铃阅时讯
❌

阅读视图

一顿饭撞上 Claude Tag 发布:OpenClaw 如何催生了 slock 赛道,以及对 FDE 的新理解

原创 yan5xu 2026-06-29 12:07 上海

前几天,和觐开(Linkloud)、Patrick(Clink)约了顿饭。席间说起各自怎么在内部接入 Agent,又扯到上半年 AI 圈最火热的 Agent 协作赛道。slock(现改名 Raft)3 月亮相,三轮融资紧跟着进来,估值直奔六千万美金。国内国外,一堆团队往这个方向涌。

巧的是,饭局那晚 Anthropic 也出手了。Claude Tag 上线,把 Claude 装进了组织里的 Slack。

第二天,Creek Stone 的投资人李一豪、Gary.z 到办公室,我们又谈了很久:组织内的 Agent 怎么落地,怎么完成 AI-native 化改造。也就是 FDE。

为什么 Agent 协作在今年集中爆发?不同企业各自怎么把 Agent 接进来?Anthropic 这些模型厂商讲的 FDE,跟 Palantir 说的是一回事吗?一并整理在这里了。


slock 们其实是 OpenClaw 后的衍生产物

长程 Agent 的出现,让 Agent 可以被分发。组织 AI 落地的要求彻底变了。以前每个人都要会,现在只需要一个人(FDE)。

为什么 Agent 协作在今年上半年集中爆发?

这就像 2024 年 Sonnet 3.5 造就了 Cursor。Sonnet 3.5 是第一个能稳定写好代码的模型,在此之前 AI coding 有 demo 没有 production。底层的 model 能力过了阈值,Cursor 从一个小众工具变成了所有开发者的默认 IDE。不是 Cursor 突然变强了,是下面的东西变了。

slock 赛道也是同样的事。下面变了的东西,是 Agent 能记住了。

要理解这件事多重要,得先看它出现之前 Agent 是什么样的。

以前。 去年 7 月,我写过一篇《忘掉〈Her〉吧,诺兰旧作〈记忆碎片〉才是 LLM Agent 的必修课》。文章里用 Leonard 来比喻那时的 Agent。Leonard 本身强悍,有着特工级别的专业技能,但患有顺行性遗忘症,每十几分钟记忆清零一次。拍立得照片帮他采集信息,照片背面的笔记做上下文标注,纹身用来固化核心线索。一整套外部系统对抗失忆。可每次记忆重置之后,他还是一脸迷茫,出现明显的行为断层。最后困在一桩其实已有结局的案件里,出不来。

那篇文章的核心问题是:「如何在一个本质上无状态的、记忆窗口极其有限的系统中,去执行一个需要长期有状态跟踪的复杂任务?」

2025 年的 Agent 就是 Leonard。Manus 是代表,session-based,用完就丢,没有记忆。每次都要重新告诉它你是谁、要干什么、前面发生过什么。

这意味着什么?不是 Agent 不够强。是落地门槛太高了。

每个使用者都得自己理解什么叫上下文、什么样的上下文能让 Agent 更好工作,自己学会沉淀 skills、用文档做经验复用。用好 Agent 的门槛极高。一个没有长期记忆的人,业务能力再强也很难跟他谈协作。人天然排斥重复劳动,每次合作都要从零开始交代一遍,谁也受不了。

换个角度说:以前 AI 落地,组织里每一个人都要会。每个人都是自己的 FDE。

现在。 今年 1 月,OpenClaw 出现了。Peter Steinberger 发布了这个本地部署的自主 AI 助手。记忆持久化存在本地,跨 session 保持上下文。还有一个 Skills 系统,Skills 以目录形式存储,像给 Agent 装上了可插拔的能力模块。GitHub 飙到 247,000 stars。

为什么说 OpenClaw 启发了后来的 slock?不是因为它用了什么新技术。是因为它让很多人第一次看到:Agent 可以持续存在,持续积累,持续干活。

更重要的是,它改变了 Agent 的分发模式。

以前每个人都要自己管 session、自己写 prompt、自己做上下文管理。Agent 用完就丢,任何经验都没法沉淀。现在一个人调教好一个 Agent,交给全组织用。调教的人不需要懂研发,用的人不需要懂 Agent。觐开在 Linkloud 做的就是那个「一个人」的角色。

slock 的设计哲学里有一条:「一个 Agent 是一个 session:一个持续的身份,跨越数天和任务保持活跃。」Claude Tag、Viktor、Moxt,各自的路径不同,但都在做同一件事。不同团队在不同的路径上撞到了同一个结论。不是谁学了谁。是 Agent 的存在形态变了,底层限制一打破,不同的团队几乎同时看到了同样的可能性。

OpenClaw 打破了 Agent 的无状态限制。Agent 能记住之后,协作才成立。slock 赛道不过是这个变化长出来的东西。


Agent 进了组织之后

分发问题解决了。一个人调教好 Agent,交给全组织用。但下一步的问题马上来了:Agent 以什么形态住进组织?

目前两条路。

接入现有 IM。 Viktor 坐进 Slack 和 Microsoft Teams,$20M ARR,40,000 多个团队在用。Moxt 接入 Slack,觐开就是用它在 Linkloud 做的落地。Claude Tag 也是,Anthropic 没有另起炉灶,直接把 Claude 装进了组织已经在用的 Slack。Karpathy 说得直接:「I work from Slack now。」

自建 IM。 slock 自建了整个协作平台,自己的 channels、自己的 DMs。Agent 不是接入 Slack,是 slock 自己就是工作入口。helio 也是,王文锋做的是一个 AI-native 的工作空间,AI 同事有名字、头像、邮箱、日程。FloatIM 甚至为 Agent 重新设计了群聊协议。

这两条路看起来各有道理。但我们的观点很明确:自建 IM 这条路大概率走不通。

理由不复杂。

第一,IM 体验。 自建 IM 的 IM 体验永远超不过 Slack 和飞书。人家做了十几年,消息、搜索、文件、通知、emoji、thread,每一个细节都是时间堆出来的。自建一个和 Agent 协作的 IM,就是在和这些几十亿美金的公司在他们最擅长的领域竞争。

第二,切换成本。 切换 IM 的成本极高。组织的一切上下文已经在现有 IM 里。几年的聊天记录、文件、决策过程全在里面。让一个团队为 Agent 换工作入口,和让一个人为了一款新 app 换手机是两回事。觐开选 Moxt + Slack 而不是自建一个,就是这个原因。

接入路线不意味着产品没有分歧。相反,分歧更深。不是产品形态,是组织隐喻。

  1. 频道隐喻。 slock 和 helio 把 Agent 当作频道里的同事。@Agent 和 @真人一样的语法,对话长在 channel 里,上下文是连续的。

  2. 看板隐喻。 multica 把 Agent 放进看板,像接 ticket 一样接任务。26K GitHub Stars,开源路线。

  3. 公司隐喻。 buda 把 Agent 当雇员。Agent 是龙虾(执行),人是兔子(决策)。每个 Agent 有自己的 Drive、Memory、Skills。

  4. 文件系统隐喻。 moxt 的核心主张:MD 和 CSV 是 Agent 的母语,OS 文件目录是 Agent 的工作环境。不是给人用的文档工具加 AI 按钮。

  5. 知识层隐喻。 glean 不做 IM,不做 workspace,先索引企业一切数据,让 Agent 跑在索引上。$300M ARR,七年老兵。

隐喻不同,意味着每一家对「Agent 应该怎么工作」的基本假设不一样。

而在这些分歧之上,有几个问题是所有产品都绕不开的。

第一,scope 怎么切。 一个组织里要有多少个 Agent?按部门拆(财务 Agent、法务 Agent、研发 Agent)还是按流程拆?单个 Agent 的职责边界在哪?这本质是 Domain Agent 怎么划分的问题,目前没有共识。

第二,通信怎么搞。 群里有多个 Agent,你 @ 一下,谁回?都回就炸了。Agent 和 Agent 之间的对话,人要不要看到?看不到的话,它们天天在那发消息,出了问题谁负责。看得到的话,人的信息流被 AI 的对话淹没。通信风暴是真实的问题,不是理论上的。

第三,门槛怎么降。 slock 走本地优先路线,需要用户自己配 Codex 和 Claude Code。helio 走云端优先,开箱即用三步 45 秒。王文锋说本地优先「天然把门槛抬高」,但云端优先意味着 Token 消耗量提高了一个数量级。两条路在赌不同的人群。

这些问题的答案还没有共识。但问题本身说明了一件事:Agent 已经进了组织。剩下的不是「能不能」,是「怎么做得更好」。


FDE 的另一面

FDE 挣的不是卖人天的服务费,不是 Token 转售的利润。是你帮客户改造流程创造了超额收益,他离不开你的钱。

分发模式变了,组织里只需要一个人来调教 Agent。Agent 进了组织,scope 怎么切是所有产品都绕不开的问题。这些事都指向同一个角色:FDE。

关于 FDE,我 5 月写过一篇长文。概要就是:FDE 是嵌入客户环境的工程师,背靠平台,产物回流。Palantir 那套打法是 Echo 找问题、Delta 快速原型、Dev 抽象为平台能力。碎石路变铺好的路。

这是 Palantir 式的 FDE。 你有一个平台产品,派人进客户现场,做的方案回流到平台。收的是交付的钱。

但这次和 Creek Stone 聊完之后,我发现 5 月那篇漏了一个视角。

今年 5 月,OpenAI 联合 TPG 等 19 家机构砸了 40 亿美元成立 Deployment Company,专门往企业里派工程师。Anthropic 跟 Blackstone、Goldman Sachs 合作投了 15 亿美元成立企业服务实体。

这是模型厂商的 FDE。 和 Palantir 完全不是一回事。

要理解他们的做法,先看他们的位置。模型厂商手上有断层级别的模型。他们可以不发模型,或者保证内部 SOTA 比分开发模型领先六个月。垄断优势就这么来的。

有垄断优势,下一步自然不是卖 Token。是改造行业。

AI 是蒸汽机之后的下一场工业革命。每一个行业都会被重塑。重塑之后的行业,生产力高一个量级。改造成功,必然产生超额收益。他们要做的,就是从这些超额收益里分钱。

怎么做?三步。

第一,用 AI 改造工作流程。 进场不是卖软件,是用 AI 的方式把一家公司的工作流程重新做一遍。

第二,收超额费用。 改造成功,必然产生超额收益。没产生,说明改造失败了。产生了,就从超额收益里分走一大块。不是按 Token 计价,是按你多赚了多少钱来收。

第三,绑定。 工作流跑在他的模型上,数据喂给他的模型,模型越来越好,你越来越离不开。就像当年的 Intel Inside,芯片成了行业的基础件,谁也换不掉。

有垄断优势,自然会先进军利润最高的地方。金融、法律、医疗。精力有限,肯定从最肥的肉开始。

他们甚至不需要自己做每一家客户。Harvey 就是模板。Harvey 用 Anthropic 的模型服务律所,Anthropic 从 Harvey 的超额利润里分走一大块。Harvey 赚的是行业信任溢价:「我是一百亿美金的公司,我能兜底一亿美金的 case」。Anthropic 赚的是模型垄断溢价。各赚各的。

两句话区分:

  • Palantir 式 FDE:有平台,派人进场,收交付的钱

  • 模型厂商 FDE:有垄断,改造行业,分超额收益

独立 FDE 公司的机会在别处。隐形冠军。行业里排前三、年收入几个亿美金、利润率极高,但永远不会上头条的公司。制造业某个细分环节、物流供应链、跨境电商涉税合规。这些行业 Anthropic 不会亲自碰,但同样需要 AI 改造,同样能产生超额收益。

本质上,独立 FDE 赚的是 AI 认知差。你知道 AI 能干什么,这些行业里的人不知道。不是「听说 AI 很强」那种知道,是真正动手改造过、知道具体怎么干的知道。拿着这个信息差进场,帮他们完成改造,从增量里分钱。

但这个窗口不会一直开着。可预见的只能按六个月到一年去看。等大家都会了,认知差就没了。先找一家,先干进去。

李一豪那天说得最直接:你选一个行业钻进去,帮他把 AI 改造做完。他离不开你的时候,价格是你来开的。不进核心流程就不叫 FDE。


OpenClaw 打破了 Agent 的无状态限制,分发模式从「每个人都要会」变成了「一个人调教好,其他人直接用」。这是 slock 赛道今年爆了的根。

Agent 进了组织之后,产品形态在分叉,scope、通信、门槛全没有共识。但没有共识说明一件事:它已经进来了。

FDE 也是。以前觉得 FDE 就是 Palantir 那套,派人进场做交付。现在模型厂商自己下场,用垄断优势改造行业,从超额收益里分钱。独立 FDE 的机会在隐形冠军,挣的是 AI 认知差。

上面聊了这么多,其实都在说同一件事。AI 正在迅速从 C 端转入 B 端。不是 chatbot,不是个人效率工具。是怎么进组织,怎么改流程,怎么算钱。


附:文中提到的公司与产品

Linkloud — 华人 AI/SaaS 出海社区,通过线下沙龙、Workshop、先锋加速营(美国/日本游学)等服务帮助中国创业者打开海外市场。覆盖北京、上海、杭州、深圳、硅谷、东京等城市。没有研发团队。觐开是 Linkloud 的创始人。

Clink — AI-native 支付基础设施公司,总部 San Francisco。创始人 Patrick Wu。今年 4 月发布了世界首个 Fiat Agentic Payment Skill,让 AI Agent 用真实法币付款,在用户已有的信用卡上,用户设定限额。支持 135 种货币和 100 多种本地支付方式。投资方包括 Celtic、Baidu Ventures。「十几个人外加几十个 Agent 的公司。」

Creek Stone — 2025 年上海成立的 two-man VC 基金,LP 高瓴。创始人李一豪、钟陆欢(从弘毅资本出来)。专注垂直领域的 ASI、关键组件、Coding AI、AI 硬件。

slock(Raft) — Agent-native 实时协作平台,人和 Agent 在 channels 和 DMs 中平等工作。dxhuang(前 kimi CLI 作者)在团队中。王慧文首先出手,真格红杉跟进,三轮融资从发布到六千万美金估值不到两个月。

Viktor — 「AI employee that lives in Slack and Microsoft Teams」,前 Meta 工程师创业。20M ARR,40,000+ 团队。

Moxt — 「Build your AI-Native team」,每个 Agent 独立拥有 memory、skills、identity。接入 Slack。

Dust — 巴黎的 Multiplayer AI platform。$60M+ 融资,3,000+ 组织。

helio — Sheet0 团队王文锋的产品,AI-native team workspace。2026 年 4 月内测。

OpenClaw — Peter Steinberger 创建的本地部署自主 AI 助手。持久化记忆存在本地,Skills 系统。GitHub 247,000 stars。2026 年 1 月爆发。

Claude Tag — Anthropic 的 Slack 内团队 Agent。2026 年 6 月 23 日发布。per-channel identity,持续积累上下文。Karpathy 称其为 LLM UI 第三次范式。

FloatIM — Floatboat 的 Agent 原生消息层。为 Agent 重新设计群聊协议,三个开源组件 MIT 许可。创始人谭少卿,10 年 OS 级 AI 经验。$2M 种子轮,红杉中国+微光创投。

multica — 开源 Agent 管理平台,"Project Management for Human + Agent Teams"。把 Agent 放进看板接 ticket。26K GitHub Stars。支持 12 种 Agent runtime。

buda — 云原生多 Agent 工作平台。"用 Agents 开一家公司"。Agent 是龙虾(执行),人是兔子(决策)。每个 Agent 有独立 Drive、Memory、Skills。创始人陈霈霖。

glean — 企业 Work AI 平台。先索引企业全部知识,再让 Agent 跑在索引上。7.2B 估值。2019 年成立,创始人 Arvind Jain 前 Google 搜索 10 年。

Harvey — 法律行业 AI 平台。总融资超 110 亿。142,000+ 法律专业人士,60 家 AmLaw 100 律所。Anthropic 生态里的垂直品牌模板。


前文

跳转微信打开

  •  

《HelloGitHub》第 123 期

原创 HelloGitHub 2026-06-29 08:15 北京

兴趣是最好的老师,HelloGitHub 让你对开源感兴趣!每月 28 号更新。

兴趣是最好的老师,HelloGitHub 让你对开源感兴趣!

简介

HelloGitHub 分享 GitHub 上有趣、入门级的开源项目。

github.com/521xueweihan/HelloGitHub

这里有实战项目、入门教程、黑科技、开源书籍、大厂开源项目等,涵盖多种编程语言 Python、Java、Go、C/C++、Swift...让你在短时间内感受到开源的魅力,爱上开源!


