铃阅时讯
❌

阅读视图

Xiaomi MiMo Claw 正式版|旗舰模型+金山办公,全新订阅服务上线

原创 小米大模型 2026-06-16 21:33 北京

旗舰模型,高效 Agent

Xiaomi MiMo Claw 是一款云端轻量化 Claw 类产品,让用户低门槛快速体验 MiMo 模型与 Agent 能力。正式版现已发布,搭载与 OpenClaw 框架官方深度适配的 MiMo-V2.5-Pro 旗舰模型。

本次联动金山办公生态,推出全链路文档办公提效方案;新增多项 OpenClaw 核心便捷能力;同时升级免费用户权益,单次体验时长 1h → 4h/天,并面向高频、专业用户上线 TokenPlan 分层订阅,满足不同使用需求。

 能力升级

1. MiMo 旗舰模型赋能,Agent 能力跨越式升级

  • 原生协议兼容:MiMo-V2.5-Pro为 OpenClaw 官方预置模型,原生适配 MCP 工具调用协议,内置技能语义解析能力,无需额外配置提示词工程。

  • 百万级超长上下文:搭载超长上下文记忆调度架构,适配长链路复杂任务,支持单会话千次以上连续工具调用,有效减少多步骤任务上下文丢失、逻辑断裂问题。

  • MTP三层解码架构:依托 MTP 三层解码技术,在 OpenClaw 标准 Agent 工作流测试中,全链路任务推理吞吐效率提升约 3 倍,实现框架专属性能优化。

2. 联动金山办公,实现办公文档一站式闭环

  • 多格式兼容:支持 Word、Excel、PPT、PDF 四大主流,超 95% 文档类型,覆盖学习、职场、统计多场景

  • 全流程闭环服务:打通 AI 智能生成、高清在线预览、实时在线编辑全链路,无三方平台跳转,一站式办公提效。

  • 轻量化高效使用:支持自定义指令创作,也可依托内置模板,一键生成标准化文档。

3. 算力效率升级,Token 成本可控

在 ClawEval 基准测试中,MiMo-V2.5-Pro模型任务达标率(Pass³)达 63.8%,依托其优异的 Token 利用效率,同等任务效果下,MiMo Claw 的 Token 消耗较其他同类产品降低约 40%-60%。同时 MiMo Claw 兼容 TokenPlan 各梯度订阅,提供强有力算力保障。

4. 云端免部署,7×24h 专属服务

  • MiMo Claw 采用全云端托管模式,无需本地环境配置、不占用本地设备资源。专属个人 Agent 助力全天候在线,支持后台任务续跑、智能自主纠错,减少本地设备故障导致的任务中断问题。

  • 集成多渠道消息对接、文件管理、多任务并行、异常修复等实用功能,有效降低普通用户使用 AI Agent 的操作门槛。

    Xiaomi MiMo Claw × 金山办公 功能示例

 用户权益

1. 免费用户权益升级

  • 创建即可免费使用,免费用户每日单次体验时长升级至 4 小时

  • 开放全部核心功能,功能配置贴合日常 Agent 使用场景,可满足日常轻度办公使用需求。

2. 过往用户权益兼顾

  • 叠加升级规则:支持在原有 TokenPlan 套餐基础上自由加购 MiMo Claw 权益;套餐升级时,各项权益、费用独立核算,订单生效后统一重置月度/年度有效期。

  • 权益取消规则:已叠加 Claw 权益的套餐支持取消服务,平台将按照未使用时间折算剩余价值。

  • 历史活动额度通用:过往 100T 专项活动、订阅调价活动等渠道赠送额度,均可正常使用。

Xiaomi MiMo Claw 免费版 网页生成效果

 订阅服务

如果您有更高频使用及高峰算力保障诉求,我们推出了 TokenPlan 分层订阅服务:

1. 全套餐适配,支持灵活叠加

  • MiMo Claw 作为独立 Agent 服务,可灵活叠加至 TokenPlan 所有月度、年度套餐(Lite / Standard / Pro / Max)。直接叠加 MiMo Claw 服务开通即可使用,尽可能兼容存量用户权益。

2. 双订阅入口,自主灵活选购

为提升订阅灵活性,平台开放双独立购买入口:

  • TokenPlan 入口:在 MiMo Platform 订阅 TokenPlan 套餐时,可自主勾选 MiMo Claw 服务,一键叠加开通,算力额度及高阶 Agent 权益即时生效。

  • Claw 专属入口:在 MiMo Studio 订阅 TokenPlan 套餐,默认自动包含 MiMo Claw 服务,不同订阅档位对应固定服务定价。

3. 限时订阅定价

为回馈新老用户,MiMo Claw 月度、年度订阅现已开启限时特惠活动。

  • 首次特惠:¥ 14.9/月

  • 限时优惠:¥ 19.9/月、¥ 233.8/年

备注:海外订阅服务暂未开放,敬请期待。

跳转微信打开

  •  

Qwen-Robot 发布:打通大模型到物理世界的最后一公里

通义实验室 2026-06-16 14:14 浙江

给机器人装上“大脑、小脑与直觉”

在具身智能的探索中,我们常面临一个共同的困境:为什么大语言模型能写诗、能 coding,却很难让一台机器人稳稳地拿起一个杯子,或者在陌生的走廊里找到一家咖啡店?

因为物理世界是连续、复杂且充满不确定性的。Qwen-VL 等基础模型已为物理智能体奠定了强大的认知基础,但认知到行动的跨越仍是一道核心鸿沟。这本质上是一个对齐难题:语言指令与物理动作处于不同的表示空间,且具身数据(如导航轨迹、遥操抓取、行车记录)天然异构、采集成本极高。简单混合只会产生冲突,而非协同。

今天,我们正式推出 Qwen-Robot,通过模块化协同,用三个专业的基础模型来弥合从“看懂”到“行动”的鸿沟:

Qwen-RobotNav:物理智能体的行动入口

通过自适应的视觉分配策略和工具接口,把视觉语言能力接入移动控制,统一了指令跟随、点/目标导航、目标追踪和自动驾驶四类任务。

Qwen-RobotManip:物理智能体的交互基石

通过规范状态-动作空间和相机坐标系下的末端执行器增量位姿,把视觉语言能力接入操作控制,基于完全由开源数据构建的 >38,100 小时操作数据实现了大规模多机型训练。

