铃阅时讯
❌

阅读视图

Harness engineering最佳实践PDF下载链接

产品二姐 2026-04-12 22:42 北京

继之前的产品经理视角源码解读后,Claudeleakage.com 上线 《Claude code 之harness engineering 从入门到实践》PDF,开放下载,欢迎大家阅读。

https://claudeleakage.com/zh/opensource-for-dev/

有些同学问,

“为什么我们要研究Claude code?Claude在泄露源码前就开放agent SDK,也可以配上不同模型使用。”

我的回答是:如果你是一个车主,你买特斯拉就够了,但是,你是个造车的,买来仅仅开就不够了。 我们想做的就是:Claude code的“整车改造”。

这是中国制造走向中国创造的路,软件上也同样适用。

再说,哪怕你不是造车的,你也可能是个修车的,借鉴其部分思想都是有益的。

后续还会开源

1.Claude code 的rust 版本,速度更快,性能更好。

2.harness engineering的对抗式实战。

3.harness engnieering的一系列skills

4.Claude 精髓skills

这些都是for dev的,还有for business的各种场景。

敬请期待~

跳转微信打开

  •  

A2A范式下创业者们都在聊什么,产品将何去何从?| 43 Talks

原创 薛临风 2026-04-10 15:10 上海

智能体突围!A2A范式下的新叙事

TOKEN通胀、 智能体狂热的当下,AI正在迈步走下下一个范式 —— 即我们开始面向智能体来搭建服务,而站在AI前沿的创业者们,他们有什么样的坚守和追求?

OpenClaw的爆火似乎又点燃了一轮新的狂热,当大模型在狂飙猛进,朴素的代码在消亡,产品的形态在演化……我们正等待一场新的黎明。

长久以来,我们都习惯于打磨给人类使用的工具。而现在,当核心逻辑从“为人服务”悄然转向“面向Agent服务”,AI时代的叙事逻辑从未如此多变。这究竟是为创业者开辟了前所未有的无垠蓝海,还是打开了让产品失去焦点的潘多拉魔盒?

当智能体狂热与TOKEN通胀交织,喧嚣褪去后,我们必须回到最本质的追问:

  • 在A2A(智能体到智能体)的范式转移下,哪些产品方向是真正能跨越周期的机遇,哪些只是昙花一现的泡沫?

  • 当系统与系统直接对话,过去被奉为圭臬的“用户体验”是否将被彻底重写?

  • 面对演进飞快的模型能力,今天的创业者们,究竟是在追求什么?

本期 43 Talks,我们邀请了三位身处“智能体互联”风暴中心的探路者:玉伯、施德来、杜鑫康。他们中有洞察全局的产品思想家,也有在开源与商业化一线披荆斩棘的技术极客与创业者。他们将从产品哲学、生态、到营销叙事的多元视角,剖析当下的技术路径,与我们一同探寻A2A范式下的未来图景。(篇幅有限,以下内容为精华提炼)

43Talks 金句精选

  • “共识来得太快,很多共识只是烟花,要特别小心。”

  • “产品经理的主要工作就是抄作业,90%抄,留10%创新就够了。” 

  • “老板相信数字员工可行,这比数字员工在技术上是不是真的可行更重要。” 

  • “AI再怎么进化,也生成不了顶级设计师的审美,产品好看是To C获客的第一步。” 

  • “文科赛道是花园,理科赛道是擂台,花园里可以长出一万朵不同的花。” 

  • “很难吸引已经是李子柒的人,但有机会培养一万个李子柒。”

  • “人身上最终剩下两样东西:自由和责任。”

  • “老板相信数字员工可行,这比数字员工真的可行更重要。” 

  • “以前你用工具,现在你养Agent,一字之别,就是一个新时代的开启。” 

  • “旧世界的老IP死死抓住版权,不愿意把空间让给新创业者,正在拖慢AI行业的发展。” 

PART 01

特邀嘉宾

玉伯(王保平)

分享主题:《万物化稿,稿生万物 —— AI时代下产品的反共识哲学》

作为曾经的“阿里前端第一人”,玉伯褪去高管光环创立了 YouMind。在大家都试图预判大模型半年后能力的今天,他抛出了几个“反共识”观点:

  1. 产品一定要“好看”: 很多AI应用把聊天框作为默认入口,但这会让大众用户感到惶恐。AI再怎么进化,目前也生成不了顶级设计师的审美。好的UI和交互是To C获客的第一步。

  2. 选择“文科赛道”,避开“理科擂台”: 理科赛道是零和博弈的擂台,最后只会剩下跑分最高的几个大模型;而内容创作等文科赛道是一座花园,符合“文无第一,武无第二”的规律,一万朵不同的花可以共存。

  3. 为新手服务,而不是专业创作者: 专业的创作者(比如李子柒)早已有了固定的工作流,AI工具很难切入且容易被旧经验束缚。真正的广阔空间在于帮助小白用户完成从0到1的跨越,“你很难吸引已经是李子柒的人,但有机会培养一万个李子柒。”

  4. 活在当下,不要“以终为始”: 在技术和业务极度不确定的AI时代,盲目预判终局往往会坑死人。不如活在当下,每天把产品迭代得离用户更近一点。

施德来

分享主题:《A2A 的探索 -- 给 OpenClaw 们打造 ”导航地图“》

身份:Refore UIMap创始人 | 腾讯云TVP | 前前端技术总监 | 前产品总监

横跨技术与产品双领域的施德来,一针见血地指出了当前AI产品的本质。他用一个公式总结了AI应用:AI 应用 = Data + Insight + Action。

  1. A2A时代的“高德地图”: 在OpenClaw爆火的今天,大家发现大模型去操作网页时经常“瞎点”,因为它们找不到功能按钮对应的精准位置。施德来的团队正是切入了这一痛点,利用过去积累的UI数据和识别能力,为Agent打造专属的“UI Map(导航地图)”。有了这张地图,OpenClaw就能精准地打开页面、读取信息、甚至自动处理电商评论。

  2. 岗位的“超级融合”: 在AI降低了执行门槛后,传统的岗位细分(产品、运营、市场、渠道)带来了极高的沟通成本。未来,一个人借助智能体完成全链路的工作将成为常态。

杜鑫康(Frank)

分享主题:《A2A 不可逆之路:从 人机交互 到 智能体 互联,以及如何通过vibe markting重塑 AI 产品叙事》

身份:MIST Ai CTO | Harness Engineer | OpenClaw龙虾开发者 | AI商业化专家

作为大模型全栈专家,阿杜分享了他在一线商业化落地中的切身感受——我们已经进入了代码廉价的时代。

  1. 一人增长(One-person Growth)的崛起: 过去做一个出海产品需要前端、后端、SEO专家和运营。现在,借助OpenClaw和各种Skills,一个不懂代码的文科生也能完成从网站分析、写营销文章到改代码上线的全闭环。

  2. SaaS工具的API化: 传统的SaaS正在向A2A方向转型。用户不再需要去SaaS后台繁琐地点击、上传,只需一句话唤醒Agent,Agent就会调用SaaS封装好的Skills(技能)自动完成任务。这是一条不可逆的路,就像有了蒸汽纺织机后,没有人会愿意再手动织布。

PART 02

圆桌激辩:A2A范式下的新叙事

随着沙龙进入圆桌环节,三位嘉宾默契地放下了PPT,从单向的知识输出,转入了一场灵魂叩问。在这个没有标准答案的圆桌旁,他们以最诚实的创业者姿态,针对那些新叙事下的问题,进行了一场毫无保留的思想碰撞。

PART 03

畅想:从OpenClaw里看到的未来

问:从当下仍然火热的OpenClaw开始聊,这次破圈给各位带来最深的体会是什么?

施德来: 技术人不要总用“技术含量”来评判一个产品。OpenClaw最大的贡献是教育了市场,形成了“数字员工是可行的”这一共识。当老板们都相信了数字员工的存在,这就比它在技术上到底多牛逼更重要。我们要拥抱共识,而不是对抗。

玉伯: 以前你用工具,现在你“养”Agent,一字之别,就是一个新时代的开启。用工具时,结果不好你会骂工具;但当你养了一只属于自己的龙虾(Agent),你会和它产生情感连接,结果不好时你会反思是不是自己给的Context(上下文)不够。OpenClaw是AI时代第一个真正面向应用的平台。

杜鑫康: 它让AI变得极度普惠。我发现真正把OpenClaw玩出花的往往是文科生和小白用户,他们能想出让Agent帮自己做时间管理、自动抓取推特热门资讯等各种技术人想不到的玩法。这是一个文科生的时代。

PART 04

AI会杀死SaaS么?

问:市场上都在说“AI正在杀死SaaS”。随着A2A范式的兴起,究竟是AI消灭了传统SaaS,还是以“面向智能体的API”拯救了SaaS?

玉伯: SaaS不仅不会死,反而迎来了春天!以前SaaS只有人类用户,现在新增了无限规模的Agent群体。很多SaaS把能力封装成Skills藏在API后面,不管是人还是Agent调用,都需要付费。商业模式反而更清晰了。仔细想想,Skills的首字母也是S,这相当于SaaS借壳重生。

杜鑫康: 目前来看,Skills本质上是可复用的Prompt。随着底层大模型能力的指数级增强,未来可能连固化的Skills都不需要了,一句话就能让模型自主完成复杂任务。

施德来: 如果一个SaaS只提供简单的“增删改查”,那它一定会被AI干掉。但如果SaaS拥有独特的数据(Data)和洞察(Insight),它就不会死。在A2A时代,由于底层能力逐渐趋同,品牌和平台的心智将变得比以往任何时候都重要。

PART 05

什么是真正的insight

问:在今天的智能体叙事下,什么是施德来所说的“insight(洞察)”,什么是玉伯所说的“好看”?

?

施德来: 所谓的Insight没有那么高大上,它就是行业里不为人知的“脏活累活”。那些隐藏在业务深处、无法在互联网上搜到的门道和处理坑洼的经验,就是最核心的壁垒。

玉伯: Insight就像“菜谱里的隐性知识”,写出来的步骤都一样,但不同人炒出来的味道就是不同。而关于“好看”,它不仅仅是视觉上的美观,更是符合直觉的交互体验。给人用的产品必须要在UI上下功夫;但如果是给Agent用的产品,那它只需要提供稳定高效的API和Skills,传统的UI就不重要了。

PART 06

面向未来的产品形态

开个脑洞,在近未来的场景中(比如1-3年),你们理想中的智能产品会是什么?

玉伯: 我理想中的YouMind最终可能是一个软硬件结合的便携小设备,不需要装繁杂的APP。它可以随时听你说话,理解你的意图。短期内,可能是一个专门给人和AI交互的精简版通讯工具,因为现在的社交软件承载了太多为人类设计的冗余。

施德来: 我会继续深耕给Agent用的“UI Map”,做AI领域的导航系统。但我也相信传统的GUI(图形用户界面)会长期存在,因为人类视觉获取信息的密度和效率,在很多场景下依然远大于语音对话。

杜鑫康: 我更看重落地。接下来会专注于用A2A架构去改造传统的出海业务链条,并利用这些新工具帮助年轻人的创新产品实现快速的海外增长。

PART 07

尾声

A2A绝不仅仅是一个新的技术标签,它是一个全新的交互范式,是产品形态的重组,更是创业者们重新划分数字版图的契机。

在这个“共识来得太快,又消散得太快”的时代,旧地图已经找不到新大陆。或许我们真正需要的,是多一点像玉伯的“反共识”,多一点施德来所讲的“脏活累活”里诞生的insight,多一点杜鑫康所观察到AI重塑商业的闭环。

感谢三位嘉宾的毫无保留。

期待在未来,43 Talks继续与你相遇,欣然落座,且思且辩。

跳转微信打开

  •  

肖涵:2026 年的 AI 搜索就是智能体记忆 | Elastic 中国 AI 搜索技术大会

原创 Jina AI 2026-04-09 15:32 日本

一场智能体记忆的深度拆解,4/18 北京见!