以下为本期内容|每月 28 号更新

C 项目

1、keyd:Linux 系统级改键工具。这是一个 Linux 上的系统级键盘重映射守护进程,基于内核输入层(evdev/uinput)实现,无需依赖桌面环境,配置在 X11、Wayland 和 TTY 终端中均可生效。支持按下、长按设置不同动作、自定义按键组合,以及为不同键盘单独配置按键映射规则等功能。

地址:github.com/rvaiya/keyd

2、mbedtls:灵活易用的 TLS 库。该项目是用 C 语言编写的加密库,可用于实现加密原语、X.509 证书操作以及 SSL/TLS 和 DTLS 协议。它体积小巧、易于移植,并提供丰富的示例,适用于物联网和嵌入式系统等资源有限的设备。

地址:github.com/Mbed-TLS/mbedtls

C# 项目

3、PaperTodo:极简的 Windows 桌面便签工具。这是一款极简的 Windows 桌面便签工具,每张便签是独立无边框浮动窗口,无主窗口、无账号、无分类管理,内容自动保存。支持待办纸和笔记纸(轻量 Markdown 高亮)两种形态,可折叠成置顶小胶囊,自动贴到屏幕边缘。来自 @snownico0722 的分享

地址:github.com/snownico0722/PaperTodo

C++ 项目

4、luanti:开源体素游戏创作平台。这是一个开源体素游戏引擎,可以用 Lua 快速做出自己的 3D 方块游戏。它内置内容商店可直接下载来自社区的模组和游戏,支持单人、局域网和多人联机,可在 Windows、macOS、Linux 和 Android 上运行。

地址:github.com/luanti-org/luanti

5、SpeedyNote:老旧平板也能用的手写笔记工具。这是一款专为低成本设备优化的跨平台手写笔记应用,目标是在老旧平板上实现接近 iPad 的书写体验。它支持压感书写、多图层、PDF 批注和手写 OCR,可在 Windows、macOS、Linux、Android 和 iPadOS 上运行。作者想让无纸化学习平民化,同时为那些被遗忘在角落的旧设备注入新的活力。

地址:github.com/alpha-liu-01/SpeedyNote

Go 项目

6、chinese-poetry-api:开箱即用的中国古诗词 API 服务。该项目是用 Go 语言编写的中国古诗词 API 服务,收录了唐诗、宋词、元曲等近 40 万首作品。它提供 REST API 和 GraphQL 接口,支持全文搜索、IP 限流、按朝代/作者/诗型随机取诗和 Docker 一键部署。

地址:github.com/palemoky/chinese-poetry-api

7、fight-the-landlord:终端里的斗地主游戏。这是一款用 Go 编写的斗地主游戏,主打随机发牌、无控牌算法。支持联网对战、房间匹配、断线重连、记牌器、音乐开关等功能,还集成了快手开源的 DouZero 斗地主 AI,可作为机器人补位或对战。

地址:github.com/palemoky/fight-the-landlord

8、gopass:专为团队设计的命令行密码管理器。这是一款用于存储管理和同步密码、密钥与证书的命令行工具,可作为 UNIX 密码工具 pass 的替代品。默认用 GPG 加密和 Git 管理凭据,可通过 Git 仓库在多设备、多人团队之间同步。

地址:github.com/gopasspw/gopass

9、tinyauth:开源的零代码身份认证中间件。这是一个 Go 语言开发的极简认证中间件,可通过 Docker 快速部署。它能为任何 Web 应用或服务一键添加登录界面或 OAuth 登录(Google、GitHub 等),无需修改现有代码,可无缝集成到 Traefik、Caddy、Nginx 等主流反向代理,极大地简化了登录实现流程。

地址:github.com/tinyauthapp/tinyauth

JavaScript 项目

10、emdash:WordPress 的无服务器替代品。该项目是基于 Astro 构建的内容管理系统,可作为 WordPress 的替代品。它提供 WordPress 导入、可视化编辑、全文搜索、定时发布等功能,可直接运行在 Cloudflare 或本地 Node.js+SQLite 等环境上。

地址:github.com/emdash-cms/emdash

11、r2-web:纯前端的在线文件管理平台。这是一款纯前端的 Cloudflare R2(云存储)文件管理器,打开网页输入 R2 凭证,就能直接管理桶里的文件。它内置图片、视频、音频和文本预览,支持拖拽/粘贴上传、图片压缩、批量管理等功能。来自 @Viki9VD3M 的分享

地址:github.com/vikiboss/r2-web

12、react-scan:自动揪出 React 应用性能问题的工具。该项目是专门用来发现 React 应用性能问题的可视化调试工具,无需改动任何代码,只需添加一个 script 标签或运行一条命令,即可在页面上高亮显示哪些组件发生了不必要的重渲染,适用于 React、Next.js、Vite、Remix 等项目。来自 @JRZYgit 的分享

地址:github.com/aidenybai/react-scan

13、tiny-world-builder:在浏览器里搭建 3D 体素迷你世界。这是一个基于 Three.js 构建的 3D 体素世界编辑器,类似迷你版《我的世界》创作沙盘。无需安装打开网页即可搭建地形、修道路、挖河流、搭房子、种作物、摆道具,支持本地保存、导入/导出、车辆自动寻路和避障。

地址:github.com/jasonkneen/tiny-world-builder

14、tolaria:基于 Git 的本地 Markdown 知识库工具。这是一款用来管理 Markdown 知识库的桌面应用,每个知识库即一个 Git 仓库,天然拥有版本历史和变更记录。笔记以 Markdown 文件存储随时可迁移,并内置 MCP 服务器,支持 Claude Code、Codex 等 AI 工具直接读写知识库,适用于搭建个人第二大脑、沉淀团队文档或作为 AI 助手的长期记忆库。来自 @JRZYgit 的分享

地址:github.com/refactoringhq/tolaria

Kotlin 项目

15、shiguangschedule:极简的 Android 课程表。这是一款面向中国高校师生的开源 Android 课程表,可通过适配脚本一键导入,不同学校教务系统的课程数据,支持今日课表、桌面小组件、上课自动静音或开启勿扰模式等功能。来自 @星河欲转 的分享

地址:github.com/XingHeYuZhuan/shiguangschedule

Python 项目

16、ASCILINE:把视频变成字符流的引擎。这是一款跨平台的实时 ASCII 视频渲染引擎,可实现 30 FPS 的流畅播放效果,支持 URL 直接播放、音视频同步、自适应帧编解码等功能,ASCII 模式下无需 GPU 即可流畅运行。

地址:github.com/YusufB5/ASCILINE

17、black:省心的 Python 代码格式化工具。该项目是由 Python 软件基金会(PSF)官方维护的代码格式化工具。配置项少、结果可重现,只需一条命令,代码就会变成统一风格,彻底消除团队的代码风格之争。来自 @Xuefeng Xu 的分享

地址:github.com/psf/black

18、mpmath:任意精度的 Python 数学计算库。该项目是可以计算到任意小数位的 Python 库,支持求根、线性代数、微积分、实数和复数运算等功能,适用于处理普通浮点数不够用的高精度数值计算场景。来自 @Xuefeng Xu 的分享

地址:github.com/mpmath/mpmath

19、Scrapling:自适应网页改版的 Python 爬虫框架。这是一款自适应的 Python 爬虫框架,解析器会学习网站结构变化,在页面改版后自动重新定位目标元素。内置开箱即用的抓取器,支持多会话并发、断点继续、域名屏蔽和 MCP 服务等功能。来自 @Karim shoair 的分享

地址:github.com/D4Vinci/Scrapling

20、winpodx:把 Windows 应用“嵌”进 Linux 桌面的工具。这是一款在 Linux 上运行 Windows 应用的开源工具,无需进入完整的 Windows 桌面。它会在后台用容器起一个 Windows 系统,并通过 FreeRDP 把每个 Windows 应用变成独立原生的 Linux 窗口,支持固定到任务栏、Alt-Tab 切换、文件关联和 USB 设备。

地址:github.com/kernalix7/winpodx

Rust 项目

21、llmfit:一条命令找出本地能运行的模型。这是一款用 Rust 编写的终端工具,能够自动检测本机的 CPU、GPU、内存等硬件信息,并推荐适合本地运行的大模型。它会从质量、速度、适配度和上下文等维度给模型打分排序,支持 Ollama、llama.cpp、MLX、vLLM、LM Studio 等主流本地推理环境。

地址:github.com/AlexsJones/llmfit

22、rerun:物理 AI 的多模态数据可视化平台。这是一款专为机器人和物理 AI 场景打造的多模态数据可视化平台,支持图像、点云、时序数据、关节状态等随时间变化的传感器数据。它内置实时查看器支持回放和多传感器并排对比,可通过 DataFrame 或 SQL 查询数据,并提供 Python、Rust 和 C++ SDK。来自 @Jas0nG 的分享

地址:github.com/rerun-io/rerun

23、smolvm:亚秒级冷启动的虚拟机管理工具。这是一款轻量级的虚拟机管理工具,虚拟机冷启动不到一秒。让你用接近容器的体验,获得虚拟机级别的隔离,兼容 Docker 镜像,支持将虚拟机打包成单个可执行文件,方便迁移和运行。

地址:github.com/smol-machines/smolvm

Skills

24、academic-research-skills:用于学术研究的 Claude Code 技能包。这是一套面向学术研究的 Claude Code 技能包,将查文献、引用验证、数据核查、逻辑一致性检查和写作风格校准等繁琐的工作交给 AI 处理。它不是替你写论文,而是让你专注于提出问题、选定方向和解读结论。

地址:github.com/Imbad0202/academic-research-skills

25、ponytail:让 AI 编程助手少写代码。该项目是把一位懒得多写一行代码的资深程序员,装进你的 AI 编程助手的技能包。让 AI 少写代码,防止过度工程化,可减少约 54% 代码量、20% 花费和 27% 时间。

地址:github.com/DietrichGebert/ponytail

26、stop-slop:让 AI 写作少一些套路。这是一个专门用于去掉 AI 味的写作技能包,让模型在生成、润色和审稿时主动规避那些一眼像 AI 写的句式,比如套话开场白、商业黑话、夸张转折、无意义金句等。

地址:github.com/hardikpandya/stop-slop

27、text-to-cad:一句话生成 CAD 模型的技能包。这是一套赋予 AI 智能体 CAD 建模能力的技能包,支持通过自然语言或参考图片生成、修改和校验 CAD 模型。以 STEP 为主格式,可导出 STL、3MF、GLB 等文件,还支持生成 URDF/SRDF/SDF 机器人描述文件和浏览器本地预览等功能。

地址:github.com/earthtojake/text-to-cad

Swift 项目

28、Atoll:把 MacBook 刘海变成灵动岛的应用。这是一款用 SwiftUI 写的 macOS 工具,能够将 MacBook 顶部的刘海变成类似灵动岛的多功能控制中心。它平时隐藏于屏幕顶部,支持 Apple Music/Spotify 媒体控制、CPU/GPU/内存等系统监控、计时器、剪贴板历史和日历预览,并提供锁屏小组件和手势操控。

地址:github.com/Ebullioscopic/Atoll

29、MacTools:住在菜单栏里的 macOS 工具集合。这是一款免费开源的 macOS 菜单栏工具,将一堆常用的系统操作和实用功能放到菜单栏里,支持防休眠、自动隐藏 Dock、系统静音、Xcode 清理、弹出磁盘、清空废纸篓、IP 查询和翻译等功能。

地址:github.com/ggbond268/MacTools

人工智能

30、CapsWriter-Offline:超低延迟的离线语音输入工具。这是一款完全离线的语音输入工具,按住 CapsLock 键说话、松开即可转换为文字。支持实时语音识别、音频文件转录、数字格式转换、热词替换、LLM 润色等功能,所有录音均保存在本地,还可放进 U 盘即插即用。来自 @Anouâr 的分享

地址:github.com/HaujetZhao/CapsWriter-Offline

31、GOD:AI 智能体小镇。这是一款本地优先的多智能体模拟和实时操控平台,不同于只能旁观的 Agent 模拟器,支持随时暂停/回放、注入干预指令、向单个或全体成员提问,以及一键重置整个模拟世界和多种地图包。来自 @Yige Luo 的分享

地址:github.com/XiaoLuoLYG/GOD

32、OpenMAIC:开源的 AI 互动课堂平台。该项目是由清华团队开发的多智能体互动课堂平台,可将任意主题或文档一键生成沉浸式课程,AI 老师和智能体同学实时授课、讨论、互动。它内置白板绘图和语音合成,课程可导出为 PPT 或交互式网页,支持 3D 可视化、模拟实验、小游戏、思维导图和在线编程。来自 @猪笑驴脸长 的分享

地址:github.com/THU-MAIC/OpenMAIC

33、train-llm-from-scratch:从零开始训练大语言模型。该项目是手把手带你从零训练大语言模型的实战教程,不是简单调用 transformers 跑个示例,而是用 PyTorch 从底层实现 Transformer、预训练、监督微调、奖励模型和评测的完整流程。

地址:github.com/FareedKhan-dev/train-llm-from-scratch

34、vllm-omni:全模态模型推理框架。该项目是由 vLLM 官方开源的全模态推理与服务框架,在 vLLM 基础上扩展了图像、视频、音频的输入与生成能力,同时支持自回归模型与扩散 Transformer(DiT)等非自回归模型。

地址:github.com/vllm-project/vllm-omni

其它

35、Echo-Loop:把英语音频变成听说训练的应用。这是一款专注于英语听说训练的应用,帮助用户把一段音频从完全陌生练到听懂会说。支持导入本地音频和字幕,提供逐句精听、意群划分、跟读评分、段落复述等功能,还可将生词连同原句语境一起存入闪卡随时复习。学习进度自动保存,下次打开直接从上次的句子继续,让碎片时间也能高效利用。来自 @echo-loop 的分享

地址:github.com/echo-loop/Echo-Loop

36、micro-radar:放在桌上的迷你航班雷达。这是一款基于 ESP32-C3 的开源桌面航班雷达。它不是真的接收 ADS-B 无线电信号,而是通过 Wi-Fi 从 OpenSky API 获取附近实时航班数据,并将其显示在 1.28 英寸的圆形屏幕上。

地址:github.com/AnthonySturdy/micro-radar

37、optocamzero:用树莓派自制的口袋数码相机。这是一款基于 Raspberry Pi Zero 自制的迷你数码相机,小到能直接塞进口袋。它配备 1.4 英寸 LCD 屏幕和自动对焦摄像头,支持拍摄 2592×2592 像素的照片、GIF 录制、8 种滤镜和 Wi-Fi 传输照片。

地址:github.com/dorukkumkumoglu/optocamzero

38、tab-harbor:安静的新标签页工作台。这是一款将 Chrome 新标签页变成浏览器工作台的插件,能够自动按域名分组整理标签页。支持手动分组、快捷链接、会话保存与恢复,可一键清理重复标签、标签休眠,同时所有数据均保存在本地。来自 @fxdy2004 的分享

地址:github.com/V-IOLE-T/tab-harbor

最后

感谢参与分享开源项目的小伙伴们,欢迎更多的开源爱好者来 HelloGitHub 自荐/推荐开源项目。

希望本期内容有你感兴趣的开源项目,兴趣是最好的老师,它能点燃你对开源的热情、勇敢地迈出第一步,随时欢迎你加入开源的大家庭!如果还没看过瘾,点击阅读 往期内容。

图片

点击阅读原文可按照编程语言浏览项目

阅读原文

跳转微信打开

  •  

GIAC 2026 圆满落幕:AI Native 进入深水区,技术组织如何重构?

高可用架构 2026-06-27 18:57 中国香港

Image

6月26-27日,由msup和高可用架构联合主办的 GIAC 全球智能应用开发与架构大会,在深圳好日子皇冠假日酒店隆重举行。本届大会紧扣「大模型产业化落地」这一核心议题,集结了快手、字节跳动、腾讯、喜马拉雅等一线研发创新负责人,共同呈现50个源自真实业务场景的前沿架构案例。议题全面覆盖生成式AI、AI安全、Agentic AI、多模态等年度热点技术方向,每个案例均经过严格筛选,确保为参会者带来可落地的工程智慧与创新灵感。

Image

开幕式精华

本届大会开幕式,立足2026年技术新坐标,以 “从模型到产品,从产品到产业” 为主线,为现场500+听众呈现年中首场硬核架构实践,确保每一位参会者带走的不只是趋势判断,更是可复用的工程范式。如下是5位大咖的干货分享:

刘付强:用工程师文化构建 AI-Native 组织

_

Image

msup创始人兼CEO、微上信息技术研究院院长刘付强以“用工程师文化构建 AI-Native 组织”为题进行分享。他指出企业不应仅仅停留在工具使用或Token消耗的层面,打造 AI-Native 组织的核心在于实现“从研发层到经营层”的认知升维,将技术真正融入商业模式的血液中。他基于最新的实战观察,提出了迭代后的“DRIVE”模型,以五个维度构建组织竞争力的护城河:

关键实践一:技术战略解码,从“支撑”走向“引领”。摒弃“用技术的勤奋掩盖战略的懒惰”。重新定义技术委员会在组织中的定位,使其不只是技术选型部门,而是由一号位主导,预判拐点、制定三年至五年“技术战略屋”的核心部门,确保技术直接驱动商业增长与收入模式的重构。

关键实践二:团队认知重塑,实现“战略与能力的上下同欲”。不仅是工程师的技能升级,更核心的是一号位及中高层对AI战略的认知对齐。通过“训战营”而非单一培训,通过定标、对标、达标,打通从战略意图到一线落地的链路,确保左膀右臂与核心岗位能够承接并执行AI战略。

关键实践三:构建试错土壤,培育智慧涌现的机制。好的管理不是控制KPI,而是激发创新。企业应通过设立创新基金、荣誉体系及常态化的“Hackathon”机制,培育容错土壤,鼓励跨部门结对、揭榜挂帅,像种植花草一样为组织注入阳光雨露,让创新自然发生。

关键实践四:跨越技术鸿沟,完成“技术管理”到“技术经营”的转型。识别并规避创新陷阱。科技型领军者需打破“研发即一切”的桎梏,主动向业务向上,向经营靠拢。以CEO的视野审视技术团队,将技术能力转化为商业SaaS模式或结果导向的经营成果,真正实现技术与商业的一体化。

关键实践五:效能生态化,将“组织能力”封装为API。效能的核心从资源储备转向资源的流动性。通过构建企业内部的“API平台”或“MCP模式”,将部门能力封装为易被调用的Skill。不仅要成为被企业内部调用最频繁的模块,更要努力成为外部生态可调用的高效节点,实现组织能力的数字化封装与价值释放。

蒋力:
Google Cloud Agentic AI 打造出海“超级引擎”

_

Image

Google Cloud AI GTM 专家蒋力为大家带来了《Google Cloud Agentic AI 打造出海“超级引擎”》的话题分享。AI正从单一模态和效率工具,全面演变为驱动业务增长的超级引擎。从纯文本拓展到原生多模态,从试点工程迈向大规模生产落地,AI已经发生了质变,并催生了以Token为核心的新经济模式,标志着Token经济已从概念走向实实在在的爆发。