Qwen-RobotWorld:物理智能体的无限世界

通过自然语言动作接口,把视觉语言能力接入世界动力学预测,让同一个世界模型能够跨操作、驾驶和导航场景预测符合物理规律的未来。

Qwen-RobotNav:物理智能体的行动入口

智能体要操作任何物体,首先得能到达目标位置。然而不同导航任务对历史信息的需求差异巨大——指令跟随需要保留长程上下文,目标追踪则几乎只关注最近几帧。任何固定的视觉分配策略都无法同时满足这两类需求。

Qwen-RobotNav 的核心思路是将视觉分配策略本身参数化:任务模式选择导航行为(指令跟随、目标搜索、目标追踪、自动驾驶),可调节参数(视觉 token 预算、时间衰减、单相机权重、帧采样模式)决定视觉历史的编码方式。模型在1560 万条样本上训练,同时联合视觉语言数据以保留感知能力,一套权重统一五类导航任务。

这套参数化接口也使 Qwen-RobotNav 天然适合作为智能体系统中的导航模块——上层规划器将长程目标分解为子任务,在执行过程中动态切换任务模式和上下文策略,通过反复调用同一模型来组合复杂行为。由此,整个系统具备了持久记忆与长程推理能力,可处理多步导航、环境取证和循证问答等复杂任务。

统一多域导航:单一模型、单组权重,在 5 个导航领域达到 SOTA — VLN-CE RxR 76.5% SR、HM3Dv2 目标搜索 75.6% SR(仅 RGB,超越所有深度方法)、EVT-Bench 90.0% 跟踪率、NAVSIM 91.4 PDMS,以及 3 个 EQA 基准新纪录 — 2B 到 8B 参数一致提升;

可控观测协议:四个控制轴(视觉词元预算、时间衰减、逐相机权重、帧采样模式)作为推理时参数暴露,训练时逐样本随机化,无需重新训练或修改 Qwen3-VL 架构即可适配任意配置;

智能体导航系统:作为双层系统中可重配置的导航原语,上层规划器(Qwen3.6-Plus)分解长时序目标并调度可配置的导航调用,配合双层记忆机制 — 在 EXPRESS-Bench 上提升 15.4%,导航步数减少 77%;

开放环境泛化:在 Unitree Go2 四足机器人上零样本部署,仅使用单个低分辨率相机,在开放真实环境与自由自然语言指令下展现出强大的泛化能力,无需任何环境特定微调。

Qwen-RobotNav 基准测试结果

真实部署

零样本部署在宇树 Go2 四足机器人(NVIDIA Jetson Thor,推理延迟 196ms),仅使用机器人自带的低分辨率摄像头。机器人在一套从未见过的公寓中,根据逐步的语言指令跨多个房间执行任务。

指令跟随

我们在一个从未见过的展览馆中评估往返导航任务:机器人首先根据语言指令从客厅导航 21.78 米至病房,随后接收反向指令,要求精确地沿原路返回。这一任务极具挑战性,因为模型需要在长距离中保持空间感知,在正向和反向两个方向上识别多样的视觉地标,并仅凭语言实现精准的双向位置控制。

Qwen-RobotManip:物理智能体的交互基石

物理智能体需要与真实世界交互,例如通过机械臂完成操作任务。然而,产线上的工业臂与厨房中的服务臂,执行的抓取动作视觉上可能非常相似,但关节配置和动作空间却截然不同。核心挑战在于让形态各异的机器人在表示层面实现兼容,使跨机器人、跨数据源的大规模训练产生协同效应而非相互冲突。

Qwen-RobotManip 以 Qwen3.5-4B VL 为骨干、结合流匹配 DiT 动作头,通过三种机制解决这一问题。统一的 80 维状态-动作表示在单臂、双臂、灵巧手和移动平台等本体间共享。相机坐标系下的末端执行器增量位姿动作,使视觉上相似的运动在不同机器人之间数值上也相近,从而屏蔽形态差异。上下文策略自适应将执行历史视为隐式的本体标识,实现推理时在线行为校准。

一旦表征体系统一,数据壁垒随之降低。我们利用开源的11,320小时的机器人数据、 开源的 1,933 小时 第一人称人类视频,以及 人-机迁移数据合成管线从人类视频合成的跨 15 个本体的24,808 小时 机器人数据(共计 >38,100 小时 )训练VLA模型。仅依靠开源数据,模型即涌现出对扰动的鲁棒性、零样本指令跟随、自主错误恢复和跨本体迁移等泛化能力。

统一跨本体对齐框架-统一的 80 维状态:动作表示兼容多样化本体,相机坐标系末端执行器增量位姿使视觉相似运动数值相近,上下文策略自适应将执行历史作为隐式本体标识——三者共同实现跨本体一致信号提取。

大规模人-机迁移数据合成:管线将 1,933 小时第一人称人类视频,经由动作重定向、手部去除与补绘、仿真渲染及深度辅助融合,转化为跨 15 个本体的 24,808 小时机器人演示,配合多阶段数据策划管线确保数据质量。

分布外泛化: LIBERO-Plus 91.4%(超越 π0.5 +7.0),RoboTwin-C2R Hard 69.4%(超越 π0.5 +21.5),RoboCasa365 Composite-Unseen 14.9%(第二名的 3 倍),EBench 45.6%(超越第二名 +18.5);RoboTwin-IF 72.0%(超越 π0.5 +22.4),证实了可靠的语言条件控制能力;RoboTwin-XE 零样本跨本体迁移性能达到先前最优的 3 倍。

真实环境表现: RoboChallenge Table30 v1 通用赛道以 45% SR 排名第一,领先亚军 20%;在真实机器人平台上的域内与域外任务、少样本适应及跨本体技能迁移中达到先前最优的 2 倍。

“

关键发现:对齐是规模化的前提。只有具备统一跨本体表示的模型(UnifiedSpace + UnifiedEEF)才能展现出稳定的对数线性数据规模化曲线。没有对齐,增加更多数据只会产生抖动或持平的曲线——规模化无法弥补未对齐表征框架的固有缺陷。

”

跨本体迁移

在其他本体上训练的任务可零样本迁移至新本体执行,并通过少量示教快速适应全新任务。

指令跟随

在真实环境(第一排)和仿真(第二排)中执行多样化的未见指令。

Qwen-RobotWorld:物理智能体的无限世界

真实世界的经验是机器人领域最稀缺的资源。

Qwen-RobotWorld 通过直接学习世界的状态转移函数来解决这一问题:给定当前观测和一个自然语言动作,预测世界接下来将呈现的样子。

关键的设计选择是将所有动作以自然语言表达——这将末端执行器位姿、转向指令和导航路标点统一为单一接口,使 20 余种本体类型和 500 余个动作类别得以在具身世界知识语料库(860 万视频-文本对,逾 2 亿帧)下协同训练。