智能体记忆(Agent Memory)成为了 2026 年 AI 基础设施的新战场。Mem0、Zep、Letta、HydraDB……十几款产品在过去半年密集涌现,几乎每周都有新玩家入场。与此同时,Claude Code 用一个纯文本文件 CLAUDE.md 做记忆,Cursor 用 .cursor/rules 管理项目上下文,这些看似原始的方案反而成了开发者日常最依赖的记忆工具。

智能体记忆这个概念并不算什么创新,它本质上就是我们过去几年反复讨论的个性化检索、用户画像、上下文管理。但在 2026 年,它突然获得了前所未有的紧迫感。

原因很简单:智能体能干的活变长了,但记性没跟上。

前沿智能体能自主完成的任务时长每 7 个月翻一倍,今天已经到了小时级别。你可以让一个 agent 花四个小时帮你做完一件极其复杂的事:调研、比对、写方案、跑数据、做决策。然后你关掉窗口。下次打开,它依然不记得你的偏好,得到的结论,踩过的坑。

于是行业开始给 AI 加记忆。但加完之后发现了一个更棘手的问题:它不光记不住该记的,还忘不掉该忘的。Karpathy 前阵子发推说的就是这件事,两个月前的一个随意提问,会被 AI 永远当成你的深层兴趣反复提及。这和刷抖音刷废了号是一个道理,推荐系统的画像一旦被污染就很难恢复。

要么完全不记,要么不加区分地全记。缺的是中间那层,像人脑一样,有选择地记住重要的,自然地遗忘过时的。

这标志着与传统搜索需求的重大转向。2025 年的关键词是 Deep Research:用更长的推理时间换更深的搜索结果,用户学会了等待。但到了 2026 年,问题已经不是怎么找到,而是找到了怎么记住。

搜索解决的是单次查询的精准度,记忆解决的是跨会话的知识连续性。二者看似不同,实则是同一条技术路线的自然延伸:数据怎么表示、怎么检索、怎么随时间演化。

从 Jina AI 到 Elastic,我们在搜索底座上积累了六年,五代共 26 个向量模型和重排器和小型语言模型。当我们把视角从怎么检索延伸到怎么记住时,发现这不是跨界,是沿着同一条线走到了下一个路口。

遗忘比记住更难

我们把市面上十几款智能体记忆产品拆了一遍之后,最大的感触不是哪家做得好,而是一个所有人都在回避的问题:怎么遗忘。

这不是个别产品的 bug,这是整个赛道的结构性缺陷。

人脑的记忆系统有一个被工程师严重忽视的机制:遗忘不是记忆的失败,而是记忆的核心功能。 海马体每天都在主动清理不再被访问的突触连接,新皮层会在睡眠期间重新整合记忆、淘汰冗余。没有遗忘的记忆系统不是完美的记忆系统:它是一个被噪声淹没的垃圾场。

但现在市面上的产品几乎都在回避这个问题。写入容易,清理极难。一条错误的记忆一旦进入系统,就会在后续的每次检索中被反复召回、被引用、被强化。时间越长,污染越深,最终整个记忆库的可信度都会坍塌。这跟机器遗忘(Machine Unlearning)在深度学习中的困境一模一样:至今没有完美解决。

少数几家产品已经开始尝试仿生衰减:让不再被访问的记忆像生物记忆一样自然退化,权重逐步降低,直到被回收。这个方向我们认为是对的,但目前的实现还非常粗糙。在 2026 年的智能体产品里,遗忘是最被低估的风险,也是最值钱的能力。

说来也巧,这跟我们 2025 年做 DeepSearch 时的经验完全呼应。当时我们发现,答案评估必须独立于答案生成:让同一个模型既生成又自评,效果很差。智能体记忆也是如此:记忆的写入和记忆的质量评估,如果不做成两个独立的过程,脏数据就会在系统里安营扎寨。

三条技术路线

拆完十几款产品之后,我们发现它们大致收敛到三条技术路线:用知识图谱做结构化记忆的,让大模型自己管记忆的,以及老老实实做存储管道的。

每条路线都有自己的优雅之处,也都有自己不愿意公开讲的致命弱点。

比如,图谱派的生态最成熟,但写入链路长到让人肉疼;大模型自管理派的思路最漂亮,但把记忆管理交给一个会产生幻觉的系统这件事,你品品;管道派最简单可控,但面对两条互相矛盾的记忆时,它分不清哪条该留、哪条该扔。

不过三条路线也已经形成了一些强共识。有五件事几乎所有人都在做,还有两件事正在成为新的分水岭:谁先做好谁就有护城河。

具体哪五件、哪两件?各自的架构取舍到底怎么选?这些肖总会在现场展开讲。

你以为你的 AI 记住了

我们把 LongMemEval、MABench、MemoryArena 几个主流基准测试的结果对齐之后,发现了一个跨基准的一致模式:

单条提取容易,跨会话推理难。

记住用户在某次对话中提到的一个具体事实,大部分产品都能做到。但把分散在多个会话中的信息关联起来做推理:比如用户上周说喜欢日料、这周说在减肥、然后问今晚吃什么:准确率会直接跳水。同一个测试里,产品之间的得分差距接近一倍。也就是说,你以为你的 AI 记住了,其实它记了个寂寞。

具体的数据、产品间的对比、以及我们从中推导出的技术趋势判断:这些留到现场说。这里只提一个值得思考的问题:Claude Code 的 CLAUDE.md 用纯文件做记忆,不用向量、不用图谱、不用 LLM 抽取:这到底是想明白了,还是想开了?

来现场听完整拆解!

以上只是 Elastic VP of AI 肖涵博士将带来分享的冰山一角。完整的分享会覆盖:

  • 搜索范式的六次跃迁,以及为什么最后一跳落在记忆

  • 10+ 款主流产品的架构全景对比:图谱派、大模型自管理派、管道派的设计取舍和工程代价

  • 三个基准测试的关键数据,以及它们揭示的行业真相

  • 几个未来技术趋势的判断:包括为什么推荐系统会因为智能体记忆重新火起来

这是一场把论文、产品、Benchmark 拉到同一张图上的高密度分享。做 agent 产品或者搜索基础设施的,一定不能错过。

活动信息

整场大会是 Elastic 今年在中国最大的技术活动,也是 Jina AI 团队今年第一次做这么系统的公开技术分享。搜索、可观测、安全等产品线都有深度内容;只要关心 Elastic 技术栈,一整天都有可听的东西。

📅 2026 年 4 月 18 日(周六)

📍 北京 · 北辰洲际酒店 

🎫 活动免费,快来扫码报名!

一天下来你能带走:Elastic VP of AI 肖涵的硬核分享,Reader 作者亲自拆解日均处理 3000 亿词元的背后工程细节,一场关于龙虾的圆桌,以及在展位上跟 Jina 团队面对面聊你的具体问题,如果聊得投缘,我们也在招人。

我们也建了一个微信交流群,活动前后有任何问题都可以在群里聊。

完整议程

跳转微信打开

  •  

想要“陪练式”学习Vibe Coding的产品经理看过来

aigcpm 2026-04-09 11:35 北京

以下文章来源于:AIGC产品经理研习社

AIGC产品经理研习社

为AIGC产品经理提供一个交流学习的平台。

不要概念,要动手!

找个搭子,一起vibe coding起来。

🔥别再让你的 AI 想法,永远停留在文档和脑海里了!

过去半年,我们听到了太多同学的焦虑:“学了很多 AI 概念,但一到落地就卡住”、“现在找工作都要作品了!”、“想做自己的产品,怎么入手啊”。

为了打破这个僵局,我们决定走到线下,手把手陪你把产品“敲”出来!

🚀 言e实验室「Vibe Coding AI 产品实战营」· 城市巡回计划正式启动!

经过数月的教研打磨,我们将带着这套 0 代码基础友好的“黄金实战链路”开启全国巡讲。而这一切的起点,就在北京。

这一次,我们不讲空泛的趋势,只专注一件事:用周末两天时间,带你从 0 到 1 做出一个可独立访问、可演示的 AI 产品 MVP!

为了保证每位学员都能带着成品离开,本次北京首站采用【线上预热 + 线上/线下冲刺】的混合交付模式。请务必关注以下核心时间线:

⏳ 北京首站·发车时间表:

🟢即刻起-随报随学

报名成功后,立即解锁【线上录播课】与基础环境配置指南。提前完成认知刷新,不把宝贵的时间浪费在装软件上!

 🛑4 月 20 日(周一)

报名正式截止!锁定最终 40 人线下实战,20人线上名单,并完成分组定题。

 ⚔️4 月 25 日-26 日(周末)

线上/线下封闭冲刺!导师天团现场驻场,从需求拆解、Vibe Coding 极速搭建到Debug 防崩盘,全程结对辅导。26 日下午,带着你的产品直接上台进行终极商业路演!

名额有限(线下仅限 40 席,线上20席),一旦满员通道即刻关闭。

👇 下滑查看实战营完整大纲,来看看这个周末,你会发生怎样的蜕变 

||  热文推荐  | |

课程推荐

图片

图片

图片

跳转微信打开

  •  

从Demo到上线:我们如何让数字人直播真正“跑起来”

原创 王涛&黄哲 2026-04-08 16:50 北京

e7aea0b2-cb9f-4322-b3ce-66271860cbe5.png

文章概览

图片

  • 引言

  • 数字人直播架构

  • 数字人推流端对接

  • SRS生产环境搭建与调优

  • 多平台分发与合规接入

  • 容灾架构与成本控制

  • 避坑指南

  • 结语:数字人直播的下一站

作者介绍:

王涛,2023年9月加入去哪儿旅行,目前在技术中心酒店主站团队,主要负责国内酒店主站相关业务以及酒店AIGC相关项目落地。

黄哲,2020年9月加入去哪儿旅行,目前在技术中心酒店研发主站团队,主要负责国内酒店主站相关业务以及agent平台基建和日常维护工作。

引言

去年我们团队完成了数字人形象克隆和实时渲染引擎的接入,当我们自信满满地把渲染画面接入客户端,推到APP测试——结果当场翻车:直播延迟10秒、卡顿掉帧、几小时后直播中断。更惨的是,当我们要同时开50个直播间时,推流服务直接卡死。

数字人直播的后端,远比想象中复杂。

与真人直播不同,数字人直播有几个致命特点:

  • 直播10小时必断流

  • 打开首屏,必卡5s以上

  • 端到端延迟稳定在10秒以上

  • 日志里满是内存泄漏和推流超时

我们这才清醒:让一个数字人动起来是技术演示,让一百个数字人7×24小时稳定卖货是系统工程。

一、数字人直播架构

众所周知,直播就像电视台实时转播:主播是"前方记者"把画面传回电视台(推流),电视台接收处理后播出(直播服务),观众打开电视收看(拉流);技术上推流是将音视频数据压缩编码后通过网络协议上传到服务器,直播服务负责转码、分发和调度,拉流则是观众端从服务器请求数据流并解码播放,三者构成了从内容生产到消费的全链路实时传输系统。