面对这一趋势,Google自身正全面转型为AI-first组织。在底层配备了从训练到推理的全链路专用芯片,为海量AI原生应用提供坚实支撑。

对于企业出海而言,Google Cloud提供了独一无二的全栈式AI解决方案。从底层算力、自有大模型到上层应用,均由统一技术栈深度优化,实现效率的指数级提升,已帮助众多全球用户大幅节约成本、提升服务响应速度。同时,Google Cloud也是提供生成式AI训练与输出数据赔偿保证的云服务商,全面覆盖数据、版权及合规风险,并通过数字水印等技术确保资产可追溯。Google Cloud期待与更多企业携手,借助Google的AI超级引擎与全球生态,在全球市场扬帆远航。

李思:迈向AINative:技术团队的范式跃迁与组织进化

_

Image

快手主站 AIDevops 负责人李思带来了《迈向AINative:技术团队的范式跃迁与组织进化》的精彩分享。他分享了三个模块,分别是宏观判断、千人级实践和组织进化。这不是一个成功故事,而是一个还在演进的过程。

89%的企业已把AI投入实际业务,但生产力提升只有0.29%。DORA报告也显示,个体效能上去了,组织效能却没变。AI到位了,研发体系还是老样子,必须围绕AI重新设计。

过去一年踩了不少坑。24年下半年代码生成率从17%涨到30%,交付周期却没变。后来发现只有不到10%的工程师真正变了,差异不在用不用AI,而在有没有改变工作方式。快手把范式分成L1辅助、L2协作、L3自主,走两条路:L1到L2铺开,L1到L3特定场景突破。但个人快了组织没快,AI越快人和人协作摩擦越大,人机摩擦也成了新负担,根源在围绕人设计的结构卡住了AI。

解法就是三层重构。信息层面让AI能拿到知识,流程层面从串行改成Agentic模式,组织层面交付和守护分开、产研边界溶解。后面直播礼物的案例就是三层重构的落地缩影——方向、分镜、生成、评审都由Agent做,人只定目标,上新周期从20天压到4天以内。目前L2已成主流范式,较L1周期缩短20%到30%。

往前看还有验证规模化和先锋队模式两个难题。但说到底,变革落在每一个人身上。知识能被看见,品味和判断却很难,组织得给这些看不见的价值一个位置。人人都在加速,也要给远见留空间。AI跳过了慢慢写的过程,更要给年轻人慢慢生长的机会。范式在变,组织在变,底色永远是每一个工程师。

张宏波:
从“会生成”到“可交付”:AI时代的软件工程、语言上限与可靠性

——以MoonBit生态增长与大规模迁移实践为例

_

Image

来自粤港澳大湾区数字经济研究院基础软件中心首席科学家张宏波,带来了主题为《从“会生成”到“可交付”:AI时代的软件工程、语言上限与可靠性——以MoonBit生态增长与大规模迁移实践为例》的精彩分享。他认为,AI原生编程语言完全有可能。尽管有人质疑新语言缺语料,但过去半年用AI复制MoonBit生态的经验表明,软件工具链重构后,编程语言作为AI入口,值得为智能体全新设计。

AI时代软件工程面临四大挑战:可维护性—AI代码难转成长期资产;工具链碎片化—传统工具分散,AI上下文有限无法拼接;可靠性—Copilot生成代码三到四成有漏洞,人已无力审查;部署难—跨平台分发仍是瓶颈。

新语言能做减法:语言层减少历史包袱、提供更强护栏;反馈层统一编译、测试、诊断,让AI快速迭代;部署层一套代码输出Wasm/JS/Native,降低学习成本。但冷启动需3-4年高强度投入积累语料。意大利学者论文显示,MoonBit语料仅Gleam七分之一时,AI生成效果反而更好,证明AI友好设计确有其事。

通过类型系统和语义重构接口保障可维护性;将编译器、构建、IDE等统一到moon入口,解决碎片化;引入形式化验证确保安全;多后端和轻量Wasm支持跨平台部署,自带沙箱保护IP。整个生态可自动包装成Agent Skill,如PPT库编译为Wasm后无需安装即可调用。MoonBit的定位不只是一门语言,而是从语言设计开始的垂直整合软件生产线,覆盖编译、构建、测试、验证到部署全链路。

李朝明:
CLI原生·Agent共生——快递100的AI Native实践与开放生态

_

Image

快递100产研中心负责人李朝明带来了《CLI原生·Agent共生——快递100的AI Native实践与开放生态》的主题演讲。他表示,快递100 从2010年成立以来,一直在回答客户三个问题:货发了没有、货到哪里了、什么时候能到。去年快递100发布了中国首个快递物流网络数智图谱,通过AI加Data的能力,首次真正回答了“什么时候能到”这个困扰行业多年的问题。三个问题都回答完之后,这次会上又提出了新三问——用什么快递公司寄最合适、快递员什么时候上门取件、出了问题怎么办——其实都在回答同一个命题:快递物流的确定性。

经过一年进化,快递100网络数智图谱覆盖度从10家拓展到近15家主流快递公司,智能时效预估已服务超千家企业的5亿次调用。今年还衍生出新能力“智选运力”,能精确到小区楼栋,根据客户的位置和寄件需求,从网络图谱里推荐最匹配的快递品牌和运力,让确定性服务真正落地。

在AI Native的探索中,快递100总结出适用于他们的AI领创方法论,也就是端云协同+两个结合+CLI&Skill&MCP。他们把自己的能力封装成三大AI原语——CLI是命令管道,让AI直接调用;Skills是封装好的意图加执行链,指导AI如何使用;MCP是标准化协议,任何遵循MCP的AI都能接入。这三者共同构成AI可理解、可执行的原子化能力。

基于图谱和原子化能力,快递100还推出了全流程经营Agent“果宝”。它不是一个对话框,而是能独立上岗的数字员工——面向个人是AI快递助手,面向企业是AI快递管家,面向快递员是AI快递小哥。果宝具备自我进化能力,能够每天复盘工作、补齐知识,越用越聪明。

李老师分享结束后,小芒电商产研总监兰勇、雷赛智能IT总工涂楠、中捷通信有限公司物流事业部总经理助理兼电信业务中心经理兼翼快递孵化中心经理黄志中、北京芬香科技有限公司研发负责人苏金波、广东省快递行业协会秘书长助理何惠娟、Msup创始人兼CEO暨微上信息技术研究院院长刘付强、快递100总经理陈登坤、快递100副总经理兼首席产品体验官陈武强等八位嘉宾共同上台,见证快递100 AI Native新品发布。

Image

从代码开发到智能系统交付:

Agentic Coding 时代的

程序员新范式

本次开幕式新增了圆桌对话环节,GIAC 发起人,高可用架构发起人Tim Yang作为主持人、AfterShip CTO 洪小军、Lovstudio.ai创始人手工川、盛大集团EverMind COO韩云芸三位嘉宾,分享了各自领域的关键突破:

Image

关于程序员数量,大家的共识是传统写代码的岗位会减少,但更综合、更复合的高级群体会增加,编程会像数学一样成为普遍技能。在真实研发实践中,目前很多团队已无人写代码,全流程由AI和Agent串联,但挑战在于与外部协作仍需人类处理,同时要用更充分的上下文、更完善的验证和权限控制来应对AI犯错。关于新人该学什么,数据结构、计算机组成和哲学是基础,但学会学习、掌握与AI沟通的方式更重要。资深工程师的价值不可替代,他们能端到端负责事情、做关键决策和促成团队协作,懂得AI的边界,知道什么时候需要兜底。招聘和晋升时,大家更关注候选人做了什么、能否让一群人变快,以及是否有解决过棘手问题和展现Humanity关怀的特质。判断力、协作能力和对AI边界的理解,是未来工程师最稀缺的能力。

至此,GIAC开幕式圆满结束,各位嘉宾纷纷表示收获满满,期待明年和大家再聚。

跳转微信打开

  •  

TRAE Work Design 初体验:设计领域的翻译器

原创 刘飞 2026-06-25 21:23 上海

谁都能用 AI 的时候,关键不是看 AI,关键是看谁用。

1

最近试了一下 TRAE Work 新上的 Design 模式。

TRAE Work 和 TRAE IDE不一样,前者是面向普通用户的工作流的,后者更多是面向代码生产的。这也是一个本地运行的软件(也可以云端运行),所以能够检索和使用本地的文件和脚本。

自从 Claude 有了 Design 能力之后,我身边很多朋友就一直在等国内有没有类似的产品。现在终于来了。

用下来之后,我的第一感受是,TRAE Work Design 当然不是一个「让所有人都成为设计师」的产品。这个说法过于营销,不太准确。它更像是一个设计领域的翻译器。

过去我们的一个想法,要经历很多次翻译。

脑子里的想法,要翻译成需求文档;需求文档,要翻译成原型;原型,要翻译成设计稿;设计稿,还要翻译成代码。每一层都可能丢东西。老板说「高级一点」,产品经理可能理解成「信息层级更清楚」,设计师觉得是「留白更多、颜色更克制」,开发会说「又要改按钮样式」。过程中信息的失真程度太高,就跟传话游戏一样,最后东西经常不对。

TRAE Work Design 的意义,是把中间最费劲的一层翻译成本降下来了。用自然语言描述一个页面、一个产品、一套模板,它能先翻译成一个可视化结果。这个结果可能不完美,但重要的是,它终于变成了一个可以看的东西、可以点的东西,尤其是,一个可以继续改的东西。

这件事比单纯「AI 生成一张图」重要得多。

2

先说最直接的场景,产品原型。

我之前做过一个很小的游戏库 App,叫 Gamepix。功能很简单,就是收录自己玩过的游戏,记录起来作为游戏墙,是一个自己的游戏档案。

这种产品如果只是用文字讲,其实很难说清楚它应该长什么样。说「现代一点」「干净一点」「适合 iOS」,听起来都没问题,但千人千面,不同人脑海里想的是不一样的。

我就让 TRAE Work Design 帮我做这个 App 的主界面。

第一版,它做的是比较素雅的深色画廊风格。背景是深灰黑,紫色作为品牌色,游戏封面卡片排成两列,搜索栏、筛选器、底部 Tab 都比较克制。

注意,这个界面里的各个元素都是可以交互的。比如下面这些小标签,都可以直接通过可视化的操作调整。也可以直接添加到对话,让 AI 修改。

这就是翻译器的意义。

以前我们讨论设计风格,经常都在讨论形容词。什么叫「有质感」?什么叫「年轻」?什么叫「不要太互联网」?什么叫「高级但不要太冷」?什么叫「五彩斑斓的黑」?现在可以先生成出来,不是问大家「高级是什么意思」,而是直接把三版做出来:到底哪个更高级。

这个画布相当于就是一个靶子,至少让大家讨论的时候有的放矢。

这对产品经理和独立开发者非常重要。这个并不代表绕过设计师做最终稿,而是需要一个更接近正式产品的半成品。低保真原型太抽象,老板看不懂,开发也容易误会。而高保真设计又太重,需求还没定,就拉设计师出三版,资源也协调不开,最后就会卡在这。

一个可交互的 Demo 不光能可视化呈现大致的效果,更关键的是,如果后面继续进入 Code 模式,很多东西也不用再重新解释一遍。这也是之前 Figma 非常重要的一个价值。

过去从需求到设计、从设计到代码,每一层都有转译损耗。现在有了 AI design 工具,这个损耗会少很多。或者说,大家有种语言统一的感觉。

3

如果说刚才说的案例离大部分人还比较远。那么接下来我们说说别的。

其实设计这件事,在我们日常生活工作里面也是常见的。比如 PPT。

我之前用 AI 生成 PPT 试过很多工具。第一眼乍一看会觉得还行,甚至有时候挺惊艳。但真到关注细节的时候,发现问题可以说是琳琅满目。什么字号不统一、配色对不上、排版错位、图片位置诡异、文字太多、留白太少等等。如果让 AI 改,可能 A 改好了,B 又乱了。最后我通常都发现,比起来一遍遍抽盲盒,不如自己手搓。

对于大部分人来说,我始终觉得,理想中的 AI PPT,不是「一键生成完整 PPT」。真正的用户需求通常是:先定一套自己认可的模板,固定字体、颜色、版式和排版规则。以后每次把文稿喂进去,AI 理解内容之后,按模板填进去。

这次我就尝试让 TRAE Work Design 先做一套 PPT 模板。

一开始,我给的要求很简单:稳重、干净,适合商业和技术内容,不花哨,信息清晰。它生成了几种固定版式:封面页、章节过渡页、左文右图页、纯文字论点页、数据图表页、结尾页。

这一步看起来跟别的工具差不多。但其实是在建立一套表达规则。

我继续说,背景要更有高级感,想要克莱因蓝风格,要漂亮一点的底纹,文字不要罗列太多,字号放大。于是它把整套模板改成了克莱因蓝背景,加了几何底纹和很轻的内发光,把每页文字从段落改成关键词。

同时我给了他一篇我之前做的播客文稿的原稿。效果变成这样:

比如原来这一页第一行写的是:

「1900 年出生,父亲是鞋厂缝纫工,中学毕业后做面包师学徒,但志不在此,转而学习制鞋手艺。」

它会按照我的要求把它简化,改成:

「1900 年出生 · 鞋匠世家」

中间会有一些细节,比如章节过渡页里大号数字「02」的位置很奇怪,放在左侧垂直居中,显得特别突兀。我可以直接选中这一页说,这个数字位置不对,放到左下角。这个一下就可以改好。

正如前面所说,这种小修改看似不起眼,但是多了之后会非常麻烦,每次制作 PPT 的时候最头疼的就是这些步骤。这次如果规范建立了,接下来的所有的 PPT 都可以按照这个模板来。

这才是 AI Design 产品和传统设计软件很不一样的地方。传统设计软件考验会不会操作、记不记得功能具体的地方,AI Design 考验的是能不能把问题说清楚。

AI 工具好不好用,不应该看它第一次能不能「蒙对」,而应该看它错了之后,好不好改。TRAE Work Design 更像一个可以不断对话的设计助理。而且它也能有记忆。

4

对于内容创作者来说,也可以有自己的一套 VI 系统了。过去想要有这种设计系统,可能要花钱请外包团队,或者白嫖自己的设计师朋友。

现在要简单很多。

比如我做公众号,经常需要文章头图。头图当然可以用统一的字体模板,但是这种设计略显简陋。而如果每次都专门微调设计一个头图,成本又比较高。

这就可以让 TRAE Work Design 做一套头图设计系统。

我给他的需求是:科技商业类公众号,内容方向包括 AI 工具测评、科技史叙事、商业观察。整体要克制、干净、有杂志感。不要科技公司那种冷感渐变和发光,也不要营销号那种大字塞满的风格。

第一版是深色的。深海军蓝背景,白色标题,右下角固定「刘言飞语」署名。右侧会有一个淡淡的线框图,来体现主题。

后来我又想换成石膏白黄风格。底色变成暖白石膏,标题变成深炭黑,竖线变成暗金色。增加了镂空效果。

这套头图系统的关键不是某张图好不好看,还是规则固定了。背景、线条图案、标题效果是固定元素;每篇文章只替换标题文字,根据字数微调字号。这样以后不用每次从空白画布开始,也不用每次重新跟 AI 说一遍要求。

一说「设计系统」,会觉得这是大公司设计团队才会用的东西。但其实,就跟 Excel 模板、合同模板、邮件模板一样。一个设计系统本质上就是降低重复工作的边际成本。每次做 PPT,不用重新想版式;每次做公众号头图,不用重新想颜色;每次做网页,不用重新想按钮圆角、字体层级和卡片样式。这就是系统的价值。

5

AI Design 并不会让人人都是设计师,就像 AI coding 也并不会让每个人成为独立开发者一样。

AI Design 真正降低的不是审美判断的门槛,而是表达和执行的门槛。它让更多人可以把脑子里的想象先拿出来,不需要先熟练掌握 Figma、Photoshop、PowerPoint 的各种功能,才能看到一个初步结果。可以先说出来,生成出来,再改。

但这不代表专业能力不重要了。恰恰相反,当大家都能生成一个「看起来还行」的页面,真正稀缺的就是判断力。

设计师不会失去价值。以后更重要的可能不是会不会画出一个按钮,而是能不能定义系统、判断风格,以及知道一个页面为什么「看起来好像不对」。为什么同样是极简,有的像 Apple,有的像毛坯?这些判断,要么是需要有大量经验积累的,要么是需要专业训练的,并不是自然具备的。

产品经理也一样。以前产品经理有一部分能力是中间态技能:写 PRD、画原型、做流程图。这些当然还会有价值,但如果 AI 能更快生成可视化原型,产品经理的价值就会继续往前移:能不能定义问题,能不能拆需求,能不能判断优先级,能不能知道拥挤的首屏到底该放什么,这些会更重要。

对于内容创作者也一样。以前不会设计,就只能凑合;现在可以做自己的公众号头图系统、PPT 模板、官网页面。工具会让个人表达更像一个完整品牌,而很多个体的品牌也会变得更加重要。前提还是,你得知道自己想要什么。

说到最后,AI 会放大内在丰富的人,也会暴露没有思考的人。

很多人过去说自己有个点子,就差一个程序员,有了 AI coding,这句话越来越站不住了。接下来可能还会有人说,我有个产品,就差一个设计师。Design 这类工具出现后,这个借口也会少一点。

不是说真的不需要程序员和设计师了,而是说至少可以先把第一版东西做出来看看。一个想法到底有没有价值,不用再永远停留在「我就是没有他们有资源」,而是真的可以拿出 Demo 来,先把问题暴露。Talk is cheap , show me the demo。

很多想法都是异想天开的。比如「做一个年轻人的社区」「做一个打败滴滴的网约车平台」「做一个更懂用户的内容产品」。这种话可以在会议室和咖啡馆说上三天三夜,但交给 AI 做出来,放到应用商店里给人用,结果会更加直观。

AI 是翻译器,但不是作家。原文写得随意,译文不会变成文学名著。

谁都能用 AI 的时候,关键不是看 AI,关键是看谁用。

跳转微信打开

  •  

AI专栏 | 上下文越多,Agent 越笨?开源框架 Flow2Spec 给出另一种答案

原创 Lands 2026-06-25 17:00 上海

让项目在开发中自然长出知识图谱

作者简介

Lands,携程高级前端开发工程师。专注工程化实践、性能调优与底层架构设计。拥抱 AI 浪潮,推动 AI 辅助编码与 D2C 全链路落地,用前沿技术极致提升开发效率,重塑研发生产力。

