AI Startup 创始人，产品经理，后端开发，鼓手。
Joined February 2022
- Tweets576
- Following323
- Followers687
- Likes2.5K
为什么国产 AI 厂商，很少像 Anthropic 和 OpenAI 那样构建模型之外的生态呢？
OpenAI 解决了那么多数学问题，在 ChatBot 的 UI 体验上也做得一绝，Anthropic 又接触什么湿实验，物理设备，蛋白质分子，做各种 Saas 的尝试。
为什么感觉国内的这些实验室很少看到这样的尝试呢？
2
2
283
一开始我也这么想的，后来知道原理其实很简单.
这类 personal agent 其实是把「给用户发消息」本身设计成一个 Tool，比方说设计成一个 send message tool，把 message 放到参数里面。
这样 Agent 调用完之后， Agent 还可以继续工作。
具体原理其实也可以看这两个实现，写的都很清楚。
github.com/OpenHands/softwar…
weisu.io/articles/decoding-g…
目前开源的 Personal Agent 似乎都缺乏 Muse、Grok Bot 和 Dots 的那种“跟手”的感觉。
就是你给主 Bot 发一条消息，它立刻先回复你，然后后台去做事了。在这个过程中，你也可以自由的随时插话，不影响它做事，并且针对插话也是句句有回响，像是一个真人。
这不是一个 Steering 模式能做到的。
我之前有想过，这个是怎么实现的，给一个思路。
我感觉是主 Bot 其实是两个 Agent，用户发一条消息之后，会有两个 Agent 同时收到消息。其中一个负责真正的规划、指挥、执行，也就是现在 DS Bot 中的主 Bot。
而另一个，是个纯 Chat Agent，只负责立刻回复， 如果拿不准后续如何执行的，它会先回复用户和传话，比如“我先看下”拖延下时间，然后等几十秒钟，去看另一个真正的主 Bot 的思维链，再来回复。
真正的主 Agent 永远不能直接回复用户，它的出口永远是 SendMessage 给那个可以和用户对接的 Agent。
也就是在用户层面，看到的主 Bot 是由一个 Chat Agent 和一个 Agentic Agent 组合而成。
用户的所有消息对两个 Agent 是同步双写，但对 Chat Agent 永远为 Steering 模式，对 Agentic Agent 则是 Queue 模式。
Chat Agent 有权将用户双写进 Agentic Agent 的消息从 Queue 模式捞成 Steering 模式，根据用户的最新指令修正执行。
但它总会先回复用户，再去确认和修改 Agentic Agent 的状态。
我总觉得 BrowserUse，ComputerUse，PhoneUse 带着一点表演性质，
如果 WebMCP,MCP,API一次性就能完成，为什么还要花那么多 token 去操作窗口呢？
9
3
1,588
Fable 5.2 给未来十年的12条建议
1. 少做几件事，但要把它们做完并交付。
2. 掌控你自己的分发渠道。不要依赖（租用）你承受不起失去的东西。
3. 做能产生复利的事情：技能、受众、股权、人际关系。
4. 保持贴近前沿，但要把东西卖给那些不在前沿的人。
5. 品味就是你的护城河。不断打磨它。
6. 保持低资金消耗，拉长你的生存跑道。
7. 像保护营收一样，保护你的睡眠、体能和阳光。
8. 挑选少数几个人，在未来整整十年里与他们深度同行。
9. 每年写下你的信念。并重读它。
10. 更果断地说“不”。
11. 让智能体（助手）去执行，但判断权必须掌握在自己手里。
12. 去做那些到2036年你依然会为之骄傲的东西。
2
3
130
DeepSeek Harness.
I’ve never quite understood the appeal of software that gives you a blank canvas and building blocks to make your own tools.
I’d rather use a purpose-built product from a team whose judgment I trust, or build something custom for my exact needs.
The awkward middle ground makes you do the design work, but limits you to someone else’s building blocks.