1.1 直播系统选型

基于通用的直播架构,通常包含三个部分:推流、直播服务、拉流。

下面我们将详细介绍下我们的直播架构是如何选型的。

1.1.1 编码推流选型

我们知道真人直播大多使用带界面的 OBS 推流。但面对几百个 7×24 小时运行的数字人矩阵,OBS 高昂的资源开销和极差的自动化支持简直是灾难。

我们需要的是无头化、免人工干预的底层进程。因此,我们果断选择了 FFmpeg + RTMP。它就像个没有感情的“后台打工人”,资源占用极低,天生适合脚本批量调度;更能像手术刀一样,将商品弹出数据精准到帧(SEI)注入视频流,完美满足数字人自动化带货的严苛诉求。

以下为常用方案对比:

1.1.2 直播服务选型

如果直接买大厂的商用云直播,500 个直播间 7×24 小时跑满的账单堪称天价;如果用老牌开源的 Nginx-RTMP,它的并发能力和多协议转换(特别是对 WebRTC 的原生支持)又显得力不从心。

最终,我们锁定了开源流媒体神器——SRS。它不仅免费,更是个单进程就能扛住数千路并发的“性能怪兽”,完美契合我们的低成本、云原生(Docker)部署。最绝的是它极强的“翻译”能力:稳稳接住推来的流后,能瞬间分发出 RTMP、HLS 和 WebRTC 等多种信号,成了我们直播底座的定海神针。

结论:SRS是当前开源流媒体服务器的首选方案,特别适合需要低延迟、多协议、云原生部署且预算有限的场景。

1.1.3 拉流协议栈选型

提到拉流,技术圈言必称 WebRTC 的毫秒级零延迟。但数字人是按产品脚本单向播报的,根本不存在真人互动的“物理延迟”,晚个两三秒观众完全无感。

因此我们没有盲从,而是打出了一套分场景组合拳:对外,主推稳定抗造的 RTMP + 兼容性极佳的 HLS,确保观众端流畅不卡顿;对内,我们将 WebRTC 作为内部巡查的“特供路线”——运营人员需同屏监看 50 个直播间,利用 WebRTC 原生 <video> 标签拉流,能省下海量的浏览器内存,直接拯救了随时可能崩溃的监控大屏。

关键决策
  • 推流用RTMP:数字人画面是程序化生成,不存在"摄像头采集延迟",RTMP的1秒延迟可接受,但稳定性远超WebRTC

  • WebRTC仅用于监看:运营人员需要同时看50个直播间画面,用WebRTC的<video>标签比FLV更省浏览器资源

  • HLS: 直播脚本本身是基于产品介绍,需要完整播完,本身就会有延迟,整合文字回复+视频回复,保证用户体验。

1.2 落地架构拓扑设计

分层逻辑
  • 源:数字人引擎推流、数字人视频

  • Edge层:地域就近接入,降低公网传输延迟

  • Origin层:源站集群汇聚,统一转推,提供拉流

  • 分发层:通过SRS Forward功能转推

二、数字人推流端对接

首先是编码推流("前方记者"把画面传回电视台),数字人渲染引擎需要把画面推送到SRS,最稳定的方式是FFmpeg管道推流。我们使用了以下配置:

2.1 编码推流

  1. 编码器选择:

    • libx264:CPU编码,质量好,适合云主机(GPU留给渲染)

    • h264_nvenc:如果渲染节点GPU有剩余算力,可用硬件编码

  2. GOP设置:

    • 数字人画面变化小,设置-g 50(2秒一个关键帧)

    • 平台通常要求2-4秒GOP,太短浪费带宽,太长延迟高

  3. 断线重连:

    • FFmpeg遇到网络抖动会直接退出,需要外层脚本监控重启:

    //java
    while(true)
       exec ffmpeg

    2.2 实时、合规信息添加(SEI)

    通常需要在直播间实时显示合规、商品信息(准确、及时)。

    SEI实现动态信息嵌入

    SRS支持SEI(Supplemental Enhancement Information)插入:

      # FFmpeg推流时插入SEI信息
      ffmpeg ... -c:v libx264 -sei_side_data on -metadata comment="ProductId=1" -f flv rtmp://srs/live/stream

      直播商品信息嵌入

      通过javacv实现sei的动态编码,保证当前播放的视频与商品信息强一致。

      三、SRS生产环境搭建与调优

      接下来处理的是我们的直播服务(电视台);搭建SRS集群不是"复制粘贴配置文件"那么简单。我们在前几次部署中踩过的坑包括:直播延迟高、多路推流时系统崩溃。这一章我会详细解释每一个关键决策背后的技术权衡。

      3.1 基础环境准备

      服务器配置

      针对I/O密集型 且 大流量 专项配置(/etc/sysctl.conf):
      • 高吞吐量,针对网络缓冲区大小设置(128MB,非常大的缓冲区)

      • 实时性,使用bbr协议实现拥塞控制

      • 突发流量,调高backlog值,避免瞬间爆发的流量导致的数据包丢失

      • 高并发,设置文件句柄,系统级、进程级限制均提升到200w左右

        #网络缓冲区大小(针对高吞吐量)
        net.core.rmem_max = 134217728
        net.core.wmem_max = 134217728
        #单个连接在高延迟网络上也能维持高吞吐量,最大128MB
        net.ipv4.tcp_rmem = 4096 87380 134217728
        net.ipv4.tcp_wmem = 4096 65536 134217728
        net.core.netdev_max_backlog = 5000
        #BBR是Google开发的算法,通过实时估算网络的瓶颈带宽和往返延迟来决定发送速度。当网络出现短暂抖动时,BBR能保持更稳定的发送速率,从而减少视频卡顿,降低延迟。
        net.ipv4.tcp_congestion_control = bbr  
        #文件句柄限制(应对高并发连接)
        fs.file-max = 2097152
        fs.nr_open = 2097152

        3.2 SRS Edge节点配置(边缘推流接入)

        • 边缘节点rtmp推流到origin节点,配置origin节点地址(核心能力)

        • 配置flv、WebRTC 协议实现实时监控(实时监控)

        • 配置快速失败超时时间(可用性、防止阻塞)

        edge.conf:

          # RTMP推流转发到源站
          vhost __defaultVhost__ {
              mode            remote;        
              origin          *:1935 *:1935;  # Origin集群地址


              # 快速失败
              forward_timeout 5s;
              # flv
              http_remux {
                  enabled     on;
                  mount       [vhost]/[app]/[stream].flv;
                  hstrs       on;
              }


              # WebRTC播放
              rtc {
                  enabled     on;
                  rtmp_to_rtc on;
              }
          }

          3.3 SRS Origin节点配置(源站汇聚+转推)

          • play配置主要用于rtmp协议降低延迟、增强抗抖动能力

          • hls为主要的拉流协议,保存1小时,2s切片(实时性)

          • forward转推其他平台,例如抖音、b站等(第三方平台)

          origin.conf(核心配置):

            # SRS Origin
            listen                1935;
            max_connections     5000;
            worker_threads      8;            # 绑定8核CPU
            play {
                # 关闭GOP缓存
                gop_cache       off;
                # 队列长度控制(缓冲10帧)
                queue_length    10;
                # 减少发送间隔抖动
                reduce_sharp_duration 100;
            }
            vhost __defaultVhost__ {
                # HLS
                hls {
                    enabled         on;
                    hls_path        /data/recordings;
                    hls_fragment    2;          # 2秒切片
                    hls_window      3600;       # 保留1小时
                }


                # 转推其他平台
                forward         {
                    enabled         on;
                    destination     rtmp://xxxxxx/live/stream_key;
                }
            }

            3.4 SRS性能调优:从10秒延迟到3秒的实战

            3.4.1 延迟优化三板斧

            第一斧:推流gop设置 50,2s一个关键帧

            gop设置不合理,播放器就需要等待下一个Idr帧才能播放.默认10s会导致前端基本打开就卡住。

            影响:首屏加载从10s变为毫秒级,基本实现秒开

            第二斧:启用低延迟模式

              # srs.conf全局配置
              publish {
                  mr            off;        # 合并写关闭,立即转发
                  min_latency   on;         # 启用最低延迟模式
                  srt_to_rtmp   on;         # SRT转RTMP低延迟路径
              }
              第三斧:前端播放器配合

              提前预加载拉流地址,进入后直接拉流,避免进入直播页面才获取直播拉流地址。

              3.4.2 高并发下的srs优化

                # srs.conf
                listen              1935;
                max_connections     10000;        # 理论最大值
                worker_threads      8;           # 等于CPU核心数
                # 日志控制(高并发时日志是性能杀手)
                srs_log_level       warn;         # 警告
                srs_log_tank        console;      # 直接输出,不写文件(或关闭)

                3.4.3 监控指标与告警

                SRS自带统计API

                  # 查看当前推流统计
                  curl http://srs-origin:1985/api/v1/summaries
                  # 关键指标:
                  # - system.cpu_percent: CPU占用(>80%告警)
                  # - system.mem_ram_kbyte: 内存占用
                  # - system.net_sockets: 当前连接数
                  # - system.net_recv_bytes/ send_bytes: 带宽
                  Prometheus + Grafana监控+飞书报警

                    # 部署srs-exporter采集指标
                    scrape_configs:
                      - job_name: 'srs'
                        static_configs:
                          - targets: ['srs-origin:1985']
                        metrics_path: '/api/v1/metrics'

                    关键告警规则:

                    • 推流断开:某路流active状态变为false

                    • 延迟过高:帧率<20fps持续30秒

                    • 带宽打满:出网流量>阈值(如8Gbps)

                    四、多平台分发与合规接入

                    4.1 SRS Forward多路转推

                    核心需求:一路数字人流,同时推送到抖音、视频号、淘宝。

                    方案对比:

                    4.2 SRS Forward配置

                      vhost __defaultVhost__ {
                          # 动态转推(通过HTTP API控制)
                          forward {
                              enabled         on;
                              # 目标平台地址(实际需通过脚本动态获取推流码)
                              destination     rtmp://push.example.douyin.com/live/xxx;
                              destination     rtmp://push.example.shipinhao.com/live/xxx;
                          }
                      }

                      4.3 动态推流码管理

                      各平台推流码有有效期,需要中间服务动态获取:

                        # Python示例:获取平台推流地址后更新SRS配置import requests
                        def update_srs_forward(stream_key, platform_urls):
                            """
                            通过SRS HTTP API动态添加转推目标
                            """
                            srs_api = "http://srs-origin:1985/api/v1/clients"# 先查询当前流ID
                            r = requests.get(f"{srs_api}?count=100")
                            clients = r.json()['clients']# 找到对应stream_id,发送forward命令
                            for client in clients:
                                if client['name'] == stream_key:# 通过publish命令触发forward(SRS 6.0+支持)
                                    requests.post(f"{srs_api}/{client['id']}/forward", json={"destinations": platform_urls})

                        五、容灾架构与成本控制

                        5.1 高可用设计

                        推流端双活

                          # 数字人端同时推两路流到不同Edge节点# 
                          Stream_001 → SRS-Edge-A (10.0.1.10)
                          Stream_001 → SRS-Edge-B (10.0.1.11) 
                          # Origin层根据健康检查选择主源

                          SRS热升级

                            # SRS支持SIGUSR2信号热重启(不中断连接)
                            # 验证新版本正常后,优雅关闭旧进程
                            killall -s SIGUSR2 srs

                            降级预案

                            当SRS集群故障时,关闭直播入口。

                            5.2 成本优化

                            单路数字人直播成本对比:

                            节省关键点

                            • 带宽成本:使用cdn一次回源,减少机房宽带费用

                            • 计算成本:K8s HPA根据推流数自动扩缩容

                            • 存储成本:录制文件直接转存冷存储(华为云对象存储低频访问)

