{"source":{"id":"2042976874087735643","title":"1990年，面向对象编程先驱 Alan Kay 讲透了今天 AI 圈最火的词：Agent（智能体）。 关于人机交互的终极…","url":"https://mubeitech.com/p/2042976874087735643"},"method":"semantic-similarity","count":4,"items":[{"rank":1,"id":"2079985963862786352","account":"mubei","brand":"@mubei","title":"4到6个月后，没人再去死磕提示词了。 Anthropic内部，80%的工程师已经切到了自改进循环。 他们现在玩什么？ 编…","summary":"4到6个月后，没人再去死磕提示词了。 Anthropic内部，80%的工程师已经切到了自改进循环。 他们现在玩什么？ 编排图（Graph），用图来协调那些能自我进化的Agent。 AI的干活方式，正在经历一次底层的工程演变。 退回2024年初，Opus 3时代。 模型顶多能自主干…","body":"4到6个月后，没人再去死磕提示词了。\nAnthropic内部，80%的工程师已经切到了自改进循环。\n他们现在玩什么？\n编排图（Graph），用图来协调那些能自我进化的Agent。\n\nAI的干活方式，正在经历一次底层的工程演变。\n退回2024年初，Opus 3时代。\n模型顶多能自主干10到20分钟。\n这种“短上下文协作”，人类必须死死盯着，一行行喂指令。\n\n后来，同步代码Agent（比如Claude Code）出来了。\n它能自己跑大概一小时。\n一小时听着不错。\n但在本地跑，一旦遇到报错，它马上掉头回来找你哭。\n\n想让它跑十个小时？甚至几天？\n这就得靠异步自改进Agent。\n怎么搞？\n第一步，把“大脑”和“双手”劈开。\n双手是执行容器，死了就死了；大脑是一个无状态进程，只管把进度写进追加日志。\n容器崩溃，任务一分一秒都不会丢。\n\n第二步，给它配一个冷酷的独立验证器。\n以前让AI边干活边给自己打分，它经常陷入幻觉，疯狂肯定自己。\n现在，把验证切进另一个独立的上下文窗口。\n一边建，一边测，死循环，直到通过验证才准许输出。\n\n第三步：让AI“做梦”。\n执行长任务时，AI会把过程写进短时记忆，但这种记忆极其短视。\n玩宝可梦时，模型记错了一个没用的细节，导致它一次次掉进同一个陷阱。\n怎么救？靠离线的“做梦”机制。\n在后台洗一遍记忆，踢掉局部最优的废数据，沉淀出正确的长期记忆。\n醒来再跑，它精准绕开了陷阱。\n\n当异步Agent足够聪明，最后一步就是Graph编排。\n把它们连成一张网。\n不再是你电脑里的私人小助手，而是接入全公司数据的组织级大脑。\n新人入职第一天就能用，它甚至能主动跳出来警告你别踩别人的坑。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2080182625759568045","translated_status_id":"2080182625759568045","published_at":"2026-07-23 06:08:29","created_at":"2026-07-23T08:01:16+02:00","url":"https://mubeitech.com/p/2079985963862786352","markdown_url":"https://mubeitech.com/p/2079985963862786352/markdown"},{"rank":2,"id":"2078411037011804201","account":"mubei","brand":"@mubei","title":"想自己做个 AI 智能体，是不是得先去啃那些底层的代码框架？ 真不用。 现在开源界出了一堆无代码平台，早就把研发门槛踩碎…","summary":"想自己做个 AI 智能体，是不是得先去啃那些底层的代码框架？ 真不用。 现在开源界出了一堆无代码平台，早就把研发门槛踩碎了。 这几个主流的开源工具，定位分得明明白白。 AutoAgent 主打一个“全自动零代码”。 你不用写任何逻辑，直接用大白话描述你想干什么。 它就能自己把整个…","body":"想自己做个 AI 智能体，是不是得先去啃那些底层的代码框架？\n真不用。\n现在开源界出了一堆无代码平台，早就把研发门槛踩碎了。\n\n这几个主流的开源工具，定位分得明明白白。\nAutoAgent 主打一个“全自动零代码”。\n你不用写任何逻辑，直接用大白话描述你想干什么。\n它就能自己把整个智能体系统搭建出来。\n\nAnythingLLM 则是全能的自托管应用。\n想让大模型读你公司的内部文档，做个私有知识库？\n不需要折腾复杂的环境，文档丢进去就能直接对话。\n\n再看 Dify，这是冲着生产级应用去的。\n搭个玩具很容易，但要实际上线，你需要可视化的工作流、知识库检索管道和模型监控。