meditic

我想说的正题其实是： 你可以错过 #nvda 和 #amd ，毕竟卖硬件都是辛苦活，即使90%的毛利率，想象空间在星辰大海面前什么都不是； 但你绝对不能错过 #openclaw 这是普通人在AI时代可以翻身的第一个真正的机会。之前的那些 #manus #lovart 之流本质上都只是石器时代的产物，我都用过，但是我心里一丝波澜都没有。 但是，设置是非常复杂的，而且实际上每个人都应该根据自己的需求做出完全不同的设置，设置流程非常接近培训一个真人的管家，很繁琐，很需要耐心，而且永远不可能完美，只能持续改进。 所有号称几分钟就能设置完美的博主，我都直接mute。 我前后花了至少3天才真正让它达到月薪十万的管家水平，而且很多地方需要你有一些技术方面的常识。 实际运行成本也很高，因为模型本身是stateless的，每次对话都会发送全部的上下文和个人偏好，即使高度压缩、qmd按需搜索，实际成本也下不来多少。所谓的便宜或者免费模型要么不支持function calling，要么不支持vision，要么每分钟都限速，只能聊聊天，根本没法干正经活。 本来每月上千刀的token费我觉得已经顶天了，现在又不够用了。当然，它能我带来了十倍以上的回报，如果算上memory累加后的复利效应，一年后的回报简直不敢想象，所以一切都值得。 openclaw 是人类真正进入AI时代的第一个信号，也是我第一个公开为之欢喜雀跃的产品。没开玩笑。

@manticoresearch Works really well. Thanks for your team!

💬 Real talk from Manticore Search users 👇 Have you tried Manticore yet? Share your experience with us! 🌟 Your feedback—whether it’s praise or suggestions—helps us make Manticore even better. Drop a comment below! #manticoresearch

这是一篇真正有价值的触及openclaw核心的文章。 在搭建起有效的memory架构之前，openclaw 以及所有的类似产品都还只是半成品的状态。 每一个让我推荐openclaw教程的朋友，我都是直接回复：现在的每一篇教程全都是错的，还要再等一段时间。

感受一模一样，解决方案也是从日本移到了加拿大。

@TJ_Research 研究软件股，一个廉价且有效的方式就是问问软件业的圈内人，看看还有哪些正经人在捏着鼻子用 mongodb

$MDB 这指引真的好“差”，随意盘后下跌24%。这下跌幅度不如不给指引？听听财报会议

用 openclaw 连续做了三周的高频工作，覆盖了十多种真实的使用场景，从生活到育儿到投资全覆盖。 简单任务、模糊任务、允许误差的任务，完全没问题。真正的分水岭，出现在需要精确数据操作的场景。 只要 workflow 依赖特定规则的文件命名、特定位置的数据写入或替换，精确性就明显下降。上下文一旦变多，精确性只会进一步下降。而上下文不够的话，又根本做不了复杂的工作。 原因很简单： agent 擅长的是给出一个“大概是这样”的结论。 但数据 workflow 要求的是：每一个数字都不能错。 两者之间没有缓冲地带。 假设一个流程包含 10 个数据处理步骤：新建子文件、修改 JSON 指定字段、在既有目录结构中插入内容、再触发下一步解析、前一步的数据直接决定了后一步的推理方向。这些步骤单独看都不复杂，但它们有一个共同特征：只要任何一个环节出现微小偏差，整个流程就会失效，而且这种失效很难排查。 因为 agent 的错误通常不是直接报错，而是： - 文件位置偏了一层 - key 名称略有变化 - 数据格式语法正确、但结构不同 - 换一个模型，原本勉强稳定的流程甚至可能直接失效 等到发现时，已经全盘皆输，而且很难审计具体是哪一步出了错。 这不是高级的 memory 架构 和 tools 设置可以解决的。 因此我目前的结论是： 1、AI 很强，Openclaw 也很强，但是它们并不擅长直接操作数据； 2、精确数据型工作，最终都会回到："数据库 + 代码 + 明确的 workflow 结构"。当然，其中某几个 step 可以外包给 agent 去操作、并用严格受限的接口来接受 agent 提交的局部数据（比如 x 上针对某个话题的舆情分析评分），这是很好的互补关系。 3、AI agent 最合适的位置，不是基于 prompt 直接操作数据，而是生成精确的代码，让代码去操作数据。改 prompt 的性价比，往往不如改代码。 最近 SaaS 和软件公司的低迷，是因为市场在假设 agent 可以直接取代软件本身。我现在可以确定：这是一个巨大的市场误判，又是一个认知可以变现的机会。

