rushmonkey

football+music+erp+uml，just on the way!

[MoonInAI @Oracal1203]

如果你在一个行业深耕过

我都建议你试试做垂直领域咨询

��如简历修改、留学申请、AI 工具、自媒体起号、职场转型、闲鱼副业

一小时咨询 200-800

一周接几单也很香

[Mr Panda @PandaTalk8]

agent 团队？ 别搞笑了。

最近又开始有很多人搞 agent 团队， 就是给ai 设定各种角色来组成ai agent 团队。

比如 有AI Agent 的产品经理、 AI Agent 前端工程师、 AI Agent 的后端工程师 等等， 然后他们相互协作去完成一项团队级别的任务。

实际上我曾经也做过试验，我认为没有啥用。 AI/LLM 想要用的好， 最重要的上下文约束做的好 。

现在我们人为把他们分开， 各有个的上下文，协作不可能顺利。

那么最好办法是什么 ？

我认为把任务背景、目标、约束、关键上下文结构化的输入AI/LLM ， 这才是真正的有效的事情。

真正重要的是：你能不能把一个复杂任务，压缩成 LLM 可以理解、推理、执行和验证的结构化上下文。

[关木 @ZeroZ_JQ]

https://t.co/sJmMXXwMR0

[Orange AI @oran_ge]

@dotey 这个总结同意的
谁是核心谁就在中间

[Yanhua @yanhua1010]

实测体验来了：https://t.co/yycYvFZgMJ

[Ring Hyacinth @ring_hyacinth]

下午和飞书的产品经理聊天，他们会用一个录音工具将自己一天所有会议录下来，自动飞书妙计总结。

codex 再通过飞书 cli，每天将妙计内容晚上自动总结 to do, 能干的 codex 干掉，需要人类的每天早上 8 点再发给人类。

真的是好先进的流程。

[宝玉 @dotey]

谢谢各位推荐 Zed，确实很好，内存占用也很小。还能登录 OpenAI 和 GitHub，共用 Token。https://t.co/fpja4LpaqN

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

半年来，我一直反复介绍的四个原则：

原则1，AI时代的第一性原理：LLM一定会越来越聪明，benchmark越来越高，context window越来越大，reasoning越来越长，价格越来越便宜，inference速度越来越快，

这是scaling law今天依然持续的具体方向，不用你质疑，这是你唯一的信仰和行业最大共识。

原则2， 管理学设计红利：从我提出“自动编程机”、行业提出vibe coding、SWE-Agent以来，从cursor到manus到metaGPT到claude code，

人们逐渐把LLM Agent抽象成人，把软件管理、工程管理、管理学等等所有方法论直接套在multi agent workflow上面，严格按照人类管理学的方式去拆分、review、执行、反馈、循环，

这一波很快红利也吃完了，因为 a. LLM Agent毕竟不是人，存在着memory有限、执行力有限、function calling工具有限等等局限；b. 人类用于管理学的各种方法，直接套在LLM Agent上有利有弊，红利迅速挖掘完，剩下的弊端大量存在，比如过度交流、七手八脚、随时停工等等。

原则3，LLM Agent的职位和定位：绝大多数人，把claude code当做一个工具，最终的产品是用工具来完成的，最终的代码也是人与SWE Agent一步一步interactively迭代产生、迭代review、迭代部署的，

而我反复告诉过所有人，也是我又一条首次提出的原创观点，multi agent未来越来越会变成本身的一个runtime，这个runtime就运行在production里面，产品和面向的对象消费的，不只是软件或者SaaS本身，而是这个runtime实时产生的内容，

所以claude code/opencode/codex/openclaw这些agent，本身将会越来越多地被嵌入到产品本身，在产品关键逻辑和决策中发挥作用，

而绝对不仅仅停留在开发层面，把产品仅仅局限在SWE Agent单向产出和部署的代码和服务上。

原则4，也是我一直强调的，就是当人们试用了SWE Agent这种强大工具之后，人们还有哪些low hanging fruits可以寻找？SWE Agent目前最适合解决哪类问题？

