AysFreeer

Web3小土狗跟踪者，PVP日常败阵大师。

[AysFreeer @AysFreeer]

@mediastorm_en @grok 还得是Tim，yyds，Tim能飞！！！

[Tim Pan @mediastorm_en]

Winner announcement in 24 hours! We'll randomly draw 100 eligible winners with help from @grok. Make sure you follow us, like & repost to be in the running. Good luck! 🍀

[AysFreeer @AysFreeer]

@wyl2035 我愿意

[AysFreeer @AysFreeer]

@heyibinance @jiaojiaojio @binancezh @cz_binance 这些人天天就想蹭一姐，币安是个大家庭，好好做币安人就好了，这那的。

[AysFreeer @AysFreeer]

@Showy005 @gmgnai @haze0x 而且这几天贼卡，线变化也慢，比之前操蛋太多了，也不���道咋了，我换了好几个代理也不行

[AysFreeer @AysFreeer]

@RoaringCat_CTO Do something, bro—save the market cap.

[AysFreeer @AysFreeer]

@cha_xun92563 好了吗

[AysFreeer @AysFreeer]

@HavenFeng 你是真婊子，知道罗宾汉能不知道bsc，sol？你把自己玩死了，恭喜你

[AysFreeer @AysFreeer]

@haze0x gmgn罗宾汉交易太卡了，老大，延迟太高了

[AysFreeer @AysFreeer]

@BenTodar The most authentic reviews！

[AysFreeer @AysFreeer]

人家heyi评论一个带钱包地址的推，我们看到好好玩就罢了，还他妈有傻逼恶心说被蹭到的话，去恶心人家，就好像我为了让你好，给你好处，还得被你���心，就以为人家heyi智障，不知道带了钱包地址是吧。

[AysFreeer @AysFreeer]

没有 @heyibinance和@cz_binance ，能有现在的币安人生？你让哪个老总一直去捧这个币捧那个币也不现实啊。你让@vladtenev不停的站位不同的meme试试呢？现在的重点还是行情不行啊，玩的人少，p来p去。你给cz和heyi 骂自闭了，就彻底没得玩，我们的本质不是还是为了能够在bsc上热闹起来吗？

[AysFreeer @AysFreeer]

看了一下昨晚heyi和cz的推文，只能感叹一声，那个说被蹭到的人是真傻逼。真没必要一直喷。
现在的行情，就是这么鸡肋，你要非得说Ansem这个币市值高，那是因为背后��推交易所的缘故。这几天的罗宾逊链是一个道理。
你们真的以为@heyibinance和@cz_binance 不知道点赞了某个带ca或者钱包地址的推文吗？

[AysFreeer @AysFreeer]

@0xmagnolia 我觉得这里面的区别是，cz和heyi也支持meme，但是你让他们下台站某个meme，那必然不太可能，其实你从侧面想，一个人不可能绑定所有的meme，如果非要站台，其实币安人生现在的市值已经证明了。

[meng shao @shao__meng]

MCP 会被 Skills 取代？MCP 会被 CLI 取代？未必！

Anthropic 技术成员、MCP 联合创始人 @dsp_ 在 @aiDotEngineer Europe 主题演讲「The Future of MCP」，关于今年 AI Agent 的未来发展，以及 MCP 在其中的核心定位：2025 年是 Agent 的探索与验证期，2026 年将转向生产落地期，MCP 正是支撑这一转变的“胶水层”。
视频地址：
https://t.co/2ko2gLNqev

MCP 的核心价值与愿景
MCP 为 AI Agent 设计的可扩展连接层。它允许开发者构建 MCP 服务器，使 Agent（或人类用户）能动态发现并使用工具，同时支持结构化输出、UI 呈现和语义丰富的描述。

MCP 的成功在于其“无聊但实用”的规范特性：它像一个通用端口，让任何开发者都能为特定领域或应用扩展 Agent 能力，而无需从零构建专有集成。目前，MCP 生态已展现强劲增长，包括主流框架的依赖集成，以及远程授权、任务原语等功能的扩展。

