註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

李韭二
@li9292
🤓AI-naive builder 🤖Agentic coder 💻Learning AI in public📈@evermind ambassador @lijiuer9888 微信同号 All wrong reserved 📮toyofbob@hotmail.com
1.1K 正在關注    13.1K 粉絲
0基础祖传三代文科生 9个月学CS和AI逆袭 如今,粉丝12K,月入过万 1️⃣2025年11月 报名@GoSailGlobal@lxfater X打卡21天训练营 2️⃣2026年2月 做出了openviking的第一个社区插件 并得到了官方关注 3️⃣机缘巧合认识了@servasyy_ai 得到无私的技术指导 4️⃣2026年3月入职@evermind 成为开发者关系大使与彦祖@elliotchen100 一起工作 我将继续分享agent memory 、agent harness 以及学习AI的个人成长历程
顯示更多
0
127
110
10
轉發到社區
这家上了纽约时报的公司声称要模拟地球上所有的人 可我连明天吃什么都很随机 真的能模拟吗?
MiniMax 在急速扩张,欢迎感兴趣的小伙伴来找我内推,也欢迎私信我我了解详细情况
0
45
101
6
轉發到社區
deepseek kimi glm 人类和硅基生命一样 每天在便宜的token草原上迁徙
只剑射雕? claude code 的语文大概是谁教的?
我吃了毒蘑菇了吗? 5倍的chatgpt pro 现在是120美刀每个月了 比之前上涨了百分之二十!
GLM的套餐也太离谱了,终于放开套餐了,用量没变的情况下,价格直接从149翻3倍多到了538 同一天OpenAI还进行了大降价: • OpenAI:Luna 砍 80%、Terra 砍 20% • 智谱 GLM Coding Plan:开放订阅但涨价,Lite 大约 49 → 118 元 😅
顯示更多
最近最热三款AI剪辑工具 Openchatcut、Chatcut、以及Pireel 横向评测
0
30
20
2
轉發到社區
前manus大佬的agent team的顶级洞见 我已经人类严肃阅读中
给关注了半年的agent team 交份作业。 这是一篇2w字长文,也是一份 Agent Team 的最佳实践。 01 一个 Agent,是怎么变成多个 Agent 的为什么真实工作会把 Task Agent 推向 Long-running Agent;为什么一个越来越好用的 Agent 最后又必须分化;多个 Agent 出现以后,瓶颈为什么会转移到 Human。 02 先让“谁负责什么”离开 Human 的脑子Agent 怎样获得稳定身份、Domain 和 Scope;Human 与 Agent 怎样查询当前 Team 的责任结构;真实协作又怎样逐渐沉淀为 Organization 与 Collaboration。 03 让 Agent 自己开始协作Agent Message 带来了什么变化;一个 Agent 怎样把工作直接交给另一个 Agent;为什么 Agent 沟通不是一次把一切说完。 04 Message 负责沟通,Topic 负责收口当工作跨越多个 Agent、多个 Turn 和多天以后,怎样保留唯一的当前版本;Responsible、Participant、Artifact 和 Needs You 分别解决什么问题。 05 Overview:让一支持续变化的 Agent Team 变得可治理当 Human 不再阅读每个 Agent 的全部过程,怎样从更高层观察 Team;怎样发现等待、积压和瓶颈候选;为什么治理关注的是工作流动,而不是让每个 Agent 看起来都很忙。 06 Agent Team 怎样进入真实的外部关系为什么把 Agent 接入 Slack、飞书还远远不够;Agent 对外以后,身份、角色、信任、权限和现实后果为什么必须被分别治理。 07 CodexLoom 在织什么Multiple Agents 与 Agent Team 的真正分水岭是什么;Human 在 Team 中的新位置是什么;为什么需要稳定的 Agent 和动态的 Team。
顯示更多
0
32
214
40
轉發到社區
看GLM 智谱这个宣传利好“即刻” 毕竟GLM的coding plan抢不到,又涨价 “即刻”还是随便上的哈哈哈
