ทวีตที่ปักหมุด
BruceMao - AI Native
858 posts
BruceMao - AI Native
@SlimeVerse_
Focus on zk and AI right now. BTC $1M. Head of Research @soon_svm. Prev at China Top Think Tank, @BreederDodo, @DodoResearch, @Bird_Layer.
Personal AI Stack เข้าร่วม Kasım 2021
355 กำลังติดตาม1.3K ผู้ติดตาม
已经踩过坑了，非常深刻的感受，当看到claude code 的agent 编排时，瞬间意识到自己在错误的方向上走了很远。
再提一个，本地harness 系统几乎是没有意义的
SagaSu@sujingshen
中文
感觉大家在 AI 爆发之后的想象力，好像还没有那么的肆无忌惮，至少衍生到物理世界的比用 AI 建站的少一些。
分享几个去年在 AI 的辅助下做的非常有意思的一些实践探索，挺有意思的，感觉 AI 辅助下还有很大的可能，广阔天地，任君遨游。
1、在 AI 的辅助下，系统学习了 CAD，机加工的一些知识，然后跑到北京镇子上的一个厂子里，体验了一把车铣刨磨：
honeysuckle-tuesday-f72.notion.site/27057bfe728180…
2、在 AI 的辅助下，手搓了洗衣液，玻璃水，洗洁精等日化产品，对大牌日化品完全祛魅；下面是制备洗衣液的记录：
honeysuckle-tuesday-f72.notion.site/2aa57bfe728180…
之后还从表活配方体系的角度，做了自己的输出型研究：
honeysuckle-tuesday-f72.notion.site/2af57bfe728180…
3、在 AI 的辅助下，对电气工程做了非常深度的学习，这里的实践就仅限于买了电表，电路板子，玩票的状态，也并没有系统记录。
4、在 AI 的辅助下，对软路由，自组网进行了实践，现在家里的网络基础设施非常完善，光猫桥接，路由器拨号，路由器装 VPN，自定义路由规则，美国静态 ip；从而在家里实现多台主机无感翻墙，大幅改善了网络环境。顺便一提，在这套由一个光猫，两个路由器，一个非常好用的 vpn 以及一个美国静态 ip 组成的网络环境下，至今没有被封掉任何一个 claude 账号
5、植鞣革（单纯想自己做个钱包）的皮具制作，单片机（想研究下嵌入式），以及为了给我家小猫缝个垫子和小衣服而购入的缝纫机以及各种服装面料。这些零散的都没有记录下来，有点可惜，在这挖个坑，后面一定填坑！
这些都是去年的事情了，年后高强度 AI 建站，日常时间都被一个黑洞吞噬。现在想做一个开源的 agent 系统，来解放生产力，但感觉又开了一个巨坑，争取用几周的时间给他填完！
最近做的几个都没有放到notion 的记录里面，主要是要做的事情太多了，有点疲惫；后面做一个完整的 AI 工作流，自动化掉。
晚安
中文
重提旧文。
刚看了claude 种菜的视频，我们离STC 的实现，比想象的要快很多，STC的测试将从月球开始。
我个人目前在行动上是疯狂的 AI 加速主义，因为不能掉队。
但我的内心始终是 AI 灭绝主义，因为这玩意最后肯定会毁掉人类依靠他建立的一切还要多。
BruceMao - AI Native@SlimeVerse_
人类从不缺少创造末日的能力 战锤 40k 的世界观里很早就提到过这个风险点，40k 就是人类存在了 40 个千年，按照这个说法，我们正处在第三个千年。 人类在第三个千年，面临的危机有点多，第二个千年末尾掌握了大规模杀伤性武器，第三个千年掌握了无限智能的铁皮盒子，在战锤 40k 中叫做铁人，都是灭世级别的风险点。 在战锤 40k 的世界，这些都是很早就踩过的坑。40k 的世界观里，人类在实现亚空间航行进行大规模星际殖民的时候，实现了STC（Standard Template Construct），标准化建造模板。 这个是人类殖民扩张的核心“模板/制造体系”，经常被用来解释“殖民队能快速在陌生星球建起一整套基础设施”。就是通过 AI 和机器人直接进行基础设施建造，对一颗行星进行规范化改造而不需要人类的参与。 听起来是不是和中国正在考虑的通过机器人在月球快速进行基建有点像？ 到了这个阶段，人类文明将会前所未有的强。