一、前言

二、只做“记忆”为什么不够

三、Flow2Spec的关键差异:开发过程生成知识图谱

四、知识库接口:不是一个大文档,而是一套路由协议

五、渐进式读取:AI 每次只拿该拿的知识

六、多依赖能力:不让 Agent 只读到一半规则

七、知识库正确性:不是写了 topic 就算完

八、意图识别:不是所有话都应该自动进流程

九、一个更真实的开发闭环

十、它不只管知识,也管开发闭环

十一、和普通知识库最大的区别

十二、几个常见问题

十三、适合什么项目+快速体验

一、前言

最近一年,很多 AI 编程工具都在解决同一个问题:让 Agent 记住项目上下文。

这件事当然重要。但现在只说"项目记忆""上下文管理""规则文件",已经不够了。

因为很多开源项目都在做类似的事:写一个 AGENTS.md/ CLAUDE.md,加一组 rules,建一个 docs 目录,让 Agent 先读项目说明,或者接入向量库做检索。

这些方案能缓解问题,但我真正想解决的不是"启动时塞给 AI 一堆上下文"。我想解决的是:

在真实开发过程中,项目知识能不能被持续沉淀、自动路由、持续验证,并且随着代码一起演进。

这就是 Flow2Spec。一句话介绍:Flow2Spec 是一个让项目在开发过程中自然长出知识图谱的 Agent 工程框架。

二、只做“记忆”为什么不够

很多项目接入 AI 后,会很快遇到一个悖论:你希望 AI 多了解项目,但你给它的上下文越多,它越容易读不完、读偏、忘掉重点。

于是大家不断加规则:先读这个文件,再读那个目录,这个模块不能改,那个接口有历史兼容,改完记得更新文档……最后上下文变成另一种负担。它看起来像知识库,实际上更像一个不断膨胀的说明书。

Flow2Spec 的判断是:项目知识不能只靠"写下来",还要能被路由、被组合、被校验、被持续更新。

三、Flow2Spec 的关键差异:开发过程生成知识图谱

Flow2Spec 不是要求你先做一场大规模文档工程。它更推荐的方式是:

  1. 先 flow2spec init 初始化一个空骨架

  2. 用 f2s-doc-arch 生成项目架构说明,沉淀进知识库

  3. 真实需求来了,Agent 先按现有知识路由

  4. 功能实现后,用 f2s-kb-sync 把本轮确认的事实同步回知识库

  5. 下一次类似需求,再从这份知识中渐进读取

知识不是一次性建设出来的。它是在需求澄清、技术方案、代码实现、修复问题、知识同步、提交代码的过程中逐步长出来的。

这也是 Flow2Spec 和普通"项目记忆文件"的区别:普通方案更像给 Agent 一份说明书;Flow2Spec 更像给项目维护一张可演进的知识图谱——落在仓库里的 .Knowledge/ 中,能 diff、能 review、能随代码提交。

四、知识库接口:不是一个大文档,而是一套路由协议

Flow2Spec 的知识库有一个明确的接口结构:

    .Knowledge/
      manifest-routing.json   # 机读路由清单
      matchers/               # 关键词分片
      topics/                 # 主题摘要
      stock-docs/             # 已落地能力长文档
      req-docs/               # 需求 / 技术方案文档

    Agent 的读取顺序不是自由发挥,而是按协议走:

      manifest-routing.json
        -> matcher 分片
        -> topic 摘要
        -> topicDependencies
        -> stock-docs / req-docs
        -> 源码兜底

      这套结构的价值在于:知识库对 Agent 暴露的不是"文件",而是"怎么找到正确知识"的接口。

      manifest-routing.json告诉 Agent 有哪些主题;matchers/*.json告诉 Agent 这个需求可能命中哪些主题;topics/*.md给 Agent 短摘要和硬约束;topicDependencies告诉 Agent 哪些前置规则必须一起读;stock-docs/和 req-docs/只在需要时下钻。

      五、渐进式读取:AI 每次只拿该拿的知识

      Flow2Spec 的读取模型可以概括成四步:match → expand → verify → act

      match:Agent 先读 manifest-routing.json,再按任务读取对应 matcher 分片。不遍历整个知识库,先缩小候选范围。

      expand:命中主主题后,通过 topicDependencies继续读取依赖主题,避免只看到局部规则。比如一个功能可能同时依赖公共配置规则、鉴权规则、某个业务模块的约束。

      verify:命中 topic 不代表知识一定够。Flow2Spec 要求 Agent 在执行前检查:当前主题是否真的覆盖用户问题,是否缺关键依赖,是否需要读长文档,是否需要先反问用户。这一步把"看起来命中了"变成"确认可以执行"。

      act:只有在知识覆盖足够、边界清楚时,Agent 才进入实现、修改或提交。如果置信度不足,就先澄清,而不是硬改。

      六、多依赖能力:不让 Agent 只读到一半规则

      真实项目里,很多错误不是因为 AI 完全没读知识,而是它只读了一个局部知识,漏掉了前置约束:

      • 改功能时读了业务 topic,但没读提交规则

      • 生成技术方案时读了需求文档,但没读 req-docs / stock-docs 的边界规则

      • 修改配置时读了模块说明,但没读配置开关默认值

      Flow2Spec 把这些依赖显式放进路由层。一个 topic 可以声明它依赖哪些 topic,Agent 命中主主题时会先展开依赖。这不是简单的"多读几个文件",而是把项目知识从扁平文档变成有边的图:

        需求实现
          -> 文档路由规则
          -> 技术方案规则
          -> 任务追踪规则
          -> Git 提交规则

        这让 Agent 每次读取的不是孤立片段,而是一组经过声明的上下文组合。

        七、知识库正确性:不是写了 topic 就算完

        知识库最怕两件事:过期和写错。Flow2Spec 没有假设知识库永远正确,它把"验证"放进了开发流程。

        典型场景:用户问一个业务细节,Agent 先查知识库,发现 topic 有覆盖但不够细,继续读源码得到更准确的事实。这时 Flow2Spec 不应该只回答完就结束,还要判断:

        • 这个事实是否已经写进 topic

        • 如果没写或不够细,是否应该提示用 f2s-kb-distill 把本轮问答提取入库

        • 如果知识看起来已覆盖,是否能证明覆盖来源;不能证明就不能静默

        这就是"知识库补充建议收口"。它让 AI 从源码里找到的每次新知识,都不只留在本次聊天里,而是反哺回知识库。

        八、意图识别:不是所有话都应该自动进流程

        用户说一句话,Agent 到底应该回答、讨论、澄清,还是直接进开发流程?

        • "这个方案可行吗?" → 应该是讨论,不应该自动开始写代码

        • "修一下这个 bug" → 应该进入 fix 流程

        • "我想做一个新能力,先帮我把需求问清楚" → 应该进入需求澄清,而不是直接实现

        Flow2Spec 里有 intentRecognition开关,开启后 Agent 会按意图识别规则做辅助判断:高置信新增能力进入 feat 流程,高置信修复问题进入 fix 流程,需求不清楚进入 req-clarify,只是询问/讨论则保持普通对话。

        经过一段时间真实项目验证,意图识别已经比较稳定,建议默认开启,让 Agent 在大多数场景下自动分流;当然你也可以随时显式输入 f2s-req-clarify、f2s-kb-feat、f2s-kb-fix 等命令,覆盖自动判断结果。建议多显式使用 f2s skill**,熟悉这些技能的用法,可以更高效地使用 Flow2Spec。

        九、一个更真实的开发闭环

        使用 Flow2Spec 后,一个需求可能是这样流动的:

          用户提出需求
            -> 显式 f2s-* skill / intentRecognition 辅助判断
            -> f2s-req-clarify 反问到无歧义
            -> f2s-req-tech 生成技术方案
            -> Agent 按知识库渐进读取
            -> 实现代码
            -> changeTracking 记录任务进度
            -> f2s-kb-sync 同步新知识
            -> f2s-git-commit 提交前检查

          这条链路里,每一步都会留下可追踪的资产:需求文档在 req-docs/,已落地知识在 stock-docs/,主题摘要在 topics/,路由关系在 manifest-routing.json,任务进度在 .task/。

          Flow2Spec 做的不是"让 AI 单次回答更好",而是在把一次次开发过程转化为项目知识图谱的增量更新。

          十、它不只管知识,也管开发闭环

          任务进度落盘:开启 changeTracking后,Agent 执行功能开发或方案实现时,会把任务 checklist 写到 .task/。新会话继续做时,不需要重新问"上次做到哪",直接从磁盘任务接上。

          技术方案不硬套模板:f2s-req-tech会根据当前需求选择合适的技术方案结构,而不是把所有章节机械套一遍,避免前端改造也生成一堆数据库章节。

          多 Agent 编排与校验:复杂任务可以通过 subAgent拆给子 Agent 处理。如果开启 switchAgentVerification,还可以让写入方和验证方分离,降低单个 Agent 自己写、自己验、自己放过的风险。

          提交前知识覆盖检查:f2s-git-commit会在提交前检查 diff、冲突标记、暂存范围,也会检查本轮变更是否需要同步知识库,让"改代码后忘记更新知识"在提交前能被发现。

          模板与路由升级检测:Flow2Spec 启动时会检测 .Knowledge/结构版本,如果落后于 npm 包版本,Agent 会提示执行 f2s-kb-upgrade,确保项目知识结构与工具版本保持同步。

          十一、和普通知识库最大的区别

          如果只用一句话概括差异:普通知识库是给 Agent 查的;Flow2Spec 的知识库是给 Agent 参与维护的。

          普通知识库关注:文档放在哪里、怎么检索、怎么总结。

          Flow2Spec 更关注:需求来了该读哪个主题、主题之间有什么依赖、当前知识是否足够执行、源码兜底后是否要反哺、用户意图是否应该触发流程、改代码后知识是否一起更新、提交前是否检查过知识覆盖。

          这也是为什么 Flow2Spec 会同时包含 .Knowledge/、.task/、f2s-* skills、Agent rules 和 flow2spec.config.json——它们不是散件,而是一套围绕开发闭环组织起来的协议。

          十二、几个常见问题

          Q:改动一个能力后,怎么保证对应主题都能更新?

          Flow2Spec 通过五层机制提高覆盖率:

          • 路由层 matcher 找主 topic;

          • topicDependencies展开依赖 topic;

          • f2s-kb-sync先给出更新大纲让用户确认;

          • 普通问答下钻源码后提示补充;

          • f2s-git-commit提交前做知识覆盖检查。

          Q:Flow2Spec 怎么解决 Agent 遗忘规则的问题?

          分两侧看。

          • 使用侧:规则不塞进一个大文件,而是拆成可路由、可依赖的结构——入口规则写进各端配置、业务知识放进 topics、匹配词放进 matchers、依赖关系放进 topicDependencies、长文档放进 stock-docs / req-docs。Agent 每次不靠记忆,而是按 match → expand → verify → act 重新取规则。

          • 设计侧:五层约束分阶段拦截"规则写了但不遵守"的情况:

          • 入口层:声明读取顺序和禁止项

          • 配置层:执行任何技能前必须先读配置开关

          • 路由层:所有任务先读 manifest,不直接全仓搜索

          • 技能层:每个技能定义前置检查、确认点和收口方式

          • 门禁层:在多个节点分别设门禁——任务归档前检查 checklist、知识落盘前确认大纲、问答下钻源码后强制收口自检、代码提交前检查 diff 与知识覆盖

          两个典型场景说明这五层如何生效:一是防止意图误判(用户还在澄清阶段,Agent 不能跳去实现);二是防止源码答完后知识不反哺(必须判断是否需要 f2s-kb-distill 把本轮问答提取入库,不允许静默跳过)。

          Flow2Spec 的目标不是完全消除遗忘,而是让"绕过规则"在每个阶段都更难发生。

          Q:单个主题文件过大怎么办?

          topic 的定位是"路由摘要",记触发词、边界、关键约束和下一步指针,不承载所有细节。大功能拆成多个 focused topic,再用 topicDependencies串起来。Agent 先读概览判断相关性,再按需下钻具体子主题。

          Q:如果知识库没有覆盖当前模块怎么办?

          Flow2Spec 提供三个互补命令,按触发方式与粒度区分:

          f2s-kb-distill 由 Agent 自动提示:在一次问答中下钻源码找到答案后,把本轮问答提取入库;技能内部会按下钻深度与命中主题,自动判新建主题或补充既有主题。

          f2s-kb-add <路径或能力描述> 由用户主动触发:想把一个整体模块 / 历史能力一次性解析入库时使用,输入路径或多文件聚合,适合从未入库的整块代码。

          f2s-kb-sync 由用户主动触发:用于已实现能力的全局 / 批量同步,可零输入推断,先输出更新大纲再落盘,适合阶段性体检式补强。

          简言之:单次问答 → distill(Agent 自动),新模块整体入库 → add,多个已落地能力一次性同步 → sync。

          每次「从源码里找答案」,都可能变成一次知识库补强。

          十三、适合什么项目+快速体验

          最适合:中大型业务项目、长期维护的代码仓库、多人协作规则很多的项目、经常使用 Cursor / Claude Code / Codex 的团队、希望 AI 不只是"看文档"而是参与维护项目知识的场景。

          可能不适合:一次性脚本或非常小的个人项目(< 5000 行,一份 README 够用)。

          5 分钟快速体验:

            npx @double-codeing/flow2spec@latest init

            开始使用时建议优先显式输入f2s-* skill,熟悉这些技能的用法,可以更高效地使用 Flow2Spec。默认开启 intentRecognition 即可让 Agent 在常见任务下自动分流。

            常用流程:

              /f2s-req-clarify   需求澄清
              /f2s-req-tech      生成技术方案
              /f2s-kb-feat       新增能力并同步知识
              /f2s-kb-fix        修复问题并修正知识
              /f2s-kb-add <路径>  解析已有模块入库
              /f2s-kb-sync       全局/批量同步已落地能力到知识库
              /f2s-kb-distill    把本轮问答提取入库(自动判新主题或补充既有主题)
              /f2s-git-commit    提交前检查并生成提交信息

              目前已支持 Cursor、Claude Code、Codex 三端初始化,也支持中文 / 英文模板。

              结语

              AI 编程的终点不是"写更多代码"。真正难的是:让 AI 在长期项目里持续理解上下文,并且把每次开发产生的新知识沉淀下来。

              Flow2Spec 把项目知识从静态文档变成可路由、可依赖、可验证、可反哺的知识图谱。它让 Agent 不只是消费上下文,也参与维护上下文。

              如果你的项目已经出现"每次都要给 AI 解释同一套业务规则"、"AI 经常漏读前置约束"、"文档和代码越来越不同步"这类问题,可以试一下:

                npx @double-codeing/flow2spec@latest init

                开源地址:https://github.com/Lands-1203/Flow2Spec

                PPT演示:https://lands-1203.github.io/Flow2Spec/

                延伸阅读

                • Flow2Spec 官方文档:

                https://github.com/Lands-1203/Flow2Spec/tree/main/docs

                项目体系与原理、使用说明、命令详解的完整文档,包含多端配置差异说明。

                • Building Effective Agents — Anthropic:

                https://www.anthropic.com/research/building-effective-agents

                Agent 工程的权威指南,包含工具使用、上下文管理和多 Agent 协作的设计原则,是理解 Flow2Spec 规则环/技能环设计的重要参考。

                • Memory for Agents — LangChain:

                https://www.langchain.com/blog/memory-for-agents

                对 AI Agent 记忆机制的系统性分析,涵盖程序性/语义性/情节性三类记忆分层,以及热路径更新与后台异步更新两种实现方式,与 Flow2Spec 的 Memory Coding 理念形成对照。

                【推荐阅读】

                 “携程技术”公众号

                  分享,交流,成长

                跳转微信打开

                •  

                豆包 2.1 Pro:属于普通人的代码能力

                原创 刘飞 2026-06-24 23:24 浙江

                写代码距离我们不遥远。

                这两年我用 AI 写代码,心态上其实一直有点跌宕起伏。

                最开始看到一句话的指挥就可以生成还比较像样的结果,会叫人特别兴奋。Cursor、Claude Code、Codex 这些工具出来之后,也在尝试地做一些东西。

                不过一段时间后,兴奋感会下降。因为在很多细节的地方,如果不是自己手搓的话,依然会面临想改但无从下手的时刻。尤其是在遇到疑难杂症 bug 的时候,代码不是自己写的,改起来会非常痛苦。常常是花一两天时间把基础框架都写好了,但是要花两个星期去优化细节和修改 bug。

                再回头看,当然还是一直有兴奋感的。像我自己也做了两个自己用起来挺开心的 APP。

                然而我一直觉得,当 coding 的门槛不断降低之后,它的意义不在于代替程序员写代码,或者让独立开发者成本更低的开发产品,而是对于很多愿意动手的人来说,可以自己通过 coding 解决很多个性化的问题。

                就像是手机刚出现的时候,大家都会觉得只有做生意的人才需要用手机。等到手机足够普及、大家也都在用手机通话和发短信之后,大家又会觉得,只有专业的媒体人才需要用手机创作内容。而很快,大家就都开始发朋友圈、发微博、发小红书了。

                写代码这件事也在经历类似的变化。

                过去代码是一种职业技能,而现在模型能力以及围绕模型能力搭建的产品体验,可以让代码变成普通人能调用的能力。当我们使用这个模型,做一些轻量的脚本和程序的时候,并不是要把它们正式发布或者上线,而是就是属于自己的一个小工具、小网页。

                在之前,能够满足这样基础使用体验的模型,基本都是海外的。现在,豆包 2.1 Pro 真的达到了一个阈值:可以放心给大家推荐,值得每个人都试用一下了。

                按照字节跳动 Seed 团队公开发布的信息,Seed 2.1 Pro 这次重点强化的就是 Coding Agent 的端到端交付能力,也就是从需求理解、功能实现、Bug 修复、运行环境搭建到结果验证的完整链路,而不是只看一段代码能不能写对。