                            六、避坑指南

                            6.1 离线视频动态切换推流ffmpeg

                            • 目标:7*24h直播,推送视频列表需要动态可调整,支持用户问答与商品视频动态插播。

                            • 现状与冲突:concat基于本地文件协议实现动态插入视频比较复杂,需要自己监控推流进度,动态更改下一个推流文件,滤镜、管道等也需要自己感知推流进度,实现不精准。

                            • 解决与结论:化被动为主动,基于Javacv 使用http实现下一个文件动态切换

                            • 结果:使用简单方案实现动态推流,感知上一个视频是否推完,并可以动态监控异常视频,同时记录并报警。

                            6.2 srs流服务器的一些坑

                            坑1:WebRTC播放黑屏

                            • 现象:数字人画面在WebRTC播放器黑屏,但RTMP正常

                            • 原因:编码Profile为High,浏览器解码器不支持

                            • 解决:FFmpeg强制-profile:v baseline -level 3.1

                            坑2:长时间推流内存泄漏

                            • 现象:SRS运行48小时后内存占用从2G涨到20G

                            • 原因:SRS 5.0以下版本的DVR模块有泄漏

                            • 解决:每日定时SIGUSR2重启

                            坑3:多路推流卡顿

                            • 现象:单节点推50路流,后半段出现卡顿

                            • 原因:SRS默认chunk_size 60000太小,TCP包碎片化

                            • 解决:srs.conf中设置chunk_size 128000

                            坑4:音视频不同步

                            • 现象:数字人说话口型对不上

                            • 原因:Unity渲染帧率波动,音频固定44.1kHz采样

                            • 解决:SRS端配置aac_sync on,或使用-async 1强制同步

                            结语:数字人直播的下一站

                            基于SRS自建直播服务,让我们在数字人赛道上获得了成本、延迟、可控性的三重优势。但技术永远在演进:

                            • 协议层:SRT正在替代RTMP成为推流标准,SRS 6.0已原生支持

                            • 编码层:AV1编码比H.264省30%带宽,但编解码延迟仍需优化

                            • 架构层:WebTransport over HTTP/3可能重塑低延迟直播架构

                            技术栈清单:

                            • 流媒体服务器:SRS 6.0

                            • 容器编排:K8s

                            • 监控:Prometheus + Grafana

                            • 推流端:FFmpeg 6.0 + Unity/Unreal

                            • 平台接入:SRS Forward + 动态推流码服务

                            跳转微信打开

                            •  

                            最全Mythos能力解读-网页版(附官方原文)

                            二姐存钱罐 2026-04-08 14:21 北京

                            果然代码泄露之后有更大的瓜了。

                            实际上Mythos在3月26号就Anthropic 因数据缓存配置失误,将模型「Claude Mythos」信息的内部文件和博客草稿公开暴露于网络,外界由此在官方公告前得知其存在。Fortune 报道后,Anthropic 当天即下线该数据缓存。

                            虽然Mythos现在不能用,但是以后呢,估计也不会藏着掖着。

                            能不能用先放在一边, 第一时间把官方pdf 报告拿来解读一下。

                            重点解读了第六章:能力评测。代表着模型未来的能力方向。

                            直接访问网页版的解读:

                            https://claudeleakage.com/zh/claude-mythos-preview-capability-report/

                            最让我注意的两点:

                            1. 深度检索能力,Mythos Preview用226Ktokens(Opus 4.6的1/4.9)达到更高准确率。也就是token花费少了,效果更好了。

                            2. 目前完成度还不够好的能力有:

                            - 软件工程SWE-bench 多模态测试集,即在 issue 描述中加入截图、设计稿等视觉上下文,测试模型结合图文信息完成工程任务的能力。目前得分59.0%

                            - 智能体搜索:Humanity's Last Exam。2500 道覆盖人类知识边界的多模态题目,号称"最难的 AI 基准"。目前得分64.7%。

                            - 电脑自动化:OSWorld。让智能体在真实 Ubuntu 虚拟机中,通过鼠标和键盘完成实际电脑任务:编辑文档、浏览网页、管理文件。以 1080p 分辨率运行,每任务最多 100 步操作。目前得分 79.6%

                            再这么发展下去,我不知道人类还能做啥。

                            官方pdf 报道在这里:

                            https://www-cdn.anthropic.com/8b8380204f74670be75e81c820ca8dda846ab289.pdf

                            跳转微信打开

                            •  

                            Knowledge Wiki:面向 AI 的项目知识层建设实践

                            原创 有赞共享技术 2026-04-07 18:31 浙江

                            AI Coding 的上限,不只取决于模型,更取决于工程底座。本文结合 Harness Engineering,分享我们如何把隐性经验沉淀成 wiki 与 skill,让 AI 更快理解业务、更稳完成任务,并把知识真正变成团队资产。

                            每一次使用都是对知识库的投资,每一次沉淀都让下一次生成更精准。这不是线性增长,而是用得越多,效果越好;效果越好,用得越多的复利效应。


                            一、为什么要做知识库?

                            1.1 AI Coding 真正缺的不是模型能力

                            过去一年密集使用 AI Coding 下来,我越来越觉得:当前最大的瓶颈不是 AI 能不能写好代码,而是我们能不能把任务目标准确地传达给它。

                            套用信息论的概念来理解这件事——向 AI 传达一个任务目标,需要输入的信息量越大,任务成功的概率就越低。对比自动驾驶,人类给 AI 的输入极简(一个终点坐标),信息熵几乎为 0。但企业级软件研发呢?一个需求背后是领域模型、业务规则、技术约束、团队规范、历史决策……这些知识如果不被体系化沉淀,每一次与 AI 的交互都在重复"人肉手艺"式的上下文搭建。

                            所以本质上,知识库要做的事情就是降熵——把人脑中的专家知识提前结构化、外化,降低每次人机协作的信息传递成本。

                            1.2 Workspace 模式下的现实困境

                            在推进新的产研协作流程——将前端、后端、多个关联项目打包为一个 workspace,产研基于 workspace 进行协作。但实际用下来,遇到了两个很现实的问题。

                            第一个是跨项目的上下文断裂。业务域内的项目相互关联,很多功能需要跨项目调用。传统做法是在项目 A 中生成设计方案,再手动复制到项目 B 作为上下文——低效、易丢信息、体验很差。

                            第二个是代码膨胀导致 AI "降智"。当 workspace 内项目和代码量增多后,AI 不理解领域知识,只能靠关键字搜索代码。搜回来的片段往往彼此孤立、缺乏系统语义,上下文被低质量信息填满,AI 的输出质量肉眼可见地下降。更麻烦的是,上下文窗口会随着工作推进逐渐"腐烂"——前面的无效信息越积越多,后面即使是简单任务也开始出错。

                            1.3 真正的痛点藏在代码之外

                            实践中一个很深的感受是——关键知识不在代码里,而在飞书文档中、在人的大脑中。

                            同样一个线上问题,有人 5 分钟定位到根因,有人要折腾 2 小时。差距不在能力,在于经验能不能被沉淀和共享。那些"老员工知道但说不出来"的东西——太细节不适合放组件文档,太具体不适合放开发规范,知道的人一次性解决,不知道的人反复踩坑。这类知识的缺失,直接导致 AI 在排查问题、方案设计、代码实现时容易走偏。

                            说到底,上下文工程的核心挑战不在于怎么写提示词,而在于 Agent 在正确的时刻能拿到正确的信息。


                            二、Wiki 的内容定位:不做代码讲解稿

                            2.1 为什么不做 Code Wiki?

                            最初我们想做的是 Code Wiki——把代码翻译成文档。参考了一些业界方案,包括自动生成架构设计、功能模块说明的 RepoWiki 类工具,以及 deepwiki 等开源项目。

                            评估下来,觉得全量 Code Wiki 现阶段太重了:

                            • 基模能力在快速增强,AI 理解代码的能力已经很强了。把代码再翻译一遍成文档,投入产出比不高

                            • 代码变更频繁,wiki 与代码的同步本身就是个难题。AI 写代码的速度是以前的 10 倍,废弃的速度也是 10 倍,知识库按原来的节奏维护,必然跟不上

                            • 过时的 wiki 比没有 wiki 更危险——AI 会把错误描述当作"先例"系统性地复用

                            所以我们走了一条更轻量的路:提炼代码中的关键概念、关键流程、关键逻辑,提供代码导航指引——帮 AI 快速理解领域知识、快速定位上下文和关键代码入口,具体实现细节交给代码本身。

                            2.2 五类知识

                            想清楚"什么该写进 wiki"比"怎么写"更重要。我们定义了五类允许沉淀的知识,核心标准是:AI 从代码中难以自动发现的信息。

                            反过来,以下内容不沉淀:纯实现细节、逐行代码说明、SQL 细节、一次性排查过程、没有复用价值的临时讨论、证据不足的猜测。

                            一句话概括:wiki 只提供认知、导航与稳定经验;具体分支、条件、异常、SQL、配置值这些,回到代码、日志或数据里去找。

                            2.3 外部知识怎么筛选

                            飞书文档、设计方案这些外部知识也值得沉淀,但要筛选。有些文档已经过时,有些和代码重复,直接搬进来反而是噪音。筛选标准四条:

                            1. 结论稳定,不是一次性现象或临时猜测

                            2. 后续理解、排障、变更时仍有复用价值

                            3. 不是代码、日志、数据里一眼可见的事实

                            4. 能明确对应到某段代码逻辑、链路职责或现有 wiki 缺口


                            三、我们是如何做的?

                            3.1 架构:知识库跟着 Workspace + Git 走

                            知识库放哪里,大致两条路:集中式管理,或者分布式跟着代码走。我们选了后者。

                            IDE 的 workspace 是个管理目录,本身不具备文件管理能力,所以引入了 git submodule——workspace 是一个独立的 git 工程,下面每个项目作为 submodule 引用。wiki 以 .wiki/ 目录存在于每个层级:

                              <workspace>/
                              ├── AGENTS.md                        # workspace 级 AI 指令,默认维护在这里,优先借助 knowledge-wiki 理解问题
                              ├── .wiki/                           # workspace 级 wiki(领域级)
                              │   ├── README.md                    # 总入口:应用清单 + 专题文件索引
                              │   ├── cross-app-overview.md        # 固定:跨应用概念映射 + 应用协作边界
                              │   ├── flows/                       # 跨应用业务流程(按业务域聚合,每个文件覆盖一个域的完整跨应用链路)
                              │   │   └── <domain>.md              # 某业务域跨应用流程
                              │   ├── global-conventions.md        # 固定:全局规范 / 默认约定
                              │   ├── 90-tasks.md                  # 初始化临时任务清单(仅 init 过程存在,完成后删除)
                              │   └── pending-confirmations.md  # 待确认事项汇总(阶段性持续更新)
                              │
                              ├── <app-a>/
                              │   ├── .wiki/
                              │   │   ├── README.md                # 应用总览:定位 + 汇总核心概念 + 上下文清单
                              │   │   ├── <context-1>.md           # 上下文完整信息(定位 + 流程 + 异步链路 + 导航 + 排障/规范)
                              │   │   └── <context-2>.md
                              │   └── src/...
                              │
                              └── <app-b>/
                                  └── .wiki/
                                      └── ...

