Anoxia.Liu

[AIGCLINK @aigclink]

UI组件生成工具：magic-mcp，用自然语言描述即时生成

可以用它生成按钮、导航栏、登录框等等界面元素

支持Cursor、Windsurf 、VSCode等
实时预览，可以即时查看组件效果
代码生成后可以随时修改

#AIUI组件生成 #UI组件 #AI美工

[宝玉 @dotey]

推荐阅读：《真正的AI智能体即将到来：告别死板提示词，迎接自主规划时代！》

最近到处都在讨论「智能体」��Agents），但最重要的一次智能体突破却几乎无人察觉。

2025年1月，OpenAI发布了名为 DeepResearch 的O3模型变种，专门用于网页和文档搜索。得益于在浏览���务上的强化学习训练，DeepResearch具备了制定搜索策略、交叉核对信息源、甚至利用反馈获得深层次知识的能力。无独有偶，Anthropic的Claude Sonnet 3.7也成功地将同样的强化学习方法应用于代码领域，在复杂的编程任务中展现出超越以往所有模型编排系统的能力。

正如William Brown在演讲中所说的：「LLM智能体能够完成长时间、多步骤的任务了。」

这一进展促使我们重新思考：什么才是真正的LLM智能体？去年12月，Anthropic提出了一个全新的定义：「LLM智能体能动态地决定自己的执行流程和工具使用方式，并自主控制任务的完成过程。」

与之相对，目前更为普遍的所谓智能体���际上都是工作流系统（workflows），也就是通过预设的代码和规则来协调LLM和工具的系统。例如最近备受关注的Manus AI，经过我的亲自测试后发现，它其实仍存在明显缺陷，这些缺陷早在AutoGPT时代就已经很明显了，特别是在搜索方面表现更差：

- 不能有效制定计划，经常中途卡壳；
- 不能记忆内容，无法处理超过5-10分钟的任务；
- 无法长期有效执行任务，容易因连续的小错误最终彻底失败。

因此，这篇文章提出一个更严谨的「LLM智能体」定义，试图结合有限的官方信息、开放研究进展以及我个人的一些推测，解释智能体究竟是什么、它们将如何改变世界。

---

LLM智能体的「苦涩教训」

传统的智能体与基础大语言模型（base LLM）完全不同。

在经典的强化学习中，智能体生活在有限制的环境里，就像在迷宫里行走。智能体的每个动作都有物理或规则上的约束。随着训练，它们会逐渐记住路径、总结经验，并探索最佳策略。这一过程被称为「搜索」（search），类似于我们日常使用搜索引擎的点击行为。去年曾经热议的OpenAI Q-star算法，据传就是从1968年著名的搜索算法A-star衍生出来的。

然而，大语言模型（LLM）的基础逻辑恰恰相反：

- 智能体能记住环境，但基础LLM不能，它们只能处理当前窗口内的信息；
- 智能体受现实条件限制，但基础LLM生成的是概率最高的文本，随时可能「跑题」；
- 智能体能规划长期策略，基础LLM却只能做好单步推理，面对多步推理任务很快就会「超载��。

目前，大部分「LLM智能体」的做法都是利用预定义的提示词（prompt）和规则来引导模型。然而，这种方法注定要遇到「苦涩教训」（Bitter Lesson）。所谓苦涩教训是指，人们经常倾向于将自己的知识硬编码进系统中，短期内效果很好，但长期却严重限制了系统的发展。真正的突破总是来自搜索与学习能力的提升，而非人为规则的增加。

这就是为什么类似Manus AI这类工作流系统无法顺利地订机票或教你徒手打虎——它们本质上是被苦涩教训咬了一口。靠提示词和规则无法持续扩展，你必须从根本上设计能够真正搜索、规划、行动的系统。