60 层双流 MMDiT 将 Qwen2.5-VL 的语义表示与视频隐变量深度耦合。将完整的多模态大语言模型作为动作编码器——而非轻量级文本编码器是关键所在:

它带来了内化的世界知识:手臂是刚体、液体会扩散、物体会下落,从而隐式地将生成约束为物理上可信的未来。

每个领域相互强化:操作教会接触物理,驾驶教会大尺度三维几何,导航教会房间级别的空间推理。

语言驱动的统一动作接口 :自然语言将 20 余种机器人本体和 500 余个动作类别标准化为统一的训练接口,使操作、驾驶、导航和人机迁移得以联合训练;每个领域互相强化。

双流 MMDiT + Qwen2.5-VL 动作编码器:以完整的多模态大语言模型(而非轻量级文本编码器)作为动作编码器,将复杂的组合指令解析为精确的生成信号,并内化物理世界知识,可作为合成数据引擎、闭环策略评估器和动作规划器。

榜单排名: EWMBench 总分第一(运动保真度超越亚军 33%)及 DreamGen Bench 第一;开源模型中 WorldModelBench 第一(牛顿定律、质量守恒、流体动力学等物理规律遵循完美)及 PBBench 第一。

核心能力: 细粒度语言控制(改变单个关键词即产生不同的未来);跨 8 种以上本体的人机迁移,具备多视角一致生成;在 RoboTwin-IF 上的零样本鲁棒性。

任意指令跟随

改变单个关键词,物体、目标或动作动词,即可产生相应不同的未来。世界模型真正理解语言,而非仅仅进行模式匹配。

人机迁移

给定人类演示,Qwen-RobotWorld 能够跨多种本体生成真实的机器人执行效果——无需遥操作。

从模型到智能体:形成闭环

三个模型各自独立可用——但由于它们都提供语言优先的接口,通用 Qwen 模型可以将它们作为物理世界工具进行组合,将通用智能直接连接到物理行动。我们还有一个内部项目Qwen-RobotClaw——一个机器人智能体框架,使 Qwen VLM 智能体能够将 Qwen-Robot Suite 模型作为物理世界工具调用,同时妥善管理长程任务所需的上下文与记忆,推动物理智能走向更通用、更复杂的真实应用场景。以下是目前已实现的早期示例。

开放式任务执行

Qwen-Omni 观察场景,通过语音随机提出操作任务,并对执行结果进行实时评判。每段视频展示了 Qwen-RobotManip 即时完成任务的过程,无需预定义的任务列表——这证明了通用多模态模型完全可以充当任务提出者与评估者的角色,而套件模型则负责物理执行。

智能体导航与具身问答

通过工具调用,将智能体系统与Qwen-RobotNav结合起来,我们在长程 3D 物理世界探索任务上相较于先前最优取得了显著提升,包括 HM-EQA、MT-HM3D 和 EXPRESS-Bench 等具身问答基准。同时,这种开放世界探索能力也已经可以部署到真实环境中。

第一个 demo 中,用户要求智能体在真实建筑中找到一个可用的卫生间。智能体首先扫描周围环境,沿走廊线索寻找卫生间标识;发现第一个卫生间旁贴有清晰的 "Cleaning in Progress / 暂停使用" 标牌后,判断该卫生间不可用,随即重新规划路线前往建筑另一侧寻找替代选项。在通过视觉证据确认第二个卫生间开放且可进入后,智能体返回了一个有实证支撑的答案。

第二个 demo 则是我们此前随 Qwen3.7-Max 一并发布的一镜到底演示:智能体通过调用 Robot-Nav,在开放园区环境中进行自主探索,在过程中修正偏差,并最终找回丢失的雨伞。后续我们将发布更多技术细节。

Chat2Robot

我们提供了一个实验性功能——Chat2Robot——您可以直接在浏览器中与机器人对话。只需输入自然语言指令,即可观察机器人的实时响应。欢迎体验!

注意: Chat2Robot 目前仅支持 Qwen-RobotManip。当前部署的策略仅使用 RoboTwin-Clean 数据集进行训练,该数据集仅包含 50 个任务,因此它并非一个完美的策略。我们希望借此展示模型一定程度的零样本指令跟随能力。该功能仍在持续开发中,可能尚不完善——欢迎反馈与建议!

具身智能还在起步阶段,离真正的“通用机器人”还有很长的路要走。但方向已经清晰:用更强的多模态理解去桥接物理行动,用更大的数据规模去换取泛化能力。QwenRobot 只是第一步,我们期待与开发者一起,让 AI 真正走进物理世界。

推荐阅读

端侧 AI 提速 80%?如何让 Qwen3-VL 在手机起飞

只给一份文档,Qwen3.7-Max 从 0 交付双端应用

查看更多demo,点击阅读原文

阅读原文

跳转微信打开

  •  

融 5000 万美金,这个华人团队要用真实生活场景来打造持续学习 Agent 模型

原创 StartupBoy 2026-06-16 12:30 四川

AI 如果真的会持续学习,它应该发生在模型内部还是模型外部

持续学习自我演进已经成为 AI 行业最为关注的一个方向,Anthropic CEO Dario Amodei 在最新的一篇文章里说反馈回路已经闭合《Anthropic CEO:AI 是给人类的成人礼》,本质上也意味着 AI 正逐渐具备持续学习、甚至加速自我演进的能力。

由前 OpenAI CTO Mira Murati 创立的 Thinking Machine,也在尝试让 AI 不再依赖一次性训练,而是作为一个长期运行的系统持续成长:通过外部工具链、动态记忆网络与持续推理流,让模型在复杂任务、代码生成与跨工具协作中不断积累“经验”。

几乎在同时,国内一家叫 Mindvers(心洲科技)的创业公司也在做类似的事情,最近完成了由美团战投领投的 A 轮融资,元禾璞华、韶音科技和老股东跟投。总融资额已近 5000 万美金,其它投资人还包括了蚂蚁、红杉、高榕和真格等。

越来越多公司开始真的把“持续学习”当成系统设计的一部分,而不是单纯的研究方向。但更关键的问题是:

AI 如果真的会持续学习,它应该发生在模型内部还是模型外部?

