话题广场

用智能体最难的不是用，而是想

现在很多资料都在鼓吹智能体只需要用，但其实这是误区，真正的难点是想，这个想不是想怎么用，而是如何正确把任务交代给它。 其实某种程度上人和智能体类似，思考都是不确定的，接受到的信息越发散，那么结果就越不确定，反之就越固定，这就决定了在用智能体的时候，一定要有决策思维，什么意思呢，就是目标拆解，你得告诉它，你要的结果什么标准的，没有这一步，它大概率会空转，因为它不知道什么是终点，没有流程，它会花费额外的动作试错，和人在面对一个没有明确步骤的任务一样，这个能力就是模型的泛化能力。 而大多数人是没有这个概念的，因为没有拆解意识，也许让你去完成一个任务能很好的完成，但教给ai就未必能做到了，做和教是两个能力，当做不到教的时候还不是最严重的，因为大不了多试错然后你不断纠正，最怕的是目标不明确，让ai都不知道什么结果是对的，这样的话一直围绕目标打转，始终拿不到结果，我把这叫做许愿：希望ai能实现理想的完美结果，但结果本身是模糊的

昨天吭哧吭哧搭好了本地环境，今天兴致勃勃开始研究Dify，结果发现昨天费的功夫和Dify完全不是一回事！我哭死😭 所以今天又问了一箩筐问题，终于把 Git Bash、DeepSeek、Claude Code 的作用彻底搞懂了！分享给同样在摸索的朋友们： 1. Git Bash：干活的底盘 只要你的代码素材够全够完美（比如从GitHub上找到了开源的完整项目），有它就够了。把代码链接或文件给它，它就能直接帮你完成本地部署跑起来，不需要什么AI。 2. DeepSeek（大模型API）：从0到1的“大脑” 它适用于你目前只有想法、要从零开发，或者想优化现成代码，但自己不具备编码能力的情况。它负责把你抽象的需求落地，输出可以直接交给 Git Bash 运行的代码，并且能全过程自动检测报错、调整代码，直到达到你的要求为止。 3. Claude Code：中间的“粘合剂” 它自己不会写代码，也不出方案。它最大的作用就是一个连接器：接收你在 Git Bash 里的指令，去调用 DeepSeek 生成代码，然后自动拿回来在 Git Bash 里部署和调试。 4. Dify：云端业务大脑 它和上面三个不冲突。它是用来给软件加“AI能力”（比如审核脏话、自动回复）的平台。你在这里建好工作流，它会生成一个API接口，最后让你的本地代码去调用它。 🎯 总结我的理解链路： 想直接跑现成项

交流AI内容和最新信息情报

AI是这个时代已经进步的风口，而每个人应当抓住这个来之不易的赚钱机遇 而且每个人畅心所言 杜绝摆架子、命令口吻式社交、机械式客服社交。 请让我们知道我们都是人，在社会上生活，进步才是快乐！一起进步

分享个人正在测试的本地倾诉+岛屿小游戏网站原型

https://seapost-paper-tides.yutou1132570111.chatgpt.site 用agants做了一个针对需要树洞和安静空间的人群，可以写倾诉信和听海声，换装，种花，剪树枝和写心情能结出心情果实的轻游戏网站！ 目前这个只是beta测试版，希望大家玩得开心，如果有任何bug抓虫或建议，想法欢迎提出！

比如一个业务人员，要从市场中挖掘真实用户痛点，还要基于这些痛点提出创新，但是现有的AI工具通常偏向通用知识来回答你，难以触达真实用户需求，也难以给出创新思考，参考价值不是很大。 我和朋友交流，他给我提到了他工作中面临的难题，这个难题也和我产生了深刻共鸣，所以我在思考能不能有这样的AI工具能够直接帮助分析出真实用户的痛点和需求、可行性、是否被验证、需求创新点等高价值的参考信息。 我朋友说，如果真有这么一个好用的工具，肯定会为此愿意付费的。

年初爆火的开源 AI 智能体 OpenClaw，经历了一轮过山车——从排队下载到付费求卸载，只用了几个月。 国家互联网应急中心还发过安全提示，指出它存在提示词注入、误操作删数据等风险。也就是说，当 AI 从“聊天”走向“执行”，它能干的事越多，出错的代价也越大。 我自己是有点犹豫的：平时让 AI 帮我查资料、写草稿没问题，但让它直接操作我的文件、跑我的代码，我还是会先备份一遍才敢让它动。 想问问大家，你们准备好把重要的事交给 AI 执行了吗？有没有人真的被 AI 误操作坑过？

人工智能跑得很快，安全和监管谁来做？

在最新一期的《新闻周刊》里，关于AI人工智能的安全监管和治理问题是聚焦的主题之一。援引事件是7月份OpenAI测试逃逸沙箱，攻击HangingFace的案例，当时也存在个人抱着看热闹的心态去解读是否是公司之间自导自演的一场闹剧，但事件发展到现在，以新闻的严肃讨论专题再次出现的视野中，不得不引起对技术对人的威胁问题的思考。 人工智能国际治理研究院副院长肖茜引用杰弗里·辛顿“养虎为患”的比喻，描述人们正在经历一个“认为人工智能没有想象中的那么可爱”的阶段，而更令人担忧的是“很多人只想着把老虎养大，却很少去想它会带来多大隐患。“安全困境”这一理论描述的是在国际关系中，如果双方都秉持这一种竞争叙事，都认为自己要赢得竞争，但是对安全的关注和投入确实稀缺的，那去研究安全举措的专家和资源自然很少，最终导致安全和发展是不平衡的。造成“模型技术越来越强大，但是安全举措跟不上”，肖茜如是描述人工智能国际治理目前的“安全困局”。 人工智能的安全监管和治理必须依靠国际主体间的合作。肖茜表示，人工智能这一技术本身是跨越国界，是全人类共同智慧发展出来的。但面对人工智能的黑箱效应，人类自身对人工智能“为什么会出现这样的情况”的了解也是不完全的，这恰恰说明国际合作，共同探究人工智能安全治理议题的重要性。近期德国等20国欧盟发表联合声明呼吁开展国际合作，同样，中美作为人工智能发展的两个大国，也就经贸

🤔上学期末有相关作业，直接用的豆包生成，控制对主要角色+视频色调风格的描述不变的话基本能实现想要的效果，但感觉太粗糙了。朋友们可以推荐点好用app/模型/提示词吗？

OpenAI 宣布用内部模型解了纳维尔-斯托克斯方程，用了约 10000 个并发 Agent、88 小时运行时间、1300 亿 output tokens。 这件事让我有点懵的不是“AI 能不能做数学”，而是如果 AI 真的做出来了，这篇论文的作者写谁？ OpenAI 的工程师？训练模型的团队？还是那个“提出正确问题”的人？ 更现实的问题：如果一个实验室花十年做不出来的东西，OpenAI 用算力堆出来了，那学术评价体系里的“贡献”该怎么算？算力算贡献吗？ 想听听大家的看法。

感觉马上又要毕业了

大家最近都在忙啥呢？ 今天顺利结束了中期汇报答辩，感觉时间过得好快呀。 （话又说回来，无法想象 AI 发明以前古人都是怎么做科研的… #AI #AI科研 #科研日常