楽👓

锁推

@summer_5666 神机妙算

谐音梗猜成语，这个稍稍有点难！🥳

@Stanleysobest 其实说充一次电能跑五百公里就完了，但是为了达到标题党的效果非要说一千公里只说一次，这种小聪明又很容易被看出来，自然招人黑

好多人不理解这个比如:“1000公里中间只充一次电”！ 实际上是冲了两次，第一次出发前充满，第二次中间充一次… 这回大家看明白了吗？

@SuisPasDaVinci 你要这么说的话几乎所有已婚男人都和已婚女人上过床

实不相瞒，我也和已婚女人上过床，还不止一次😗

@MaaMicro 仙剑奇侠传 dos 版，至今为止没有哪个游戏有它的后劲大…

对于1990年至2005年间使用过电脑的任何人… 你仍然念念不忘的那款游戏是什么？

@Stanleysobest 只能看出来方向，看不出速度啊

你觉得哪一辆车开得最快？

@RookieRicardoR 感觉还行吧，毕竟 agent 靠自己定义嘛

@yeuleh 我感觉它做的有点差🥹

我也来说说我的推荐吧。 Claude Agent Sdk 依然是最快方案，可以通过子进程设置环境变量的方式，兼容所有支持 Claude 协议的模型，比如 GLM、Minimax 之类的，换言之，Claude Code 能支持的用它也都能支持。 Openai 系的模型可以看看 Openai Agent Sdk 或者 Vercel AI SDK，或者直接用整套的 Pi-mono。 上面讲的都是底层，上层是 CLI or 桌面端事件，一般叫做 Runtime，可以用 assistant-ui + 配套的 tools ui。 这个库包装了一层模型时间到 UI 的完整事件流和完整 UI 组件，也可以只用的它的 Runtime 做事件流，自己做 UI 组件，但是这里面的 UI 组件还挺漂亮的。 完整的开源方案，我推荐藏师傅（虽然他把我屏蔽了）的 CodePilot。 宝玉老师推荐的 Craft 也不错。 数据库推荐直接上 better sqlite + F5，记忆层可以单独做可插拔设计，无论是用外部组件还是直接 markdown 都可以。

@Real_shadmxtgp Spain?

Can you solve the hidden country?

什么是登味？ 特别喜欢把自己的价值观强加给别人，热衷评判他人，不懂换位思考，也不尊重差异。 登味最重的，往往是曾经取得过一定成就的人。成功的履历让他坚信自己才是对的——真理嘛，当然掌握在少数人手中。 老登在家里，表现为控制欲极强，所有人都要听他的； 老登当了老板，就是个土皇帝，公司就是他的小朝廷，关起门来所有人都得迎合他的登味，谁不迎合，就是"价值观不合格"。 老登还是典型的双标：对自己永远有理由，对别人格外苛刻。说白了就是认知失调——他需要全世界配合他维持"我没错"的幻觉。 而最有趣的是，老登往往不承认自己是老登，还特别嫌弃别的老登。他骂别人"爹味太重"的时候，那个语气、那个架势，本身就是登味最浓的时刻。

@otzgary 基于本地 md 文档的集合，功能性能颜值都还不错，这个赛道没也没别的选择了🤷‍♂️

灵魂拷问下： Obsidian 除了是个能加密云同步的 Markdown 阅读器之外还有啥用？ 为啥突然就成神了？

@yinlei 这应该是敏捷开发就开始提倡的了吧😄

产品经理必须进化成具备产品思维的架构师，以快速迭代的节奏工作，否则就得退出开发环节。产品的设计必须通过“快速原型 - 发布 - 测试 - 迭代”的循环来完成，而不是靠委员会开会去评审那些长篇大论的需求文档。

@sujingshen 一开始就觉得三省六部这种模式有点屎上雕花的感觉，agent 之间的交互要么是对抗式，要么是委托式，强行通过流程切分来划分 agent 只会导致幻觉越来越严重

@AirdropAlchemis telegram 没做到的事，马斯克也做不到

虽然有点不切实际，但还是希望xchat能拯救被微信长期霸凌的用户… 我已经受不了一个聊天软件占用一百多G的手机内存了，太他妈傻逼了。

@cholf5 不要做工贼😏

Leader 上周完成了一个异步热更的活，排期5天。这周给我排了另一个类似的活，根据他自己做这一单的耗时，也给我估了5天，结果昨天一天就让 GLM 干完了，还顺带让 AI Review 了下他的代码，有个严重的多线程竞态 BUG。 在考虑要不要把这多出来的时间还给 PM ……

@dearemon 毕竟不敢讽刺遥遥领先

@eastwoodnet 欲望是激素水平决定的，硬度才是心血管能力决定的

我擦，心脏问题还真要注意，但是反过来说，性欲旺盛是不是心脏问题不大？

@LVTGW666 所以这个“精”是这个意思吗

经典回顾之狐狸精

@yan5xu 我觉得这并不叛逆。Coding Agent 最重要的不是 Coding 而是 Agent……写好代码最需要的其实是逻辑，编程语法的熟悉、解决一些常见问题的经验，这些都是锦上添花