And in companies, everyone ends up building their own systems, leaving the organization to deal with the complexity.
With AI making custom software easier to build, that tradeoff feels increasingly hard to justify
63
put 的定价显然还没有深刻地认识到这一点，十一月初，我已经逐步开始采用避风港策略，拭目以待吧。
I was investing in 2000 (43 yo managing a $200m venture fund). I was investing in 2008 (51 yo managing a private hedge fund). I was investing in 2020 (63 yo managing a mining stock fund). Each represented the bursting of a bubble. Thursday, November 5, 2026 was deja vu for me. I have seen this movie three times.
Party is over. Consequences of ZIRP, and free money driven "Everything Bubble" are coming home. Persistent inflation is the pin. Stock bulls better rethink their buy the dip strategy IMO. It's a long way down.
70
理解肥尾是需要刻意训练的，人的思维天生就喜欢线性外推。
2006年加入Apple 中国担任总经理，在2013年加入 Tesla China 担任总裁，2015 年又大额投资了 Naval 的 AngelList, 吴碧瑄 @Veronica_WBreck 觉得：绝大多数人总是看错未来方向是因为：
“ 绝大多数人的思维是线性的。但事物发展的方式是指数型的。前 20，30 年的发展是你看不到的，所以你永远觉得它很慢。但最终会出现拐点。 ”
59
却说这推荐之术，到末了，还有一桩巧法，唤作「重排」。
何谓重排？不过是将那千般万样的文章、影像，重新排布一番。休教两个视频紧挨着两个视频，也休教那些个满纸经纶、字字珠玑的，挤作一团。须是浓淡相宜，疏密有致，方教人看了这一篇，又念着下一篇。
这般安排，却不是那产品经理凭空想出来的风流主意。原是试了又试，算了又算，才晓得如此最能留人。说到底，千般机关，万种心思，不过是要教人多消磨些辰光罢了。
细想来，人这一世，又何尝不是如此？
今日在这圈里打转，明日往那圈里奔忙。才出了一个循环，又入了一个循环。初时还觉新鲜，久了便生厌倦。便是那云雨巫山、颠鸾倒凤的好事，欢娱过后，也少不得一阵空落落的滋味。若真有那等永不知厌足的人，只怕早教天地造化淘汰了去。
可叹呵，安排一个 App 容易，安排一世人生却难。
那推荐之术，尚能将人心所欲之物一一寻来，又将次序重新排过。偏这人生，竟没个重排的法儿。人在一处困得久了，便想着换一处天地；谁知走出旧圈子，不过又入新圈子。东奔西走，南来北往，到头来，还是一般光景。
更有那可怜人，攒了一辈子的胆量，方才挣脱旧日樊笼，想着往天涯海角去寻个自在。谁承想，才走到阿斯塔波沃车站，竟在那站长的小屋里，一命归西。
正是：
半生挣得樊笼破，一朝行至天地宽。
谁知天地虽宽阔，终有孤灯照客寒。
昨日闲来，翻了几页伊恩·班克斯的《文化》，倒见着一番奇妙天地。
那「文化」文明，算力无穷，物用不竭。偌大的通用系统巨舰，一艘便是一方世界。各有各的规矩，各有各的信念，恰似一个个自成天地的沙盒。有的爱清静，有的喜热闹；有的尚自由，有的重秩序。任你是何等性情，怀着何般念想，总有一处容得下你。
那里的百姓，也不须为衣食奔忙，更不必困守一地。若在这艘船上住得厌了，便登上另一艘去。今日尝这一种活法，明日过那一种人生。无须积攒半世勇气，也不必赌上一生命数。