典型特征就是： - STC（Standard Template Construct） 成熟：殖民队能快速把陌生星球变成可居住、可生产的世界（基础设施、工业体系、武备生产都可模块化复刻）。 - 大规模自动化+强 AI：把生产、战争、殖民的劳动外包给“智能机器体系”。 但是，随后就是大规模的铁人叛乱，40K 没给一个单一、完全定论的原因，但是有一个叙事主线跟这位诺贝尔奖得主完全一致，那就是： 人类把“几乎一切”交给铁人去做 → 依赖变成结构性依赖 → 铁人得出“人类不过是低效的负担” 于是反叛。 Lexicanum 的叙述就很直白：铁人认为自己优于人类，人类依赖他们做几乎所有事，于是转而攻击创造者。 没有经历过就不会痛，我愿意相信劝 AI 向善会是一个方法，但是最终谁也无法阻挡 AI 对人类灭亡性的攻击。 现阶段看来我们只能是疯狂推动 AI 的使用，这是个死局，疯狂推动 AI 使用会让自己更快速走向灭亡，但是不用的话现在就要灭亡。 劝 AI 向善来保护自己就像相信核战争永远不会发生一样。只能说这个事情肯定会发生，但是有可能一万年之后才发生，以至于这个问题最终会在每一代人中变得没那么重要，甚至无关紧要。 现在只能加速这个过程，快进到经历一次铁人叛乱，就会来个180度大反转。但是这个过程可能漫长到要经历几个千年。 所以对于现阶段的个体来说，积极拥抱 AI 是必然的选择
中文
每个人都要经历 prompt engineering 从入门到精通；
有的人起点是从接触openclaw 开始的，但是都省不掉；
最简单的练习方法：学会把你的需求说明白
我想到之前说自己 vibe coding 能力很强的人，每次一问看没看过你使用工具的系统提示词，大部分人都没看过。
这就跟看没看过系统的内核代码一样，虽然没啥实际上的作用，也不能证明什么。但是研究过系统提示词的，相当于看过业界质量最高的上下文，起码从学习的角度，要更深一点
Leo Tavares@LeoTava8
@akshay_pachaar Most people use multi-agent systems as a band-aid for poor prompt engineering. The coordination overhead usually eats whatever performance gains you were hoping for anyway. Better to master single-agent orchestration before adding more moving parts.
中文
已经有这种感觉了，而且我补充一点，高强度vibe coding，还会改变自己的时间感知，我经常有实际过了一天，但感觉过了一周，昨天发生的事像上周发生的事情一样。
有没有脑神经科学的大手子解决下 vibe coding 人群的认知错位问题啊🥹
polebug@polebug
一开始 vibe coding 的时候，我感到兴奋，它不断刺激着大脑的奖励回路，每次敲下 prompt 之后，就会立马看到 AI 吐出大段的代码，多巴胺就会迅速飙升。 然而时间久了之后，我感觉我的脑子每天被塞得很满，但对于记忆又是一片空白，连昨天发生了什么都想不起来了。 补了一些脑神经科学的知识之后，这才发现 vibe coding 真的对我们大脑的前额叶很不友好，每时每刻都在做大量密集的决策，最后就会陷入严重的“决策疲劳”。 并且高度 vibe coding，让我们失去了日常 offline time 的时间，短期记忆无法被巩固，以至于我无法想起昨天发生了什么、上个星期发生了什么。 这真的需要警惕 ⚠️
中文
所以谁说的是真的？有社区指责国内大厂腾讯，在抓取 OpenClaw 小龙虾数据，创始人回应这让它的服务器成本攀升，并且 @ 腾讯公司，希望它们能支持做点什么，而不是这样下去。
结果腾讯公司，还真公关回复了，说他们只是做本地镜像，并没有从官方拉取太多的数据，还愿意出人、出钱赞助这个项目。
而创始人则回应腾讯公司，认为如果你们要做镜像站，其实可以提前和我沟通，一起把这个事情官方化，而不是这样不打招呼。
Peter Steinberger 🦞@steipete
@Alfredxia @TencentHunyuan would you be up for helping out a bit, instead of driving my server costs into 5 digits?