                当然跟海外最强的模型比还有一定差距,但是它真正进入了一个可以认真比较的阶段,上了牌桌了。

                再加上火山引擎公开的价格是每百万 Tokens 输入 6 元、输出 30 元、缓存命中 1.2 元,官方称综合使用成本较 Claude Opus 4.6 降低近 80%,这就让它不只是一个能跑分的模型,而开始变成一个普通用户和开发者都可以、也大概率会高频尝试的 Coding 工具。

                我今天随手做了几个小玩具,大家可以感受一下。

                我是在 TRAE Work 上试用的。

                1

                先讲一个比较好玩的:半拿铁歇后语扭蛋机。

                这个需求说起来很简单。我想做一个网页扭蛋机,每次点击按钮之后,掉出一个歇后语。歇后语最需要是半拿铁节目里常出现的那些歇后语。

                做出来的效果大概是这样的。

                第一版出来之后,是一个霓虹赛博风的娃娃机。深紫色背景、粉色机器、霓虹灯边框、金币雨、粒子爆炸,很热闹。不过说实话,还是有点丑的。

                所以我让他改了一个版本,整体上更加素雅。

                它变成了一个日式ガチャガチャ风格的拟物扭蛋机。背景从深紫霓虹改成米灰色渐变,机器主体是奶白色塑料质感,玻璃球罩里堆着马卡龙色扭蛋,投币口有金属凹槽,旋钮点击时会真实旋转,扭蛋掉到取物口时有弹性回弹。

                这个当然也有优化空间,但是比刚才的版本来说,要好看太太太太多了。

                这个过程里面,如果只是简单跟它说,好看一点,效果其实并不好,需要详细跟它说怎么改。

                所以这就要求,当我们想要做一个东西出来的时候,内心里得有一个大概的「画面」。这件事特别关键。

                而 AI coding 的模型的意义就在于把这些画面实现出来。现在我们不需要再用复杂的方式,还要找设计师和程序员去完成。

                2

                第二个例子是:智能文件整理工具。

                这个需求想必很多朋友都有。

                我自己的电脑里总有一个特别混乱的下载文件夹。里面有 PDF、截图、录音、视频、压缩包、合同、发票、临时文件、播客素材。理论上可以手动整理,每次手动整理都会非常烦躁,懒得整理。每次系统空间不足了,得花大半天时间去折腾。这个文件夹可以称之为信息沼泽。

                我跟豆包2.1 Pro 说的是:扫描一个文件夹,自动识别里面的文档、图片、音频、视频、压缩包,但不只是按后缀名分,而是尽量读取文件名、文件类型、路径、元数据、文档内容,判断它更像播客资料、商务合同、发票票据、图片素材、临时下载,还是可删除大文件。最后用一个视觉清晰漂亮的页面展示出来。

                当然,只说这个需求的话,大家可能会提到有一些空间整理的软件了。但是这里我可以给出非常个性化的要求,比如像刚刚提到的,对音频的处理、对播客素材的处理,我会给的更细。肯定不会有人做专门给播客主播的整理软件的。

                每个人的文件夹混乱方式不同,每个人的整理规则也不同。

                豆包 2.1 Pro 的实现方式是多层检测。

                它不只是看后缀名,而是读取文件头 16 字节做 Magic Bytes 检测,用来识别 JPG、PNG、GIF、ZIP、RAR、7Z、PDF 等真实文件类型;再结合浏览器 File API 的 MIME 类型,判断 audio、video、image、application 这些大类;然后再根据后缀名、文件名关键词、所在路径、文档内容前 4KB 做进一步判断。

                分类上,它做了一个加权评分机制。比如文件名里有“合同”“协议”“甲方”“乙方”,就提高商务合同分类的分数;内容里出现“增值税”“发票”“报销”,就提高发票票据分类的分数;路径在“下载”“临时”“缓存”里,就提高临时下载的分数;超过 100MB 的大文件,又会进入可删除大文件的判断。

                页面上,它不是给一个简单列表,而是做了统计面板、分类图表、筛选标签、搜索框、排序功能、文件预览和报告导出。点击某个文件,可以看到大小、类型、修改时间、分类标签,以及分类匹配分数。图片还能直接预览。所有分析都在浏览器网页里本地进行,不需要把文件上传到服务器,这一点也很重要。

                像截图里这些功能,都不是根据我给出对非常详细的页面设计要求而做出来的,而是在我表达的要求相对清晰的情况下,它自动理解识别并且设计出来的。

                并且,这里面的每个模块我都可以针对性的再做调整。

                顺便说一句,这个动画效果还挺解压的。

                3

                接下来我做了一个简单的互动纪录片式的网页 demo,用来呈现诺基亚从崛起到衰落的过程。

                是一个横向滚动的长页面。时间从 1992 年到 2016 年,每个阶段要有关键产品、市场份额、人物、战略决策。重大节点,比如 iPhone 发布、Symbian 衰落、Elop 的「燃烧的平台」、微软收购,都要有强视觉反馈。

                可以快速生成这样一个网页,不管是自己学习了解,还是用来教学和分享,都远比简单的思维导图有效果得多。

                长远看,在表达呈现上的方式都可以变得更加多样,不管是个人网站,还是某个主题的宣传页面,都有更多可能性了。

                接下来我尝试了一下,做一个动态播客播放页面。

                我给的提示词是这样的:

                我想做一个 HTML、CSS、JavaScript 的播客动态封面 demo。用户上传 mp3 或 wav,播放后页面根据音量生成动态波形、粒子和背景节奏。中间保留节目标题和封面区域。画面要像高级播客 App 的动态封面,不要像普通音乐播放器。还要支持播放、暂停、进度条、音量变化实时响应。

                第一版是紫粉渐变的深色主题。它用了三层 Canvas:背景光球、粒子网络、封面底部波形。音频处理用 Web Audio API 做频谱分析,也实现了播放、暂停、进度条、音量滑块、键盘快捷键和触控操作。功能上,它已经比较完整。还是挺超预期的。

                不过还是觉得这个霓虹的效果没有那么理想,所以做了一些调整。

                反馈说要 Apple 的设计风格,拟物的效果。就变成了这样的,一下就觉得舒服多了。有一些细节还需要调,不过就两次操作得到这样的一个网页程序,已经非常超预期了。

                4

                前面说的这些主要以炫技或者测验为主,接下来做的这个是对我来说非常重要的生产力:半拿铁·周刊选题系统。

                这是我跟搭档肖磊在做的周更(有概率)节目。为了做这个节目,就需要经常找各种各样的新闻。以前主要靠人肉,重复又耗时。

                所以我其实有很多个选题系统,这次我也用豆包测试了一下,完成度非常高。

                提示词的一部分是这样的:

                我想做一个选题准备系统。它要维护一批媒体来源,自动抓取最近一到两周的新闻,做历史去重,清洗掉低质量内容,再把同一事件的多篇报道聚合起来,最后按照半拿铁的选题标准输出 10 条推荐选题和 30 条备选选题。还要生成 Markdown 报告、全量新闻索引和机器可读 JSON。

                这个任务的确就复杂多了,这不是一个单文件页面,而是一套脚本和流程。需要 sources 配置、 RSS 抓取,还有 RSSHub 路由,还需要历史 ID 持久化,也要时间范围过滤。后面的步骤得做标题和摘要清洗、聚类、评分、报告生成。对于新闻的要求,也需要通过了解半拿铁·周刊的选题规则,才能更好地筛选和评分。

                豆包 2.1 Pro 对这个任务做了几层拆解。

                第一,抓取层负责从 36 氪、虎嗅、钛媒体、爱范儿、量子位、界面、IT之家、少数派,以及 RSSHub 里的知乎热榜、财新、中国新闻周刊、南方周末、澎湃等来源获取内容。

                第二,处理层负责过滤标题过短、纯行情、普通融资财报、软文、低信息量快讯、猎奇新闻、海外无中国连接的内容。

                第三,聚类层负责把同一事件合并成一个选题。

                第四,评分层则根据历史背景、商业机制、人物冲突、日常生活关联、长期变化代表性、证据丰富度、新鲜度这些维度进行排序。

                产出的结果是这多个文件。

                给出的选题报告大概是这样的。

                我看了一下,可用性还是不错的。这 30 个聚合的主题里面,我能找到至少 5 个是可以做半拿铁·周刊的选题的。

                另外,我去查了它的任务细节,发现有很多地方都用非常巧妙的方法解决了问题。比如我的要求是同样主题的新闻需要聚合在一块,而用简单的 BFS 连通分量会出现链式错误。大量的副词重叠,会让不相关的内容聚合在一块。

                这个问题是豆包自己在执行过程中发现的。

                所以它就改用了更保守的单遍聚类算法。每篇文章与现有簇比较,要求与簇内最近几篇共享足够的核心关键词,TF-IDF 也更多基于标题计算,同时扩大停用词表,把“中国”“美国”“公司”“市场”这类特别常见的泛词去掉。

                这整个过程当中,是他针对我的任务要求做的调整,而不是去哪儿采用的现成的解决方案。这个让我特别意外。

                所以还是前面说的,AI Coding 的意义并不只在于做出一个产品上线。

                像我这样的一个做内容的创作者,在选题方面就可以不断迭代自己最趁手的个人工具,可以不断迭代优化。现在我的选题花费的时间成本是之前的 1/10。

                这个过程当中,对于大家来说,只需要把需求表达清楚,不需要有多么深厚的产品经理功底。

                5

                结合这些案例和我个人的体验,就回到我对豆包 2.1 Pro 的评价了。它的确不只是能做一个简单的炫技的 Demo。而是可以完成中等复杂度的前端页面、本地工具、自动化脚本。能够自行解决很多 bug、优化很多细节。

                这就是我说的基础体验门槛。

                我们现在讨论模型,经常喜欢讨论上限,以及上限可能带来的未来远景。而对于很多普通用户来说,模型的下限更加重要。一个模型如果偶尔特别惊艳,可以用来作为噱头,但用起来大部分场景下无法解决问题,那也是没有意义的。

                豆包 2.1 Pro 作为国产模型的价值是,对很多用户来说,可以更低门槛、更快的上手,真正解决自己日常工作里的问题。而不只是作为一个搜索引擎和生活小能手来使用。

                计算机的发展,一直是在把原本属于专业人士、小圈子发烧友的能力,慢慢扩展到普通人手里。

                早期电脑需要懂命令行,后来图形界面让普通人能用电脑。早期做海报需要设计师,后来 Canva、Photoshop、美图秀秀、各种模板工具让普通人也能做图。早期剪视频需要专业软件和学习成本,后来剪映这类工具让大量普通人开始做短视频。早期建网站需要程序员,后来博客、微博、公众号、小红书、播客,让普通人也有自己的内容创作平台。

                代码看起来也是离普通人距离很远的,但现在有很大的变化了。就像手机摄影,不需要理解CMOS、镜头结构、色彩科学、编码格式,也能凭感觉拍出一张还不错的照片了。大家会跟胡彦斌一样,作为外行,顺手就能做出一些基础的工具。

                之前我大概表达过一个感受,未来 Coding 会变成很多人的日常。

                豆包 2.1 Pro 这次让我看到的,就是这个开端。

                跳转微信打开

                •  

                Qwen-AgentWorld 开源:让 Agent 学会“先预测,再行动”

                通义实验室 2026-06-24 11:32 浙江

                Agent 开发太难?试试让 AI 自己“预测环境”

                Agent 开发离不开真实环境,但真实环境:成本贵、响应慢、控制难。

                搭沙箱环境成本高、真实的边缘 Case 难收集。而在真实环境里做强化学习,一旦 Agent 执行了不可逆的“危险操作”,整个环境就崩溃了。

                所以我们换了个思路:与其在真实环境里试错,不如先让 AI 学会“预测环境会发生什么”。

                这就是 Qwen-AgentWorld —— 首个原生语言世界模型。

                🔥 核心亮点速览

                原生世界建模:环境建模从继续预训练(CPT)阶段起即为训练目标,贯穿 CPT → SFT → RL 全流程,而非对通用大语言模型的事后适配。

                七大领域,一个模型:单一模型同时覆盖文本类环境(MCP、Search、Terminal、SWE)与 GUI 类环境(Web、OS、Android),实现跨领域知识迁移。

                我们想解决什么问题?

                语言智能体被训练在交互式环境中执行动作,但此前从未有语言模型被显式训练来对环境本身进行建模——即在给定当前状态与智能体动作的条件下,预测环境的下一步响应。

                Qwen-AgentWorld 的核心探索是:语言世界模型能否拓展通用智能体的能力边界?

                为此,我们从两个方向推进:

                构建基础模型

                Qwen-AgentWorld 是首个覆盖七大领域的语言世界模型,基于超 1000 万条真实交互轨迹,经由 CPT → SFT → RL 三阶段训练而成。在 AgentWorldBench 上超越 GPT-5.4、Claude Opus 4.8 与 Gemini 3.1 Pro。

                验证两种应用范式

                作为解耦的环境模拟器,可控 Sim RL 能以真实环境无法实现的方式塑造智能体行为,效果优于真实环境 RL;作为统一的智能体基础模型,LWM 预热训练可迁移至七个基准(其中三个完全未出现在训练集中),无需额外 RL 微调即有显著增益。

                Qwen-AgentWorld:原生语言世界模型,统一覆盖七大 Agent 领域,通过两种互补方式提升通用智能体能力。

                由 Qwen-AgentWorld 模拟的 SWE 场景示例。更多例子可以查看 https://qwen.ai/blog?id=qwen-agentworld#interactive-demo-interactive-demo

                Part I: 构建智能体环境模拟的基础模型

                七个领域,一个模型

                Qwen-AgentWorld 覆盖七类交互式环境。对于三个 GUI 领域,环境观测以可渲染代码(无障碍树 XML、HTML、UI 层级标记)而非像素帧的形式呈现,使得纯文本世界建模即可涵盖视觉环境。

                训练流程

                Qwen-AgentWorld 自继续预训练阶段起,便将环境建模作为显式目标进行端到端训练。三阶段流水线遵循一个核心原则:CPT 注入,SFT 激活,RL 精炼。

                三阶段训练流程:CPT(继续预训练)注入环境知识,SFT(监督微调)激活带思维链的下一状态预测,RL(强化学习)提升模拟的真实性

                阶段一:继续预训练(CPT)

                通过学习不含思维链的交互轨迹,向模型注入环境知识。数据来源涵盖专用智能体基础设施(容器化执行沙箱、MCP 服务器、Android/Web/OS 模拟器)、开源环境交互轨迹以及内部智能体轨迹。

                除环境数据外,我们还引入了覆盖工业控制、网络安全、法律、医学、金融和时事等领域的专业知识语料。

                本阶段的一项关键贡献是轮次级别的信息论损失掩码:通过 4 个表层统计量识别每个(动作, 观测)对中真正承载环境信息的对话轮,对其余轮施加掩码,使其不参与 loss 计算,但仍保留为上下文输入。

                阶段二:监督微调(SFT)

                通过 <think>...</think> 包裹的思考过程,将下一状态预测激活为显式的思维链推理模式。我们采用拒绝采样(rejection sampling)筛选高质量思维链轨迹,最终获得 7,094 条训练样本。

                阶段三:强化学习(RL)

                以混合奖励信号精炼输出质量。我们基于 GSPO 算法进行 RL 训练,奖励信号由两部分组成:评估多维质量的基于评分准则的 LLM 评判器(rubric-based LLM judge),以及针对可客观验证正确性的基于规则的验证器(rule-based verifier)。

                AgentWorldBench

                为系统评估语言世界模型,我们推出AgentWorldBench一个综合性评测基准。

                AgentWorldBench 概览:领域分布、来源基准、评估维度及各领域轨迹统计。

                该基准基于 5 个前沿模型在 9 个成熟评测集(如 Tool Decathlon、Terminal-Bench 1.0 & 2.0、OSWorld-Verified 等)上的真实环境交互观测构建而成。每条评测样本均配备真实环境执行所得的 ground-truth 观测,支持基于参考的精确评分。

                AgentWorldBench 采用开放式评分准则(rubric),从格式、事实性、一致性、真实性和质量五个维度全面评估世界建模能力,深入考察模型的推理能力、领域知识以及长上下文处理水平。

                性能表现

                AgentWorldBench 评测结果:各领域五维评分准则均值。Qwen-AgentWorld-397B-A17B 取得最高整体得分(58.71),超越 GPT-5.4(58.25)及其他前沿模型。

                Qwen-AgentWorld-397B-A17B 在 AgentWorldBench 上取得最高的整体均分(58.71),超越 GPT-5.4(58.25)及所有其他前沿模型。优势在 Terminal 和 SWE 两个领域最为显著,这两个领域的预测需要准确建模代码执行状态和工具 API 行为。

                在 35B-A3B 规模上,三阶段训练流水线将整体均分提升了 +8.66(47.73 → 56.39),使 Qwen-AgentWorld-35B-A3B 超过 Claude Sonnet 4.6(56.04)。这一提升在文本类和 GUI 类领域上均保持一致。

                Part II:探索世界建模在智能体训练中的作用

                我们通过两个互补范式探索世界建模如何增强通用智能体。

                范式一:解耦的环境模拟器

                将策略智能体与世界模型解耦为两个独立模型,Qwen-AgentWorld 作为环境模拟器在智能体强化学习训练期间替代真实环境:智能体执行动作,世界模型预测下一步观测,智能体则从这些模拟轨迹中学习。

                核心发现如下:

                • 零样本环境泛化。Qwen-AgentWorld 成功模拟了训练数据中完全不存在的 4,000 个 OpenClaw 环境,在 Claw-Eval 和 QwenClawBench 上分别取得 +4.3 和 +7.1 的 Sim RL 增益,且无需任何领域适配。