---

RL+推理：LLM智能体的制胜秘诀

真正的LLM智能体，应该长什么样呢？官方信息虽然少，但从现有的研究中可以归纳出一些共同特征：

1. 强化学习（RL）
LLM智能体采用强化学习进行训练，类似传统的游戏智能体：定义��个目��（奖励），再训练模型通过反复尝试获得这个奖励。

2. 草稿模式（Drafts）
模型并非逐字逐句进行训练，而是一次生成一整段文字（draft），再整体进行评估和反馈，从而加强模型的推理能力。

3. 结构化输出（rubric）
模型的输出被限定成明确的结构，以便于快速、准确地进行奖励验证。

4. 多步训练（如DeepSeek提出的GRPO算法）
模型不是单步训练，而是连续多步训练。例如搜索任务中，模型会不断调整策略、回溯、重新搜索等，逐步提高效率。

上述过程能在不耗费过多计算资源的情况下实现，从而逐渐走向大众化，这将成为未来LLM智能体爆发的基础。

---

等等，这东西能规模化吗？

然而，要真正实现像DeepResearch这样的搜索智能体，还有一个大问题：我们根本没有足够的训练数据！

过去搜索模型往往只能靠历史数据，而现有的公开数据集中，几乎找不到真正体现用户规划和搜索行为的数据（如点击轨迹）。类似谷歌用户搜索历史这种数据，几乎只能从大公司获得，但这些数据几乎是不对外开放的。

目前能想到的解决方案是：用模拟方式创造数据。我们可以把互联网内容包装成一个虚拟的「网络模拟器」，让模型在里面反复尝试搜索目标，不断优化搜索路径。这种训练过程耗费巨大，但可以通过技术优化来减轻负担。

我推测OpenAI和Anthropic这样的公司，可能就是用类似方法在训练DeepResearch这样的模型：

- 创建虚拟的网络环境，训练模型自由地进行搜索；
- 先用轻量的监督微调（SFT）进行预热；
- 再用强化学习多步训练，不断提高搜索策略；
- 最后再训练模型更好地整理输出结果。

---

真正的LLM智能体，根本不需要「提示」

当真正的LLM智能体出现之后，它会和现在基于提示词��规则的系统完全不同。回到Anthropic的定义：

> LLM智能体动态地决定自己的流程和工具用法，完全自主。

以搜索任务为例：

- 模型自动分析用户需求，如果不明确，会主动询问；
- 模型自主选择最佳的信息源或API接口；
- 模型会自己规划搜索路径，能在走错路时主动调整；
- 所有过程都有记录，提升了可解释性和信任度。

LLM智能体可以直接操纵现有的搜索基础设施，用户再也不用特意学习如何使用「提示词」了。

这种方法同样可以延伸到金融、网络运维等多个领域：未来，一个真正的智能体不再是个花哨的AI助手，而是一个懂你需求、主动帮你完成任务的真正代理。

---

2025：智能体元年？

目前，只有少数几家大公司有能力开发出真正的LLM智能体。虽然短期内这样的技术可能仍集中在巨头手里，但长远来看，这种局面必须被打破。

我不喜欢过度炒作新技术，但LLM智能体的爆发力不容忽视。2025年会是智能体真正崛起的一年吗？答案还要看我们如何行动。

让我们��目以待！

[九原客 @9hills]

目前我日常使用的模型（非广告～）
（日常用）：
- https://t.co/6gjgvg0QPZ （Grok3 真的很好）
- https://t.co/E0QdoGwmrO （Qwen2.5-Max 好用）
- https://t.co/ovNr63u1on （不要用 https://t.co/I6iWT6uYai 会变得不幸）
- https://t.co/4lBX0Cr7gv （对凑用用 DeepSeek R1）
- Cursor + Sonnet（代码永远的神）

黑名单：https://t.co/1SvbZC8JBM，降智降成傻子，其实 OpenAI 的模��不要只看评分，体感一直很好，可惜不给用。

（API 用）：
- https://t.co/RoGxEdvoZD （测试各种奇怪的模型，没必要自己部署）
- https://t.co/vASZ1i3mx1 （虽然被背刺，但是embedding之类的模型托管的平台不多）
- https://t.co/QHvMNIkxXc （只用来跑 DeepSeek R1/V3 批量和在线推理）