传统的路径是用 RAG、Memory、Workflow、Harness,把“学习”放在模型外部系统中实现。而 Mindverse 选择了另一条,把“学习”写到模型参数本身。

其核心判断是:

如果记忆不进入参数,就只是外挂;外挂再强,也不是能力本身。

因为在他们看来,“持续学习”不是一个系统设计问题,而是一个训练范式问题。

其核心技术路线是通过共享大脑 + 专属技能包(Mixture of LoRA),让大模型在低成本条件下获得持续扩展能力,从而更贴近真实 Agent 场景。可以将其简单拆解为:

  • 共享大脑(Base Model): 大家都共享同一个聪明、庞大的通用大模型底座,提供基础的智能。

  • 专属技能包(LoRA/Adapter): 在底座之上,给每个人、每个企业或每个场景挂上一个非常轻量、小巧的“技能包”(参数量只占底座的千分之五左右)。

这些“技能包”不是静态存在的,而是可以被组合、调度、替换。这个模式和最近刚拿了 Sarah Guo 领投 1500 万美金的 Trajectory 也比较类似,都属于大模型后训练 + 多 LoRA 混合 + 持续学习模式。

但 Mindverse(心洲科技)的差异在于:它从一开始就围绕真实生活场景构建整个系统。

他们首先基于真实产品中的用户行为,构建了一套生活类 Benchmark 体系,再用这一体系反向驱动模型训练,从而形成:

Agent Model + Agent Harness 协同驱动的闭环系统

在他们的定义里,一个模型是否优秀,不取决于“会不会答题”,而取决于它是否能在真实生活任务中完成完整闭环。

LivingBench:从真实产品中生长出来的评测系统

与传统静态 benchmark 不同,LivingBench 并不假设用户输入是完整的、任务是稳定不变的、环境是确定性的。相反,它刻意模拟现实生活中的不确定性,比方说餐厅突然没位置、路线因为天气变化、预算中途调整、用户临时改变目标、信息源互相冲突……

为了还原这些复杂性,LivingBench 引入了动态噪声、动态环境和动态用户反馈,使得任务本身会在执行过程中不断变化。

此时模型需要做的不只是回答问题,而是要理解用户意图是否发生变化,在信息不完整时重新规划以及处理各种突发约束。更关键的是,这套 Benchmark 本身也是持续生长的,它会从真实产品中的用户行为、失败案例、交互摩擦中不断提取新任务。

有点像是一个“从产品中长出来的评测系统”,类似的思路也出现在 CursorBench V3 中:静态题库无法衡量真实产品能力,只有动态任务才成立。

除此之外这个评测体系还包括了评估生成式 UI 能力的 A2UIBench,评测生活任务与个人助理能力的 VitaBench 以及基于 OpenClaw 的使用场景用于评估多步个人助理工作流的 PinchBench 等。

其核心逻辑是,如果模型不能在真实生活任务中稳定工作,那么在通用 Benchmark 上的领先意义有限。

Macaron-V1-Preview:生活场景优先,但不是“单点模型SOTA”

Mindverse(心洲科技)最近发布了 Macaron-V1-Preview 模型,在这套评测体系下,该公司声称它在生活类场景上表现出明显优势。

其特点不是“全面第一”,而是在生活类任务中显著领先,在通用任务中保持不掉队。它不是一个通用模型,而是一个“生活型 Agent 模型”。更擅长做的做一些具体的事情,比方说帮你预订餐厅、规划路线、管理预算等,甚至在任务进行中应对突发情况。

因此更像是一个“生活型 AI 助手 + 生成 UI + 个性化 Agent”的混合体。

Agent Model + Agent Harness:能力不只在模型里

但我觉得更重要的不是模型本身,而是上面提到Agent Model+Agent Harness 协同的一体结构,这意味着,Agent 能力第一次不只由模型参数决定,而是由“模型 + 系统”共同决定。

在 Mindverse 的定义里,Macaron-V1-Preview 这个模型并不是一个孤立的模型,而是与 Agent Harness 共同构建能力边界,Agent 的能力不只在模型参数里,也在模型运行的环境里。

这里说的 Agent Harness,我们可以理解为模型运行时的执行系统或工作环境,就像是飞机的操纵杆和仪表盘。它包含了工具调用、多步任务轨迹管理、生成式 UI 渲染、用户反馈收集、路由机制、缓存调度以及状态管理等。

其重要的点不在于“它包含什么组件”,而在于一个结构性变化:

模型不是在一个抽象环境中训练,而是在和真实产品同一套系统中被训练、评估和部署。

这意味着训练环境和线上环境几乎是同构的。

Mindverse 早期做的 C 端产品 Macaron,就承担着 Agent Harness 的作用,官方宣称已经有 200 万用户,日活用户超过了 10 万。用户在 Macaron 中的真实行为,会反向进入训练体系,再通过后训练影响模型能力。

不过需要指出的是,其后训练并不是直接使用用户的原始数据,而是通过反馈构建模拟环境,在带噪声、带极端情况的环境中重建任务分布。这点和 Anthropic / Claude Code 的路线非常类似:

产品使用 → 反馈结构化 → 模拟环境训练 → 模型更新 → 产品能力提升

这套协同设计加上真实用户反馈,构成了一个持续改善的飞轮,使得模型能力与产品体验不断相互增强。基于这套机制,Mindverse 在训练算力不到 300 卡的情况下,实现了模型在生活场景类的领先地位。

一个仍然存在的问题:C 端数据能否支撑企业 A2UI?

不过我比较怀疑 C 端的轻量数据能否支撑未来企业级的 A2UI(生成界面),因为 C 端里常用的界面比较基础且容错率很高,而企业背后的业务逻辑极其严密的。

Mindverse 的解释是,C 端的价值不在“业务复杂度”,而在“交互模式学习”:

C 端产品核心是让我们持续获得真实交互信号,帮助我们把 A2UI 的底层交互能力训练出来;在进入企业场景时,再通过企业私有数据、合成数据、业务规则和安全架构完成领域适配。

日常前端生成更多考验的是一次性生成一个静态页面,本质上更接近代码生成能力。A2UI 的核心挑战更偏向实时交互:在用户当前意图下,快速生成一个能降低认知负担、并且可以被用户直接操作的界面。

从这个角度看,C 端数据的价值,主要体现在训练模型理解“什么样的信息应该被结构化”“什么样的交互能降低用户负担”“用户在什么时刻需要按钮、表单、确认卡片或结果视图”。这些是跨场景的交互能力,不完全依赖某一个行业的数据。

企业场景则需要结合企业自身的业务规则、权限体系、审批流程和内部数据进行适配。在训练 A2UI 时,不只依赖真实用户反馈,也会使用大量合成数据、User Simulator 和自动化评测环境,让模型在更复杂、更高覆盖度的场景里学习。

