KK·凛冬将至

最近真是被智谱搞死，现在openclaw不用glm-5-turbo的话就动不动给你一个限制，claude code用glm-5-turbo也是时不时限制一下。。。

@notFindiX 对，用rustlang重写了，智谱说无限逼近opus的模型，总得试试😆，另外也很想试试重现他们的让llm连续工作的方式。过年的时候买的话价格还行，980一年，现在确实涨价了

@spin6lock 你用的Rust吗？现在确实是Rust重写一切hhh 感觉socket server好像用得不多？就是Go这玩意真的是概念设计很让人喜欢，实际工程很让人恶心。目前国产模型还没用过，主要价格也没什么太大优势，提不起劲尝试

同事用rust重新实现了一遍skynet了，既高兴又难过，难过在没能亲手做这件事……

@notFindiX 我现在在用glm-5.1+claude code重新实现了一遍，5.1对socket server还是搞不好，已经第40轮了，等下看看要不要codex来擦屁股

@spin6lock 我Codex的第一个练手就是用Go实现了一遍……让我第一次对vibe coding大为震撼

退订cursor了，最近几个月都没怎么用，还是claude code比较上手

智谱怎么每一次开源都不把案例相关工程公开一下呢？好想看看是怎么让5.1跑八个小时的

用惯了glm-5觉得还不错，结果一用gpt5.4，区别好大……

公司dog fooding的模型进化真快，隔一天从啥都干不了到可以定会议室了，非常惊艳

智谱疯了，周末来发glm 5.1……那我高低得试试了

Big thanks to Steve for testing the entire Qwen3.5 family. Community feedback like this helps us get better. 🙏

@caizhenghai ‘是我逼他们用token的吗？是他们自己想用！你可别可怜他们，他们用token挣大钱，成为亿万富翁，眼睛都不会眨一下’

36kr.com/p/372512732988… 好长。。。

Today, we are officially opening the capability to integrate #OpenClaw into #Weixin. With the launch of the #WeixinClawBot, users can use Weixin as a dedicated messaging channel for OpenClaw. Now, you can send and receive messages with OpenClaw just like texting a friend. #AIAutomation #AI

好习惯没养成，缺乏文档和测试……ai时代还是会吃亏…

想准备一个案例，技术上有一定难度的，全程用ai完成，来证明给同事看看ai有多强😄

@hongming731 好奇下，图里的文字乱码目前还没办法解决么？

BestBlogs 重新整理了一下视频的文字稿，方便配合观看 🔽 -------- #BestBlogs 解剖小龍蝦 — 以 OpenClaw 為例介紹 AI Agent 的運作原理 | Hung-yi Lee 本文通过剖析开源项目 OpenClaw，揭示了 AI Agent 如何利用系统提示词、工具调用、记忆管理及心跳机制，将单纯的“文字接龙”模型转化为具备自主任务执行能力的智能系统。 摘要： 文章以李宏毅教授的课程内容为核心，深入浅出地拆解了 AI Agent 的底层运作逻辑。作者指出，尽管底层大语言模型本质上只是缺乏记忆的“文字接龙”机器，但通过 AI Agent 框架（如 OpenClaw），可以为其构建身份认知、工具调用、记忆管理和自主排程等核心能力。 文章详细介绍了如何利用 System Prompt 赋予模型目标，通过 Function Calling 实现物理世界交互，利用 RAG 与上下文压缩技术克服 Token 限制，以及通过心跳机制实现主动任务触发。最后，文章严肃探讨了 Agent 自主运行带来的安全风险，并提出了权限隔离与物理隔离等实用的防范策略。 主要内容: 1. AI Agent 的本质是为“失忆”的语言模型提供持续的身份设定与环境感知。 -- 通过在每次对话前附加系统提示词和历史记录，Agent 框架让模型在“文字接龙”时能维持一致的身份认知和任务目标，弥补了模型本身的无状态特性。 2. 通过工具调用与子智能体机制实现复杂任务的分解与执行。 -- Agent 能根据需求生成特定指令调用本地工具或创建子智能体，通过上下文工程将繁琐的执行细节屏蔽，让主代理专注于高层级的决策与规划。 3. 采用上下文压缩与 RAG 技术在有限的窗口内模拟长期记忆能力。 -- 针对 Token 限制，Agent 通过摘要提取、日志裁剪以及基于向量检索的 RAG 技术，确保关键信息能常驻上下文，同时实现对海量历史数据的精准回溯。 4. 心跳机制与任务排程系统是实现 AI Agent 从“被动响应”转向“主动执行”的关键。 -- 引入定时触发的固定指令（心跳）和 Cronjob，使 Agent 能够像人类员工一样定时检查进度、等待异步任务结果并自主推进目标，而非仅仅等待用户提问。 5. AI Agent 的高度自主性带来了严峻的安全挑战，需通过隔离环境进行管控。 -- 由于 Agent 具备执行命令行指令的能力，提示词注入或指令误解可能导致系统性灾难。建议采用权限隔离、物理隔离及人工流程审计来降低失控风险。 文章链接：bestblogs.dev/article/d5f1a70

李宏毅老师出新课了！这次深入解剖了开源项目 OpenClaw，带你 1 小时看透 AI Agent 的运作原理。 李老师用一贯通俗易懂的语言从基本的文字接龙，讲到身份、工具调用、子智能体、记忆管理，以及让模型学会等待的心跳机制。 不仅教你原理，更手把手教你如何防范 AI 搞事、设置安全沙盒，非常值得学习。

🧠💥今天英语科技圈彻底炸锅。 @eonsys 公布了一个极具历史节点意义的 demo： 他们用 12.5 万个真实神经元连线（Connectome），在虚拟世界里“复活”了一只果蝇。 一条截然不同的智能路线正在成型。 视频不是动画模拟👇 1️⃣ 到底发生了什么？ 研究人员把真实果蝇的大脑完整连接图，接入了基于 MuJoCo 物理引擎的虚拟躯体。 结果，这只“数字果蝇”开始自主走路、整理身体（grooming）、甚至进食。 形成了一个真正的闭环：感觉输入 -> 神经元网络放电 -> 动作输出。 2️⃣ 为什么这比大模型更让人震撼？ 过去几年，主流 AI 的核心路径是“拟合行为输出”（学它看起来像什么 / what it does），本质上是在拿海量数据训练一个像果蝇的策略网络。 但这次的逻辑变了。 研究者是从生物本体出发（重建它本身是什么 / what it is）。 没有任何行为数据的强化学习训练。 当真实的生物脑结构在代码中被精确跑起来之后，那些复杂的生物行为，就直接从神经连线里自然涌现出来了。 3️⃣ 它的终极意义 脑仿真真正跨过门槛的一刻，“技术奇点”不再是深度学习的专属。 它向我们证明了一件极其重要的事情： 一旦神经结构足够完整，行为本身就是可计算、可复现、可嵌入身体的。

codex 还挺好用的，将我拖延症积压的gmail都处理得7788了

@Blind___Gamer 有点像用LLM的时候，清空上下文窗口，释放真正的潜力去做当前这个任务😆

我一度认为人生最重要的就是体验，世界旅行，美食打卡，尽可能创造多的回忆，才不枉此生。 但在《Daring Greatly》中文名《无所畏惧》这本书中，作者提出了一个非常不同但足以改变人生观的观点：人生真正的意义不在于收集多少“体验”，而在于我们是否真正“在场”。#体验 #人生的意义 #认识自己