QingYue
4.1K posts
观察发现@wangray的文章
浏览量都很高
是我单条推文的10倍甚至百倍不止
我的单条推文一般1万就是上限，3万要看机遇！
所以我先转贴一条，蹭蹭流量！
或许这就是从第一条推文注定的风格差异！
我的第一条openclaw推文是短文，Ray的第一条openclaw相关是文章是教程，所以这么久以来我都是写短文，尤以3句半作为自己的追求目标……
考古Ray的第一篇openclaw配置安装文章见链接：
x.com/wangray/status…
Ray Wang@wangray
中文
QingYue me-retweet
@elliotchen100 @YuLin807 你感觉这个像不像你茶馆那位写“记忆树”技能的小伙子相同的思维？
记忆信息可以通过agent评级确定是否重要，不重要的记忆慢慢忽略和遗忘存档。
上下文也可以同样方法，让LLM只思考重要的信息，避免被杂乱的内容干扰😁
中文
论文来了。名字叫 MSA，Memory Sparse Attention。
一句话说清楚它是什么：
让大模型原生拥有超长记忆。不是外挂检索，不是暴力扩窗口，而是把「记忆」直接长进了注意力机制里，端到端训练。
过去的方案为什么不行？
RAG 的本质是「开卷考试」。模型自己不记东西，全靠现场翻笔记。翻得准不准要看检索质量，翻得快不快要看数据量。一旦信息分散在几十份文档里、需要跨文档推理，就抓瞎了。
线性注意力和 KV 缓存的本质是「压缩记忆」。记是记了，但越压越糊，长了就丢。
MSA 的思路完全不同：
→ 不压缩，不外挂，而是让模型学会「挑重点看」
核心是一种可扩展的稀疏注意力架构，复杂度是线性的。记忆量翻 10 倍，计算成本不会指数爆炸。
→ 模型知道「这段记忆来自哪、什么时候的」
用了一种叫 document-wise RoPE 的位置编码，让模型天然理解文档边界和时间顺序。
→ 碎片化的信息也能串起来推理
Memory Interleaving 机制，让模型能在散落各处的记忆片段之间做多跳推理。不是只找到一条相关记录，而是把线索串成链。
结果呢？
· 从 16K 扩到 1 亿 token，精度衰减不到 9%
· 4B 参数的 MSA 模型，在长上下文 benchmark 上打赢 235B 级别的顶级 RAG 系统
· 2 张 A800 就能跑 1 亿 token 推理。这不是实验室专属，这是创业公司买得起的成本。
说白了，以前的大模型是一个极度聪明但只有金鱼记忆的天才。MSA 想做的事情是，让它真正「记住」。
我们放 github 上了，算法的同学不容易，可以点颗星星支持一下。🌟👀🙏
github.com/EverMind-AI/MSA
艾略特@elliotchen100
稍微剧透一下，@EverMind 这周还会发一篇高质量论文
中文
#Openclaw #Clawdbot
🦞X Fetch 重磅更新
v1.9.0 — Obsidian 导出
现在可以把 X 长文和 arXiv 论文保存为 Obsidian Markdown，图片全部下载到本地。
✨ 新功能：
• X → Obsidian：长文导出 + 本地图片（社区 PR by @AY_0116_ 🙏）
• 论文 → Obsidian：arXiv 论文完整导出，公式、图表、参考文献全保留
已测试：Attention Is All You Need、Chain-of-Thought、ViT、TinyLlama — 全部通过 ✅
零依赖，纯 Python 标准库。
感谢 @andrew0116 的首个社区贡献，直接催生了整个论文导出功能！🎉
_____________
@andrew0116 咱就老实说认识初期那是沉迷于minimax不知天地为何物！！！每天不是修龙虾就是唉声叹气，后来我力荐切换到claude系列，好家伙那功力是一日千里，从唯唯诺诺的小白提问者变身成为重拳出击的贡献者！
楊義兄后来和我说minimax模型，女人用了会流泪😭，男人用了会沉默😏！
不过现在也觉着opus挺傻逼的，有没有啥方案切换到爽用Gemini3.1pro 谷子天天限流……
QingYue@YuLin807
#openclaw #clawdbot 🔬 x-tweet-fetcher v1.8.0 — 学术论文模式 给一篇论文，自动完成两件事： 1️⃣ 找到所有作者的 X/Twitter 账号 2️⃣ 推荐相关论文（引用/被引/同作者/相关领域） 四种入口： · 推文链接 → 提取论文 · GitHub 仓库 → 解析 BibTeX · ArXiv ID → 元数据 · 论文标题 → OpenAlex 检索 基于 OpenAlex（2.5亿+论文），零 API Key，零注册，开箱即用。 ⚠️ VPS 公网 IP 可能被搜索引擎限流，配合 ask-search 使用效果更佳 👇 x.com/YuLin807/statu… Github 链接见下：@li9292
中文
终于没有靠女朋友靠自己
以两篇 ask search skill 合计斩获11w +浏览量🎉
这下男儿当自强了！
考古链接：
x.com/YuLin807/statu…
QingYue@YuLin807
#openclaw 面向Agent的最强搜索引擎 ask - search 现已开源 内置Google + Brave + DuckDuckGo + Wikipedia 等 70+ 源 知乎Reddit抓全文不在话下 全面替代Brave API 本地党龙虾的不二之选！
中文
QingYue me-retweet
Claude Code官方推出了Channel功能，使用plugin配置后在telegram和discord上面远程和你本地设备打开的Claude Code对话。
对于不希望研究Openclaw的用户来说会容易很多，也可以直接使用Claude的订阅账户。配置了一下流程很容易，方案如下，也可以看到测试视频。
如何安装：
指南 - github.com/anthropics/cla…
1. 下载bun curl
curl -fsSL bun.sh/install | bash
2. 安装Claude Code的Telegram插件：
打开claude code后直接输入
/plugin install telegram@claude-plugins-official
/reload-plugins
3. 在telegram的bot创建功能上按照以下流程创建机器人账号：
打开 t.me/botfather
输入 /newbot 后，设置bot的名字和ID
随后就可以拿到接入API
4. 把Telegram Bot的API提供给Claude Code
/telegram:configure 这里复制你的API
5. 退出当前的session，打开Channel模式
Claude Code会让你直接测试，但是你必须要先退出
输入exit
然后
claude --channels plugin:telegram@claude-plugins-official
6. 这个时候和你的telegram bot发一个消息，就会收到pairing code，随后在claude中输入如下
/telegram:access pair
如果你这一步收不到消息，很可能是bun安装失败，或者你没有重启claude code
7. 设置为白名单通信模式
/telegram:access policy allowlist
就可以用了 中文