                • 可控模拟至关重要。不施加控制的 Sim RL 几乎无法带来提升;而可控扰动则将 MCPMark 提升 +12.3、WideSearch 提升 +16.3。

                • 超越真实环境训练。通过对抗性摘要设计塑造出更具针对性的智能体行为,可控 Sim RL 在 WideSearch 上超越了使用真实搜索引擎训练的 Real RL(F1:50.3% vs. 45.6%)。

                • 虚构世界同样有效。在完全虚构但自洽的世界中训练的智能体,能够成功泛化至真实搜索任务,同时有效防止智能体将模拟事实与真实世界知识相混淆。

                • 初始状态是关键瓶颈。Sim RL 的有效性取决于一个前提:必须为世界模型提供足够详尽的初始状态描述。如果初始状态信息不完整,后续模拟会逐步偏离现实,最终削弱智能体从模拟训练中获得的收益。

                可泛化的环境扩展

                我们验证世界模型能否泛化到训练中完全不存在的环境。

                OpenClaw是一个开源智能体平台,其任务涵盖日程管理、编程、邮件分类、浏览器自动化和文件管理——完全不在 Qwen-AgentWorld 的训练分布内。

                我们模拟了 4,000 个 OpenClaw 环境用于智能体 RL 训练,无需任何领域适配,并消融了模拟器本身的影响:使用 Qwen3.6-Plus 作为模拟器几乎没有提升,而 Qwen-AgentWorld-397B-A17B 带来了显著增益——确认世界模型质量是 Sim RL 的瓶颈。智能体无法从与不忠实的模拟器的交互中有效学习。

                可控模拟

                Qwen-AgentWorld 的核心优势在于其可控性:训练过程中,可通过自然语言指令精确调控模拟器的行为。我们验证了以下两种模式。

                MCP:环境自适应。 我们从真实的 MCP 工具调用轨迹中合成模拟系统提示词:每条提示词明确指定工具 Schema 与服务器配置,概括隐藏的环境状态(如数据库内容、权限设置、服务可用性),并定义可控的模拟指令,以调控模拟器在每一轮交互中的响应行为。

                控制指令通过注入定向扰动——间歇性 API 错误、需要后续调用的分页响应、迫使多步检索的不完整中间结果,以及批量操作中的部分失败——系统性地暴露智能体在真实部署中极少遭遇的薄弱环节。

                实验结果呈现出鲜明对比:不含控制指令的标准 Sim RL 未带来任何实质性提升(Tool Decathlon 甚至从 32.4 下降至 31.5),原因在于模拟器缺乏充分的依据来生成忠实可靠的响应。而引入可控模拟后,Tool Decathlon 提升了 +3.7,MCPMark 提升了 +12.3。可控性不仅影响提升幅度,更是 Sim RL 在该领域得以奏效的先决条件。MCPMark 上更大的增益(+12.3 vs. +3.7)进一步表明,可控模拟在需要大量顺序工具调用及精细处理中间结果的任务中尤为有效。

                Search:虚构世界构建。我们构建了 1,000 个自包含的虚构环境,每个环境都以一个关系型数据库为核心,其中包含 300–500 条内部自洽的虚构事实。例如,一个"虚拟环境"可能包含 2029 年的智能手机市场排名——品牌名称是真实的,但型号是虚构的。这种设计有两层用意:首先,正确答案只存在于虚构环境中,智能体无法靠自身记忆绕过搜索工具直接作答;其次,所有事实都是虚构的,智能体不会把模拟中学到的内容与真实世界知识搞混。

                Sim RL vs. Real RL

                在 WideSearch 任务上的 Sim RL 与 Real RL 对比:可控的 Sim RL 能够追平甚至略微超越使用真实搜索引擎训练的 Real RL。

                🟣性能 我们在 WideSearch 上直接对比可控 Sim RL 与 Real RL(使用真实搜索引擎训练)。Sim RL 全程追平或略超 Real RL:F1 by Item 在第 60 步达到 50.3%,Real RL 为 45.6%。

                工具使用分化:经 Sim RL 训练的智能体增加了 `web_extractor` 的调用次数,而经 Real RL 训练的智能体则减少了该调用——这反映出可控模拟能够塑造出截然不同的智能体行为模式。

                🟣行为更具信息量的信号来自智能体行为。两种训练模式都将 web_search 调用从约 5 次减少到约 3.5 次,但 web_extractor 调用出现了明显分化:Sim RL 将使用量从 2.5 增加到 4.0,而 Real RL 从 2.5 降低到 1.5。由于模拟搜索摘要刻意省略详细内容,Sim RL 训练的智能体学会了提取完整页面是组装完整答案的必要步骤。可控模拟以真实环境无法实现的方式定向塑造智能体行为。

                范式二:智能体基础模型

                在范式一中,智能体和世界模型是不同的模型。在这里我们将它们统一:同一个模型既选择动作也预测环境状态。LWM 训练将下一状态预测植入为一种内化的推理能力。核心发现:

                突破性的跨任务泛化

                单轮、非智能体的 LWM RL 预热(无工具调用)迁移到了跨 5 个领域 7 个基准的多轮、工具调用智能体任务。

                领域泛化

                在 LWM 训练完全不涉及的领域上涌现增益(Claw-Eval +11.3、QwenClawBench +9.7、BFCL v4 +9.0),证实这是可迁移的能力而非领域特定的捷径。

                下一状态预测作为元推理模式

                LWM 训练教会智能体在行动前模拟环境响应,这种模式在不同任务格式和领域中均可泛化。

                我们在 Qwen3.5-35B-A3B-SFT 上运行 LWM RL —— 一个无工具调用的单轮任务。然后直接在跨 7 个基准的多轮工具调用智能体任务上评测,无需额外微调,其中 3 个基准完全不在 LWM 训练范围内。

                域外泛化结果尤为亮眼:LWM 的训练数据中未包含任何 Claw 或 function-calling 相关数据,却在这两个完全未涉足的领域上分别涌现出 +11.3、+9.7 和 +9.0 的显著提升。

                使用 Qwen-AgentWorld

                目前 Qwen-AgentWorld 与评测基准AgentWorldBench 均已开源,欢迎下载体验:

                推荐阅读

                统一科学大模型 LOGOS 正式开源

                Qwen-Robot 发布:打通大模型到物理世界的最后一公里

                跳转微信打开

                •  

                最后一周!开源模型 Qwen3.6 不限 Token 免费调用

                原创 HelloGitHub 2026-06-24 08:15 北京

                玩了一圈下来,我感觉这波 Qwen3.6 的 API Key 没白薅。

                现在去 GitHub 上找开源项目,手里不攥着几个大模型的 API Key,遇到好项目就只能“干瞪眼”。因为现在到处都是 AI 相关的开源项目,而且它们大多数情况下都依赖大模型。

                我也用过 Ollama 本地起模型。但我这台 MacBook Air(M4 16GB)跑一个 Qwen3-30B 的模型,基本就卡死了😂。

                为啥不选个小点的模型?以我折腾的经验,模型参数到了 30B 的模型才算真正“开智”,否则就算能跑起来也没啥用。

                既要模型能用,又要免费不限量!

                今天 HelloGitHub 带来的是一个叫「讯飞星辰 MaaS」的平台正在搞的活动:Qwen3.6 模型免费、无限量调用!

                在活动期间,大家可以免费、不限量调用 Qwen3.6-35B 和 Qwen3.5-35B 模型,这俩模型都能处理图片和文本,还支持 128K 上下文。

                接下来,我就带大家一步步把这个免费的 API Key 拿到手,然后用它上手几个有意思的开源项目。

                地址:https://maas.xfyun.cn/modelSquare?ch=MaaS-jgkol-G5E8

                第一步:访问上面的地址,进入「讯飞星辰 MaaS 平台」。

                第二步:选择 Qwen3.6-35B-A3B 或 Qwen3.5-35B-A3B 模型的「API 调用」,填写 API 名称等信息。

                第三步:将 modelId、接口地址和 APIKey 记下来,方便后面使用。

                对!仅需三步就薅到啦。

                另外,添加讯飞工作人员可领取高并发权益,如果觉得不够还有新上线面向团队的 Token Plan 可按需选择。

                拿到 API Key 后,我个人不太建议把它配置到 Cherry Studio 这类聚合桌面客户端里去当聊天工具。因为现在大模型网页版对话能用的模型,都比今天领到的强出不少。

                当然,如果你还没用过 Claude Code 和 Codex 命令行编程助手,现在有了免费的 API Key 可以借助 cc-switch 灵活切换到 Qwen3.6-35B-A3B 模型,因为是不限量 Token 所以无须担心配额。

                ▲ npm install -g @anthropic-ai/claude-code@版本号

                有了 Claude Code 就可以安装一些 skill 玩一下啦,比如 8.6k Star 「Claude Code 的 GEO 优化 skill」的 geo-seo-claude 技能包。

                一条命令安装 skill

                一条指令分析网站

                分析结果

                但我还是觉得想要真正充分发挥大模型 API 的优势,还需要回到我们文章开头说的场景:把 API Key 配置到一些有趣的开源项目里,跑通并体验 AI 开源项目。

                用免费 API 体验开源项目

                先用免费的 Token 跑通项目、试试水,觉得项目/工具好用,然后再换上更强的模型(比如 DeepSeek-V4-Pro),将精打细算进行到底~

                下面挑两个 HelloGitHub 最近分享的 AI 相关开源项目,带大家跑一把试试。

                轻量级跨平台数据库桌面客户端:dbx

                主语言:Rust、TypeScript,Star:6.6k

                这是一款轻量级、跨平台、可离线使用的数据库桌面客户端,支持 MySQL、PostgreSQL、SQLite、Redis、MongoDB 等 40+ 种数据库。它集成了连接管理、SQL 编辑、数据表格和 AI 助手功能,并提供 Docker 自托管、Web 版、MCP Server 和 CLI。

                GitHub 地址→github.com/t8y2/dbx

                这款支持 AI 助手的数据库桌面客户端开箱即用,只需访问 dbx 的官网 dbxio.com,下载对应操作系统的版本,支持 Windows、Linux 和 macOS 平台。

                下载后双击安装,创建好数据库链接后,在 dbx 界面找到配置入口就能很快用激活 AI 助手。配置方式:「右上角⚙️」-> 进入设置「AI」-> 提供商「Custom」输入接口地址和刚薅的 API Key 填进去就行。

                你的专属 AI 新闻雷达工具:Horizon

                主语言:Python,Star:6.9k

                这是一款 AI 驱动的个人新闻聚合与简报生成工具,支持从 Hacker News、Reddit、RSS、Telegram、GitHub 等多渠道获取内容,经过去重、AI 评分过滤、背景信息补充与摘要生成后,自动生成中英双语日报。生成的简报可发布到 GitHub Pages,或通过邮件、飞书、Slack 等方式推送,并支持 Docker 部署与 GitHub Actions 定时运行。

                GitHub 地址→github.com/Thysrael/Horizon

                安装方法:

                配置方法:

                1. 在 .env 文件添加 HORIZON_XFYUN_API_KEY 环境变量名,值为 API Key。

                2. 编辑 data/config.json 配置文件:

                运行命令:

                  uv run horizon--hours 24

                  下面是基于 Qwen3.6-35B-A3B 筛选新闻生成的简报,虽然有些指令跟随的小问题但整体还可以。

                  最后

                  玩了一圈下来,我感觉这波 Qwen3.6 的 API Key 没白薅。

                  因为我最初对它的定位很明确:没有想着用它去替代像 Claude Sonnet 4.6 或者 GPT-5.5 这样的日常主力模型,但拿它来高频调用、跑各种开源项目,够用了。

                  反正是免费的,大家可以备上一个。遇到那种一上来就要求填 API Key 的开源项目,直接掏出来就能跑,而且完全不心疼 Token。

                  地址:https://maas.xfyun.cn/modelSquare?ch=MaaS-jgkol-G5E8

                  不过我看到「讯飞星辰 MaaS」这个活动的时间有点晚了,官方目前的通知是限免活动只到 6 月 30 日。

                  满打满算也就剩最后一周的时间了,想玩的同学赶紧去薅吧~

                  阅读原文

                  跳转微信打开

                  •  

                  Seed2.1 正式发布,深入 AI 生产力

                  原创 字节跳动Seed 2026-06-23 12:28 北京

                  Agent & Coding 能力全面提升,复杂场景交付稳定

                  Seed 模型系列始终致力于挖掘用户真实需求,激发用户创造力。Seed2.0 发布后,我们持续跟踪用户反馈,并观察到,用户对模型的期待进一步指向更可靠的响应和更稳定的交付。

                  在此背景下,我们很高兴向你介绍 Seed2.1 系列,面向真实生产力场景的全新智能体。Seed2.1 以解决日常生活、专业工作和前沿探索中的复杂需求为研发目标,持续引入内外部用户和开发者的反馈,并结合真实案例校准模型优化方向;评估上,我们也更关注模型在实际工作流中的表现,而非仅依赖静态基准分数。

                  我们将从以下三个维度,向你介绍 Seed2.1 的真实能力:

                  • 更可靠的通用 Agent 能力:Seed2.1 通用 Agent 能力显著提升,并进一步强化跨工具、跨环境的任务交付能力。在面对高经济价值的办公任务和个人生活的复杂咨询时,可稳定完成项目规划、文件处理、工具调用等多步骤任务,产出可落地的结果。

                  • 更稳定的代码工程交付能力:Seed2.1 提升了 Coding 的端到端交付能力,可在真实企业级开发任务中完成需求理解、功能实现、bug 修复、运行环境搭建和结果验证等任务,形成稳定交付。

                  • 更强劲的多模态等基础能力:Seed2.1 在多模态理解、知识、推理等基础能力上进一步提升,对复杂视觉信息和视频内容处理更准确,为 Agentic 场景、代码工程和前沿探索提供基础支撑。

                  Seed2.1 系列模型已在豆包产品和 TRAE 上线,同时,该系列模型 API 已同步上线火山引擎,欢迎大家体验、反馈。

                  项目主页(含 Model Card):

                  https://seed.bytedance.com/seed2_1

                  体验入口:

                  1)豆包电脑版或豆包 App 选择 “办公任务” 模式

                  2)TRAE Work 或 TRAE IDE 内置模型选择 Doubao-Seed-2.1-Pro 或 Doubao-Seed-2.1-Turbo

                  3)火山方舟体验中心选择 Doubao-Seed-2.1-Pro 或 Doubao-Seed-2.1-Turbo

                  通用 Agent 能力显著提升

                  执行复杂任务更可靠

                  当模型进入生产力场景,用户需要的不只是一次回答,而是模型能够围绕目标持续推进任务,并产出可用结果。围绕这一方向,Seed2.1 进一步强化了通用 Agent 能力,无论是面向高经济价值的工作任务还是面向个人生活的复杂咨询,模型都能可靠交付。

                  面向高经济价值的工作任务,过去,用户可能需要咨询外部顾问、专业服务团队来辅助完成;现在,模型可以参与资料分析、方案设计、内容规划和结果整理,帮助用户推进原本需要专业支持的工作,实现降本增效。

                  Seed2.1 在 Workspace Bench、Agent Startup Bench 基准上表现稳定,Seed2.1 Pro 在 GDPval 基准上获得最高分。其中,Workspace Bench 关注工作中对于复杂文件的信息检索、关联理解和结果生成;Agent Startup Bench 通过调研、访谈真实的 AI 原生创业公司,结合专家意见综合评估模型的回答质量;GDPval 则衡量模型在真实世界工作任务中的完成质量和经济价值。评测结果说明,Seed2.1 在贴近真实工作任务的 AI 工作流中,能够在复杂材料和任务目标之间建立联系,并产生具有经济收益的交付。

                  此外,在更高难度、更专业的任务上,Seed2.1 也有较好表现。其中,Seed2.1 Pro 在 Agents' Last Exam(ALE)基准评测中,处于当前参评模型的第一梯队水平,体现出在复杂专业任务上的较强竞争力。值得注意的是,该评测发布不久,各模型短期内难以针对该测试进行充分定向优化,能够更真实地衡量模型面对新任务场景时的泛化能力。该结果表明,Seed2.1 所具备的任务规划、工具使用、长程执行、信息整合与结果交付等通用 Agent 能力,能够较好地迁移到此前未见的高门槛专业工作流中。

                  Agents' Last Exam 基准评测中,左侧为完整通过率,右侧为平均综合得分

                  面向个人生活中的复杂咨询场景,Seed2.1 系列模型回复的质量和可靠性进一步提升。

                  这类需求往往不是简单问答,用户会同时提供咨询背景、过往记录、行业报告等多种信息,内容也分布在文档、PDF、图片等不同格式中,形成一个需要综合推理、判断、建议的复杂咨询场景。

                  Seed2.1 在 xDailyBench、Doubao Multi-Turn Bench 等基准上表现稳定,在 Toolathlon、SeedClawBench 等基准上保持竞争力。这说明模型在日常生活、学习研究等 30 多个垂类场景中,都能更好地理解真实用户需求,并结合用户偏好给出高质量的建议,必要时还能调用不同工具、使用合适的 Skill,产出可靠回复。

                  SeedClawBench 是由 Seed 自主开发的内部基准,用于评估在 OpenClaw 风格、面向用户的场景中,Agent 提供实际辅助的能力

                  围绕教学、通用办公和专业研究等场景,Seed2.1 能稳定输出教案 PPT、完成复杂表格分析、生成行业报告

                  此外,基于稳定的视觉理解能力,Seed2.1 能够在复杂任务中更好地处理视觉信息、理解用户目标,并推进后续执行与交付。Seed2.1 在 Claw-Eval (MM) 等 Visual Agent 相关基准上整体表现出较强的竞争力。这意味着模型不仅能够理解文档、视频、图片、空间结构等复杂的视觉信息,还能围绕任务目标对视觉信息进行整理和分析,并形成可交互、可交付的 Agent 结果,例如基于多视角图像生成平面户型图,或根据视觉信息完成信息检索、内容生成和代码编写等任务。