开发 Pinix 的这段时间，我有了一个非常叛逆的看法。 Coding Agent = General Purpose Agent ≠ End Game 从 Devin 到 Manus 再到 Openclaw，它们被贴了各种标签，coding agent、computer-use agent、general-purpose agent。但是核心基本都一样，一个 LLM 实现的 Agentic Loop，接上一个计算环境，shell、文件系统、浏览器、运行时。本质上都是 coding agent。 Coding agent 能成为 general-purpose agent，原因很简单，代码是通用求解语言。能写代码能执行，你就能做几乎任何事。爬数据、处理文档、调接口、搞自动化、从零造工具。而电脑（沙盒）则提供了执行的环境。 所以 Coding Agent 真正的意思是：一个通过写代码和跑代码来解决任意问题的 Agent。这不是一个垂直品类，这是目前最通用的 Agent 架构。Coding Agent 就是 General Purpose Agent，同一个东西。 而我觉得这不是终局的原因就出在 General Purpose 上。 什么都能做，从来不等于什么都该这么做。 在电脑上写代码+执行，确实可以解决一切，但通用本身就意味着，要付出额外的成本和效率上的牺牲。 举个🌰。你让 Agent 帮你订机票。现在的 Agent 会打开浏览器，导航到携程网站，解析页面，填表单，处理验证码，点确认，出错了再重试。每一步都在写代码，能跑通，最终能拿到票。跑下来要好几分钟，token 烧一大把。 但如果有携程提供的 API 呢？出发地、目的地、日期、乘客，一次结构化请求，确定性返回，毫秒级完成。 两种方式都能拿到票。一个贵 100 倍，慢 100 倍，失败率高 10 倍。 当然，这个例子也说明了为什么现在 Coding Agent 大行其道。如同携程一样，现有整个 application 生态都是围绕人来构建的。它们提供了给人使用的 Web 和 App，但是没有给 Agent 使用的 API（至少没有公开提供）。 完全 for human 的 GUI 就不用说了，功能上还有大量针对人设计的防呆机制，商业模式上按人头收费、通过注意力变现，整个应用从交互到商业逻辑都是围绕人构建的。 所以现在 General Purpose Agent 大行其道有历史必然性。现有基础设施没给它别的选项。你也没法简单加个 API 就解决，整个应用的交互模型、功能集、商业逻辑、产品边界，都是围绕人类用户的假设建的。 但就如前面所说的，通用本身就意味着，要付出额外的成本和效率上的牺牲。整个系统终究会按照整体成本最低的方式运行。 LLM 扩大了能力边界，但它不会让每个 Agent 在每件事上都是最优解。就像拼好饭很难吃，做饭也没有很难，但因为拼好饭是经济最优解，它就是会存在。比较优势不会消失，它只是重新分配。即使到了 AGI 也一样，因为这不是智力问题，是经济问题。通用求解和专用方案之间隔着几个数量级的成本差距，市场永远选更便宜的。 所以这不是消灭分工，是重划边界。Coding Agent 这种通过写代码解决一切的通用方案，一定会被新的应用生态替代。新的分工边界会重新划定。 那新的应用长什么样？ 新的应用需要同时把人和 Agent 当作用户来设计。核心能力以结构化的操作暴露出来，人类界面和 Agent 接口都是同一个底层服务的客户端。Agent 不需要过引导流程，人不需要读 JSON，每个消费者拿到对它有意义的交互面。能力是可调用、可串联、可编排的，不是锁在 GUI 后面的完整流程。定价按交付的价值或消耗的资源，不按人头不按注意力。 当这样的应用存在的时候，调一个订票服务就是比写代码操控浏览器更便宜更快更稳。调一个数据服务就是比爬取解析更便宜。经济性一翻过来，Agent 自然就不会再用通用方式做这些事了。 所以演进方向是这样的：高频的、标准化的需求会沉淀进应用，成为同时服务人和 Agent 的新应用。Agent 从什么都自己做，退到连接和编排这些应用，处理它们之间的缝隙，处理那些太小众太特殊不值得做成产品的长尾任务。做胶水，不做零件。 其实这个故事在 3D 打印上已经发生过一次。 13/14 年，我上大学，就听罗振宇在罗辑思维里说，3D 打印机会如何改变世界，其中有一个叙事是每个家庭一台 3D 打印机，制造业会被颠覆。3D 技术确实强，你设计什么就能打什么。爱好者什么都打，手机壳、支架、杯子、替换零件，我还看到一个大哥，打印了一个机械哥斯拉。 但现实是你确实可以打一个手机壳，但买一个量产的更便宜更结实更好看。你确实可以打一个支架，但标准件几分钱。3D 打印赢在灵活性，但成本、速度、质量上，打不过任何已有标准生产方式的东西。 后来的现实也是如此，3D 打印没有取代制造业。它变成了胶水层，灵活的、定制的、小批量的，填标准件之间的缝隙。同时它确实开出了一块新地：那些从来不值得量产的需求，太小众太特殊太低量的，突然有了解法。 Agent 在走一模一样的路。现在在第一阶段，通用 Agent 用代码做一切因为专用替代品还不存在。新应用出现之后，高频任务会迁移过去，Agent 退到连接层。 不过这个过渡期可能会比以往任何一次技术革命都长。因为 LLM 的能力边界是模糊的、动态的、不可预测的，你没法提前知道哪些任务该被标准件化。不确定性越大，通用方案存活越久。 所以机会不只在造更好的通用 Agent，也可以去盯着 Agent 现在反复用代码硬做的事，找到那些高频模式，把它们变成同时服务人和 Agent 的应用。 每一个被反复通用求解的任务，都是一个信号：这里有一个机会！

真TMD 受不了，KOL 放个屁，TL上一堆 AI 自媒体就开始洗稿、高潮。见一个拉黑一个。

为什么判断国行 apple 智能用了百度模型？我搜了半天来源，就是一张问 Siri 是用什么模型的图。但那是 Siri 调用了百度搜索啊，百度搜索当然说自己是文言一心😅