我反复讲过的一点是，对于一个设计复杂、环境复杂、场景复杂、用户复杂、体量复杂、范式复杂、一切开放、一切无解的超级复杂系统，这并不是SWE Agent最擅长的领域，相反这些场景需要人去和环境、客户、场景、性能一点点迭代才能打磨好的产品，

比如微信的100种功能，Facebook的一大堆功能模块和十几年来迭代出来的极其复杂的infra，支付宝后面成千上万的基金和风控，这些都不是AI Agent能一次性解决的问题，相反这些场景和问题不仅高度开放，更高度依赖人的观察、人的设计、人的反馈、人的定义。

AI Agent最适合的场景，甚至是我原创提出goal driven（https://t.co/mJld9XcBjp）设计的最适合场景，在不考虑token使用量和时长的条件下（参照第一性原理，这些成本必然会越来越低），必然同时具有如下特点：

a. 定义简单、干净、封闭（一道数学系、一个确定性最小系统、一个编译器、一种算法、一个lean证明、一个电路或者信号模拟、蛋白质模拟和预测、CAD设计与仿真、游戏关卡测试、行为经济学仿真，都是well-defined problems，都有非常明确且封闭的边界）

b. 解决问题的搜索空间巨大（可能有100~10万种天马行空的解决方案，并且绝大多数都是错的）

c. 容易验证，容易verify，验证的成本是设计成本的千分之一（比如编译器，设计可能需要几万行甚至几十万行，验证只需要2000个test case全面覆盖，或者一道数学题，解决需要100步，验证答案只需要带入或者lean编译这一步）

当然，写一段简单的代码，定义一个封闭、完整、定义完全的编程问题，符合上面这些定义，

但是设计一套巨大、复杂、开放、与现实世界深度绑定、高度耦合的系统，让这个系统复杂迭代、添加功能、沟通、review、工程管理、产品管理，这些���题都远远超出这个范畴，很明显是不符合这个要求的。

人们未来探索这些multi agent产品和场景的最关键出路，在于继续挖掘这一类问题，而不是盲目把agent比作一个人，乱套各种管理学方法。

原则5，这一点我先保密，之后我再讲。

[范凯说 AI | Kai on AI @fankaishuoai]

做医生智能体，99% 的人都在做诊疗助手。

但在中国，医生真正愿意付钱的刚需根本不是这个。是写论文。

中国医生的职业晋升逻辑跟普通人想的完全不一样——决定你升主治、升主任的，不是你收治了多少病人，而是你发表了多少 SCI。

我以前一个同事，离职后专门做这个，招人帮医生写论文，两年团队就到了几百号人。

换成 AI 来做，效率会高到惊人。智能体帮医生写论文，运营人员去签约，一个客户收几万服务费，模式跑得起来。

但这里有个本质问题：AI 只是提效的工具，不是直接赚钱的引擎。你还是需要人去签约，需要服务，需要运营。AI 降低了成本，没有改变商业模式的本质。

[阑夕 @foxshuo]

在不为人知的角落，低端影视@ddys_mov 复活了，但是……

[小互 @xiaohu]

这两个项目合起来，逻辑就很完整了：

Mano-P 解决的是：

AI 能不能看懂界面
能不能操作软件
能不能自己验证结果
能不能在本地完成任务

Cider 解决的是：

端侧模型能不能跑得快
能不能省内存
能不能充分利用 Apple Silicon
能不能服务更广泛的开源模型生态

从 Mano-P 到 Cider，可以说，明略科技正在建设端侧 AI 、私有化AI的基础设施能力。

期待他们后续的动作！

项目地址： https://t.co/6nu4Ras0ar

https://t.co/of5xajGYaX

[0x鸣人 @LuBtc888]