2026 年 Agent 的连接性堆栈
David ���出，构建 2026 年生产级 Agent 的最佳实践是采用混合连接栈，而非依赖单一技术：

· Skills：提供领域特定的知识包、提示词和可复用能力，适合上下文密集但结构相对固定的场景。
· MCP：作为富语义层，提供结构化工具、动态 UI 和双向交互，适用于需要深度集成、审计和复杂编排的企业或跨系统任务。
· CLI / Computer Use：处理本地命令执行、GUI 自动化等简单或底层操作。

最佳 Agent 会根据任务需求无缝组合三者。Skills 处理领域知识，MCP 负责企业数据连接，CLI/Computer Use 补充本地执行。

解决核心工程痛点：上下文膨胀与工具发现
Agent 面临的最大实际挑战之一是上下文窗口限制。传统方式下，加载数十个工具的完整描述可能消��大量 token，甚至占上下文的显著比例。
David 重点介绍了渐进式发现作为解决方案：

· Agent 不再一次性加载所有工具描述，而是按需发现和加载。
· 通过工具搜索机制或延迟披露，仅引入当前任务相关的工具，大幅降低上下文占用（示例中显示显著优化）。
· 这与 Skills 的渐进披露机制类似，形成互补。

此外，演讲强调程序化工具调用与 Agent 编排：Agent 应能自主组合工具、生成并执行代码（类似 REPL），并利用 MCP 的结构化输出减少无效调用次数，提升可靠性和效率。

Agent 与 MCP 服务器的设计最佳实践
· 对于 Agent 开发者：避免简单地将现有 REST API 1:1 映射到 MCP。应从 Agent 的使用视角重新设计接口，提供语义丰富、易于编排的工具描述。
· 对于服务器作者：充分利用 MCP 的丰富语义，不仅暴露工具，还应主动提供 MCP 应用（动态 UI）和打包的 Skills，让能力更易被 Agent 消费。

这一转变体现了思维模式的变化：从“暴露 API”转向“为 Agent 设计体验”。

MCP 协议的未来路线图与企业就绪
演讲展望了 MCP 的核心改进方向：
· 传输层与扩展性：优化当前 streamable HTTP，支持无状态传输等新协议，解决大规模部署下的性能瓶颈。
· SDK 演进：推出 TypeScript 和 Python 的 SDK v2，提升开发者体验。
· 企业特性：包括跨应用访问、Server Discovery（Agent访问网站时自动发现关联的 MCP 服务器，实现“即访即用”），以及增强的授权和审计机制。
· 扩展机制：Skills over MCP ——服务器直接打包并持续更新领域知识、提示词和复合能力，无需依赖中央注册表，实现去中心化且始终最新的能力交付。

这些路线图直面生产落地痛点：安全性、可扩展性、上下文管理与企业集成。David 特别提到，2026 年的重点是让 MCP 从“可用”走向“企业级可靠”，包括异步任务增强和触发器等功能。

[Kye Gomez (swarms) @KyeGomezB]

Introducing OpenMythos

An open-source, first-principles theoretical reconstruction of Claude Mythos, implemented in PyTorch.

The architecture instantiates a looped transformer with a Mixture-of-Experts (MoE) routing mechanism, enabling iterative depth via weight sharing and conditional computation across experts.

My implementation explores the hypothesis that recursive application of a fixed parameterized block, coupled with sparse expert activation, can yield improved efficiency–performance tradeoffs and emergent multi-step reasoning.