                  Image2FloorPlan 为内部自建评测集,考察的任务为理解多张真实照片并绘制平面户型图

                  在面向专业生产力场景的探索中,我们发现,真实工作流并非发生在某一个固定界面里,而是需要在聊天、搜索、浏览器、代码仓库、文件和外部工具之间切换。因此 Seed2.1 进一步面向通用型 Computer-Use Agent (CUA) 方向优化,让模型能更稳定地在跨环境、跨工具和跨交互方式的任务中持续推进。

                  其中,面对手机 GUI 任务,模型需要理解屏幕内容、判断下一步操作,并完成点击、输入、切换应用等连续动作,Seed2.1 在 MobileWorld 基准中取得最高分,说明其在手机端任务中能够更稳定地推进操作。同时,模型在 OSWorld 上保持竞争力,并通过强化学习,引导 Agent 自然地在 GUI 和非 GUI 动作空间之中切换最优选择,将完成任务所需的平均步数减少 16%,进一步提升任务执行效率。

                  此外,Seed2.1 在 CreativeWork 基准上同样表现突出。该基准覆盖了 Notion、Canva 和 Figma 三类具有代表性的环境,意味着模型在文档管理、视觉设计和界面编辑等多种任务中,都能理解复杂目标、分解执行步骤,并在工具调用与 GUI 交互之间自主切换,稳定地完成任务。

                  CreativeWork 是 Seed 自研的基准,用于评估 Agent 在真实生产力场景中协同使用 GUI 与 MCP 工具的能力

                  Coding 端到端能力大幅强化
                  企业生产场景交付稳定

                  聚焦到 Coding Agent 方向,Seed2.1 结合了公开基准、众测开发者反馈和内部评测综合评估模型表现。其中,公开基准主要关注模型在通用代码任务上的能力边界,而众测开发者反馈则更能反映模型在真实工程场景中的实际价值。

                  在公开基准中,Seed2.1 Pro 在 ProgramBench 基准上保持竞争力,说明模型具备从零开始完成系统级工程的能力,可独立完成软件系统的架构设计与代码实现。

                  同时,Seed2.1 Pro 在 NL2Repo-Bench 基准上表现良好,该基准主要评估模型将自然语言需求转化为仓库级代码改动的能力,更接近真实软件工程场景。评测结果说明,Seed2.1 能理解整个代码仓库的架构、依赖关系和业务逻辑,并进行多文件协同修改,最终交付可维护、可运行的工程化代码。

                  在众测开发者评估中,我们邀请开发者基于真实代码仓库提交工程任务,并对匿名模型输出进行比较。结果显示,在更贴近真实 Coding 流程的任务中,Seed2.1 在最终完成质量上获得更高评价。其中,Seed2.1 Pro 相比 Claude Opus 4.6 获得 59.1% 胜率。

                  此外,Seed2.1 Preview 版本还在近期参与了前端场景的人类偏好评测。在 Code Arena: Frontend 榜单中,模型以 1539 分排名第 8,并在 7 个前端子类别中的 5 个进入前 10。

                  多模态理解等基础能力持续领先

                  进一步服务 Agentic 场景

                  Seed2.1 不断深化多模态能力,在各类视觉和视频理解任务上,多项评测集取得 SOTA 结果,保持业界领先水准,并进一步服务 Agentic 场景。

                  面向视觉理解场景,Seed2.1 Pro 在 CharXiv-RQ、MeasureBench 等多个基准上取得最高分,体现出模型在复杂文档理解、图表读取、数值识别和视觉细节判断上的进一步提升。这类能力可以帮助模型在处理 PDF、报告、图表和多页材料时减少误读,增强对非结构化信息的感知。

                  Seed2.1 还在 ERQA 基准上取得最佳成绩,说明模型空间理解能力进一步增强,可更好地支撑面向现实环境 Agent 任务。

                  此外,模型在 MMLongBench-128K 长上下文基准上表现突出,说明模型能够处理长文档、多页材料和更长链路的任务信息,帮助 Agent 在更完整的上下文中稳定推进复杂任务。

                  面向视频理解场景,Seed2.1 Pro 在 TVBench、TOMATO 基准上取得业界高分,说明模型对时序变化、动作和物理运动的理解更加准确。

                  Seed2.1 还在持续提升处理小时级别长视频的能力,识别与理解的准确性进一步提高,在 VideoMME、LVBench 等多个基准中取得高分,为长视频检索、影视剧剪辑等场景奠定扎实基础。Seed2.1 的流式视频能力也进一步加强,在 OVBench 等基准中表现突出,能在实时视频通话、会议录屏回看、视频分析等场景中协助用户高效理解内容。

                  Seed2.1 可基于长视频输入完成理解、剪辑以及解说一键成片,自动产出精华解说视频

                  除多模态理解能力外,Seed2.1 在世界知识、推理和多语言能力等基础能力上也进一步提升。其中,模型在 SciCode 和 FrontierScience-Olympiad 等基准中表现良好,说明它在科研代码、高难科学问题等更具挑战的任务中,也能保持稳定的推理表现。Seed2.1 还进一步增强了多语言能力,能更好地理解不同文化语境下的知识问题,支持更多国际化使用场景。

                  MSQA 为内部多语言基准测试,旨在评估跨越 11 种主要语言的特定文化知识

                  Seed2.1 还在不断探索科研、计算机科学、物理与科学计算、高阶数学等更加开放的研究场景。其中,模型在 FrontierScience-Research 等前沿研究基准上保持竞争力。

                  在物理与科学计算方面,Seed2.1 能够综合理解领域理论、数值公式和数据文件,将科学问题转化为可执行、可验证的计算流程,并根据验证反馈迭代修正结果。在数学研究方面,模型还能帮助数学家搜索构造、测试证明思路,降低构造性论证中的试错成本,进一步支持探索性的数学研究。

                  此外,随着 Agent 能力从对话走向真实工作流,模型研发场景也在发生变化:模型不再只是被评测、被训练和被优化的对象,也开始参与模型研发流程本身。

                  我们持续推进 Seed for Seed 研发方向:让 Seed2.1 不只服务外部研发与业务场景,也进一步进入评测、数据、训练、研究和 Infra 等关键环节,参与真实研发任务,并在提升研发效率的过程中反哺模型能力迭代。

                  在实际场景中,Seed2.1 以 Agent 形式参与评测系统构建、能力诊断、SFT 数据合成、RL 训练框架优化,以及将最新研究论文中的关键方法落到代码和实验中验证等工作。这些任务往往跨越数小时、十几个小时甚至数十天。Agent 需要持续读取中间结果,分析问题、调用工具执行修改,并根据实验反馈反复验证和迭代。

                  在更复杂的任务中,多个 Agent 还可以协同分工,分别承担执行、评估、诊断和优化等角色,将复杂研发任务拆解为可持续推进的工作闭环,从而提升模型研发链路的整体效率。

                  Seed for Seed 研发流程示意图

                  总结与展望

                  面向真实场景中的生产力价值,Seed2.1 的 Agent 执行能力和 Coding 任务的交付稳定性均有较大提升。同时,我们也注意到,在最具挑战性的开放任务以及前沿研究问题求解上,模型能力仍有提升空间。

                  未来,我们会继续在以下方面持续优化:

                  • 深入调研专家用户的真实需求,进一步提升专业工作流覆盖;

                  • 持续优化 Harness 与模型的协同,让模型在复杂的工作流中稳定发挥作用;

                  • 通过让模型参与训练,并进行自主研究,加速模型迭代;

                  • 持续打磨模型的行为模式,提升用户体验。

                  沿着这些方向,Seed 系列模型将继续追求智能上限,并不断面向真实场景迭代。

                  阅读原文

                  跳转微信打开

                  •  

                  从 OpenClaw 到 FastClaw:如何设计优秀的多 Agent 架构

                  原创 idoubi 2026-06-23 00:43 广东

                  好的 Agent 架构不是把所有功能塞进一个进程,而是让每一层都能独立演化。

                  ❝

                  做了一年 Agent 基础设施,踩了无数坑,我终于想明白了一件事:好的 Agent 架构不是把所有功能塞进一个进程,而是让每一层都能独立演化。

                  前言

                  2026 年初,OpenClaw 爆火 —— 一个自托管的 AI 助理。它本质是一个跑在你自己机器上的 Agent 网关(Gateway),通过 Telegram、Discord、Slack、飞书等你已经在用的聊天软件接入,能真正替你干活:收发邮件、管日程、浏览器自动化、执行命令。

                  OpenClaw 支持多端接入、记忆系统、技能市场(ClawHub)、多 Agent 协作,甚至 A2A(Agent-to-Agent)——功能很全。

                  为了用上 OpenClaw,我买了台 Mac Mini,日常通过手机发指令,做了很多项目,效率很高。

                  为了让其他人也用上 OpenClaw,我做了个托管服务,帮 500 多个用户部署了专属的龙虾,跑在云端的一套 K8S 集群上。

                  在自用和做托管服务的过程中,我对 OpenClaw 的架构设计越来越了解,也发现了很多问题。为了解决这些问题,我认为必须从底层架构全新设计,而不是在 OpenClaw 的基础上魔改。

                  我决定做一个更好的 Agent 框架:FastClaw,面向云原生多租户场景设计,更快、更轻量、更好用。

                  这篇文章记录了我对 OpenClaw 架构的理解,以及我对 FastClaw 架构设计的经验总结。

                  一、OpenClaw 做对了什么

                  OpenClaw 虽然有不少问题,但它在产品方向上的探索是超前的。回头看,有几个创新点是真正有价值的。

                  1. 多端接入:随时随地和 Agent 交互

                  OpenClaw 支持极广的 IM 接入——Telegram、Discord、Slack、WhatsApp、Signal、iMessage、飞书、Matrix、Microsoft Teams 等,外加 Web Chat 和 CLI。用户可以在任何地方和自己的 Agent 对话。

                  这个设计的核心洞察是:Agent 不应该被困在一个 App 里。你写代码的时候用终端,开会的时候用飞书,摸鱼的时候用 Telegram——Agent 应该无处不在。

                  2. SOUL 机制:让 Agent 有"人味"

                  OpenClaw 引入了 SOUL.md 的概念——一个定义 Agent 人格、语气、价值观的配置文件。不是冷冰冰的 system prompt,而是一份精心调教的"灵魂"。

                  这带来了两个意想不到的好处:

                  • 用户粘性暴涨:当 Agent 有了固定人设,用户会产生情感连接,留存率比纯工具型 Agent 高几倍

                  • Agent 可复制:同一套 SOUL 文件可以给不同模型用,换模型不换人设

                  3. 记忆检索:越用越懂你

                  OpenClaw 的记忆系统分两层:

                  • 长期摘要:MEMORY.md,一份精简的长期记忆摘要,作为 project context 注入提示词

                  • 每日明细:memory/*.md 每日文件,平时不进上下文,靠 memory_search / memory_get 工具按需检索,不占 token

                  配合 SOUL.md(人设)、USER.md(用户信息)等文件,Agent 可以记住你的偏好、习惯、常用工具,真正做到"越用越懂你"。

                  4. 主动通知:从被动响应到主动服务

                  传统 Agent 是"你问我答"。OpenClaw 加了 Cron Job 和心跳机制后,Agent 可以:

                  • 每天早上 8 点给你发天气和日程提醒

                  • 监控 GitHub PR 状态,有更新自动通知

                  • 定期检查博客评论,筛选有价值的反馈

                  这是 Agent 从工具进化为助理的关键一步。

                  5. 对话式安装:养成式体验

                  OpenClaw 的 Skill 安装不是"去应用商店下载",而是在对话中直接说"帮我装一个翻译技能",Agent 自己去搜索、安装、配置。

                  这种对话即操作的范式降低了使用门槛,也让 Agent 有了一种"养成"的感觉——你在训练它、给它装新技能。

                  6. 多 Agent 协作:团队模式

                  OpenClaw 支持同时运行多个 Agent,每个 Agent 有不同的专长:

                  • 一个负责写代码

                  • 一个负责写文档

                  • 一个负责 Code Review

                  • 一个负责部署上线

                  这些 Agent 在单个 Gateway 进程内相互隔离运行,每个有独立的 workspace、状态目录(agentDir)和会话历史,通过 multi-agent routing 把消息分发给对应的 Agent。

                  二、OpenClaw 的架构

                  OpenClaw 采用的是 Node.js 单体架构,核心组件包括:

                  配置方式:一个 ~/.openclaw/openclaw.json 文件管所有——LLM Provider、Channel Token、Plugin 配置、Skill 列表、默认参数……全在一个 JSON 里。

                  存储方式:文件系统为主,Session 存 JSON 文件,Memory 存 Markdown,Skills 存目录。

                  运行方式:openclaw start 启动一个 Node.js 进程,Gateway 挂载所有 Channel 和 Plugin,一荣俱荣一损俱损。

                  三、OpenClaw 的不足

                  作为一个个人助理工具,OpenClaw 是够用的。但作为一个要服务多人的生产级 Agent 平台,它有致命缺陷。

                  1. 缺少平台级多租户:隔离粒度太粗

                  OpenClaw 的隔离是围绕"Agent"设计的——Session、Memory 都按 agent / workspace 隔离,但没有"用户(account)"这层抽象。要真正隔离,得"一人一 Agent"。

                  也就是说,同一个 Agent 没法安全地服务多个互不信任的用户——做托管只能给每人单开一套,成本高、浪费大。缺的不是会话隔离,而是平台级多租户。

                  2. Gateway 是单点故障

                  所有 Channel、所有 Plugin、所有 Agent 的运行时都挂在同一个 Node.js 进程里。一个 Plugin 内存泄漏,整个 Gateway 崩溃;一个 Channel 的 API 超时,所有 Channel 都卡住。

                  没有隔离,就没有可靠性。

                  3. 默认上下文偏重,Token 容易失控

                  OpenClaw 每轮都会把一组 bootstrap 文件——SOUL.md、MEMORY.md、AGENTS.md、工具说明——注入提示词。文件一多、对话一长,system prompt 越堆越大。

                  它也做了优化(memory/*.md 按需检索、cron 用隔离 session 把每轮压到 ~2-5K token),但默认配置对 token 不够敏感,bootstrap 写得啰嗦,账单就很可观。钱烧得心疼。

                  4. 资源占用大

                  Node.js + 一堆 npm 依赖 + 文件系统 I/O,idle 状态就吃 500MB+ 内存。加上 Sandbox(Docker 容器),一台 4GB 的小机器跑得喘不过气。

                  5. 云原生不友好

                  • 配置和状态都落在本地文件系统(~/.openclaw/),多 Pod 之间没法共享同一份配置和会话,天然单机

                  • 存储是文件系统,没法水平扩展

                  • 部署形态是"一个有状态进程",缩容、迁移、滚动更新都得小心翼翼地保住本地数据

                  6. 臃肿的 npm 依赖树

                  node_modules 有 800MB+,构建时间 3 分钟+。每次更新依赖都像开盲盒——不知道哪个包会炸。

                  7. Web UI 体验差

                  OpenClaw 的 Control UI 和 CLI 其实共享同一份 ~/.openclaw/openclaw.json(都走 config.get / config.set / config.apply,还有 base-hash guard 防并发覆盖),配置层面是一致的——这点没问题。

                  问题在体验:Web UI 界面粗糙,配置项藏得深,想在网页上完整跑通一次 Agent 配置并不顺手。对一个想拿出去给用户用的产品来说,"能用但不想用"就是劝退。

                  8. 安全模型只为"单机单操作者"设计

                  OpenClaw 的安全边界是"信任操作者本人",不是"在不可信用户之间做隔离"。默认值都是按这个前提来的:

                  • 宿主机执行默认全开:exec 默认 full + 免审批、沙盒默认关闭,Agent 能直接在宿主机跑任意命令、读写文件——文档也承认这是"单操作者场景的有意 UX"

                  • Prompt injection 未解决:system prompt 只是软提示,一条恶意消息就可能让 Agent dump 文件、跑命令

                  • 密钥明文、Session 不加密、Plugin 主进程内运行、无 per-user RBAC

                  自己单机用足够安全;但要做成多人平台,exec 沙盒、密钥加密、租户级 RBAC、注入防护,每一层都得从头补。

                  四、如何设计更好的 Agent 框架

                  FastClaw 的设计原则很明确:轻量、快速、云原生。

                  1. 云原生优先

                  # 一行命令安装,单二进制文件
                  curl -fsSL https://raw.githubusercontent.com/fastclaw-ai/fastclaw/main/install.sh | bash
                  #
                   零配置启动(纯环境变量)
                  FASTCLAW_PORT=18953 fastclaw
                  #
                   K8s 部署就是一个 Deployment + Secret
                  • 没有本地配置文件:Bootstrap 参数全部走环境变量,运行时配置通过 Dashboard 或 CLI 写入数据库

                  • SQLite → Postgres:FASTCLAW_STORAGE_DSN 一个环境变量切换存储后端,本地用 SQLite,生产切 Postgres

                  • S3 对象存储:FASTCLAW_OBJECT_STORE_* 环境变量接入 S3,多 Pod 共享 Skills 和文件

                  2. 多租户与 RBAC

                  OpenClaw 是"一个人的工具",FastClaw 是"一群人的 Agent 平台"。

                  用户模型:
                  ├── super_admin    — 平台管理员,全权限
                  ├── user           — 普通用户,管理自己的 Agent
                  ├── app_user       — 应用端用户(通过 API 懒创建)
                  └── channel_user   — IM 渠道用户(Telegram/Discord 登录)

                  四层配置继承:

                  system (全局默认)
                    → user (用户级覆盖)
                      → agent (Agent 级覆盖)
                        → (user, agent) (特定用户对特定 Agent 的定制)

                  内层配置自动覆盖外层,同名 Provider 配置整条替换。这意味着:

                  • 管理员配一个默认的 OpenAI Key,所有用户直接用

                  • 某个用户想用自己的 Key,覆盖一层就行

                  • 某个 Agent 需要特定模型,再覆盖一层

                  • 互不干扰,天然多租户

                  3. 会话隔离

                  每个 Session 的 key 是 (user_id, agent_id, channel_type, chat_id) 四元组。同一个 Agent 被 100 个用户使用,每人看到的都是自己的记忆和历史。