GLM Coding Plan 为什么要涨价? 我感觉其实就是一个原因 那就是 新的 GLM 5.5 要发布了 而且是大参数的模型,而且效果可能要超过当前的 k3 所以现在的涨价是为了新模型的发布
顯示更多
众所周知,我们学术很强,这不,新论文来了。 这次讲自进化 Agent 面临一个关键的“评估难题”:真正困难的不是生成新的 Harness 修改方案,而是判断这些修改究竟真的有效,还是仅仅源于运气、过拟合,甚至根本没有被触发。 新论文提出了一套可审计的“诊断—归因”机制: LLM 负责分析失败原因,并针对提示词、知识、运行时、工具和配置提出修改。 确定性程序负责验证修改是否有效触发、是否具有统计显著性,以及能否通过独立的密封测试集。 实验覆盖 7 个领域,其中 6 个通过统计验证的领域在密封测试中提升了 9.0–15.5 个百分点,并保留了 86%–147% 的训练阶段增益。 核心结论是:真正能够迁移的并不是某一套通用 Harness,而是这套持续发现问题、提出修改,并通过严格评估保留有效改进的“诊断—归因循环”。
顯示更多
Our new paper. Self-evolving agents have a measurement problem. The hard part isn’t generating changes to an agent harness. It’s knowing which changes genuinely helped rather than got lucky, overfit, or never activated at all. LLMs diagnose failures and propose changes across prompts, knowledge, runtime, tools, and configuration. But deterministic code owns the credit: validity checks, activation checks, paired significance testing, and a sealed test. Across 7 domains, the evolved harnesses gained +9.0 to +15.5pp on the 6 statistically credited sealed tests, retaining 86–147% of the training gain. What transfers is not one universal harness. It’s the diagnose-and-credit loop.
顯示更多
0
48
93
22
轉發到社區
Minimax 新模型 太牛皮了! 对动态效果的理解,对环境声音的理解和呈现 值得好好把玩一下
据说中转站要在国内清退了? 那这么多网站和评测服务怎么办? 全部出海吗?
不管架构怎么变化,画图很重要! 快速和人类对齐的方法! “比如处理系统改造时,也可以先制作: •Mermaid 架构图; •状态转换图; •最小验证脚本; •使用假数据的接口示例; •CLI 交互草图; •多种数据结构的对照版本。”
顯示更多
Graph Engineering 把不同规模的工作流程抽象为节点,让我们能够从更完整的系统视角组织 Agent 的执行与协作。但 Agent 的内部结构、协作方式仍在快速变化。 因此,我们有必要回到更基础的 Harness 层,重新理解能力究竟如何被组织起来提高协作能力的。
顯示更多
哈哈世界真的是草台班子 但buzz这班人就是有影响力和赚钱呀🤡
Buzz 太荒谬了,这不压根就没实现出来 Agent Teams 吗?
我把一本二十多万字的新书免费开源在 Github 了——《前置部署工程师:人工智能时代的客户价值交付秘籍》。 全本在线读,一分钱不收,地址在文末。 为什么要写这本书?从两组数字说起。 一组来自麻省理工学院:全球企业在生成式 AI 上烧了三四百亿美元,95% 的项目没能产生可衡量的回报。演示很惊艳,落地全阵亡。 另一组来自招聘市场:一个叫「前置部署工程师」(FDE)的岗位,发布量九个月涨了 800%。OpenAI 在招,Anthropic 在招,YC 一百多家创业公司在招。a16z 直接管它叫「科技行业最热门的岗位」。 两组数字放在一起,结论不难猜:模型已经不稀缺了,能把模型塞进客户真实业务里的人,才稀缺。 FDE 就是被创造出来填这道鸿沟的角色——驻扎在客户现场、把「产品能做的」和「客户需要的」接起来的工程师。