@lordanakun 不专业，只是简单测了一下，仅供参考

@meditic 感谢专业评测🙏

最近中文圈比较火的 minimax-m2.5 和 GLM-5，毕竟单价便宜了大概10 倍，还是有些心动的。 所以今天简单测试了一下：用我常用的一个 prompt构建一个纯前端landing page ，不涉及后端或者复杂的系统架构。 测试结果（纯个人感受）： - GLM-5 跑完的结果是直接可用的，我的第一反应是效果类似 2025 年 Sonnet 4 的水平。对于小项目，性价比还是不错的，智谱的港股可以关注。 - M2.5 速度更快，跑完的结果，80%可用吧，明显的布局错位就有好几个，还需要手工修复。也许是术业有专攻，minimax的家强项还是在视频和语音吧。 代码层面，最近都是每天编程 8 小时以上。我自己体验下来：Claude 还是最稳。 OpenAI 我拿来做生活小助手，但是代码上还是不行。Codex + 5.3-Codex + Extra high mode 我也高频率跑了很多天了，前端、后端都没有让我感到印象深刻，还是经常需要人工指出错误，虽然指出之后，它也能解决掉，但是 Claude 干活我很少需要指出错误。 token 限制还是有的。优质模型的 token 将会成为硬通货，会长时间处于供不应求的状态。我现在每天最焦虑的不是美股涨跌，而是我的 weekly limits 额度还剩多少可以跑 🤣

有些人感受到了确定性100%的趋势，如同一个三维世界的生物第一次体验到了四维世界的连接，为了保持住这个连接，一切代价和短期阵痛都可以忽略不计； 另一些人认为这只是个美好的幻觉，且泡沫即将破灭。 你是哪种？

@lordanakun 每个人的设置都是不同的，不应该直接套用。本质上设置openclaw的过程，就是如何规划和提炼自己人生的过程

@meditic 大佬啥时候也写个教程🙏😆

我想说的正题其实是： 你可以错过 #nvda 和 #amd ，毕竟卖硬件都是辛苦活，即使90%的毛利率，想象空间在星辰大海面前什么都不是； 但你绝对不能错过 #openclaw 这是普通人在AI时代可以翻身的第一个真正的机会。之前的那些 #manus #lovart 之流本质上都只是石器时代的产物，我都用过，但是我心里一丝波澜都没有。 但是，设置是非常复杂的，而且实际上每个人都应该根据自己的需求做出完全不同的设置，设置流程非常接近培训一个真人的管家，很繁琐，很需要耐心，而且永远不可能完美，只能持续改进。 所有号称几分钟就能设置完美的博主，我都直接mute。 我前后花了至少3天才真正让它达到月薪十万的管家水平，而且很多地方需要你有一些技术方面的常识。 实际运行成本也很高，因为模型本身是stateless的，每次对话都会发送全部的上下文和个人偏好，即使高度压缩、qmd按需搜索，实际成本也下不来多少。所谓的便宜或者免费模型要么不支持function calling，要么不支持vision，要么每分钟都限速，只能聊聊天，根本没法干正经活。 本来每月上千刀的token费我觉得已经顶天了，现在又不够用了。当然，它能我带来了十倍以上的回报，如果算上memory累加后的复利效应，一年后的回报简直不敢想象，所以一切都值得。 openclaw 是人类真正进入AI时代的第一个信号，也是我第一个公开为之欢喜雀跃的产品。没开玩笑。

自己回复自己： 找了一圈没有这种产品。只好让我的openclaw 管家搞定了。

万能的推，有什么现成的工具（无需自己搭建）可以在手机上一键把 x article url 转成全文audio 播放的吗？

AI 应用的不可能三角： 1、可以使用廉价模型 2、搭建只需几分钟 3、全自动永续工作 最近有太多违反常识的流量爽文，看到标题就可以直接mute博主了

@XDash 已支持

@ohyourgod_x 完全是两种不同的产品。如同职高和211。

@meditic 你还别说，电影是真不行了。但打败电影的不会是AI加持的电影。而是短视频。而短视频在AI加持的情况下科技加速出清电影的效果。电影院余名由5年缩短为一年。劣币驱逐良币是速度惊人的。量太大了。