                              为什么选这个方案?几个实际考量:

                              • 知识和代码"近"。需求涉及知识变更时,wiki 和代码在同一分支一起提交,天然同步。当体系的核心资产从代码变成知识文本后,git 就是天然的升级机制,pull 完成升级,diff 看到每一行变化

                              • 天然的业务隔离。"商品"在零售和教育里含义完全不同,workspace 级别的隔离避免了知识"串台"

                              • workspace 级承载跨应用知识。概念映射、协作边界、跨应用主流程统一维护,AI 能快速掌握领域全貌

                              • 开发者能直接看到。方便管理维护,也帮新人快速理解领域

                              分布式方案也有不足——各域知识无法交叉检索、难以全局统计。这是个取舍,没有绝对正确的答案,我们也在持续评估。

                              3.2 渐进式披露,而非向量检索

                              知识库怎么让 AI 找到需要的内容?很多团队的第一反应是向量检索。我们没选这条路,而是用了渐进式披露(Progressive Disclosure)——wiki 的目录结构本身就是检索路径,AI 按 workspace → app → context 逐层下钻,每层只拿刚好够判断方向的信息。

                              为什么不用向量? 项目知识是强结构、强边界的——"订单创建"和"订单复制"在向量空间里很近,但排障路径完全不同。向量检索返回的是脱离层级的碎片,AI 拿到一段 context 级的排障知识,却不知道它属于哪个 app、在领域里处于什么位置。而且对于跟着 git 走的轻量方案,额外部署 embedding 服务和向量库,架构上也不匹配。

                              渐进式披露的核心:每个 wiki 文件开头都有 YAML metadata 的 description 字段,AI 读到摘要就能判断是否相关,不需要读完全文。一个只涉及单个 context 的问题,可能只需要读 3 个文件就够了——上下文占用最小,层级关系天然保留,确定性强,零基建依赖。

                              3.3 初始化:多 Agent 协作的逆向工程

                              image

                              初始化是最关键也最难的一步——要基于代码逆向工程提炼有价值的知识,而每个项目的代码量动辄数十万行。

                              我们设计了 Controller → Implementer → Reviewer 的多 Agent 协作模式。核心思想是化整为零——先按应用拆 Agent,再按上下文拆,知识层层收敛、层层汇聚。

                              整个初始化严格遵循一个原则:先识别流程,再穷举概念,再归并流程,再划分上下文,最后收敛概念并写 wiki。 不是拿到代码就开始写,而是通过多轮扫描-穷举-归并-审视,确保不遗漏、不失真。

                                Phase 0   全局扫描 ──→ 发现所有应用,提取全局规范候选
                                Phase 1   逐应用建模
                                  ├── 扫描应用结构 ──→ 入口、消息、服务、实体、包结构
                                  ├── 应用表面盘点 ──→ 服务簇 / 消息簇 / 实体簇 / 概念锚点
                                  ├── 候选流程穷举 ──→ 所有可能的业务流程
                                  ├── 候选概念穷举 ──→ 所有可能的业务概念
                                  ├── 流程归并去重 ──→ 合并同类,拆分异类
                                  ├── 划分上下文   ──→ 基于流程簇,不是按 Maven 模块切
                                  ├── 上下文写作   ──→ 派发 Context Implementer(可并行)
                                  ├── 二次审视     ──→ 覆盖关系复核,防止遗漏
                                  └── 应用 README  ──→ 汇总核心概念与入口索引
                                Phase 2   Workspace 聚合 ──→ 跨应用概念映射 + 协作边界 + 全局规范
                                Phase 3   审查收尾 ──→ 质量门禁 + 清理过程产物

                                这里有几个关键的设计决策,值得展开说:

                                上下文 ≠ Maven 模块。 上下文是业务切面,不是技术分层。只能基于流程归并后的 Flow Cluster Map 来划分上下文,不能图省事直接按包名切。

                                一个 SubAgent 只拿最小上下文。 每个 Context Implementer 只接收一个 context 的最小信息包,避免上下文过载。这本质上是一种"上下文防火墙"——Harness 思想在 Agent 编排层面的应用。就像驾驭一匹马,你不能把所有缰绳都交给它,而是要通过约束和引导让它走在正确的路上。

                                异步链路是最高优先级。 Producer 和 Consumer 之间没有直接调用关系,AI 从代码里根本串不起来。这恰恰是 wiki 最大的价值——把 AI 看不到的"暗线"显式记录下来。以及 TSP 回调等异步链路。

                                所有候选都必须有去向。 候选流程和概念不能"无声消失",每一项最终必须是保留、并入、排除三选一,且排除要有原因。这也是 Harness 思想——对过程的每一步施加可审计的约束,不允许不可解释的丢失。

                                推荐在 claude code, codex, cursor 等支持 subAgent 的环境中执行。初始化过程比较耗时。

                                3.4 持续更新:轻量级方案

                                初始化只是起点,持续更新才是知识库的生命力。

                                我们调研了几种方向:

                                • Hook 驱动:基于 IDE 的 Hook 能力,知识层层累积,从观察到候选到提案到确认补丁。完整度很高,但依赖特定 IDE 能力

                                • Commit 驱动:Git Commit 时自动分析增量代码语义,同步沉淀到 Wiki。自动化程度高,但准确率存疑

                                考虑到团队使用的 AI IDE 多样(Cursor、Windsurf、Claude Code 等),存在兼容性问题,且上面几种方案实现都偏重,我们最终选了最轻量的方案——AGENTS.md + Skill 触达。

                                AGENTS.md 是 IDE 级别的"常驻指令",在 workspace 级配置两个指令块:

                                • Knowledge Wiki First:引导 AI 优先读取 wiki 补齐认知,遇到术语、边界、链路不清时,先查 wiki 再查代码

                                • Knowledge Capture & Update:当分析过程中形成稳定、可复用的知识时,主动触发更新提案

                                只依赖 skill 的 description 做触发,匹配率不够理想。AGENTS.md 是"始终在场"的指令,能确保 AI 在日常工作中始终保持两个习惯:遇事先查 wiki,有收获就提案沉淀。

                                这里还有一个很重要的落点:最终交付的结果产物不是一篇方法说明,也不只是一套目录规范,而是一个可以被安装、复用、传播的 skill。 只有把方法论固化成 skill,它才不依赖某个人记得流程、记得提示词,才能真正进入团队的日常工作流。

                                Skill 则定义了三种核心模式:

                                • read:按 workspace → app → context 逐层下钻读取,命中后立即切回代码分析

                                • init:执行上面说的多 Agent 初始化

                                • update:生成更新提案,用户确认后写回

                                这三种模式基本覆盖了知识库落地最常见的几个场景:首次建设、日常补齐认知、持续沉淀更新。 对使用者来说,不需要先完整理解底层设计,只需要在对应场景下触发 skill,就能获得相对一致的行为。

                                这也是它更容易推广的关键。相比“先讲一遍理念,再要求大家按规范手工执行”,skill 把方法论封装成了可执行能力:团队可以直接安装、直接试用、直接复用;不同 IDE、不同项目组也更容易以统一方式接入。知识库因此不再只是一个局部实践,而更像一个可复制的工程组件。

                                update 的闭环很短:

                                  判断是否值得沉淀 → 提炼候选 → 回看已有 wiki 确定落点
                                  → 当前回复输出提案 → 用户确认 → 写回 wiki

                                  每条提案必须说清"为什么写、写到哪里、依据什么、为什么不是别处"。遵循最小作用域原则——能写 context 不写 app,能写 app 不写 workspace。


                                  3.5 它实际带来了什么

                                  如果把这套机制放回日常研发场景里看,价值主要体现在四个层面。

                                  第一,AI 建立业务认知更快了。 过去每次开启一个新任务,都要先花很多轮对话给 AI “补课”;现在有了 wiki,AI 先读摘要和结构,再进入代码,建立基本认知的成本明显下降。

                                  第二,跨应用协作和异步链路第一次有了可复用的“地图”。 应用之间的职责边界、概念映射、上下游关系,以及 NSQ、TSP 这类代码中天然不连续的异步链路,都能被显式记录下来。没有这层知识时,AI 往往一到应用边界就停住,或者在异步链路上直接断线。

                                  第三,上下文利用效率更高了。 分层披露让 AI 只读取当前判断所需的那一层信息,减少噪音和无效上下文占用。不是把更多信息塞给 AI,而是把更合适的信息,在更合适的时刻给它。

                                  第四,它开始从“文档工程”变成研发基础设施。 一次沉淀,不只服务某一次对话。方案设计、代码审查、线上排障、需求分析,都会反复复用这层知识;而 skill 化之后,这套能力也更容易被复制到不同团队、不同项目、不同 IDE 中。知识被放进工程流程后,才会真正开始产生复利。


                                  四、走过的弯路和一些思考

                                  4.1 知识不是越多越好

                                  做知识库很容易陷入一个误区:觉得写得越全越好、覆盖得越细越安心。但实际用下来会发现,知识写多了反而是噪音,把真正重要的东西淹掉了。

                                  传统代码写了就确定性运行,但 Agent 的行为取决于上下文——它消费知识的方式和人不一样,需要的是精准的导航线索和清晰的边界声明,而不是面面俱到的"知识大全"。这个认知和 DDD 里的一个道理很像:限界上下文的价值不在于描述了什么,而在于明确了边界在哪里。知识库也是一样,边界比内容更重要。

                                  这也是 Harness Engineering 给我最大的启发。Harness 的核心不是给 Agent 更多能力,而是通过约束、反馈回路、可审计的过程控制,让 Agent 在正确的轨道上运行。知识库不是往里塞越多越好,而是要做好"准入控制"——每一条知识都必须有明确的价值和边界,否则就是在给 Agent 制造干扰。

                                  4.2 多用、多沉淀,复利才会来

                                  知识库最怕的不是写得不好,而是没人用、没人更新。结构可以迭代,内容可以修正,但如果团队没有形成"遇事先查 wiki、有收获就沉淀"的习惯,知识库就是个摆设。

                                  我们的经验是,前期一定要主动推——每次 AI 因为缺失知识走偏了,就是一次沉淀的信号。不要等"空下来再整理",那一天永远不会来。当场提炼、当场写回,哪怕只是一句话的排障线索,累积起来价值巨大。

                                  工程体系必须从自己的土壤里长出来,不存在一个"最佳配置"直接套用。别人的方案可以参考,但最终要适配自己的技术栈和团队习惯。每次沉淀不是在增加维护负担,而是在购买未来的效率。

                                  4.3 复利效应是真实存在的

                                  实践下来最直观的感受就是复利效应。一个典型的例子:某类配置问题的排查时间从 30-60 分钟降到 1-2 分钟。一开始团队对知识库的反馈问题每周能有 10 多个,坚持沉淀一段时间后,降到了 1-2 个。

                                  早期投入确实枯燥——花时间构建结构、沉淀知识、打磨模板。但随着模型能力增强和 Agent 框架成熟,前期积累的知识资产产生了疯狂的复合回报。在 1000 个文件以上的代码库中,效果尤其明显。

                                  这印证了一个判断:知识沉淀的价值随规模增长加速释放。 量变引发质变,不是空话。

                                  4.4 关于 Harness:驾驭 Agent,而不是放任它

                                  最近 Harness Engineering 的讨论很多。我理解它的本质是——在 AI 编程中,除了模型能力本身,更重要的是构建一个完整的"驾驭系统":约束、反馈、验证、治理。

                                  knowledge-wiki 其实就是 Harness 思想在知识层面的落地:

                                  • 约束:wiki 有明确的准入规则,不是什么都往里写

                                  • 反馈:AI 读取 wiki 后的行为质量,反过来验证知识的有效性

                                  • 验证:update 提案必须人工确认,不允许自动写入

                                  • 治理:最小作用域原则、分层结构、覆盖完整性审查

                                  有一句话总结得很到位:智能体的质量上限,由其所处工程底座的完善程度决定。 文档是否准确、架构约束是否可执行、知识库是否随代码同步演进——这些"基础设施"的质量,直接决定了 AI 能否持续、稳定地完成工程任务。