从这个角度看,Mindverse(心洲科技)的核心不只是一个模型,而是一套完整路径:

从真实产品出发定义问题,再用问题反推 Benchmark,最后反推模型训练方式。

如果这一路径成立,那么 AI 行业的竞争重点可能正在发生变化:从“谁模型更大”变成“谁更接近真实任务系统”,模型不再是中心,系统(训练 + 产品 + 数据闭环)可能才是中心。

作为中国第一家 Neo Lab,Mind Lab 的阵容不可小视。公司创始人 Andrew 在深圳清华大学研究院任研发中心主任,实验室负责人马骁腾是清华自动化系博士、博士后,核心研究团队约 30 人,团队成员累计发表 200 篇顶会论文,总引用超过 5 万次。

其中,基础设施负责人来自 DeepSeek,算法负责人来自字节 Seed,模型团队成员来自清华、MIT、NVIDIA、xAI 等机构,长期专注于模型训练、强化学习和高性能推理架构领域。

阅读原文

跳转微信打开

  •  

4000行代码撑起一个Agent框架?nanobot架构深度解析

俞孟凡 2026-06-16 12:15 广东

以下文章来源于:腾讯云开发者

腾讯云开发者

腾讯云官方社区公众号,汇聚技术开发者群体,分享技术干货,打造技术影响力交流社区。

香港大学数据科学实验室(HKUDS)的 nanobot,2026 年 2 月初开源,30 天内:

  • 28,500+ GitHub Stars

  • 8 次大版本发布

  • 核心代码 3,935 行

对比项:LangChain 核心代码 430,000+ 行。

这个反差值得认真分析。这篇文章拆解 nanobot 的每一个设计决策,包括它的优势、局限,和可以借鉴的架构模式。

01

整体架构:控制面集中化

先看全局结构:

    Chat Platforms (13 channels)
             ↓
       MessageBus (asyncio.Queue)
        inbound / outbound
             ↓
       AgentLoop(核心控制面)
        ├── SessionManager  → 历史对话加载
        ├── ContextBuilder  → system prompt + messages 组装
        └── while loop: LLM → tool calls → execute → append → LLM...
             ↓
      ┌──────────────────────────────┐
      │ ToolRegistry   SubagentMgr   │
      │ exec/fs/web    asyncio.Task  │
      │ spawn/mcp/cron               │
      └──────────────────────────────┘

    这个架构的决定性特征:控制面完全集中在 AgentLoop。

    没有 LangChain 的 Chain/Runnable/LCEL 等编排层,没有 LangGraph 的节点/边/DAG,没有 AutoGPT 的显式 PLAN 步骤。所有决策路径都穿过同一个 while 循环。

    这是个极强的设计约束:可理解性最大化,但弹性空间也随之缩小(后文展开)。

    02

    核心:ReAct 循环的极简实现

    agent/loop.py是整个框架的心脏:

      async def _run_agent_loop(self, initial_messages, on_progress):
          messages = initial_messages
          while iteration < self.max_iterations:   # 默认 40 次
              response = await self.provider.chat(
                  messages=messages,
                  tools=self.tools.get_definitions(),
                  model=self.model,
              )
              if response.has_tool_calls:
                  for tool_call in response.tool_calls:
                      result = await self.tools.execute(tool_call.name, tool_call.arguments)
                      messages = append_tool_result(messages, tool_call.id, result)
              else:
                  final_content = response.content
                  break
          return final_content

      约 20 行,这就是整个 agent 编排逻辑的全部。

      几个关键工程细节值得注意:

      错误响应不持久化到 session history。 防止"400 中毒循环"——如果错误消息存入历史,后续 LLM 调用携带格式错误的 history 会触发 API 400,进而导致更多错误,形成无法自愈的循环。

      工具结果存入 session 时截断为 500 字符。 当前 turn 内 LLM 能看到完整结果,但历史记录只保存摘要。这控制了上下文增长速率,代价是跨会话的工具结果不可追溯。

      错误处理只有一行:

        if result.startswith("Error"):
            return result + "\n\n[Analyze the error above and try a different approach.]"

        把错误恢复的全部责任交给 LLM。这在 GPT-4 级别的模型上工作,在较弱模型上可能导致无效循环。

        03

        Tool 系统:Python 插件的最小接口

          class Tool(ABC):
              @property
              @abstractmethod
              def name(self) -> str: ...

              @property
              @abstractmethod
              def description(self) -> str: ...

              @property
              @abstractmethod
              def parameters(self) -> dict: ...  # JSON Schema

              @abstractmethod
              async def execute(self, **kwargs) -> str: ...  # 硬约束:必须返回 str

          execute 返回值强制为 str 是个有意思的设计选择。好处是接口统一,LLM 天然消费字符串;代价是结构化数据需要在 execute 内部序列化,丢失了类型信息。

          一个数据库工具示例:

            class MyDatabaseTool(Tool):
                @property
                def name(self): return "query_database"

                @property
                def description(self): return "执行只读 SQL 查询"

                @property
                def parameters(self):
                    return {
                        "type": "object",
                        "properties": {"sql": {"type": "string"}},
                        "required": ["sql"]
                    }

                async def execute(self, sql: str, **kwargs) -> str:
                    rows = await db.fetch(sql)
                    return "\n".join(str(r) for r in rows)

            然后在初始化时注册:

              self.tools.register(MyDatabaseTool(connection_string="..."))

              没有装饰器、没有注册配置文件、没有元类。代价是 JSON Schema 要手写——LangChain 的 @tool 装饰器可以从 docstring 和类型注解自动生成 schema,nanobot 这里需要人工维护。

              04

              Skill 系统:用 Markdown 扩展 LLM 能力

              这是 nanobot 最独特的设计,也是最值得深入分析的部分。

              核心理念:Skills 不是 Python 代码,而是 Markdown 文档,教 LLM 如何使用已有的 CLI 工具。

              一个天气 skill:

                ---
                name: weather
                description: Get current weather andforecasts (no API key required).
                metadata: {"nanobot":{"emoji":"🌤️","requires":{"bins":["curl"]}}}
                ---


                # Weather


                ## wttr.in (primary)


                ```bash
                curl -s "wttr.in/London?format=3"

                  系统通过 `shutil.which` 检查 `bins` 里的工具是否存在。如果存在,这个 skill 的 `available` 标记为 `true`。


                  ### Progressive Loading:用文件系统做懒加载


                  关键机制:系统不把所有 skill 内容塞进 system prompt,而是注入一个 XML 索引:


                  ```xml
                  <skills>
                    <skillavailable="true">
                      <name>weather</name>
                      <description>Get current weather...</description>
                      <location>/path/to/skills/weather/SKILL.md</location>
                    </skill>
                    <skillavailable="false">
                      <name>github</name>
                      <description>Interact with GitHub via gh CLI</description>
                      <requires>Binary: gh</requires>
                      <location>/path/to/skills/github/SKILL.md</location>
                    </skill>
                  </skills>

                  System prompt 里明确告诉 LLM:需要用某个 skill 时,用 read_file 读取它的 SKILL.md。

                  这是用文件系统作为懒加载机制。LLM 自主决定何时需要加载哪个 skill,按需加载,不用的 skill 零 token 开销。

                  相比向量检索的优势:确定性(没有相似度阈值的不确定性)、可审计(你能直接读 SKILL.md 知道 LLM 在做什么)、零额外成本。

                  局限:当 skill 数量极大时(比如几百个),XML 索引本身会占满 context window。这个机制在规模上有天花板。

                  4.1 Skill vs Tool 的分工原则

                  场景

                  用Tool

                  用Skill

                  需要执行 Python 逻辑

                  ✓

                  包装已有 CLI 工具

                  ✓

                  需要直接调用 API

                  ✓

                  包装有完善文档的服务(gh CLI 等)

                  ✓

                  添加能力但无 Python 经验

                  ✓

                  这个分工使得非工程师也能扩展 agent 能力:只需写 Markdown,描述如何用某个命令行工具完成任务,下次会话自动生效。

                  05

                  记忆系统:"grep beats RAG"

                  两个 Markdown 文件,不用向量库:

                  文件

                  内容

                  加载方式

                  MEMORY.md

                  长期事实、用户偏好

                  每次都注入 system prompt

                  HISTORY.md

                  对话摘要,追加写入

                  LLM 用 exec grep 按需搜索

                  当 unconsolidated_messages >= 100 时,异步触发记忆整合:

                    async def consolidate(self, session, provider, model):
                        response = await provider.chat(
                            messages=[...],
                            tools=_SAVE_MEMORY_TOOL,   # save_memory(history_entry, memory_update)
                            model=model,
                        )
                        # LLM 决定写什么进 MEMORY.md 和 HISTORY.md

                    整合以独立 asyncio.Task 运行,不阻塞主流程。

                    作者的设计论据(Discussion #566):

                    "grep beats RAG for agent memory — deterministic, auditable, zero-cost, composable"

                    这个论断在个人规模(数百条历史)成立。在企业规模(数万条历史、多用户共享知识库、跨语言搜索)时,文件 grep 的局限会暴露出来。

                    社区持续有人要求加 Qdrant/LanceDB 向量记忆,作者坚持极简路线。这是个合理的范围决策:nanobot 的定位是个人助手,不是企业知识管理平台。

                    06

                    Subagent 系统:消息总线重注入

                    spawn 工具允许主 agent 把长任务委托给后台 asyncio.Task:

                      async def spawn(self, task, label, origin_channel, origin_chat_id):
                          task_id = str(uuid.uuid4())[:8]
                          asyncio.create_task(
                              self._run_subagent(task_id, task, label, origin)
                          )
                          return f"Subagent [{label}] started (id: {task_id}). I'll notify you when done."

                      Subagent 有明确的能力约束:

                      • 没有 message 工具(不能直接给用户发消息)

                      • 没有 spawn 工具(防止递归生成子 agent)

                      • 最多 15 次迭代(主 agent 40 次)

                      • 无 memory/history(独立的 system prompt)

                      结果通知的巧妙设计:Subagent 完成后,通过消息总线重新注入一条 InboundMessage:

                        async def _announce_result(self, task_id, label, task, result, origin):
                            msg = InboundMessage(
                                channel="system",
                                chat_id=f"{origin['channel']}:{origin['chat_id']}",
                                content=f"[Subagent '{label}' completed]\nResult: {result}",
                            )
                            await self.bus.publish_inbound(msg)

                        主 agent 像处理普通用户消息一样处理这条消息,自然地总结给用户。无需特殊的结果传递协议,无需主 agent 轮询子任务状态。

                        代价:asyncio.Task 在同一个进程内运行,无法跨进程/机器分布。大规模 agent swarm 场景需要替换这层。(社区正在 RFC 两种方案:软件层角色模拟 vs 原生多进程。)

                        07

                        MCP 集成:标准协议桥接

                        MCP 工具被自动包装为原生 Tool 对象:

                          class MCPToolWrapper(Tool):
                              def __init__(self, session, server_name, tool_def):
                                  self._name = f"mcp_{server_name}_{tool_def.name}"  # 命名空间隔离
                                  self._description = tool_def.description
                                  self._parameters = tool_def.inputSchema

                              async def execute(self, **kwargs) -> str:
                                  result = await asyncio.wait_for(
                                      self._session.call_tool(self._original_name, arguments=kwargs),
                                      timeout=self._tool_timeout,
                                  )
                                  return "\n".join(block.text for block in result.content)

                          支持 stdio(子进程)和 streamable-http 两种 MCP 服务器。配置:

                            {
                              "tools": {
                                "mcp_servers": {
                                  "my_server": {
                                    "command": "npx",
                                    "args": ["-y", "@my/mcp-server"],
                                    "tool_timeout": 30
                                  }
                                }
                              }
                            }

                            MCP 工具对 LLM 完全透明,和内置工具无区别,只是名字带 mcp_{server}_ 前缀做命名空间隔离。

                            这个设计的长期价值:随着 MCP 生态扩张,nanobot 可以零成本接入所有 MCP 兼容工具。

                            08

                            可借鉴的架构模式

                            拆解到这里,几个可迁移的设计原则值得单独提炼:

                            1. 配置驱动的能力扩展(Markdown-as-Config)

                              把 prompt 工程从代码层分离出来,用文件系统管理。能力的添加不需要改代码、不需要重启服务。适用于任何需要给 LLM 注入领域知识的场景。

                            2. 懒加载 + 文件系统作为 context 管理策略

                              不在 system prompt 里预载所有知识,只放索引。让 LLM 用工具按需加载详细内容。降低常规 token 消耗,代价是加载时有额外的 tool call 延迟。

