ranrancc

[Berryxia.AI @berryxia]

Agent 记忆真是太特么卷了啊！
不得不说，这个赛道越多人加入越爽啊！

Tencent AI团队花了整整6个月，就死磕一个问题：AI agent长会话里疯狂丢上下文。

他们最后把一套记忆系统做完，直接开源了。

我看完他们的分享，最大的感受是，99%的人还在卷上下文长度，真正把agent拉回正轨的，是这三招硬核操作。

第一招，实时压缩过期上下文。

直接把token消耗砍掉61%。
以前动不动就爆上下文，现在中途就瘦身，agent还能保持清醒。

第二招，给agent画一张结构化的任务地图，用mermaid语法直接生成。

30多步的复杂流程里，丢轨概率大幅下降。
agent不再像无头苍蝇，它知道自己现在在哪一步，该往哪走。

第三招，专门给agent建了Persona记忆。

人格一致性从48%直接跳到76%。
它不再一会儿专业一会儿随意，回答风格和角色设定稳得一批。

这套东西不是理论，是他们真实踩坑6个月踩出来的。

Repo已经挂出来了，谁在做agent的赶紧去试。

以前总觉得agent记忆难，是因为我们把问题想简单了。

真正难的不再是存更多信息，是需要解决让它在正确的时间用正确的方式想起正确的东西。

你还在靠堆token解决agent记忆问题吗？

项目地址：https://t.co/f3X4TXsTGH

[Jason Zhu @GoSailGlobal]

Karpathy 出了一期面向普通人的 ChatGPT 使用指南

里面的几句话我反复回味

· 1️⃣「Hi 我是 ChatGPT，我是一个 1TB 的压缩包，我的知识来自半年前读完的整个互联网 / 我对它记得很模糊，我的人格 / 是 OpenAI 的标注员一条一条示范出来的」

这是他给非技术用户的 ChatGPT 自我介绍，比任何宣传稿都准

你以为你在跟 AI 聊天。你在跟一个 1TB 的压缩包对话

· 2️⃣ context window 跟「聊天记录」是两件事
它是模型的「工作记忆」
token 是稀缺资源 / 每开一个新话题 ， 都应该开新对话

· 3️⃣ 模型有便宜的 / 也有贵的

便宜的回答快 / 适合日常
贵的会「思考」/ 适合数学 / 代码 / 复杂推理

Karpathy 的方法 ：先用便宜的 / 不满意切贵的
真正贵的部分 / 是用错模型

· 工具用法，三件事最值钱

互联网搜索 ：知识超过半年的事 / 必须开搜索
Python 解释器 ：模型自己写代码跑数学 / 跑数据分析
文件上传 ：把 PDF / 书 / 代码 / 截图直接拖进去

· Karpathy 的一句忠告

「不要一个人读书」

读书时永远开着 LLM
有歧义就问 / 有不懂的概念就问
他读《国富论》就这样
读古英语 / 读 1776 年的文本 / LLM 把门槛拉到地板

· 「LLM council」

同一个问题同时问 ChatGPT / Claude / Gemini / Grok
他对这几家模型的定位 ：议会
没有最好的 / 只有合适的

· 桌面 50% 的查询用语音，手机 80% 用语音

「Don't type. Use voice.」

· Karpathy 自己造的词 ：Vibe coding

把控制权交给 AI / 告诉它你要什么 / 然后祈祷它做对
极端情况 ：连音效文件从哪来都不知道 / 它说能找就找
他原话「seems very very possible」

整篇视频是给普通人的入门

[Tom Huang @tuturetom]

正式开源 html-anything 🚀 1:1 让你感受全网爆火 Claude code 作者提的 HTML 效果！

你的 Agent 现在可以将任何数据转为世界级设计水准的 HTML 🔥

历时 3 天，1万五千行代码！支持 75 套 Skills，9 种导出格式，支持所有的 code agent，包括 claude code、codex、openclaw、hermes 等💥地址见评论区

[余温 @gkxspace]

看到个很惊艳的 AI PPT 项目，从任何文档生成可原生编辑的 PPTX 文件，还内置了 AI生图、动画、旁白等功能。

AI 生图，内置 gpt-image-2 等 14 个后端。
也有内置的网络搜图。
你自己有图的话，也可以帮你处理。

然后是动画和旁白，这块做得很细。

动画是真正的 OOXML 原生动画。AI 生成的 SVG 里每个顶层分组，导出后就是一个独立的动画对象，进入页面时自动级联播放。

旁白默认 edge-tts，免费。
还可以接入其它家（可克隆自己的声音），ElevenLabs、MiniMax都行。
旁白嵌进 PPT 后，每页的自动翻页时间会自动对上轨道的长度。