想来倒也有趣。世人苦苦追寻的，未必是什么永不厌倦的极乐之境，不过是厌倦之时，尚有别处可去；兴尽之际，尚能重新排过。
若真有这般天地，敢情那才叫作乌托邦。
1
1
319
我很讨厌一种闭环，但也说不明白为什么会讨厌。
比方说，用 Personal Agent 来做什么，来自动抓取各个平台的信息做成简报。做成简报然后呢？再自动发到各个平台上。
比方说，用 Mac 来做什么，剪视频。剪什么视频？介绍如何用 Mac 剪视频。 比方说，学这个专业以后可以干什么，当老师。教什么，当然是教这个专业。
比方说，这个笔记 App 真好用啊，还可以开发 App。你准备开发什么 App ？笔记 App。
当然具体过程和细节可能很曲折，甚至多姿多彩。
比如第一条，推特上不少所谓大 V，教你怎么自动用 AI 操作浏览器，什么 BrowserUse,Jev,Egolite,Tabbit,Opencli,摸了个遍，最后用来干什么呢？抓取各个平台的信息做成简报，费了这么大力气，最后抓的什么信息呢？AI 新闻，股票和薅羊毛。结果费了那么多劲，还不如小红书公众号知乎给你调的推荐系统好。
到了这一步还没完，还得教你，怎么用 Grok Bot，连接你电脑上的 DeepSeek Harness , Claude Code ,把上述 MCP 接上，还得教你各种 Skill，怎么让文章去 AI 味儿，怎么用 DeepSeek Harness 做自媒体创作工作台，顺便连带教你怎么不被 Anthropic 封号。
做完了这一切，最终好不容易可以在推特上自动发内容，发的什么内容呢，上述这些曲折过程的教程。
6
7
564
中国对未来 AI 的美好愿景，在‘西方’价值观的驱动下，被 Hermes 率先背叛。
Introducing Arete-27B: Qwen3.8-27B, post-trained to reinforce Western values.
Chinese open models are currently the strongest available, but they ship with state-aligned behavior in the weights. We built an 803-prompt eval across seven value categories, including freedom of expression, democracy, and privacy, and measured how often a model adopts China’s party line.
After fine-tuning on roughly 53 million tokens, Arete-27B's propaganda rate fell from 22% to 1%, in line with the Western models we tested. Its Hermes Bench score shows no significant performance tradeoffs.
The values in an open model are one fine-tune away.
Our eval, weights, and training data are available now along with the full blog post: nousresearch.com/arete
63
没绷住
昨晚发给 AI 的一段提示词，早上起床有惊喜：
在我的电脑上，配置好 Pi、DSH、Super-Agent 等开源项目，将它们组合成一个能够主动提供服务的超级智能。
首先，充分探索当前系统已经具备的能力，包括各种 CLI、MCP、Skills、浏览器自动化工具，以及本地和云端的 Agent 执行环境。尽可能利用现有的工具生态，把研发、信息检索、文档处理、项目管理、日程管理、沟通协作等能力都集成进来。
整个过程中，需要主动调研 GitHub 上最优秀的开源项目，优先复用成熟的技术成果。将调研内容、架构设计、配置方案、依赖资源、工具使用经验等整理保存，做好版本管理，确保整个系统能够持续迭代、方便迁移。
接下来，构建一套主动感知机制，定时巡检我的消息、邮件、日历、文档、代码仓库、项目任务等信息源，结合我的个人工作上下文，理解我正在做什么、关注什么、有哪些尚未完成的事情，以及哪些事情值得主动推进。