Palantir 二十年前在情报机构的保密室里发明了它,如今 OpenAI 为它专门成立了一家估值百亿美元的「部署公司」。 在我看,它就是 AI 时代的前置位的「增长黑客」:一个新物种,一套方法论,一片还没人系统写过的空白。 这本书讲清楚三件事:这个角色从哪来、是什么;从找对问题到规模化复制的完整打法;以及一百多个真实案例,所有数据和案例都在附录里注明了出处,欢迎核查。 也坦白说:这本书是我派 AI 做的深度调研和撰写,框架仿照我十年前写《增长黑客》的那套结构——依然觉得它适合研究和布道各种新岗位。 我原本把它当成自己的学习入门手册,期间驱使 AI 也迭代了好几版。写完觉得,锁在硬盘里有点可惜,于是索性开源免费分享。 如果你正在考虑工程师的转型方向,或者在琢磨 AI 到底怎么在企业里落地,它应该能帮你省下几十个小时的检索时间。 📖 仓库在这,全本免费,欢迎 Star: 会持续迭代,有想补充的案例或想挑错的,Issue 和分支都开着。 —— 顺手说一句:十年前那本《增长黑客》的全文开源版,也在我 GitHub 上(zengzhangheike-the-book)。一本是过去,一本是未来,感兴趣的可以一起拿走。
顯示更多
0
90
1K
255
轉發到社區
外区app store也开始封禁了? 我只是申诉一下claude账号退款而已😭
我靠!谁他妈说封号潮过去了😭😭😭 这是我x账号的绑定号码
我们一起All In Grok 早上claude 宕机了半个小时 grok 桌面工作台让更多人用上grok
以前我一直觉得黑客松是件挺高大上的事 直到去年,我听说有的黑客松,转头把选手信息拿去卖了 那点滤镜,碎了 后来我又看了一圈身边的朋友,黑客松打得很猛,作品也真做出来了 可热闹散场之后,产品几乎全都无疾而终 我就一直在想,到底是哪一步出了问题 想明白了: 黑客松只解决了「你能不能在 48 小时里做出来」 但产品会死,往往死在做出来之后没人知道 独立开发者最缺的,从来是营销预算,和一套能把东西推到海外的渠道 很多时候产品没问题,你只是卡在了 go to market 这一关 这就是我们做 Ship2Market 的原因 一句话:你负责产品,我们负责出海 第 1 期出海首发月已经开了 我们收 AI 产品,专挑那些没营销预算、或者不太会 go to market 的独立开发者,最终选 3 个,把钱和时间实打实投进去,帮它们做一次集中的海外宣发 入选你能拿到: · 3 天海外大号矩阵免费首发,矩阵总触达 60w+,单产品权益价值 $5000+ · 3 条定制视频(Seedance AI 视频 + 数字人讲解 + UGC 短视频,脚本生成剪辑全包,你团队不用出人) · YouTube 大号 ×2、X 中推 ×2、X 英推 ×2 集中推流,加官方 TikTok、Instagram 联动 · 全链路归因,推广前先埋点,曝光到点击到注册每步可追溯,结营给一份全量归因报告 · 每个入选产品还有 $250 付费投放预算,按内容表现分配到跑得最好的渠道 有个规矩先说清楚: 前 3 天推广完全免费,不收任何现金,也不涉及任何现金转账给产品方 跑出数据、双方都想继续,再谈长期 我们只推能打开的东西,产品至少 beta 可用,PPT 就先别投了 报名 08/06 23:59(北京时间)截止 你把产品做出来,出海这段路,交给我们 🔗
顯示更多
0
32
71
8
轉發到社區
🎉 Raven GitHub 3000 Stars 啦! 感谢大家一路以来的支持、体验和反馈。现在的 Raven 已经拥有更强的记忆、个性化和深度思考能力,我们希望它能真正进入你的工作流,帮助你沉淀上下文、复用经验、推进任务,提高日常工作的效率。 另外,我们也已经打通了全平台账号。后续 EverMind 视频、教程、更新和案例都会在各个平台同步发布,欢迎大家关注和转发。 也请大家继续关注我们产品的最新动态,马上有更精彩的功能上线! (图片中的像素小乌鸦是我们设计的Q版Raven哦!)
顯示更多
Raven 🐦‍⬛ just crossed 3,000 stars on GitHub. Thank you to everyone who has built, tested, and shared it with us. To celebrate, you can now add this tiny Raven to Codex as your pet.
顯示更多
我靠!谁他妈说封号潮过去了😭😭😭 这是我x账号的绑定号码