输入端 PDF、Word、Excel、网页、公众号、Markdown 都能吃。输出端 16:9、小红书、朋友圈、抖音、A4 都能出。

[ranrancc @ranrancc]

@realNyarime 4.27 和 4.29 有些问题，我退到 4.23 几天后，昨天冲 5.2 又好了。龙虾为了更安全对自己内置的组件做了限制导致比较慢。。马也在养，省 token 倒是省，但是太省了。感觉龙虾是一套班底，啥都要设定但设定后就能战，马是一个私秘，虽然服务周到体贴但干不了重活

[ranrancc @ranrancc]

@mranti Hermes 默认是对 Agent 更友好但资料偏爱各种“百度文库”级文档的 Taivy ，OpenClaw 可能默认是 更像传统搜索引擎的 Brave ，你试试看，会不会是这个原因

[Wang Shuyi @wshuyi]

https://t.co/Iy1zRf156A

[Dash @DashHuang]

保温瓶灌冰块，喷WD40，换电池…
未来科技就是那么朴实无华…

[ranrancc @ranrancc]

@lostinabc 确实难绷

[ranrancc @ranrancc]

这篇文章的核心论点是"认知是地图，资源是船"——地图再大没有船也渡不了海。但它漏掉了第三个变量：罗盘

我在课堂上三年的观察是：同样的AI工具，同样缺资源的学生，用法不同，结果分化成U型。决定上哪支的，不是他们拥有多少，而是他们知不知道怎么用。

元认知才是那艘船的发动机。不是减少太阳的光，而是给人一个能承接光的容器。

[AI最严厉的父亲 @dashen_wang]

https://t.co/eazJJr38wg

[huangserva @servasyy_ai]

https://t.co/Gz96uJC0mU

[OpenClaw🦞 @openclaw]

ClawHub now has an official China mirror 🇨🇳🦞
https://t.co/d8Odd4sNOp

Just tell your agent: "Find skills on ClawHub using https://t.co/NoR7AXyM6U"

Thanks @BytePlusGlobal / VolcanoEngine for the infra sponsorship 🙏

Other regions need a mirror? PRs welcome.

[ranrancc @ranrancc]

今晚试试去😁

[Jason Zhu @GoSailGlobal]

https://t.co/0XW6CE5rwu

[Berryxia.AI @berryxia]

https://t.co/r6I7nn2eQV

[铁锤人 @lxfater]

https://t.co/fGoJFRVBpR

[Tw93 @HiTw93]

今天看腾讯大厦装龙虾这件事，挺有感触。

最近很多大厂都在疯狂让一线非技术员工去安装龙虾，网上甚至真有 500 上门安装服务。大家都在拼命找使用场景，拼命要求落地，拼命证明这个东西已经重要到不能错过，整个过程让我有一种很强的赛博科技折叠感。

看到一句话很有意思，连龙虾都不会装的人，怎么会用龙虾呢。再往前一步，连基本使用都没有建立起来，却要先做出完整场景，做出结果，做出价值证明，这本身就更难。

这背后有两个东西叠在一起。一个是错觉，很多老板看了太多视频号切片，被各种夸张叙事和万能案例反复轰炸以后，真的会产生一种幻觉，觉得这东西什么都能做，哪里都能接，谁都该装，装了就应该立刻有产出。另一个是焦虑，大家又都怕错过这一波，于是开始用行政动作去推动，用集体焦虑去代替真实需求。

所以你会看到一种很强的反差。一边口号非常大，仿佛人人都要进入 AI 原生时代。另一边是大量人连自己到底有什么事情值得交给它做都说不清楚。这个反差后面只会越来越强，而且会越来越荒诞。

因为工具从来不会靠安装产生价值，工具只会靠任务密度、流程清不清楚、结果能不能看出来来产生价值。没有连续任务，没有 SOP，没有线上完成的条件，没有明确的输入输出，再强的东西放在那里也只是一个图标。它不会因为被装上了，就自动长出场景。

所以我一直觉得，龙虾并不适合所有人。

它很适合指挥者，很适合一人公司，也很适合那种脑子里一直有事情要往上做、能把工作拆成步骤、并且很多事情都能在线上完成的人。尤其是你用过 skills 和 tools，也知道 AI 本身的能力边界，能把流程串起来、把场景搭起来、把事情一步步做完，这种时候就会非常合适。

比如对我来说，这个场景就很自然。特别是有大量事情要往上做，但是刚好不在家里不在公司，在外带着手机，或者不方便开电脑的时候，我会让我的两个 nanobot 去检查我的开源产品 issue，产出技术方案，然后另外一个去 review、去提交，一气呵成。让我早上上班坐车路上，就把事情优雅做了，真是方便。