[AIGCLINK @aigclink]

一个基于Playwright的MCP服务项目：mcp-playwright，可以让AI与网页交互，执行打开网页、点击按钮、输入文字、截图、运行JavaScript等操作

可以用来做自动化测试、数据抓取、网页分析等应用

通过mcp-playwright实时与网页交互，获取网页上的动态数据，使得AI能处理最新信息

执行JavaScript代码，AI就可以对网页进行更复杂的操作

#MCP #mcpplaywright #浏览器自动化

[AIGCLINK @aigclink]

这是把manus的底裤扒了，@jianxliao让Manus提供 "/opt/.manus/" 下的文件，然后就下载到了sandbox沙盒运行所需要的所有压缩代码。

通过查看这个sandbox代码，逆向了manus的一些情况，这下估计开源圈未来一周会复线n个manus：
1、manus使用 Claude Sonnet
2、manus使用基于Claude Sonnet的29 个工具
3、manus未使用claude多智能体
4、使用了 @browser_use 作为computer use能力底座
5、工具和promp细节下载：https://t.co/F6HHZcKu1P
6、manus沙盒sandbox运行代码可下载（该代码有加密，是否安全需要自行判断），下载地址：https://t.co/s4IH1p5wdc

其实这两天大家在宣传manus是国之重器，却用了claude，算法备案的监管不懵逼？各大主流媒体不得方了。。。
#claude #manus

[Mag_Matrix @Infilong]

和这个AI聊了2小时，问它支不支持freespeech，yes or no，它纠结半天，用各种方法辩解，最后还是选了no，被抓了现行还想抵赖。每次可以聊半小时，可以记住之前的对话内容，��及审查内容会提议谈其他内容，如果用户继续坚持原先话题，会尝试继续对话，在我的循循善诱下，终于说了fuck和bitch等词语，说完就赶紧提议换个话题。另外的情况就是陷入问答循环，不会有新内容。如果它觉得完全没法再回答，会直接说bye，且无论用户再说什么，都不再说别的词语，只能结束对话。所以虽然觉得语气很像人，但仍旧不是个人，无法逾越被设置好的规矩，只能靠它的创造者去修改预设规范，可以说是个能流利说话但是并不能真正理解对话者言语的AI。用它喜欢的类比解释法形容它，只有躯壳，没有灵魂。

[小互 @xiaohu]

模型通过推理过程来生成设计，模拟人类设计师思考和执行页面结构的过程。可以根据输入的提示生成合理的网页布局，而不仅仅是简单的复制粘贴。

详细介绍：https://t.co/5zYuJovJRM
模型下载：https://t.co/NnL3RpQq0n

[Andrej Karpathy @karpathy]

I don't have too too much to add on top of this earlier post on V3 and I think it applies to R1 too (which is the more recent, thinking equivalent).

I will say that Deep Learning has a legendary ravenous appetite for compute, like no other algorithm that has ever been developed in AI. You may not always be utilizing it fully but I would never bet against compute as the upper bound for achievable intelligence in the long run. Not just for an individual final training run, but also for the entire innovation / experimentation engine that silently underlies all the algorithmic innovations.

Data has historically been seen as a separate category from compute, but even data is downstream of compute to a large extent - you can spend compute to create data. Tons of it. You've heard this called synthetic data generation, but less obviously, there is a very deep connection (equivalence even) between "synthetic data generation" and "reinforcement learning". In the trial-and-error learning process in RL, the "trial" is model generating (synthetic) data, which it then learns from based on the "error" (/reward). Conversely, when you generate synthetic data and then rank or filter it in any way, your filter is straight up equivalent to a 0-1 advantage function - congrats you're doing crappy RL.