                            3. 消息总线解耦异步任务的结果通知

                              子任务完成后不通过回调或轮询通知,而是重新注入到输入流,让主处理逻辑统一处理所有输入来源。消除了"结果传递协议",但耦合了子任务与消息总线格式。

                            4. 工具接口的最小公共类型

                              所有工具返回 str,统一接口。放弃结构化返回值,换取接口的绝对一致性。在 LLM 消费所有输出的场景下这个取舍合理。

                            5. 错误恢复委托给 LLM

                              工具错误不在框架层处理重试或回退,只追加一句引导提示,让 LLM 决定下一步。这在强模型上有效,减少了框架的复杂度,但把系统的健壮性依赖转移到了模型能力上。

                            09

                            使用建议

                            适合的场景:

                            • 个人自托管 AI 助手,想接入多个聊天平台

                            • 需要快速原型,不想被框架概念淹没

                            • 想理解 agent 框架的最小实现,作为学习材料

                            不适合的场景:

                            • 需要精确的多 agent 协调(spawn 基于 asyncio.Task,无分布式支持)

                            • 大规模历史记忆(grep 文件有规模上限)

                            • 需要细粒度的 agent 行为控制(控制面集中化意味着定制点有限)

                            • 生产环境安全隔离(exec 工具的黑名单机制不够)

                            nanobot 是目前我见过最诚实的 agent 框架:它的代码量和功能声明是匹配的,没有用复杂的抽象隐藏简单的实现。这本身就值得学习。

                            相关链接:

                            -End-

                            原创作者|俞孟凡

                            参考阅读

                            如果你也在关注 AI 应用如何真正落地到生产环境,2026.6.26 - 6.27 举办的 GIAC 深圳站值得关注。这次大会将集中讨论智能应用开发、架构演进,以及来自一线实践的经验与案例。

                            高可用架构读者可使用专属购票优惠码 UOp5XJcq,点击阅读原文进入购票页面即可使用。

                            阅读原文

                            跳转微信打开

                            •  

                            龙虾热退潮后,真正留下的是「置 Agent 于电脑内」

                            原创 刘飞 2026-06-16 12:00 上海

                            关于把一群 Agent 养在电脑里办公。

                            1 把一群 Agent 养在电脑里办公 

                            前阵子《置身钉内》是钉钉一位产品经理的 7.5 万字的长文,复盘了 ONE 项目从被寄予厚望到下线的全过程。我们也看到了事后更大的人事地震:6 月 11 日,陈航卸任钉钉 CEO,92 年的陈宇森接棒。

                            这场换帅本身讨论很多了,我关注的一个有意思的视角是新任 CEO。

                            陈宇森是技术型连续创业者,做过网络安全的长亭科技,后来一直在做云和 Agent 方向。接手钉钉前,他在做一个叫 MuleRun 的 Agent 平台。他也在几次访谈里反复讲一个观点:AI 会经历 Copilot 和 AI Native 两个阶段,Copilot 是副驾驶,人还是主要的执行者;到了 AI Native 阶段,工作会围着 AI 重新组织,人从每一步的执行者,变成标准的制定者和结果的检查者。他还说过,AI Native 组织和非 AI Native 组织之间,效率差距最小也有十倍。

                            这个很有意思,换帅的目标就是要用 AI 重置组织数字化协作的感觉。

                            这就有一个推论:未来的数字化办公,是「置 Agent 在电脑内」。

                            过去我们用 SaaS、用各种在线协作工具,都是把活搬到云上去做:文档在云端,表格在云端,人对着浏览器一个个标签页切。另外很多工作流都分散在各个地方。

                            而 Agent 则代表的是,不需要再把活搬上去,而是再次回到本地,回到电脑里,用本地的文件夹、本地的浏览器、以及本地的定时脚本。它不再是云上一个服务,是机器里一个常驻的数字同事。

                            最近在试用的 Kimi Work,就是在这几点上,体验非常鲜明。

                            下面我就用几个真实跑过的任务,挨个说说这几点变化具体是什么体感,再聊聊我更大的几点感受。

                            2 Agent 团队配合作战

                            我在做半拿铁的「中国互联网故事」系列,需要一期讲「中文社区」的稿子,要覆盖豆瓣、知乎、虎扑、小红书、B 站。我就让 Kimi Work 去尝试,让它给我三万字。

                            这个活如果交给 Chatbot,它能列个提纲,也能写完。但拿到手往往有几个常见问题:结构上虎头蛇尾,开头详尽,越往后越敷衍;需要交叉验证的地方做得不扎实;给它投喂的资料,它也未必真用得上、读得完。有点像一个人对着一个长任务从头写到尾,本来就容易顾此失彼。

                            交给 Kimi Work 之后,它派了八个子 Agent 并行去查:一个查豆瓣,一个查知乎,各跑各的,互不耽误。光这一轮调研就跑了一百多次搜索,产出八万字研究资料。然后在这堆资料上搭出十章大纲,再派一批写手 Agent 分头写,每个负责一章。最后合稿、统一脚注、转成 Word 格式。

                            我拿到的是一份三万两千字、带三十多条出处的成稿,外加一个排好版的 docx。

                            这不是「答得更长的 Chat」。而是把一件本来需要凑好几个人、干好几天的活,拆开、分给一支临时组建的团队、并行跑完。

                            而且这支团队里的每个 Agent,都能单独调和换。哪个岗位的数字员工干得不行,可以随时替掉,也可以接着调教他,让他下次干得更好。这一点后面还会再聊。

                            3 用苦功夫替代幻觉

                            并行只是表面。更关键的是,它能把整条工作流串起来,从原始资料一直走到成品。

                            我让 Kimi Work 整理一下「置身钉内」这篇文章的前因后果和相关的信息与讨论,最后输出给我一个 PPT。

                            它去搜了来龙去脉——腾讯、财新、虎嗅各自的说法,马锐拉那篇《置身钉外》,阿里合伙人的回应,先都爬下来。然后读了 PPT 制作规范,定了一套视觉风格:深炭底色配琥珀金,结论先行,关键数据做成卡片。

                            再一页页生成,自己检查报错、修掉问题、转成 pptx。

                            第一版 16 页。

                            我说不够,Kimi Work 就扩写成 32 页,补查了新 CEO 陈宇森的背景、钉钉「悟空」的 AI 战略、几家协作工具的竞争格局,重新做成六个章节。

                            整个过程,我只做两件事:提一句需求,然后验收。不满意了,就继续提出修改意见。Kimi Work 就能针对性调整。中间「查资料 → 定结构 → 配数据 → 出设计稿 → 自查纠错」这一长串工作流,它可以自己走完。