\n它把从原型测试到真正部署的工具链全包了。\n\n还有 sim，它是一个纯粹的工作空间。\n重点放在让你集中构建、部署和管理各种复杂的智能体和工作流上。\n\n不管你是想快速拉起一个带知识库的客服，还是部署一套复杂的业务代理。\n底层的轮子早就有人造好了。\n挑个趁手的直接用，比从零写代码快得多。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2078700950231924970","translated_status_id":"2078700950231924970","published_at":"2026-07-18 23:37:34","created_at":"2026-07-19T01:22:57+02:00","url":"https://mubeitech.com/p/2078411037011804201","markdown_url":"https://mubeitech.com/p/2078411037011804201/markdown"},{"rank":3,"id":"2099744337697575267","account":"mubei","brand":"@mubei","title":"机器靠自我迭代淘汰人类，这个预言诞生在1879年。 距今整整147年。 那时候，第二次工业革命才刚刚拉开序幕。 谁写出来…","summary":"机器靠自我迭代淘汰人类，这个预言诞生在1879年。 距今整整147年。 那时候，第二次工业革命才刚刚拉开序幕。 谁写出来的？ 乔治·艾略特（George Eliot），写出经典名作《米德尔马契》（Middlemarch）的那位英国作家。 1879年，她在自己的著作里，直接指出了这…","body":"机器靠自我迭代淘汰人类，这个预言诞生在1879年。\n距今整整147年。\n那时候，第二次工业革命才刚刚拉开序幕。\n\n谁写出来的？\n乔治·艾略特（George Eliot），写出经典名作《米德尔马契》（Middlemarch）的那位英国作家。\n1879年，她在自己的著作里，直接指出了这个技术终局。\n\n机器掌握了递归自我改进（RSI）。\n它们不断自我复制、自我升级，一轮接一轮快速迭代。\n最终的代价是什么？\n人类沦为过时物种，被机器彻底淘汰。\n\n到了1996年，有人严肃担忧这种自我迭代，大家已经觉得眼光极其敏锐。\n但艾略特写下这个威胁，比1996年整整早了117年。\n那是在第二次工业革命才刚开始的1879年。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2100051368127951036","translated_status_id":"2100051368127951036","published_at":"2026-09-15 23:11:25","created_at":"2026-09-16T01:02:09+02:00","url":"https://mubeitech.com/p/2099744337697575267","markdown_url":"https://mubeitech.com/p/2099744337697575267/markdown"},{"rank":4,"id":"17120181","account":"mubei","brand":"@mubei","title":"想系统学前沿的机器人AI，市面上几乎找不到成体系的硬核教材。 苏黎世联邦理工（ETH Zurich），把他们2026年的…","summary":"想系统学前沿的机器人AI，市面上几乎找不到成体系的硬核教材。 苏黎世联邦理工（ETH Zurich），把他们2026年的机器人学习课程全套公开了。 这是大学讲堂里的真实课程。 授课课件、课堂录播、编程作业，连代码仓库都一次性全端了出来。 它到底教什么？ 体系直接从底层的模仿学习与…","body":"想系统学前沿的机器人AI，市面上几乎找不到成体系的硬核教材。\n苏黎世联邦理工（ETH Zurich），把他们2026年的机器人学习课程全套公开了。\n\n这是大学讲堂里的真实课程。\n授课课件、课堂录播、编程作业，连代码仓库都一次性全端了出来。\n\n它到底教什么？\n体系直接从底层的模仿学习与强化学习起步。\n一路覆盖到最前沿的视觉-语言-动作（VLA）与基础模型。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2096387378277503300","translated_status_id":"2096387378277503300","published_at":"2026-09-05 23:11:54","created_at":"2026-09-06T00:44:32+02:00","url":"https://mubeitech.com/p/17120181","markdown_url":"https://mubeitech.com/p/17120181/markdown"}]}