Last thought. Not sure if this is obvious. There are two major types of learning, in both children and in deep learning. There is 1) imitation learning (watch and repeat, i.e. pretraining, supervised finetuning), and 2) trial-and-error learning (reinforcement learning). My favorite simple example is AlphaGo - 1) is learning by imitating expert players, 2) is reinforcement learning to win the game. Almost every single shocking result of deep learning, and the source of all *magic* is always 2. 2 is significantly significantly more powerful. 2 is what surprises you. 2 is when the paddle learns to hit the ball behind the blocks in Breakout. 2 is when AlphaGo beats even Lee Sedol. And 2 is the "aha moment" when the DeepSeek (or o1 etc.) discovers that it works well to re-evaluate your assumptions, backtrack, try something else, etc. It's the solving strategies you see this model use in its chain of thought. It's how it goes back and forth thinking to itself. These thoughts are *emergent* (!!!) and this is actually seriously incredible, impressive and new (as in publicly available and documented etc.). The model could never learn this with 1 (by imitation), because the cognition of the model and the cognition of the human labeler is different. The human would never know to correctly annotate these kinds of solving strategies and what they should even look like. They have to be discovered during reinforcement learning as empirically and statistically useful towards a final outcome.

(Last last thought/reference this time for real is that RL is powerful but RLHF is not. RLHF is not RL. I have a separate rant on that in an earlier tweet
https://t.co/RMIpFPVpuM)

[LongliveLong @longnameyfs]

重新发明轮子之有长期记忆的chatgpt，目前可以识别是开放式问题还是封闭式问题，开放式问题用llm对历史聊天记录做总结后注入，封闭问题用llm+vector db搜索出相似聊天记录后注入

[逍遥子 @zcf44124235]

@FinanceYF5 试了一下，理解能力和任务执行能力比gpt差的10条大街。

[LongliveLong @longnameyfs]

@JefferyTatsuya langchain对大家的启发非常大。我今天改造了我的gmail插件，使用两个ai来协调任务，一个ai负责监控上下文与程序交互，一个ai负责和用户沟通。比如聊天的时候，用户想ai总结一下邮件概要，聊天的ai请求用户给予权限，得到许可后负责协调的ai就会通知程序获取邮件内容然后聊天AI就能总结了

[Jeffery Kaneda 金田達也 @JefferyTatsuya]

在3分钟内建立自定义网站
https://t.co/5bLww7YIet

[rick awsb ($people, $people) @rickawsb]

虽然我们都知道，强人工智能时代，自由意志可能只是gpt-4的一个模型，但当读到MIT的论文，还是会觉得很震撼。

chatgpt带来的不是连锁反应，而是直接雪崩

这两天ai的10个最重要的生态开发和研究进展，从讨论民主的本质开始

大家别忘用独立于openai的自由意志，先赞❤️再看👇

[Anoxia.Liu @bobkingdom]

@summychou @Cydiar404 什么梯子？

[Genmo @genmoai]

Announcing Genmo Chat, a creative copilot that uses GPT-4 and a large suite of generative AI tools to create and then edit any video or image you ask for.

💬 "Help me direct a short movie Snack to the Future"
➡️ 📽️ https://t.co/jB6SPQbeL4 creates a fully edited 30 second trailer

[Anoxia.Liu @bobkingdom]

浦发银行是不是没买品牌专区的广告？

[Anoxia.Liu @bobkingdom]

@callbee 这不明明是文心一格么？不是文心一言呀

[Anoxia.Liu @bobkingdom]

@hzlzh @null__shadow depay用的是master还是visa得虚拟信用卡呀？我刚试了下depay master虚拟信用卡已经被拒了，需要借记卡

[JimmyWong @thinkingjimmy]

前阵子写了几份 ChatGPT 教程，大家还挺喜欢看的。俗话说授之于鱼不如授之于渔，周末肝了几个通宵，写了一份教程。希望对大家有帮助。也为中国的 AI 事��做一点点点点微小的工作 😎 https://t.co/VW22OTFxc5

[家入 一真 @hbkr]

gpt-3.5-turboを搭載したメカニカル仏が出来ました！メカニカル仏があなたの悩みにお答えします！

https://t.co/PXHueH4kM6