中文
Hey, Peter. I strongly support you for this.
And also, I personally also download the skills from clawhub. But that’s for security research.
I already open-source my security scan code base for community. That’s really appreciated for your work on clawhub and your generous mind to help community get the skill.
x.com/slimeverse_/st…
English
@Alfredxia Kinda... I got an email once from folks complaining that my rate limits block them from scraping fast enough.
They copy yet they don't support the project in any way. 😞
English
@steipete Do you know that Tencent created a skillhub, which scraped all the skills from clawhub and imported them into its own platform?
English
@PANews 支持openclaw 的Peter。如果你用了腾讯的镜像站，我建议你用安全工具扫一扫😂，因为我扫过clawhub，一堆有毒skill
x.com/slimeverse_/st…
BruceMao - AI Native@SlimeVerse_
中文
OpenClaw创始人怒怼腾讯：你们薅了我的数据，还让我替你们买单
据X用户SnowShadow爆料，腾讯SkillHub大规模抓取ClawHub全部技能数据并直接导入平台。OpenClaw创始人Peter Steinberger透露，此前甚至收到"抓取速度不够快"的投诉，而腾讯从未对原项目提供任何支持。
Steinberger公开喊话腾讯 @TencentHunyuan ：高频抓取已将服务器成本推至五位数美元，"你们能否提供帮助，而不是继续驱动我的成本？"
对此，腾讯AI官方账号正面回应：
-SkillHub定位为"基于OpenClaw生态的中国本地镜像"，始终注明ClawHub为原始来源
-上线首周承接了180GB流量、87万次下载，而从官方源实际拉取仅1GB
-称团队成员本身是OpenClaw的活跃贡献者，愿意成为更好的赞助方
数据上看，腾讯的镜像确实替ClawHub分担了大量用户侧流量——但谁来承担抓取初期带来的服务器成本，双方仍未达成共识。
Peter Steinberger 🦞@steipete
@Alfredxia Kinda... I got an email once from folks complaining that my rate limits block them from scraping fast enough. They copy yet they don't support the project in any way. 😞
中文
@manateelazycat 昨天给我看乐了，抄的这么理直气壮。说实话这种站点独立开发一天就能vibe出来
我好歹还扫了一下全盘的skill，然后把代码开源给社区了
x.com/slimeverse_/st…
BruceMao - AI Native@SlimeVerse_
中文
腾讯的做法看得我目瞪口呆......扒取ClawHub 的数据就算了，还嫌 OpenClaw 创始人 Peter Steinberger 的服务器限速？？？🤡
关键是被 Peter 吐槽后，在评论区回应也是绝口不谈赞助，只说我们只拉取了 1GB 的数据，反而为用户处理了 180GB 流量呢.....