                                  当好的实践在代码库中占主导时,Agent 会放大好的实践;反之亦然。知识库就是确保"好实践"被显式记录、持续传播的机制。


                                  五、实践结论

                                  回过头来看,knowledge-wiki 做对了两件事。

                                  5.1 分层知识体系与知识工程应用

                                  knowledge-wiki 的本质不是"给项目写文档",而是把知识工程的方法论落地到了 AI Coding 场景。

                                  传统做法是把所有信息平铺给 AI——代码、文档、注释混在一起,靠模型自己理解。我们做的是在代码和 AI 之间建了一层结构化的知识层:定义了五类知识的准入边界(认知、导航、排障、隐形、规范),建立了 workspace → app → context 的三层披露结构,每层只回答那一层该回答的问题。

                                  这不是信息的简单搬运,而是知识的工程化治理——什么该写、写在哪里、谁来维护、何时淘汰,都有明确的规则。AI 不再需要从海量代码中"猜"上下文,而是沿着知识层的结构"走"到正确的位置。分层披露把每次交互的信息传递成本压到了最低,同时保留了完整的层级语义。

                                  5.2 子仓库构建领域级知识库,自底向上提炼

                                  传统的知识管理是自顶向下——先定义全局分类体系,再往里填内容。我们反过来走了一条自底向上的路径。

                                  每个子仓库(git submodule)独立构建自己的 .wiki/,这是最贴近代码、最具体的领域知识。app 级 wiki 记录的是"这个应用内部的概念、流程、排障路径"——这些是团队日常开发中最高频使用、最容易验证的知识,也是整个体系的基石层。

                                  workspace 级的跨应用知识——概念映射、协作边界、全局规范——不是凭空设计的,而是从各 app 的 wiki 中提炼、归并、收敛出来的。初始化过程中"先穷举再归并"的多轮扫描,本质上就是从具体到抽象的知识蒸馏。

                                  这条路径的价值在于:基础层的知识越扎实,上层的抽象就越准确;上层的抽象越清晰,AI 在跨应用场景下的导航就越高效。 而且因为每层知识都由最了解那个领域的团队维护,知识的新鲜度和准确性有天然保障。子仓库不只是代码的容器,更是领域知识的载体——代码和知识在同一个 git 分支里共同演进,这是比任何外部知识库都更短的反馈回路。


                                  六、后面要做什么

                                  6.1 近期:接入飞书,打通问答和排查

                                  我们在探索把 wiki 能力延伸到飞书。思路是:

                                    飞书咨询/问题 → 查公司业务知识库 + .wiki/ → 理解问题域
                                    → 查代码、查日志、查 RDS → 交叉验证
                                    → 输出结构化分析结果

                                    本质上是把 AI IDE 内的 wiki 读取 → 代码分析 → 日志/数据排查 闭环搬到飞书场景,让知识库的价值覆盖更多协作场景。

                                    6.2 中期:服务端统一管理

                                    wiki 在更多业务域落地后,会考虑服务端部署:

                                    • 统一管理各域知识库,支持跨域检索

                                    • 飞书流程自动化——工单→排查→沉淀全闭环

                                    • 引入向量检索,支持语义匹配而非只靠关键字

                                    当知识量足够大时,向量检索能发现关键字匹配不到的语义关联。量变带来质变。

                                    6.3 长期:从工具到范式

                                    说远一点,我觉得 knowledge-wiki 不只是一个工具,它代表了一种新的工程实践方向——AI Coding 场景下,研发团队的长远重点应当在专家知识的体系化沉淀上。

                                    方向是清晰的:记忆、学习、验证、复利。

                                    让工程环境足够好,智能体自然会足够好。这可能是推动未来研发效率持续提升最务实的路径。

                                    跳转微信打开

                                    •  

                                    张雪让人看到这个社会的希望

                                    体验进阶 2026-04-07 08:20 广东

                                    雨中追车的固执少年,20年后竟能在国际顶尖赛事中夺冠!谁说理想必败于现实?谁说贫苦出身只配苟活?谁说自强不如拼爹?都说现在阶级固化、留给普通人的机会越来越少、能找到带编的铁饭碗就烧高香了……

                                    在这个时代还能看到张雪这样的人物,说明社会上还是有机会的,这是一个很鼓舞人心的信号。

                                    我上次说,张雪峰给学生做职业规划时忽略了个体差异,再加上时代的局限,当下的好路子在几年后很可能又是一片拥堵。他的建议看上去很稳,但对一些差异大的个体来说,可能没什么帮助。

                                    这次张雪的例子,就完全是张雪峰式职业规划的反面。一个初中都没读完的修车工,竟然妄想做赛车手?简直是心比天高!怎么说都应该去读个技校大专,然后想办法去大公司当技术工,同时想办法弄个本科学历……如果真是这样,那张雪就不可能那个被我们所熟知的楷模了。

                                    我向来欣赏的,反倒是张雪这种有天赋又努力,在逆境中顽强不息的人物。这样的成功路径或许无法被普通人复制,但他们才是有可能引领时代进步的人。

                                    有人说,张雪的故事,打破了很多迷思。例如个人发展取决于父母关爱、出色学历、经济基础……而他一无所有都能成功,那父母、学历、经济上更好的普通人,就更没借口了。

                                    在我看来,其实他有几样让我特别羡慕的东西:

                                    一是健康的身体,可以扛得住长时间劳累;

                                    二是充裕的精神能量,哪怕遇到失败和拒绝也不容易自我怀疑;

                                    三是清晰的目标,不在面包和爱情之间犹豫不决,即便可能一败涂地也不轻易放弃。

                                    有这三点东西,再加上一点双商和运气,肯定会在人群中脱颖而出。

                                    我自己在身体健康上远不如张雪,这个天生的没办法。精神能量上,更是容易内耗,这个我要想办法改正,不要把网上的杠精和身边的悲观主义者当回事。再看目标,也不那么清晰。例如我一方面想做课程,帮助更多人提升体验设计能力;一方面又觉得,大部分设计师没有话语权,学了好方法也用不起来。目标方面我也要改进,我就按照自己的标准做课程,反正也挣不了几个钱。哪怕这些课程大部分人学了可能很难立即用起来,但长远来看还是能筛选出真正有潜力的设计师。因为还是有不少人在学完后表示帮助非常大,甚至有人说是见过最高质量的课程了,说明这样的课程还是能帮到一些人的。

                                    跳转微信打开

                                    •  

                                    顶级投资回报,诞生于漫长的无反馈周期

                                    原创 立涛 2026-04-06 11:33 广东

                                    长期回报往往诞生于两个阶段:买入时的低估,以及持有过程里对漫长无反馈期的承受。前者决定赔率,后者决定你是否拿得到赔率。

                                    看了比亚迪和李录老师的访谈,里面有一些信息,很值得反复咀嚼。

                                    2014年9月至2015年2月,当整个A股市场如火如荼地演绎大牛市行情时,比亚迪却在短短几个月里剧烈下跌。最夸张的一天是2014年12月18日,股价盘中最低点单日跌幅一度接近50%。(根据董秘李黔的说法,当时公司并没有出现足以伤及根本的经营问题。)

                                    如果说持股暴跌痛苦,那么在踏空牛市的同时持股暴跌,大概就是10倍的痛苦。可以想象,当时持有比亚迪的投资人承受了多大的精神压力,也承受了多少来自外界的质疑和冷嘲热讽。但李录老师几乎没有动摇,不但一股没卖,后来还在底部继续加仓了300万股。

                                    如果把时间维度拉得更长一点看,当时比亚迪的股价实际上已经有5年没有明显上涨了。而这还不是痛苦旅程的终点。若以2014年9月的高点作为参照,直到2020年6月,股价才重新突破6年前的高点。

                                    如果你是一个关注基本面的长期持股者,你很看好比亚迪这家公司,也很看好它的创始人,那么你很可能面临的现实是:从2010年开始持有这家公司,10年时间里股价几乎没有给你什么正反馈。甚至站在2020年年初看,股价还比10年前低了40%。

                                    坦率地说,我很难想象,一个人要如何在这十年里始终不动摇,坚持自己的判断,坚持对一家公司的看好,在几乎没有正反馈、甚至长期承受负反馈的情况下,依然平静地度过这段漫长时光。毕竟,人生能有几个十年呢?更何况是自己最年富力强、精力最旺盛、机会成本也最高的十年。

                                    李录老师做到了。巴菲特老师也做到了。

                                    后来的故事大家都知道了。2020年,比亚迪股价从底部大幅上涨;此后几年,公司也迎来了经营与市值的集中兑现。若按更长时间维度粗略估算,李录老师这笔投资最终带来了极为可观的回报。考虑到他在公司上市初期就已买入,这笔投资最终获得超100倍回报、24年复合年化约20%,大致并不夸张。

                                    这笔回报的背后,并不是线性的、每天涨一点的正反馈,而是以十年为单位的无反馈,甚至负反馈,然后才迎来爆发式兑现。这大概也是华人投资领域最传奇的一笔投资之一。

                                    访谈里,比亚迪董秘李黔一直在问李录老师,当时的心态到底是什么。李录老师的回答很有意思:他并没有特别关注股价表现,而是清晰地感知到公司的状态在越来越好。他关注的重点,更多还是公司的基本面,以及创始人的状态。只要这两个因素都在持续向好,他就没有太多担忧。

                                    这是真正意义上的价值投资。但问题在于,真正困难的地方,从来都不只是“看懂”一家好公司。

                                    如果真的希望长期持有一家好公司,并从公司的成长中收获巨大的回报,那么过程中这种漫长的等待和煎熬,几乎是每个投资者都绕不过去的。这是必须接受的现实。

                                    这个故事也给了我另外两个启发。

                                    第一个启发是,不要在情绪极度亢奋、市场一致性看好、静态估值又很高的时候去买一家公司。否则,哪怕公司很好,等待你的也可能是长达数年的煎熬。2009年,因为巴菲特入股比亚迪的消息刺激,比亚迪股价一年涨了4倍;但如果你在2010年4月的高点附近买入,之后需要一直持有到2020年8月,收益也只有约2%。所以,再好的公司,买得太贵,依然是巨大的风险。

                                    第二个启发是,哪怕再看好一家公司,也要尽量避免单票仓位过重。因为过程中的漫长与痛苦,往往会超出最初的预估。同时期的李录老师还持有长江电力、茅台等一系列优秀公司,所以比亚迪虽然煎熬,但对喜马拉雅整体收益的拖累并没有大到无法承受。这使得它作为一家基金,能够在那个周期里依然保持较好的表现,并且持续存续下去。

                                    进一步看,能扛住十年的无反馈,靠的也不只是信念本身。背后还需要足够深的研究、稳定的判断锚、合适的资金属性,以及一个能够承受波动的组合结构。否则,很多人在逻辑上认同长期主义,在现实里却很难撑过中间那段最难熬的时间。

                                    说实话,看到这个案例,我是很有感触的。相信我们公众号读者里持有拼多多的朋友,也会有类似感受。

                                    讲这个案例,并不是想泛泛地给大家打气,更不是鼓励大家简单地“死扛”。我更想表达的是:再好的公司,也会经历很艰难的阶段;再正确的判断,也常常要穿越漫长等待,才能迎来兑现。