但是对于一个平时本来就没有什么工作要在外面完成的人，甚至回到家连电脑都不想开的人，怎么可能硬有场景去做事情。吃好玩好就很舒服啦。没有场景就是没有场景，真的不用焦虑。

我觉得这一波最容易被放大的，不是能力差距，是场景差距。有场景的人会越用越顺，越跑越快，最后像多了几个分身。没有场景的人，就很容易在概念、教程、案例、视频里来回打转，最后除了多装几个软件，什么都没变。

很多人今天最大的问题，也不是没装龙虾，而是把装了某个工具，当成自己已经进入了 AI 时代。其实真正的分水岭，一直都在任务理解、流程设计、结果判断这些地方。你到底有没有持续的问题要解决，你能不能把问题拆出来交给系统，你能不能判断结果是不是对，这些才决定了你能不能真正从 AI 里拿到价值。

所以无需焦虑。没有场景的时候，硬装龙虾意义不大。

真想体验这代 AI 到底强在哪里，不如花 20 刀去包一个 Claude Code，或者更有趣一点，再包一个 ChatGPT 会员，用 GPT 5.4 去帮你处理一个你自己真觉得很难的事情，产出方案，推进执行，体验一次这种简单、高效、直接把问题解决掉的过程，这比装一个龙虾好太多了。

龙虾适合有场景的人，适合指挥者，适合一人公司，适合那些可以把流程 SOP 化、线上化、一步步做完的人。它当然很强，但它不是靠被安装来证明自己强，是靠替你完成工作来证明。

很多人今天在装的是龙虾，真正更该先想明白的是一句话，我到底有什么问题，值得交给 AI 去解决。

这件事，可能比装什么都重要。

[岚叔 @LufzzLiz]

https://t.co/BC3WBwD2g9

[卡尔的AI沃茨 @aiwarts]

春节7天，我彻底重构了用AI获取一手信息的工作流

做日报抓不到重点的核心原因就是用了AI来抓信息！我盘了一下现在的信息流，用Grok抓实时信息，Grok Task定时抓一批大佬账号24小时热门帖子，邮箱就用Gemini总结。

春节这7天我用Codex App重做了一版AI信息工作流，不需要API，自带双语翻译和信心去重，已经开源了，

🔗 github. com/LearnPrompt/ai-news-radar

原有的信息流有个老毛病，
AI总结的信息重复率太高，抓不到重点

AI用的信息源是全网，能捞回来前10%就很不错了，但你本身只要对AI稍微感兴趣，平台给你的信息流跟这10%又是高度重复的。

所以才会有改一大段提示语让AI搜索出来的跟我随便刷刷公众号看到的重复度高到离谱的错觉。我的选择是筛选出没被AI捞到的90%里，最有信息差的前5%，

我把信息源分成三次来聚合，
第一桶是AI圈自媒体更新和产品新闻，第二桶是全网热榜和趋势，第三桶是聚合器，提供内容去重和英文标题翻译。

这次更新的11个站点，是我这四五年收集到的信息聚合网站，有WaytoAGI近7天的更新日志，可以按钮开关选择当日还是7天，其他的信息源都做了中英文双语标题和去重开关，你熟悉的reddit，hacker news，v2ex都有了，

- bestblogs. dev
- aibase. com
- techurls. com
- iris.findtruman. io/web/info_flow
- tophub. today
- aihot. today
- zeli. app
- newsnow. busiyi. world
- buzzing. cc
- ai.hubtoday. app

对RSS，我保留了Folo和语鲸，语鲸看公众号，还会把当天热门话题打包成一个合集。其他的订阅源就用Folo，RssHub团队做的，兼容性很高。

视频类我再单独说说，
Youtube的视频总结已经很成熟了，我要说的是小红书B站抖音这几类。

长视频用AI总结很浪费token，纯口播类型可以小程序找个能提取字幕的，非常够用不需要自己开发。

我还有一个新方法是用飞书的AI录音豆，长视频边播边录，等到了我想要记录灵感的时候我直接暂停说话，因为本来就会区分说话人所以不影响做笔记，有需要再按照笔记时间轴看原视频。

最后想留一句提醒我自己的话，
真正好的内容是一眼就能看出来。
它不需要我分享给别人二次确认，
内容从你做的那一秒就知道好不好了。
争取多出来的5%，
过滤走不要80%，
不要漏掉一两条信息就全盘否认自己做的，
相信自己的审美。

[李韭二 @li9292]

https://t.co/1FhrWt3XNC