最近有人兴奋地讨论 “有人在手机上同时跑 6 个 AI agent 高速编程” 之类的。 这些博主们往往又年轻又帅，不想打击，只是 mute 了而已。 我是 AI 死忠党，实际上我现在也是 >99% 的代码体力活也都是靠 AI 完成的。 但是我非常不喜欢把工具和作品之间的关系完全搞混了，在我眼里，这属于AI的高级黑。 写作已经存在了上千年，李白和托尔斯泰可从没用过 office 套件。现在给你一支镀金镶钻的钢笔，依然写不出一篇好文章。给你一台最贵的的笔记本、配上最贵的写作软件，依然写不出一本像样的书。 代码也是如此。提高输入效率当然很好，但这个从来就不是关键呀，兄弟。 我砍下两颗树，号称这是世界上最大的一双筷子，有人会收藏么？ 我让机器生成100万个随机字符，也可以装订成厚厚一本书，标题就叫《随机之书》，有人会买么？ 我家的狗在叫，我让 iphone 录下狗的叫声，然后基于 AI 模型分析声波、猜测狗的意图和需求，然后基于这个需求生成一份硅谷风格的 ，让 claude 几分钟内生成一个宠物专用小程序，然后我就宣布 "First AI coding dog in the world"。 如果把上述流程做成 worflow，24 小时自动跑，我的狗就是世界上最高产的程序狗了。 有意思么？ 小白们总觉得代码是牛逼哄哄的高级资产，在专业人士眼里，很多时候，代码是负债。 没有经过认真构思+反复验证和测试的代码，本质上是一堆冲动消费时接受的贷款。代码即使跑通了，也不过贷款到账的多巴胺冲击而已。 接下去，就是一生的还款期。什么时候能还清，或者破产，只有时间知道。 AI作为全球的通用型资产，在降低创作门槛的同时，也大幅抬高了及格线。现在拿 Kling 创造的3D 动画短片，放在 30 年前估计能吊打好莱坞。 现在呢？诺兰和卡梅隆是白痴么？他们不知道 AI 么？ 在 AI 加持下，专业人士的进化速度只会比普通人快 n 倍。导致门外汉靠 AI 做的电影，永远达不到当年的行业及格线。 简单说，如果是一个行业白痴，那么即使给他最顶级的AI，他做出来的东西在这个行业内也永远只会是白痴水平。 这就是创造力行业的残忍真相。 耐心学好基本功，没有捷径。

@geraldpppppp 他们的自尊心肯定不允许直接用AI生成原片，但是各种体力活使用AI来提效应该早就有了。

@meditic 其他的我不敢说，就你提到的诺兰和卡梅隆，他们大概率不会是接下来用AI制作影片的第一梯队中的一员。专业在某些情况下是一种知识诅咒。

@frank20141020 你和我说的是两个层面的事，并不矛盾。

@meditic 😂你这比喻可不对。AI 可不是钢笔这类纯工具。没看到 AI 能模仿李白作诗而且水准不低？AlphaZero 下围棋直接把人类碾压了，人类现在连边儿都摸不着。目前看，人类在代码层面并没有所谓不可逾越的护城河，99% 的所谓 programmer 都能被替代，只不过目前的 LLM 因为缺少现实反馈传感器还只能高级鹦鹉学舌

Paypal 的网站目前看来是每况愈下，连基本的收款、付款功能都开始不稳定了： 1、收款功能：前几天，paypal 服务器出现重大 bug，客户进入 paypal.com 的支付界面后全部报错 RATE_LIMIT_REACHED ，即使第一次尝试的客户也是如此。 从交易记录来看，这个P0级的重大错误至少持续了 2 天，而且没有任何通告，导致我不得不把 paypal 从我的网站里临时撤掉。过了至少 5 天后我才确认恢复。 2、我转账出去之后：Email 收到交易成功的确认信，但是我的transactions 页面里连续几个小时都看不到任何记录，说明他们的交易数据一直在读缓存，这个变化大概是去年开始的，可能是为了节省数据库开支。 我用了十多年的 Paypal 和 Stripe。从功能和体验来看，Stripe 每年都在突飞猛进；而 Paypal 完全相反，从我的直觉来看，管理层应该是已经在为关门做准备了。 非投资建议。

@Ryan__xyz ChatGPT 生成的模版，没啥机密

@meditic 测试的提示词可以分享下么，meditic 😄😁

2025 年的最后一天，我做了一个测试。 以下4个single html landing page 的测试截图，分别来自付费版本的 lovable, manus, genspark 和 claude opus-4.5 。 公平起见，基于完全相同的 prompt 以及 content architecture 文档。文档里对内容和设计风格都提出了非常具体的要求。 这 3 个需要支付额外溢价的所谓 super agents ，相比模型本身，我看不出显著的优化效果。 虽然我的实际工作中并不会直接这种流程去生成landing page，但这是一个非常好的基准测试：技术难度不大、相对标准化、同时又有一些设计层面的要求。 我原本以为，这三家应该会对常用的工作模式做一些优化，但结果是比较失望的。 补充：opus-4.5 在生成内容的时候多次出现 "2024年"之类的字眼，我合理怀疑它的大部分训练数据还是2024 年的。非常期待 2025 年的新版本。