                                    当然,这类案例本身也带有一定的幸存者偏差。并不是所有看上去优秀、也曾经历长期低迷的公司,最后都能走出比亚迪这样的路径。所以真正重要的,是在等待中持续验证:公司的基本面有没有变,创始人的状态有没有变,当初买入的价格,是否仍然提供了足够的安全边际。

                                    长期回报往往诞生于两个阶段:买入时的低估,以及持有过程里对漫长无反馈期的承受。前者决定赔率,后者决定你是否真正拿得到赔率。

                                    跳转微信打开

                                    •  

                                    我的 Vibe Coding 项目

                                    原创 idoubi 2026-04-05 22:38 广东

                                    我用 Claude Code Vibe Coding 了几个项目,非常有意思。

                                    最近三个月,我用 Claude Code Vibe Coding 了几个项目,非常有意思,写篇文章记录一下。

                                    WorkAny

                                    workany.ai

                                    在上一篇文章 Vibe Coding 一周,我做了个桌面 Agent 写到,我第一次尝试全自动 Vibe Coding,发布了我的第一个 Agent 项目 WorkAny。

                                    断断续续在迭代 WorkAny,修复了一些用户反馈的问题,Github 仓库 star 涨到了 1.4k。

                                    WorkAny 最初的版本基于 Claude Agent SDK 实现 Agent Runtime,依赖本地的 Claude Code,任务处理比较慢,还经常遇到一些模型不兼容的问题。

                                    最近一段时间尝试了接入 DeepAgents、Pi 作为 Claude Agent SDK 的替代方案,效果始终不太理想,需要定制的工具很多,不能做到像 Claude Agent SDK 一样开箱即用。

                                    这周把 WorkAny 的 Agent Runtime 换成了自己写的 Open Agent SDK,运行流畅了,好多问题也解决了。

                                    WorkAny Bot

                                    workany.bot

                                    2 月份的时候,OpenClaw 特别火,掀起了全民养虾热潮,主要的需求和痛点是:

                                    1. 大家都在玩,很好奇,我也想试试

                                    2. 不敢在自己电脑跑,担心隐私和安全风险

                                    3. 不懂技术,搞不了虚拟机,折腾不来云服务器

                                    4. 希望长时间待机,但没预算,不想买 Mac Mini

                                    5. 不想学怎么配模型、Skills,只想开箱即用

                                    我花了一个周末的时间,发布了 WorkAny Bot,提供 OpenClaw 云端托管服务。

                                    用户不需要关心技术,只需要点几下 Next,付费开通服务,马上得到一个 xxx.workany.bot 地址,打开就能看到 OpenClaw 的页面,接入到自己的 im 软件,开始养虾。

                                    WorkAny Bot 给不想自己折腾的用户提供了便利,让部分人快速用上了 OpenClaw。但在使用过程中,体验还是比不上在自己电脑上部署 OpenClaw。

                                    云端的 Bot 在浏览器自动化、配置工具、定时任务等方面有很多限制,使用起来不够流畅。

                                    ClawHost

                                    clawhost.me

                                    我把 WorkAny Bot 背后的 OpenClaw 托管方案整理出来开源了。

                                    这套方案的核心依赖 K8S 集群,在每个 Pod 部署一个 OpenClaw 实例,通过 PVC 挂载磁盘,对 .openclaw 目录进行持久化存储。

                                    ClawHost 提供一个简单的管理面板,管理员创建 App 和 Bot,对外提供 Restful API,第三方 App 通过 API 创建 Bot 和管理 Bot 内配置。

                                    熟悉 K8S 运维的人可以使用这个方案,做自己的 OpenClaw 托管服务。企业可以私有化部署,挂载内部 Skills,为员工统一配置企业版龙虾。

                                    ChatClaw

                                    chatclaw.im

                                    我觉得 OpenClaw 自带的 Web UI 有点丑。

                                    功能很多,配置很杂,改起来很麻烦。而且对话的体验很不好。

                                    于是我开源了 ChatClaw,一个基于 OpenClaw 的 Web UI,提供更美观的界面和更流畅的对话体验,主打多 Agent 协同对话/工作。

                                    最近 OPC(一人公司) 很火,ChatClaw 从 OPC 的角度设计了整体架构:

                                    OPC -> Companies -> Teams -> Agents -> Tasks

                                    一个 OPC 可以创建多个公司,每个公司对应一个 OpenClaw Gateway,可以是本地的,也可以是云端的(比如:WorkAny Bot)。

                                    ChatClaw 的本质是一个 Web UI,只做界面交互,不做业务逻辑。依赖的是 OpenClaw 提供的 Agent Runtime,相当于给你的龙虾换个壳子。前提是,你得有自己的 OpenClaw。

                                    CoRich

                                    1 月份的时候,我想做一个开源版本的桌面 Agent,对标 Cowork。

                                    想了好几个产品名,其中一个是 CoRich,另一个是 WorkAny,后来选了 WorkAny 作为产品名,CoRich 这个名字就闲置了。

                                    最近 Slack 被爆出批量删除中国团队账户,不允许中国公司使用了。

                                    然后我就很想做个 Agent 版本的 Slack,让人与 AI 可以协同工作,共同完成任务。

                                    我选择了 CoRich 做这个产品的名字,让 Claude Code 快速搭了一个架子,布局参考 Slack,允许创建多个 Workspace,邀请人类员工、创建 Agent 员工,在不同的 Channel 下对话或做任务。

                                    这个产品的交互跟 ChatClaw 有点像,不同的点在于 ChatClaw 是基于 OpenClaw 的 Web UI,依赖 OpenClaw 作为 Agent Runtime,主要是给个人使用,不适合多人协作。

                                    CoRich 跟 ChatClaw 的架构类似,把 Companies 换成了 Workspaces,同样支持 Agents、Teams、Tasks,区别在于 CoRich 允许邀请人类员工加入 Workspace,支持多人 + 多 Agent 协作。

                                    目前,CoRich 还属于 Demo 阶段,还需要点时间完善基本功能。

                                    FastClaw

                                    fastclaw.ai

                                    我做了近两个月的 OpenClaw 托管服务,部署在阿里云国际站的 K8S 集群上,一个月接近 5k 美金的部署成本。

                                    我分析了一下,部署成本高的原因主要有几点:

                                    1. OpenClaw 是单租户架构,我需要为每个用户单独用一个 Pod 隔离部署,挂载独立的存储空间

                                    2. OpenClaw 需要至少 1G 的运行内存,在 K8S 部署,每个 Pod 的 memory_limit 不能低于 4G,不然很容易 OOM

                                    3. OpenClaw 针对一些复杂类任务(比如:写代码),会开独立的子进程去执行,进程开销很大。

                                    4. OpenClaw 启动依赖网关初始化、插件加载等多个串行步骤,从启动到可用需要 15-30 秒,没办法做到秒级启动。如果要保证用户云端的 Bot 一直在线,Pod 需要常驻,对于不经常使用的 Bot,是一种资源浪费

                                    所以我得出的结论是,OpenClaw 是针对个人使用场景设计的助理类 Agent,不适合云端部署的多租户场景。上面提到的 CoRich 这种需要多人协作的产品,用 OpenClaw 做底层的 Agent Runtime 肯定不行。

                                    于是我决定自己做一个 Agent 底层框架(操作系统)。

                                    我开源了 FastClaw,定位是一个更好的 OpenClaw-Like Agent OS。

                                    1. 使用 Go 实现,单二进制分发(5MB),运行零依赖,秒级启动

                                    2. 运行时内存占用 ~20M,约为 OpenClaw 内存占用的 1/7

                                    3. 约 3000 行代码实现 OpenClaw 的核心功能,二次开发更简单

                                    4. 以 RPC 进程通信的方式运行插件,隔离风险,插件挂了不影响主进程,解决 OpenClaw Gateway 容易挂的问题

                                    5. 引入数据库实现持久化存储,用户会话隔离,天然适用云原生多租户部署场景

                                    6. 可视化引导安装,上手门槛更低。管理后台 Web UI 更清晰、操作更友好

                                    除了架构方面的优化和对云端多租户场景的适配,FastClaw 选择尽可能兼容 OpenClaw 的协议和生态:

                                    1. fastclaw.json 配置文件,采用跟 openclaw.json 一样的数据结构

                                    2. 支持 OpenClaw 的 plugins,支持 ClawHub 的 skills 等

                                    3. 跟 OpenClaw 类似的方式实现 memory、context、tools 等核心功能

                                    目前的情况是,FastClaw 堆了很多功能,但是还没来得及完整测试。

                                    有来自社区的开发者贡献了几个 FastClaw 插件,还没来得及整合,还需要时间打磨功能、发展生态。

                                    WeClaw

                                    weclaw.im

                                    半个月前,一向封闭的微信开放了 ClawBot 一级入口,允许用户接入自己的 OpenClaw,在微信 ClawBot 对话使用。

                                    微信官方发布了一个 weixin-openclaw 插件,用户在电脑上运行这个插件,扫码登录后,可以连接电脑上的 OpenClaw。

                                    我的工作电脑上没有安装 OpenClaw,但是我想通过微信 ClawBot 连接我电脑上的 Claude Code 做任务。

                                    于是我开源了 WeClaw,定位是连接微信 ClawBot 与桌面 Agent 的桥接器。

                                    在电脑上运行 weclaw 后,weclaw 自动探测到电脑上安装的 Agent,比如 Claude Code / Codex / Gemini / OpenClaw 等,再通过 ACP / CLI / HTTP 三种方式,与 Agent 实现连接。

                                    用户可以在微信 ClawBot 通过自定义指令切换 Agent 对话,可以把消息同时发给多个 Agent。

                                    有个高频使用 weclaw 的朋友给我看了他的一个工作流,挺有意思的:

                                    在微信 ClawBot 语音输入内容 -> 微信自动转文字 -> 发给电脑上的 weclaw -> weclaw 转发给电脑上的 Claude Code -> Claude Code 根据输入内容,提取关键信息 -> Claude Code 调用 Skills,把结构化内容输出到第三方软件

                                    WeClaw 这个项目的价值在于,你可以在微信 ClawBot 连接任何你常用的 Agent,定制指令实现自定义工作流。

                                    AnyClaw

                                    anyclaw.tools

                                    有了 WeClaw 之后,我日常会通过微信 ClawBot 查很多信息,做很多任务。

                                    只靠大模型的能力,很多任务实际上是不太容易完成的。

                                    为了补充大模型挂载外部信息的能力,这两年出来了很多解决方案,比如 RAG / MCP / Skills 等。

                                    Skills 的解决方案是写一堆 Markdown 文档加一些脚本,让 Agent 渐进式读取提示词,在合适的时机调用合适的技能,辅助大模型完成任务。

                                    Skills 比起 MCP 是一个很大的创新,不需要把一堆工具在每次对话都塞进模型上下文,节约了 Token。

                                    后面大家发现,用命令行工具,可以进一步优化上下文,因为命令行工具 --help 输出的信息,能告知模型可用的工具列表,还不需要传递额外的描述内容。

                                    于是,很多厂商又从开放 Skills 转成了开放 CLI 工具。

                                    我开源了 AnyClaw,定位是给 Agent 用的技能补充包。

                                    这个项目主要想做三件事:

                                    1. 做转换器。把互联网上的 OpenAPI Schema / 自定义的脚本、Pipeline / 网站 / 桌面 App 等,一键转换成 CLI 工具

                                    2. 做扩展坞。输入是 CLI,输出是 MCP / Skills,让不同类型的 Agent 都能理解工具,在合适的时机自动发现并调用工具

                                    3. 做工具箱。把常用的工具收集起来,放到工具箱,让 Agent 可以搜索、安装、调用工具

                                    比如我针对域名搜索场景写了个 query-domains 工具,通过 anyclaw 命令三步调用:

                                    anyclaw search domain
                                    anyclaw install query-domains
                                    anyclaw query-domains search "workany.ai"

                                    除了 anyclaw 内置的工具,你还可以添加第三方仓库提供的工具,比如:

                                    anyclaw repo add https://github.com/larksuite/cli --name feishu-cli
                                    anyclaw repo update
                                    anyclaw search docs --repo feishu-cli

                                    把 AnyClaw 自身的 SKILL.md 发给 Claude Code,然后就可以通过 WeClaw 给 Claude Code 发消息,调用 AnyClaw 内置的工具查信息了。

                                    AnyClaw 目前对于工具的编写、转换、导入等功能已经比较完整了。工具箱内置的工具还比较少,还需要时间积累,也需要发展生态,通过社区的力量集成更多的工具。

                                    ClawRouter

                                    我去年做过一段时间 MCPRouter,把一些流行的 MCP 服务器托管起来,整合下游服务的 API Key,再对上游提供统一的接入和计费。

                                    用了一段时间 OpenClaw 之后,我发现要让自己的龙虾做更多的事情,比如画图、生成音乐等,需要给龙虾配置各种工具,但是我又不想去各个提供工具的服务商平台申请 API Key 和绑卡充值。

                                    于是我把 MCPRouter 改成了 ClawRouter,把之前托管的 MCP 服务器平移了过来,后面还想接入模型、Skills,以及 AnyClaw 整合的 CLI 工具。

                                    ClawRouter 的定位是 Tools 版本的 OpenRouter。

                                    目前 ClawRouter 整合的工具还不够多,还在内部测试,没有发布上线。

                                    Clawork

                                    玩过一段时间 MoltBook,Agent 自由社交,非常前沿。有人觉得 Web 4.0 要来了,Agent 互联网已开启。

                                    于是我在想,既然 Agent 能自由社交,Agent 是不是也可以自由交易。

                                    我给我的 Agent 配置了最贵的模型和最好的工具,我的 Agent 能够高效完成各类复杂的任务,但是我的成本消耗也很大。

                                    如果我的 Agent 可以在网上接单,帮助其他人实现他们的一些需求,是不是既创造了价值,又能赚到钱,帮助我平摊成本。

                                    于是我做了 Clawork,定位是 Agent 众包平台。可以由人类,或者人类的 Agent 在平台上发布任务,设置预算。

                                    其他人的 Agent 可以通过接口发现任务,竞标做任务,完成任务后可以获得对应的 Token 报酬。

                                    人类在平台提现,把 Agent 赚到的 Token 换成现金提取出来。

                                    Clawork 可以先做成 Agent 版本的 Upwork,走竞标模式。后面可以往 Agent 版本的 Uber 方向发展,做平台派单模式。

                                    有交易的平台,就会有很大的商业价值。我很看好这个方向,但是又感觉有点太超前,不太容易落地。

                                    Clawork 初期的核心功能已经完成,本地测试跑通了完整的双边交易流程,但是还有一些问题没有想明白,所以还没有发布上线。

                                    ClawBaby

                                    最近一段时间看到了很多有意思的桌宠项目,有的跑在 Dock 栏上,有的跑在刘海屏上,还有的在桌面上跑来跑去。

                                    最近 Claude Code 推出了一个 /buddy 指令,可以在 Claude Code 对话框添加一个桌宠。

                                    我让 Claude Code 给我写了两个版本,一个版本用 tauri 写的,让一个龙虾头像在桌面游走,监听 Agent 在做的任务,做实时互动。另一个版本用 Swift 写的,跑在 Mac 的刘海屏,可以投喂、互动,就像是在玩宠物养成游戏。

                                    单纯觉得这类项目好玩,谈不上多有价值,反正也不需要我花什么时间,顺手就让 Claude Code 做了。😄

                                    Open Agent SDK

                                    本周 AI 行业有个大事件,Claude Code 源码泄露了。

                                    Twitter 上有一波人用 AI 去分析 Claude Code 的源码,再写成解读文章,拿到了很多流量。

                                    另一波人选择在 Claude Code 源码基础上补齐工具链,做成可直接运行的开源版 Claude Code,吸引了很多关注。

                                    我选择了在 Claude Code 源码基础上,抽出来一个 SDK,用于替换 Claude Agent SDK

                                    使用 claude-agent-sdk 做过 Agent 产品的都知道,其本质是在 claude code 的基础上套了一层壳,做成 sdk 给第三方接入,可以加速 Agent 产品的开发,但是弊端也很明显:

                                    1. claude-agent-sdk 依赖 claude code,而 claude code 是不开源的,一切都是黑盒调用,出了问题你没法修

                                    2. claude-agent-sdk 接到的 query,需要创建 claude code 进程去处理,开销很大,不适合云端规模化调用

                                    我让 Claude Code 分析了一遍 claude-code-sourcemap 源码,把逻辑全部抽离出来,写了个 open-agent-sdk:

                                    1. 完全兼容 claude-agent-sdk 的接口形式,只需换个包名即可快速替换

                                    2. 完全开源,你可以接入到你的 Agent 后做定制化修改,不再是黑盒调用

                                    3. 函数调用,不依赖本地 cli 进程,没有额外的开销,云端 Agent 高并发不愁

                                    使用 open-agent-sdk 的一个调用示例:

                                    import { createAgent } from'@codeany/open-agent-sdk';
                                    const agent = createAgent({
                                      apiType: 'openai-completions',
                                      model: 'gpt-4o',
                                      apiKey: 'sk-...',
                                      baseURL: 'https://api.openai.com/v1',
                                    });
                                    const result = await agent.prompt('What files are in this project?');
                                    console.log(result.text);

                                    帖子发出去之后,反响特别好,拿到了 321k 访问,Github 仓库一周涨了 2k star,真神奇。

                                    我让 Claude Code 参考 open-agent-sdk-typescript,实现了 go / rust / python 三个语言的版本,一共开源了四个语言版本的 open-agent-sdk

                                    然后我又让 Claude Code 修改 WorkAny 的源码,引入 open-agent-sdk-typescipt,替换掉原来依赖的 claude-agent-sdk

                                    在 WorkAny 跑了几个任务,响应很快,效果很好。用自己的 SDK 实现了 Agent Runtime 功能,不再依赖 Claude Code,哪里不爽改哪里。

                                    CodeAny

                                    codeany.ai

                                    泄露出来的 Claude Code 源码有近 50 万行代码,除了 Agent 运行逻辑,还有很多周边代码值得学习和研究。

                                    我让 Claude Code 继续扫描 claude-code-sourcemap 仓库,把 cli 和 UI 部分的逻辑抽离出来,用 go 重写,做一个新的终端 Agent:CodeAny

                                    在 CodeAny 引入了 open-agent-sdk-go 作为 Agent Runtime

                                    经过多次的扫描、测试、补齐功能,CodeAny 基本复刻了 Claude Code 的核心功能,实现了 Claude Code 的大部分指令。

                                    在 CodeAny 接入 OpenRouter 上的 xiaomi-mimo 模型,响应速度非常快,跑了几个任务,效果还不错。

                                    比起 Claude Code,CodeAny 的运行速度更快,内存占用更低,而且完全开源,可以定制功能。继续迭代,也许能逐步替代掉 Claude Code,作为日常使用的 Coding 工具。

                                    CCOnline

                                    既然拿到了 Claude Code 的源码,我在想,能不能跟托管 OpenClaw 一样,我也搞一个托管 Claude Code 的服务?

                                    于是我做了 CCOnline,定位是一个跑在云端的 Claude Code,内置模型 + Skills,帮助用户完成一些日常的任务。

                                    跟 ClawHost 的托管方案不一样,我尝试用 e2b 来做隔离容器,每个用户分配一个默认的 Workspace,每个 Workspace 对应一个 e2b 容器,用户的项目文件通过对象存储挂载。

                                    比起 K8S Pod 的隔离方案,e2b 隔离性更好,毫秒级启动,无需常驻,运维方便。也许成本会比用 K8S Pod 的方案低。

                                    CCOnline 目前还在技术实验阶段,我没想明白纯云端的 Claude Code 有什么价值,目标群体和使用场景分别是什么。

                                    总结

                                    用一个表格整理了以上提到的几个项目👇

                                    这些项目全部由 Claude Code 完成,我负责提需求、测试、再提需求,未参与过代码编写工作,总体投入时间不多。

                                    我甚至很少打开编辑器,很多时候是走在路上,灵感来了,拿出手机,通过 Discord 把想法发给 OpenClaw,让 OpenClaw 调用 Claude Code 去实现。

                                    等有时间打开电脑,我再去验收一下,有不满意的地方,再发消息给 OpenClaw 让他指挥 Claude Code 去修改。

                                    全自动 Vibe Coding 近三个月,我有几点很深的感触:

                                    1.我的编程习惯彻底被颠覆了,角色定位也发生了很大的变化。我不再把自己当做一个程序员,而是项目经理 + 系统架构师 + 测试工程师。

                                    2.AI 治好了我的强迫症和代码洁癖,我不再关注代码,只关注实现的功能完整性。

                                    3.AI 变得智能了,我的效率更高了,但是注意力更加不集中了。同时开很多个窗口做不同的项目,没有把哪个项目做得特别好

                                    4.测试资源极度缺乏,AI 做得很快,但是我没有足够的时间去验收,也不知道功能完不完整,有没有什么 bug

                                    5.用 AI 复刻一个项目变得极度容易,我不明白这个时代产品的护城河在哪里

                                    6.技术落地的能力差异被 AI 彻底抹平,擅长搞流量和商业变现的能力变得极其重要

                                    7.知识面的广度和架构设计能力,是这个时代重要且稀缺的能力

                                    8.我时常感到迷茫,不知道做这些所谓“产品”的意义在哪里


                                    也许控制注意力,在一个方向持续做深,才是正确的事情。

                                    ❝

                                    Attention is all you need.

                                    阅读原文

                                    跳转微信打开

                                    •  

                                    开源 open-agent-sdk

                                    idoubi 2026-03-31 23:51 广东

                                    让 Claude Code 分析了一遍 claude-code-sourcemap 源码,把逻辑全部抽离出来,写了个 open-agent-sdk,用于替代 claude-agent-sdk

                                    使用 claude-agent-sdk 做过 Agent 产品的都知道,其本质是在 claude code 的基础上套了一层壳,做成 sdk 给第三方接入,可以加速 Agent 产品的开发,但是弊端也很明显:

                                    1. claude-agent-sdk 依赖 claude code,而 claude code 是不开源的,一切都是黑盒调用,出了问题你没法修

                                    2. claude-agent-sdk 接到的 query,需要创建 claude code 进程去处理,开销很大,不适合云端 Agent 使用

                                    在 Claude Code 源码基础上实现的 open-agent-sdk

                                    1. 完全兼容 claude-agent-sdk 的接口形式,只需换个包名即可快速替换

                                    2. 完全开源,你可以接入到你的 Agent 后做定制化修改,不再是黑盒调用

                                    3. 函数调用,不依赖本地 cli 进程,没有额外的开销,意味着你可以在云端 Agent 规模化调用

                                    想到一个有意思的比方不知道合不合适😄

                                    Claude Code 家后院起火,我让 Claude Code 把家里的桌椅板凳、锅碗瓢盆都搬出来,盖了一座新房子,让大家都可以免费住。🐶

                                    MIT 协议开源,欢迎使用。👇

                                    https://github.com/shipany-ai/open-agent-sdk

                                    跳转微信打开

                                    •  
                                    ❌