老实说，准备入坑Claude Code的朋友，真没必要再浪费时间了。
Codex，才是当下真正的王者。

普通人用Codex完全是APP化操作，贴合日常使用习惯，上手零难度，压根不用费心学习。

这次大更新更是直接封神，能全权接管电脑设备，授权之后就能帮你包办电脑上所有事务，生产力直接被拉满。

我之前要整理一份专业业务资料，我压根没接触过的领域，完全是门外汉。

只要简单给Codex下了个指令，跟它说已经登录好相关网站，按需求帮我查好资料、规整好内容，直接导出Word保存到桌面。

也就十几分钟，一份内容严谨、排版整齐的完整资料就自动整理好了。

不光是我，网上很多大佬也实测分享过，用它操控PS这类常用软件干活，效果同样惊艳。

以及当电脑遇到一些���难杂症的问题，连问AI跟着教程都解决不到的，直接让他接管电脑去解决修复完全搞定。

其实没必要执着让AI凭空创造新工具，能熟练驾驭我们现成的各类软件，就已经能帮普通人解决大部分难题。

Codex恰好吃透了这点，电脑自动化操控这块稳居顶尖。不用任何技术基础，小白也能轻松拿捏AI硬核能力，真正做到开口就能办事。

[郭宇 guoyu.eth @turingou]

国内做不动产公司的老板朋友没法用最新的图片模型，每次都让我用 app 来生成，我就顺手花半个小时给他们做了个网站，让他自己写提示词调用 GPT Image 2 和 seedance 2，支持微信支付，让他自己随用随付，我这是不是也算是另类中转站了？😂

[AYi @AYi_AInotes]

今天这份报告，相当于给所有吹AIAgent的人浇了一盆冰水。

Ora用ChatGPT、Claude、OpenClaw三个真实Agent，
扫描了8500个主流网站。

结果是，99%的互联网，对AI代理来说根本不可用。
中位数得分36分，73%的网站直接拿了D或F。

最讽刺的真相是，Agent能读几乎所有网站，但它们什么都做不了。
登录不行，交易不行，调用工具不行。
认证通过率30%，MCP集成率27%，用户体验22%。
你让AI帮你买个东西，它连结账页面都过不去。

现在很多人都在说，未来是AI Agent的时代。
但没有人告诉你，整个互联网的基础设施，还停留在给人类用的阶段。
代理只能靠浏览器模拟点击硬闯，成本是正常调用的100倍，速度慢10倍，网站一改版就彻底崩了。

目前估计只有1%的公司真正��备好了，
主要分两类，
一类是Attio、AgentMail这种Agent原生的新公司，从第一天就为代理设计。
另一类是Stripe、Cloudflare、Vercel这种基础设施巨头，早就把MCP、流式传输、代理认证做成了默认功能。

我觉得这才是今年最被忽略的趋势。
十年前，PageRank决定了你能不能被人找到。
十年后，Agent Readiness得分决定了你的产品会不会被AI代理推荐和使用。
预计到今年年底，B2B采购里，低于50分的公司连竞标资格都没有。

而且更可笑的是，现在有34%的公司说自己支持MCP😆😆

但说实话，真正符合规范、能被代理正常调用的，只有3%，
剩下的全是贴个标签的营销噱头。

现在到处都在说AI Agent会吃掉所有工作，
但没人告诉你，在那之前，所有不为AI Agent优化的公司，都会先被吃掉。

报告来源：Ora《The State of Agent Readiness》，2026 年 4 月 22 日发布
#AI代理 #MCP #AgentReadiness #Ora #人工智能

[ahhhhfs @abskoop]

🚀SQLBot：基于大模型和 RAG 的智能问数系统

🤖用自然语言直接提问数据库

📊 一句话生成SQL查询，SQLBot让数据分析更简单！

👉https://t.co/LRubWvKB1R

#AI #数据分析 #SQL #Data

[Lin Dora @duola_eth]

原来还有这种套路啊？
那些卖课的是不是用的都是这种？

[范凯说 AI | Kai on AI @fankaishuoai]

AI 时代竞争力，说实话：

不是"会用 AI"。不是"会编程"。

是：你对某个具体行业足够熟，然后会用智能体把自己的能力放大 5-10 倍。

做了二十年国际贸易的人，加上智能体，比一个刚学了 AI 编程的人危险多了。因为前者知道这个行业哪些流程值钱，哪里是卡点，哪里有水分。智能体只是工具，业务判断才是护城河。

你的竞争力不在工具里，在你的行业积累里。

[范凯说 AI | Kai on AI @fankaishuoai]

