?你写好代码,它执行代码。Open Claw呢?它自己解决问题。Peter在摩洛哥旅游,懒得打字,给AI发了条语音问餐厅。AI秒回了。他一看日志傻眼了——AI自己检测到这是语音,自己调用了OpenAI的接口转录,自己处理,自己回复。全程自动。这就是AI代理和传统软件的本质区别。 改名的时候更绝。他把账号从Clawdbot改成Moltbot,想立刻注册小号占住旧名字。结果呢?5秒钟,被某个加密货币投机者的自动化脚本抢走了。GitHub也是,同样的事再来一遍。Peter坐在电脑前,看着屏幕一个接一个弹出"用户名已被占用",差点删掉项目。后来联系了平台员工才改成Open Claw。 但最牛的是什么?他找了个完全不懂编程的朋友老V,配好Open Claw就不管了。三天后,老V说:哥们,我用它分析了竞品定价,自动生成了Excel对比表。还让它写脚本,每天早上自动发邮件提醒会议。一个从没写过代码的人,三天就开始构建自动化工具。 这才是Peter最骄傲的——Open Claw不是给程序员的玩具,是给所有人的工具。 访谈最后,主持人问他给年轻人什么建议。Peter说:玩大胆的玩。玩是最好的学习方式。以前学编程得看书、看教程、做练习题,枯燥死了。现在有AI,你想做个网站、做个工具,直接就去做。不懂就边做边问AI,做着做着就懂了。 主持人追问:做出来的东西很垃圾怎么办? Peter耸肩:谁要求你第一次就完美?我的Open Claw最开始就是一小时的垃圾玩意儿。但我玩得开心啊,慢慢改,慢慢加功能,结果现在成了GitHub增长最快的项目。而且你们太幸运了,有个无限耐心的老师,24小时待命,问多少遍都不会烦。 我听完最大的感悟就是:在这个时代,你有了AI这个无限耐心的老师,唯一的限制就是你的想象力和好奇心。 说到这啊,我得吐槽一种人。他们的好奇心已经完全缺乏了。除非你能告诉他这东西有确切用途、能直接赚钱,否则坚决不学。错了。如果你的好奇心已经匮乏,试试这个方法:面对新事物时,告诉自己"我好奇如果我这样做,会发生什么
00:00 / 03:03
连播
清屏
智能
倍速
点赞36
00:00 / 03:18
连播
清屏
智能
倍速
点赞0
韦东东4天前
openclaw和claude code的一些区别和联系 上下文碎片化在企业商业模式/治理体系成熟之前,很难靠“全局统一数据定义+强结构化”一次性解决,反而更可能从个人 Agent 这种 wedge 形态开始,也就是先把跨应用的“访问、筛选、压缩、写入记忆、检索与执行”跑通,再逐步长出更强的组织级整合。 CC架构我也很认同它的落脚点,私以为它的价值不在把上下文压短,而在于把 Agent 变成一个可执行的闭环系统。具体来说,主控(orchestrator)基于当前证据做计划,然后调用工具去执行(读/写/查/跑),再用结果(测试、报错、diff、日志)做反馈迭代。也就是说,CC 更像一个“控制回路/执行回路”的范式:检索把证据拿进来,CC 负责把事情做完并用反馈纠偏。因此我会把“个人 Agent 统一上下文”理解成两件事一起成立:一是你说的检索+信息压缩,把碎片信息变成可用记忆;二是像 CC 这种多步工具调用的执行闭环,让记忆不仅能“被问”,还能驱动动作。 补充两个我在企业项目里反复遇到的问题,也许能把这条路径更工程化: 第一,记忆层不只是存储,更重要是可追溯与可更新。Markdown/文件系统当然可以做载体,但建议至少分层:原始证据层、压缩摘要层、面向任务的结构卡片层等。 第二,你提到的“筛选与组织信息字段”本质是检索+压缩(信息有损),而它能否长期可用取决于评测与 bad case 回收机制:压缩丢了哪些关键约束、哪些字段最容易被误摘要、哪些场景需要强结构化兜底,都得靠持续的失败样本迭代出来。 #claudecode[话题]# #openclaw[话题]#
00:00 / 05:00
连播
清屏
智能
倍速
点赞33
00:00 / 05:48
连播
清屏
智能
倍速
点赞35
00:00 / 05:12
连播
清屏
智能
倍速
点赞117
00:00 / 01:38
连播
清屏
智能
倍速
点赞1913
00:00 / 09:44
连播
清屏
智能
倍速
点赞176
春节深度实践AI工具后,核心感悟是AI能辅助结构化学习以构建知识脉络,并通过拆解Open Claw的两层极简循环逻辑,认识到其强大源于大模型能力与外部工具的结合。对方分享了试用Claude Code搭建Agent、积累个人数据等实践,并建议新人从使用现成skill建立体感入门,避免直接开发。 春节期间借助AI快速生成陌生领域的结构化框架,将零散知识点串联形成完整知识脉络,提升学习效率。具体学习了大数据的处理、流转与应用全流程,梳理了数据与AI模型结合的相关知识,包括Palantir公司的本体论、graph rag、知识图谱与AI的结合方式,还拆解了Open claw的底层运行逻辑。 底层逻辑拆解:核心是两层极简循环,内层是工具循环,不断调用工具、检查状态,直到工具执行完成;外层是任务循环,完成一个任务后等待执行下一个任务。其强大能力来源于两个核心要素:一是大模型本身能力足够强,能够支撑大部分工作任务;二是集成了足够多的外部工具,上下文知识储备充足,因此能实现丰富强大的功能。 深度使用的启发:深入体验Open Claw、Claude Code等AI工具后,才能跳出抽象概念形成具体认知,进而自然产生将工具和自身工作结合的创新想法,形成认知和实践的正向循环。 白白的春节AI实践分享Claude Code试用尝试: 1️⃣尝试使用Claude code搭建每日新闻更新的Agent,经过多次尝试还未达到理想效果,但已经在他人帮助下实现本地可用,完成了第一步实践。 2️⃣个人数字化材料积累:为搭建个人数字化分身做准备,日常使用GET笔记和Flomo积累私有化资料,随时录入个人感想、日记、感悟、读书笔记等内容,积累个人数据。 3️⃣交流视频录制:和对方交流时录制视频,一方面可以记录生活、留存容易转瞬即逝的想法方便后续回看;另一方面发布到网上,可以给和自己一样的AI入门小白提供参考,帮助他人学习。 入门路径:对于AI Agent入门新人来说,存在两个核心障碍,一是Claude Code有一定上手门槛,新人不理解终端、命令行的操作;二是还没有真正理解skill、MCP的概念和逻辑,不适合直接从零开始开发自定义skill和agent。 不建议新人上来就开发自定义内容,推荐先使网上skill 商店、skill仓库中已做好的现成skill,安装使用#AI#Agent#春节
00:00 / 06:53
连播
清屏
智能
倍速
点赞30
00:00 / 02:03
连播
清屏
智能
倍速
点赞66
00:00 / 00:30
连播
清屏
智能
倍速
点赞18
00:00 / 04:59
连播
清屏
智能
倍速
点赞41