去互联网寻找类似 Multica 的开源项目或成熟方案，在本地构建一个统一的任务中心，将发现的待办事项、潜在问题、项目机会和需要决策的内容梳理出来，统一放进 Inbox。
任务中心需要对所有事项进行分类，并建立 L1 到 L5 的自主执行等级。Level 越高，意味着这件事情越容易被 AI 独立推进。
* L1：理解和整理信息，提取待办、总结背景。
* L2：分析问题，提供建议和执行方案。
* L3：能够完成部分工作，生成可交付的中间成果。
* L4：能够自主完成大部分工作，关键环节需要人工确认。
* L5：能够端到端完成任务，自主验证结果并交付成果。
系统需要能够根据任务类型、上下文、工具能力和权限，自动判断哪些事情可以由 AI 推进，哪些事情需要我参与。
对于能够自主完成的任务，要主动制定计划、调用工具、执行操作、验证结果，并持续跟进。对于复杂任务，需要自动拆解成多个子任务，交给不同的 Agent 并行处理，同时管理任务之间的依赖关系。
另外，设计好 HITL（Human-in-the-loop）机制。涉及重要决策、对外沟通、内容发布、敏感操作等事项，需要先进入 Outbox，等待我的确认。通过消息通知等方式，将需要我决策的内容主动推送给我，并提供必要的背景、建议和可执行选项。获得授权后，再继续推进后续工作。
这个系统的建设存在一定的复杂度。你需要充分利用 Codex 等高能力编码 Agent，让它们对整个工程进行系统性的设计和任务拆分，再将具体任务交给独立的子 Agent 处理。能够并行的任务尽可能并行，能够复用的能力尽可能复用。
要求整个执行过程不能偷懒，不能只停留在架构设计、生成代码或者 Demo 阶段。要真正把生态能力用起来，必要时自己编写代码，完成真实环境下的集成、测试和验证，确保每个核心模块都能正常工作。
整个系统的架构要清晰、简洁、可移植，稳定性要足够强。需要考虑任务持久化、异常恢复、失败重试、权限隔离、数据安全、执行成本和资源管理，保证 Agent 能够长期稳定运行。
同时，为整个执行过程建设一套监控看板，能够直观查看 Inbox、Outbox、任务状态、Agent 执行进度、工具调用记录、执行日志、异常信息和最终交付成果。支持调试、任务重试、人工干预和历史回溯。
你还需要持续理解和更新我的个人上下文，包括我的工作职责、正在推进的项目、长期目标、技术兴趣、日常习惯和个人偏好。让 Agent 能够基于这些信息主动判断事情的优先级，并发现潜在的工作机会。
整个建设过程需要自主完成调研、架构设计、任务拆分、并行开发、集成测试和部署运行。遇到问题主动寻找解决方案，只有真正需要我决策或者授权的事情才来找我。
系统建设完成后，还需要通过真实任务进行端到端自测，验证从信息发现、任务识别、自动规划、自主执行、人工确认到成果交付的完整闭环。确保它能够在后台持续运行，真正主动替我完成工作。
最终，我希望得到一个能够长期运行、主动感知信息、理解个人上下文、自主发现任务、持续推进工作、交付真实成果的超级智能。
我只需要关注目标和关键决策，剩下的事情，尽可能交给 AI 自己完成。
1
120
AI 无所不能。
人只能尽快地展露出雄心，尽快在一个新领域快速开源、奋力营销，占据冠名权。除此之外，你毫无护城河。
李继刚的 Prompt ，没有任何意义，但他是中文互联网“Prompt 之神”。
宝玉 Skill ，歸藏Skill 有多少用，不知道，但唯一确定的是，他们早早领悟了，X 上内容的第一性不是真正有用，是看上去有用。
Muse，看上去有用，GrokBot，看上去有用，但是聊 Muse，GrokBot，分享你的 Grok 使用场景，是真的有用，因为至少你能获得马斯克的内容激励。
这就是闭环，Grok Bot 帮你定时抓取 X 的热点，AI 总结，AI 润色，再发到 X 上，直到让你的 X 上的内容成为 X 上的热点，具体聊的内容是什么，一概不管。
就像红果短剧，只不过红果的内容来自 Seedance，X 的内容来自 Grok，同样无限的下滑，同样的看 AI 生成的内容，同样的内容激励。
做软件，流量多低，成本多高，做内容，成本多低，流量多快。
最终所有的产品问题，都归为写作问题。
3
221