说实话：

AI 普及在加速，IT 巨头在拼命裁员。未来社会对通用软件的需求，毫无疑问是在萎缩的。

但有一种职业，需求反而在增加。

OpenAI 和 Anthropic 都在雇一类人：进到企业内部，帮它们把整套业务流程改造成 AI 驱动的工作流。这个职位叫 FDE（Frontend Deployment Engineer，前线部署工程师）。

我的判断是：
1. SE（软件工程师）这条职业路径在逐渐被消灭。
2. FDE 会越来越吃香。

FDE 不是写通用软件的，而是利用自身的 AI 能力加上行业经验，快速定制、部署适合某个具体企业的 AI 系统，让核心业务跑起来。这种角色在未来会大量出现。

对软件工程师来说，SE → FDE 是最顺的一条转型路。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我一直反复跟你们讲���年轻人是最应该奋斗的，因为年轻人的奋斗是真正有回报、有产出、有未来的。

最聪明的小孩学计算机做deep learning和AI Agent，差一点的小孩学学VLSI刷Razavi的模电教材，写写嵌入式跑马灯，学临床医学八年制踏踏实实上手��读片子，再差一点的小孩学个电工水管工做PLC学剪辑后期，

身材好一点的找个团播跳舞擦边，声音好一点的找个直播间给榜一大哥唱歌助眠，体力好的练练肌肉练练腿找个游乐场当NPC，人人都能过得很开心。

年轻人躺平的最大痛苦，来自于选错了专业，

自己腻歪数学物理，觉得自己是天选哲学之子、历史大牛，硬着头皮选文科，大学学个垃圾人文社科专业，

本科读完人生迷茫，出路死路一条，就想办法读个硕士，要么在家考研，要么读个英澳文科水硕，硕士毕业了依然死路一条，继续想着读PhD或者考公考编，

从过来人角度来看，15~27岁是人生学习、吃苦、记忆、训练的最佳时期，也是真正进入社会、���到工作职业起跑线前的最后一段冲刺，

只要你愿意吃点苦，自学编程写出来2个游戏引擎5个操作系统3个编译器8个AI Agent都能让你吭哧吭哧写出来，

如果15~27岁不好好学数学物理微积分线代概率、不学电子、不学临床、不学编程，甚至不愿意学点电工电梯水电工PLC纹身美甲，

而是自己呆在舒适区，把无限的青春和时间，全部浪费在文科本科硕士无穷无尽的课程内容、教材内容、过时落伍的PPT内容，跟着教授学死掉的无用的知识，最终只能把路走窄。

18岁你能拿出吃奶的劲头学习，27岁以后，整个人的精神状态、记忆力、专注度、学习能力都在下滑，想重新选择专业和行业，几乎死路一条。

很多年轻人躺平的第一步，就是大学选了个三流城市、普通二三本、垃圾专业，大学四年修了100学分的课，没有一门课是有用的手艺，学校在一个落后的省会或者地级市，没什么产业，导致毕业了环顾四周没有出路，

而如果你选择在北京、上海、天津、深圳、杭州五大一线城市读大学，哪怕是个深职院这样公立大专，选一个计算机大类、电子大类、临床大类的专业，出了学校都有各种工作和行业等着你选择。

我经常说，很多人高考400多分，非要打肿脸充胖子在北方或者大西北找个民办三本，死也要读本科，为了考公考编，这种孩子毕业如果不躺平，你说还能有啥出路？

而哪怕是深职院这种公立大专，很多人眼里根本瞧不上的大专，里面分数线最低的护理专科，毕业了可以在深圳七八个正在新建疯狂扩张的本地医院直接抢走。

深圳这种年轻人疯狂涌入的城市，不仅猪脚饭抢不上，连一个像样的医院都抢不上，所有大医院都抢着去深圳布局，别说临床博士和影像检验，连护士都要在深职院这种本地大专里抢人。

这是年轻人真正放弃骄傲、放弃梦想、面对现实、真正投入时间、投入精力、认真学习、认真奋斗的正确方向。

[ahhhhfs @abskoop]

Google Chrome也推出 Skills AI 技能库 了

专门帮你快速处理重复性的任务

在 Chrome 右侧 Gemini 侧边栏，打个 / 或点 +

就能一键调用，不用每次手敲提示词了

而且还能跨多个标签页一起处理🤡