                  X-Fastclaw-End-User Header 让 SaaS 层可以透传终端用户身份,FastClaw 自动为每个 (api_key, external_id) 对创建隔离的内部用户。零代码改造,接入即多租户。

                  4. 高并发

                  Go 的 goroutine 天然适合高并发场景。FastClaw 的 Session Manager 可以同时处理数千个会话而不会互相阻塞。

                  关键设计:Session 是无状态的,状态在数据库里。 每次请求从 DB 加载上下文,处理完写回。这意味着:

                  • 任意一个 Pod 可以处理任意一个请求

                  • 水平扩展只需加 Pod

                  • 单个 Pod 挂了不影响其他会话

                  5. 单二进制分发

                  # 编译产物就是一个二进制文件,约 30MB
                  make build
                  ls -lh bin/fastclaw
                  # -rwxr-xr-x  1 user  staff  30M  fastclaw
                  # 交叉编译
                  make release-local
                  # → dist/fastclaw-darwin-amd64
                  # → dist/fastclaw-linux-amd64
                  # → dist/fastclaw-windows-amd64.exe

                  没有 node_modules,没有运行时依赖,没有构建步骤。下载、chmod、运行,三步搞定。

                  6. 内存占用低

                  对比 OpenClaw(Node.js)和 FastClaw(Go)的 idle 内存占用:

                  场景

                  OpenClaw

                  FastClaw

                  Idle(空载)

                  ~500MB

                  ~30MB

                  1 个活跃会话

                  ~600MB

                  ~50MB

                  10 个并发会话

                  ~1.2GB

                  ~80MB

                  100 个并发会话

                  OOM

                  ~200MB

                  Go 编译为原生机器码,没有 GC 停顿,没有 JIT 预热。同样的硬件,能扛 10 倍流量。

                  7. 插件隔离

                  OpenClaw 的 Plugin 跑在主进程里,一个 Plugin 崩了整个 Gateway 挂。

                  FastClaw 的 Plugin 通过 JSON-RPC 子进程 隔离运行:

                  FastClaw Gateway ←→ JSON-RPC (stdin/stdout) ←→ Plugin Process
                  • Plugin 崩溃不影响 Gateway,自动重启子进程

                  • Plugin 没有文件系统访问权限(除非显式授权)

                  • 还提供了 openclaw-plugin-bridge,可以兼容 OpenClaw 的 TypeScript Plugin 生态

                  8. 工具 Provider 的 Fallback 机制

                  FastClaw 对外部工具(Web Search、Image Gen、TTS 等)设计了统一的 Provider + Fallback Chain 架构。

                  比如 Web Search 配置了 Tavily 为主、SerpAPI 为备,Tavily 限流了自动切 SerpAPI,用户无感知。

                  五、FastClaw 的架构设计

                  整体架构

                  ┌──────────────────────────────────────────────────────┐
                  │                    FastClaw Gateway (Go)              │
                  │                                                      │
                  │  ┌──────────────────────────────────────────────┐    │
                  │  │              HTTP API Layer                   │    │
                  │  │  /v1/chat/completions (OpenAI 兼容)          │    │
                  │  │  /api/chat/stream     (SSE 流式)             │    │
                  │  │  /api/agents          (Agent CRUD)           │    │
                  │  │  /api/config          (Provider 管理)        │    │
                  │  │  /api/skills/install  (Skill 安装)           │    │
                  │  │  /api/apikeys         (API Key 管理)         │    │
                  │  └───────────────────┬──────────────────────────┘    │
                  │                      │                               │
                  │  ┌───────────────────▼──────────────────────────┐    │
                  │  │            Scope Resolution                  │    │
                  │  │  system → user → agent → (user, agent)       │    │
                  │  │  四层继承,内层覆盖外层                        │    │
                  │  └───────────────────┬──────────────────────────┘    │
                  │                      │                               │
                  │  ┌───────────────────▼──────────────────────────┐    │
                  │  │            Agent Runtime                     │    │
                  │  │  ┌────────┐ ┌────────┐ ┌────────────────┐   │    │
                  │  │  │Session │ │Memory  │ │Tool Providers  │   │    │
                  │  │  │Manager │ │(MD+DB) │ │(Fallback Chain)│   │    │
                  │  │  └────────┘ └────────┘ └────────────────┘   │    │
                  │  │  ┌────────┐ ┌────────┐ ┌────────────────┐   │    │
                  │  │  │Skills  │ │Sandbox │ │Plugin System   │   │    │
                  │  │  │Loader  │ │(Docker │ │(JSON-RPC 子进程)│   │    │
                  │  │  │        │ │ /E2B)  │ │                │   │    │
                  │  │  └────────┘ └────────┘ └────────────────┘   │    │
                  │  └──────────────────────────────────────────────┘    │
                  │                      │                               │
                  │  ┌───────────────────▼──────────────────────────┐    │
                  │  │              Channel Layer                    │    │
                  │  │  Telegram │ Discord │ Slack │ Feishu │ Web    │    │
                  │  └──────────────────────────────────────────────┘    │
                  └──────────────────────┬───────────────────────────────┘
                                         │
                           ┌─────────────┼─────────────┐
                           ▼             ▼             ▼
                      ┌─────────┐  ┌──────────┐  ┌──────────┐
                      │ SQLite  │  │ Postgres │  │    S3    │
                      │ (本地)  │  │ (生产)   │  │ (对象存储)│
                      └─────────┘  └──────────┘  └──────────┘

                  1. 存算分离

                  FastClaw 最核心的架构决策是存算分离:

                  计算层(Gateway):

                  • 无状态,可以水平扩展

                  • 处理 LLM 调用、工具执行、Session 管理

                  • 任意 Pod 可以处理任意请求

                  存储层(Database + Object Store):

                  • SQLite(单机)或 Postgres(集群)

                  • S3 存储 Skills、Agent 文件等二进制数据

                  • 数据库是唯一真相源

                  这意味着:

                  • 数据持久化不依赖进程生命周期

                  • 可以随时换存储后端(SQLite → Postgres 一行配置)

                  • 多 Pod 共享同一个数据库,天然支持水平扩展

                  2. 基于 Scope 的配置继承

                  FastClaw 基于 Scope 实现配置的链式继承

                  这带来了极高的灵活性:

                  • 管理员设置全局默认模型为 gpt-5,所有新用户直接能用

                  • 用户 A 偏好 claude-opus,覆盖一层

                  • 用户 A 的"写作助手"Agent 需要 claude-fable5,再覆盖一层

                  • 不需要代码变更,不需要重启,不需要额外配置文件

                  3. Fallback 容错

                  FastClaw 对所有外部依赖都做了 Fallback:

                  LLM Provider Fallback:

                  主模型 (claude-sonnet) → 备用模型 (gpt-4o) → 最后防线 (本地 ollama)

                  Tool Provider Fallback:

                  Web Search: Tavily → SerpAPI → 直接抓取
                  Image Gen:  Replicate → 本地 SD
                  TTS:        ElevenLabs → Fish Audio

                  Sandbox Fallback:

                  Docker (本地) → E2B (云端) → 无沙盒模式 (受限)

                  每一层 Fallback 对上层透明,LLM 不知道具体用的是哪个 Provider,用户也不需要关心。

                  六、FastClaw 的定位与使用场景

                  FastClaw 不只是一个"更好的 OpenClaw"。它有四个递进的定位:

                  1. Assistant:更好的个人助理

                  你可以在电脑上一行命令安装 FastClaw👇

                  curl -fsSL https://raw.githubusercontent.com/fastclaw-ai/fastclaw/main/install.sh | bash

                  可视化配置 FastClaw,替代 OpenClaw,Hermes Agent 日常使用。

                  可接入常用的 IM 软件:

                  适合:个人用的 AI 助手、Telegram Bot、Discord Bot、飞书机器人、微信 ClawBot。

                  2. Factory:Agent 制造工厂

                  你可以在 cloud.fastclaw.ai 云平台创建自己的 Agent

                  自定义 Agent 的 SOUL、技能、模型。

                  适合:Skills 创作者、提示词工程师,创建个性化 Agent,自用或分享给朋友使用。

                  3. Runtime:Agent 运行时

                  你可以把 FastClaw 作为 Agent Runtime,导出 API 给其他 Agent 产品使用。

                  比如 weclaw.im 就是把 FastClaw 作为 Backend 的一个 Agent 应用,只做前端交互,一小时上线。

                  适合:想快速开发 Agent 产品的开发者,无需实现 Agent Loop、Sandbox 等运行时逻辑。

                  4. Platform:Agent 协作平台

                  可以把 FastClaw 作为团队版的 OpenClaw,搭建 Agent 协作平台。团队共享知识库、Skills。

                  适合:需要私有化部署 Agent 平台的企业。只需一台内网服务器,快速部署,无限多开 Agent。

                  七、多 Agent 框架设计经验总结

                  在做 FastClaw 的过程中,我总结了几条经验。

                  1. 先做单租户,但架构要预留多租户

                  OpenClaw 一开始就做单租户,后来想加多租户发现要改的东西太多,几乎等于重写。FastClaw 从第一行代码就设计了 (user_id, agent_id) 的隔离模型,即使一开始只有一个人用,后续扩展也不需要改架构。

                  多租户不是功能,是架构决策。越早做越省事。

                  2. 存储决定一切

                  OpenClaw 用文件系统存数据,简单直接。但当你要做多实例部署、水平扩展、数据备份时,文件系统就是噩梦。

                  FastClaw 用数据库作为唯一真相源(SQLite 本地开发,Postgres 生产),文件系统只存 Skills 目录(可以通过 S3 共享)。

                  永远用数据库存状态。文件系统只存"内容"(代码、文档、配置文件),不存"状态"(Session、用户、权限)。

                  3. 隔离是可靠性的前提

                  OpenClaw 所有功能跑在一个进程里,一个组件出问题全盘崩溃。FastClaw 用子进程隔离 Plugin,用 Docker/E2B 隔离代码执行,用数据库事务隔离并发写入。

                  如果两个组件的故障域不同,就不要让它们共享进程。

                  4. Fallback 不是可选项,是必需品

                  LLM API 会限流、会宕机、会涨价。Web Search API 会超时。Image Gen 会排队。如果你的 Agent 在任何一个外部依赖挂掉时就完全不能用,那你的 Agent 就是玩具。

                  FastClaw 的每个 Tool Category 都有 Fallback Chain,主 Provider 挂了自动切备用,用户无感知。

                  生产级 Agent 必须对所有外部依赖做 Fallback。没有例外。

                  5. Token 是钱,上下文是金

                  OpenClaw 把所有上下文一股脑塞进每次请求,token 消耗居高不下。后来我学到:

                  • SOUL 文件要精简:500 token 以内够了,不需要把整本说明书塞进去

                  • Memory 按需检索:不要全量注入,用 embedding 检索相关记忆

                  • Session 要摘要:长对话定期压缩,保留关键信息丢弃冗余

                  • Tools 说明要分层:常用工具详细说明,不常用的只放名字

                  上下文管理是 Agent 的核心竞争力。会省 token 的 Agent 才能活下去。

                  结语

                  从 OpenClaw 到 FastClaw,本质上是从"做一个很酷的开源项目"到"做一个能跑在生产环境的平台"的思维转变。

                  OpenClaw 验证了方向——多端接入、SOUL 机制、记忆系统、多 Agent 协作,这些都是对的。

                  FastClaw 解决了工程问题——单租户、单点故障、资源浪费、不可扩展,这些都是要修的。

                  好的架构不是设计出来的,是迭代出来的。在迭代之前想清楚存算分离、多租户隔离、Fallback 容错这三件事,你会省下很多时间。

                  如果你也在做 Agent 基础设施,希望这篇文章能帮你少走一些弯路。

                  欢迎体验 fastclaw.ai,免费开源。

                  https://github.com/fastclaw-ai/fastclaw

                  欢迎 fork,感谢 star。

                  阅读原文

                  跳转微信打开

                  •  

                  纳逗Pro全链路赋能、专项免费算力支持!爱奇艺AI影视创作营第二期来了

                  爱奇艺技术产品团队 2026-06-22 15:19 北京

                  新增实战派导师 头部制作平台加持

                  当下,AI技术大幅降低了影像创作的入门门槛,“一键成片”让人人都能快速生成视觉画面。量产内容趋于同质化的当下,优质叙事能力、专业镜头语言、高阶审美判断成为AI无法替代的核心创作壁垒,更是拉开创作者差距的关键核心。立足行业痛点与人才需求,爱奇艺重磅升级打造AI影视创作营第二期,以大咖亲授、实战实操、全链赋能的模式,助力广大创作者实现“会用AI工具”到“用AI讲好影视故事”的进阶蜕变。

                  01#

                  课程升级、实战大咖加盟

                  五大核心模块助力

                  “创意-制作-后期”全链条

                  爱奇艺AI影视创作营聚焦“AI+专业影视创作”核心能力培养,首期课程凭借干货内容、实战教学收获行业及学员广泛好评。6月17日起,创作营第二期正式开启全网招募。在首期成熟教学体系基础上,本次课程、导师全方位迭代升级,大幅提升AI实操教学占比,让内容聚焦一线AI导演实战创作心法。

                  第二期课程内容覆盖影视叙事与角色塑造、AI影视导演思维、声音设计与听觉叙事、AI制作技术与影视级后期、用户洞察与版权合规五大核心模块,通过5天系统化、沉浸式集训帮助学员搭建AI影视创作知识体系,掌握AI工具与影视专业创作的融合技巧,精准突破AI创作画面同质化、叙事薄弱、质感不足等核心问题。

                  第二期创作营延续“让故事更精彩、让制作更专业”宗旨,深耕实战化教学理念,集结编剧、影视表演、AI导演、声音设计、影视技术等多领域资深行业大咖,组建全维度导师团队。相较于首期,本次课程新增曾赠、朱雷蒙、李杨三位深耕AIGC影视创作一线的实战派导演。一众导师兼具传统影视创作深厚功底与AI工具融合落地经验,深谙当前AIGC影视创作的技术边界、行业瓶颈与创新方向。教学过程中,导师将拆解影视叙事底层逻辑与专业创作方法论,结合真实AI影视创作案例,为学员搭建从剧本构思、叙事打磨到AI可视化呈现的整体创作思维。

                  02#

                  纳逗Pro全链路赋能

                  算力加持实现影视级成片落地

                  为解决学员“学完不会用、成片质感差”的难题,第二期创作营重点强化实战实操环节,依托爱奇艺自研专业级影视制作平台纳逗Pro,为学员提供从创意构思到成片的闭环创作支撑。

                  纳逗Pro以公共大模型及自主部署的大模型为底座,沉淀爱奇艺在影视工业化、专业制作领域的深厚经验,同时通过结合爱奇艺IP库、数字资产库和创作者社区,形成可调用的平台能力。目前,纳逗Pro为创作者提供专业画布工作流、大规模团队协同创作等服务,支持影视剧本评估、3D导演台实现多角色构图、长剧集角色一致性等专业级影视创作能力,更有“专业戏增强智能体-武打戏”“人物情感关系图”等独家功能,支持多样创作需求。

                  本次创作营将持续为学员提供单次超200次镜头生成的专项免费算力支持,全面覆盖镜头生成、画面重绘、细节精修等全流程创作需求。同时,纳逗Pro专属技术导师全程驻场指导,一对一解答工具操作、技术落地难题,保障每位学员都能深度上手、熟练实操。

                  课程结营后,优秀创作者将获得爱奇艺AIGC创意中心优先入驻资格、平台专属流量扶持、官方项目合作对接、多元化商业变现机会 。爱奇艺将致力于全方位搭建创作者“学习-创作-出圈-变现”长效成长通道。

                  03#

                  完善AIGC影视生态

                  爱奇艺全方位赋能创作者长效发展

                  作为国内AIGC影视生态的核心建设者,爱奇艺持续深耕AI影视赛道,自2025年起陆续落地系列重磅创作活动,搭建完善的AI影视创作孵化体系。此前,“与AI共生”短片大赛、“鲍德熹·爱奇艺AI剧场”创作营等活动已成功举办,其中“鲍德熹·爱奇艺AI剧场”16部入围作品已全部上线播出,收获良好行业口碑。

                  今年5月20日,爱奇艺携手奥斯卡大奖得主鲍德熹全新升级项目,正式启动“鲍德熹·爱奇艺电影剧场”AIGC商业电影创投计划,面向全球征集60分钟以上AIGC华语商业电影项目,计划孵化推出10部优质长篇商业作品,推动AI影视创作从短篇实验探索,正式迈向长篇商业电影的工业化、市场化新阶段。

                  依托2026爱奇艺·世界大会战略布局,爱奇艺持续升级创作者扶持体系:全新迭代的爱奇艺号(IQID)已正式上线,实现创作者零门槛入驻、一次性签约、全品类内容通发、高效发布运营;同时推出专项分账补贴政策,2026年底前,AIGC内容与中剧内容可享受20%额外分账补贴。此外,平台从AI工具赋能、专属算力支持、IP授权对接、项目投资合作、专项培训、办公场地供给、市场分发等维度,构建全方位、全周期的创作者扶持生态。目前,爱奇艺AIGC(上海)创意中心已迎来变月文化、熹屿人生等多家优质创作者机构入驻,产业集聚效应持续凸显。

                  未来,爱奇艺将持续完善AIGC影视创作全链路生态,开放平台资源、升级扶持政策、拓展商业场景,诚邀广大影视创作者、AI创作爱好者携手合作,深耕AI影视创作领域,产出更多高品质原创内容,依托爱奇艺成熟分发运营体系实现价值落地与商业增收。 

                  报名须知

                  报名时间:6月17起至7月21日

                  报名流程:点击原文链接填写报名,提交个人创作相关背景信息,经官方审核通过并完成缴费后,即为报名成功。

                  阅读原文

                  跳转微信打开

                  •  
                  ❌