                            类似的还跑过一份 SpaceX 投资者报告,这个更复杂,十个子 Agent 分头深挖公司历史、技术、财务、竞争、监管、人物。每个至少搜十五次,最后交叉验证、标出哪些是高置信度发现、哪些是有冲突的说法,产出三十页、三百多条脚注、十三张图表。体感上像是临时拥有了一个研究小组。

                            关键问题不在于推理能力和思考能力。关键问题在于搜集能力和整理能力。有的 Chatbot 有朋友会觉得,明明大家都说很厉害,但为什么还是有幻觉?就是因为这个。

                            搜集整理的能力和推理能力是两码事。

                            4 查得足够广,才足够准

                            查得足够全面,最后的结果才足够准确。

                            我让 Kimi Work 从各个维度分析一下中国半导体公司的现状。这个题目很大,很多 Chatbot 会写成空泛的综述。

                            Kimi Work 的做法是先派八个 Agent 做一轮广扫,再把题目拆成十二个维度——政策、设计、制造、存储、设备材料、制裁、市场、资本、人才、应用、封测、技术差距。

                            然后每个维度再派一个 Agent 深挖,每个至少搜二十次。前后加起来跑了三百多次搜索,最后出了一份十几万字的报告。

                            让我在意的是它对「靠不靠谱」的处理。十二个维度查完,它没有直接拼起来交差,而是也做了一轮交叉验证:哪些数据是多个来源都对得上的高置信度发现,哪些是各家说法打架的。比如中芯某个制程的良率,不同来源从 85% 到 99.7% 都有,它会把冲突标出来用区间值,而不是直接选一个数。来源可疑的,会标上「据报道」。最后还单独提了十条跨维度的洞察。

                            顺带说一句数据源。

                            这份报告走的是公开搜索, Kimi Work 本身接了一批专业数据源的,包括天眼查、同花顺 iFinD、Yahoo Finance、World Bank、arXiv、Google Scholar 等等。对要查公司工商信息、财务数据、学术文献的人来说,这一层十分关键。

                            5 操作本地电脑,常驻干活

                            作为本地的 Agents 工具,Kimi Work 自然也能操作本地电脑,以及持续地、定时地跑任务。

                            我让 Kimi Work 帮我关注杭州出发的机票,降价三成以上就提醒我。

                            它做的不是查一次价格告诉我,而是在本地建了一套脚本:23 条航线的基准价、一个检测脚本、一份提醒日志,还配了个定时任务,每天早中晚各跑一次,降幅够高就在对话里告诉我。

                            中途我修改了几次需求,比如加国际航线、调日期、改频率,很快就能调整过来,达到我的预期。

                            聊天是一次性的、被动的,这是常驻的、主动的。它会通过代码脚本常驻在电脑里,有自己的工作目录、文件、日程。这也是为什么 Kimi Work 做成了桌面应用,而不只是一个聊天窗口。它要能碰本地文件,还能开浏览器直接访问(需要安装插件),能在后台定时干活。这些都是 Kimi Work 之所以叫 Work 的原因。

                            6 一些感受

                            用完 Kimi Work ,我会有这些感受。再展开说一说。

                            第一,AI 本来就该并行干活,是我们的习惯把它困在了「一个助手」里。

                            我们看到「八个 Agent 同时查资料」会觉得新鲜,恰恰说明,我们一直在拿对待人的方式对待 AI,问题和流程是串行的。

                            但很多时候任务的完成是并行和协作的。所谓「最多 300 个 Agent」不是一个噱头数字,其实是就是为了这一点而服务的。

                            很多工作就像刚才说的一样,先做一些拆解和并行的安排,远比串行能解决的问题多很多。

                            第二,Agent 从云端落到本地,才算真正接入了普通人的日常工作。

                            作为本地 Agents 工具,意义就不同了。云端 Agent 能查能写,但无法使用电脑里的东西。如果要阅读或者使用,每次都面临把文件传来传去的麻烦。

                            而我们日常的工作,很多都是沉淀在本地的,存了好几年的文档、正在改的稿子、刚导出的表格、堆满文件的文件夹,可以直接按照权限提供给它。

                            所以有一种说法,叫做从 Vibe Coding 到 Vibe Working。过去程序员用自然语言指挥 AI 把代码写出来,现在同样一套「交代目标、让 AI 跑完流程」的方式,正在平移到写文档、做调研、出报告这些普通知识工作上。

                            它能平移的前提,就是 Agent 得先从云端走到桌面。用之前用过的比喻的话,就是 AI 长出了双手。

                            第三,接下来拉开差距的,可能不再是「会不会写 prompt」,而是「会不会拆任务、派任务、验收」。

                            在 2024 年,大家比的是谁更会调教 AI、谁的 prompt 更精妙。但现在不一样了。你需要知道该怎么跟 AI 派发任务。

                            像前面提到的机票票价监控的任务,你得先有一个明确的预期,表达清楚,Agents 才能去工作。

                            这种表达更多是源于我们对任务的预期有没有想明白。对于一个报告,我们想要的是哪些维度的看法?对于一个监控任务,我们想要的是怎样的标准?这些会变得很重要。

                            只要用好了,在日常这些知识工作上,AI 将会帮我们大大省事。

                            第四,在这上面花钱,买的不是消费,是执行杠杆。

                            最后说句实在的,这类工具值不值得花钱。

                            我的看法是:一旦发现这件事 ROI 是足够的,那它就是非常好的执行杠杆。

                            我自己的工作就能算得过来。比如一篇文稿我自己过去需要 4 天的整理,如果现在能通过工具缩减到 2 天,那这 2 天的时间值不值我在工具上的付费,是一个很简单的数学题。

                            哪怕是一些很小的事情,比如电脑的空间满了,需要整理电脑的文件。本来需要花费一整天的时间,一个个文件去甄别筛选。但现在 AI 工具换算下来,可以 10 块钱解决这个事情,那我自然特别愿意花这个钱。

                            7 写在最后

                            年初养龙虾的时候我打过一个赌:慢则一年、快则半年,大厂会出来商用的、很好用的 Agent。如今这样的工具越来越多了。

                            半年多时间,本地 Agent 从发烧友才玩得转的东西,变成好几家在认真做的产品。这个速度,比当年从 Altair 到 Apple II 快很多。

                            Kimi Work 现在 Beta 版本发布,大家可以官网上体验一下。看有没有什么新的体感。

                            希望对大家有帮助。

                            跳转微信打开

                            •  
                            ❌