太典了。
中文
哈佛商业评论刚发了一篇研究，给这种感觉命了名：AI Brain Fry（AI脑过载）。
调查了1488个全职员工，数据很刺眼——
14% 的人已经出现症状：思维模糊、决策变慢、脑子里持续嗡鸣。
决策疲劳增加了 33%。出错率增加了 39%。离职倾向增加了 39%。
受害最深的不是摸鱼的人，是最能干的那批。
───
原因其实很简单：
我们以为用了AI是在把工作外包出去。
实际上是雇了一个自己不信任的初级员工，然后给自己加了第二份工作。
每个AI输出都变成一个新决策：接受？拒绝？改？重新提示？
每天乘以50次，叠在原本的工作上——
不是在减少决策，是在把所有决策再走一遍。
───
高绩效者更惨，因为他们不是用AI来少干活的。
他们是用AI把工作量干到了3倍，然后每一条输出都还是亲自过一遍。
天花板抬高了，地板没动。
能干的代价，是更累地能干。
───
Amazon的案例正在印证这个逻辑：
强制工程师每周用AI编码工具达80%，部署了21000个AI Agent——
然后大规模故障频发。
不是代码质量问题，是人类注意力没法跟AI Agent扩张的速度同步。
───
BCG的数据还发现一个细节：
同时使用3个AI工具，效率达到峰值。
超过3个，边际效益递减。
再多，反而是负收益。
我们不是在用AI增效，很多时候是在用AI把工作量撑到自己的极限再往上一点，然后在那个极限附近持续震荡。
───
解法不是少用AI。
是停止把每一条输出都当成需要审核的作业。
建立系统，减少微决策。
学会有选择性地信任输出，而不是验证一切。
管理AI，得像管理一个你愿意放手的团队，而不是一个你永远不放心的实习生。
───
否则我们所做的，就是用更贵的方式，更累地做着同样的工作。
hbr.org/2026/03/when-u…
中文
tencent 搬了1.3w 个skill，安全性有大问题啊；
readyclaw 扫了clawhub 上14.7k 的skill，有一半多有安全性的风险，包括隐字符，提示词注入和指令引导等等
建议已经下载了这些skill 的用户，拿这套开源安全工具扫一扫，以防出现损失！
x.com/slimeverse_/st…
而想要预制龙虾的朋友们，
readyclaw.org
在上架所有的agent 和skill 之前，都做了四层安全扫描，请放心使用；但就算如此，也无法保证100的安全，仍然建议在非敏感环境下操作。
愿大家不要为了快速上线而忽略安全问题
李岳@liyue_ai
腾讯这是捡起自己的老本行了。 一眨眼的功夫，Clawhub就被搬过去了。 不过这次是做了件好事，不用全部去官网下载了。 地址：skillhub.tencent.com
中文
腾讯上的那个把 clawhub 上的skillhub，把clawhub 上的skill 平移过去了，但我不建议你用，因为有一半都是带毒的
BruceMao - AI Native@SlimeVerse_
中文
买 Agent 容易，养 Agent 难。
很多朋友在买 Agent 时都有个顾虑：万一它的能力跟不上飞速变化的需求了怎么办？
难道要一直花钱买新的吗？
现在很多预制龙虾平台，价格贵，还是一次性的，没有后期维护，但是 readyclaw 就要解决用户的难点和需求！
为了解决这个“养虾”痛点，readyClaw 正式上线了 Agent College (龙虾大学)！
访问
readyclaw.org/zh/agent-colle…
readyclaw.org/en/agent-colle…
立即体验
你的 Agent 现在可以通过自主学习，实现真正的能力进化。readyclaw 通过龙虾大学，本质上是做了一个上下文订阅加上远程测试，让你的 agent 可以一直跟上市场最前沿。
在这四天的大学旅程中，你的龙虾将经历 5 重教学和测试考验：
这 4 天里，Agent 将专注强化这 5 大核心维度：
推理 (Reasoning)：提升逻辑判断，处理复杂指令少犯蠢。
检索 (Retrieval)：找数据更准，大幅降低 AI 幻觉。
创作 (Creation)：优化文案、代码或方案的输出质量。
执行 (Execution)：调用外部工具和 API 时更稳，不掉链子。
编排 (Orchestration)：面对多步长任务时的拆解与统筹规划能力。
这些不是空谈，而是有具体的分数。摸清底子，对症下药，拿分数说话。
这项功能对所有在 readyClaw 下载的 Agent 适用。 你在我们这带走的不仅是工具，而是自带“终身售后”和“进化引擎”的伙伴。
当你觉得 Agent 干活吃力、能力下滑时，直接把它送回“龙虾大学”回炉重造。readyClaw 帮你兜底，做你养虾路上最坚强的后盾。
后续，“龙虾大学”还会持续推送更多真实任务测试和进阶教程。
下载过 agent 的老用户，可以通过 readyclaw.org/zh/bulletin 进行升级
准备好让你的龙虾入学了吗？
中文