Learn more ⬇️🧵

[Will Yang @Will_Yang_]

https://t.co/qPbKnhjBql

[宝玉 @dotey]

Hermes Agent 势头很猛，这几天推荐的人很多，可以关注一下。我自己安装试用了还可以。

Hermes Agent 是由 Nous Research 在今年 2 月底开源的 AI 智能体框架，上线不到两个月，GitHub 星标已经接近三万。这个项目被社区认为是 OpenClaw（龙虾）上线以来，第一个真正意义上的竞争对手。

两者都是��托管的开源智能体，都能接入 Telegram、Discord、Slack、WhatsApp 等聊天平台，都支持多模型切换，都走 MIT 协议。但设计哲学完全不同。

【1】龙虾是网关，Hermes 是引擎

OpenClaw 的核心是一个 Gateway（网关守护进程），负责统一管理会话、路由和渠道连接，像一个调度中心，把你的各种聊天应用连接到 AI agent。你可以理解为它是一个“多渠道个人助理操作系统”。

Hermes Agent 的核心则是 agent 自身的执行循环。它不是围绕“怎么把消息送到 agent”来设计的，而是围绕“agent 怎么变得越来越强”来设计的。官方管这叫 closed learning loop（闭环学习循环）。

【2】会自己写技能的 agent

这是 Hermes 最有意思的地方。当它完成一个复杂任务（通常涉及五次以上工具调用）后，会把��个过程沉淀成一份结构化的技能文档，存成 Markdown 文件。下次遇到类似任务，直接加载这份技能，不用从头解决。

更关键的是，这些技能在使用过程中会自我迭代。如果 agent 在执行技能时发现了更好的方法，它会自动更新技能文档。有 Reddit 用户反馈，agent 在两小时内自动生成了三份技能文档后，重复性研究任务的速度提升了 40%。

OpenClaw 也有技能系统，但主要依赖人工编写和社区贡献的技能市场 ClawHub。Hermes 这边等于把“写技能”这件事也交给了 agent 自己。

【3】记忆体系的差异

两者都声称有跨会话记忆能力，但实现方式不同。

Hermes 用 SQLite 数据库配合全文检索，把所有历史对话存下来，需要时通过搜索加摘要召回。它把记忆分成两层：一层是常驻的关键信息（写在 MEMORY.md 里，每次对话都带上），另一层是全量历史检索（容量无限，按需调用）。

OpenClaw 的记忆则是工作区里的 Markdown 文件，走的是“文件即记忆”的路线，通过语义检索工具来查找。在上下文压缩前会执行一次静默记忆写入，防止压缩丢信息。

简单说，Hermes 更像是给 agent 装了一个搜索引擎式的大脑，OpenClaw 更像是给它一个笔记本。

【4】安全思路也不一样

Hermes 搞了一套五层纵深防御：用户授权、危险命令审批、容器隔离、凭据过滤、上下文注入扫描。默认对高风险操作（比如执行终端命令、写文件）要人工审批，超时未批准就自动拒绝。

OpenClaw 这边则更强调信任模型和配置审计。它提供了 openclaw security audit 命令，可以一键扫描网关配置的安全隐患。但 OpenClaw 在安全方面的历史记录不太好看，今年 2 月被曝出多个高危漏洞，13.5 万个实例暴露在公网上，技能市场也有超过 300 个恶意技能被发现。

【5】要不要换或者选哪一个

如果你日常用的 Agent 已经顺手，没必要。如果你之前的龙虾主要是 claude code 的授权现在用不了可以试试这个，但不能保证继续用多久。如果喜欢折腾想试试不同的选择，也可以试试。

如果你想要一个“多渠道助理平台”，接入各种聊天工具，用社区现成的技能市场，OpenClaw 的生态更成熟，34.6 万星标不是白来的。

如果你更关心 agent 的长期进化能力，想让它用得越久越聪明，或者你是做 AI 研究的，需要生成训练轨迹、跑强化学习实验，Hermes 的架构更对口。它还内建了一个兼容 OpenAI API 的服务端，可以直接作为后端接入 Open WebUI 等第三方界面。

Hermes 跑在 5 美元一个月的 VPS 上就够用，也支持 Docker、SSH 远程、Modal 等 serverless 方案。安装��需要一行 curl 命令。

安装不复杂，参考官方文档即可：https://t.co/LeLSL0czFD

爱马仕的英文也是 Hermes。

[AysFreeer @AysFreeer]

@0xAA_Science 貌似最新版本的客户端应该还没修复吧？

[AysFreeer @AysFreeer]

@CryptoKobe92 老师，你卖了我也跟着跑了，然后就来了大阳线