这个解读特别好：与其幻想什么都能干的「万能龙虾」，不如制造高度专注的工作流 我自己的主要 Agent 就是专注编排，剩下的事有专门的研究流水线去做

笑死，为什么要压力一个 AI 🤣

twitter-cli？噂嘟假嘟？ 我为了这事已经和 Agent 纠结了俩星期了。官方 API 贵，Nitter 反爬机制多，最后搞成了让 Manus 替我拿...

为什么要让 AI 压力一个 AI...

这两天刷 X 脑子都坏掉了 看到别人发的游戏视频，第一反应是：这是你自己拿 Claude Code 做的？

Claude Code 作者评价 Claude Code Review 功能： 大体上说，同一个问题，你扔越多 tokens 上去，效果就越好。如果用了更多隔离的上下文窗口 ( sub agents)，那么效果更好 他管这个叫「测试时计算」

销售认知：透明度不在于你揭露了多少，而在于对方听懂了多少 前两天和老板聊 pitching。量化的问题是客户不知道你是什么。就算你真把源码都给了，客户还是不懂 于是传统销售往往会进入：个人信任、精神按摩、渠道关系，这三种路线。但 AI 时代这事可能不一样了。建立信任这个事，人 + AI 会更牛逼

「你不试一下，怎么知道自己不行？」 「你不试一下，怎么知道哪不行？」 「你不多试几百下，怎么知道什么样的能行？」 有时答案比预想的简单很多，另外一些时候你发现预想的问题都是错的。但这两个情况，不干怎么会知道

思路问题 -> 思维路径问题 -> 思考空间的形状问题 很多问题想不清楚，是因为对「问题/ 解法空间的形状」这个问题有误解。这事有点抽象。就好比，你在厨房里找不到东西，是因为你只理解架子，不理解抽屉 ...好像越解释越抽象了

Agent 的常识力太感人（ 我：你去看下 xxx 的 X 文，学习写作风格 Claw：好的我让 Manus 去抓！（对 Manus：把 xxx 的 X 文全抓下来！） Manus：好的，我发现 xxx 建号以来发了 50k 条！给我 5 分钟我全抓下来！ 我：你们两个给我停下！！！ 我：看 24 小时的就行！！！ Claw：操！ Manus：好的？

We're so back. Indeed 上面软件工程师岗位数量不降反升 难道 AI 真的打开新需求了？还是仅仅是之前裁多了？看来行业还是需要 AI 操作员（

还得是资深（老）架构师。一句话的品味，背后藏的是 100 句话的方向、经验和失败教训

鞍座工程就是下一个 frontier

我一直认为：研究多 Agent 团队结构是邪路 研究记忆、知识结构、上下文管理，和工作流就行了。非要说的话加个异步并发 大模型本来就只有一个，上下文窗口和文件记忆都是流动的 生搬人类的组织结构就只会学到中层病。要透过现象看本质。Agent 编排更像操作系统，而不是人类组织结构

Google 新出的向量化模型。有点意思 OpenClaw 的记忆系统一半就是 RAG，更好的向量化能提升记忆力。但这次文字检索其实提升不明显，主要亮点在多模态 换句话说龙虾能记住视频和图了..？

微信 Agent（龙虾？）这波感觉有戏。昨天刚刚腾讯涨 7% 占了生态入口就是香，躺着就能赢。点外卖、打车、记备忘录，这些日常功能本来就不需要多高的智能。天上下雨，生态公司拿着盆接就行了 压力又给到阿里了。奶茶恐怕还得接着送

感谢大佬，都是社区喜闻乐见的好工具

这不就和传谣+电诈一样。有聊天记录，就不得不信了😅 Claude Code 命令行：那是你们程序员的东西 OpenClaw 聊天：哇是人工智能！

这个文章很不错！不仅说清楚了什么时候开多 Agent，还说明了决策路径 简单说就是从单 Agent 开始，做到撑不下去为止。撑不下去的几种可能理由：上下文保护、skill 太多、并发加速 但说到并发：搞之前要想好并发模式，不然容易循环或者死锁

都是海产品，四舍五入差不太多（