与「使用工具」相关的搜索结果

打电话其实是个很有意思的功能，我在上半年推出了 tuwa 这个产品，但 tuwa 并不具备我们所有用户的上下文，虽然它具备 agents 通话功能，但独立产品很难非常好的实现它，因为 tuwa 不知道我们的其他信息，后来有了广泛的 tool use 连接器平台，任何产品都能链接到邮箱，再后来，我们发现在 codex 会话中使用工具链接是更高效的方式，对于普通用户来说，实现上述功能就足够满足日常个人需求了，Muse 就是定位到这部分用户的产品。

我一直建议，想真正学大模型的人，最好自己本地部署一次。 这是给大模型祛魅最快的方法。 平时我们在网页里用 ChatGPT、Claude，很容易产生一种错觉：后面好像藏着一个会思考、会记忆、会使用工具的“智慧大脑”。 但你真把一个模型下载下来，用 vLLM 甚至ollama跑起来，再自己接 API、调上下文、设并发、看显存、搞量化、接工具调用，很多东西一下就明白了。 你会发现，大模型所谓的“记忆”，其实就是每次对话把前面的上下文重新塞进去；所谓工具调用，是它按格式吐出一段内容，再由外面的程序真正执行；所谓并发，本质上也是 batch、KV Cache、显存和调度这些工程问题。 再往下，你会开始知道一个模型有多少参数，权重文件是怎么回事，BF16、FP8、量化到底在干什么，一次请求从输入到输出，中间究竟发生了什么。一切帽子下的神秘一览无余。 这些东西看十篇文章，都不如自己部署一次来得直接。 等真正折腾完以后，大模型还是很强，但那种神秘感没了。 你会知道并不是服务器里住着一个“小人”。 它就是一个极其庞大、极其复杂的输入输出函数。只是复杂到这个程度以后，居然让人觉得它在思考了。

✅ KAITO @KaitoAI 以前的嘴撸，现在回归的新方式也是获得了更多的人关注，另外我将展示AxisRobotics的分配计划获得，首先将分为两部分，一部分是介绍Kaito&Axis以及Axis创作者活动获得空投的方式（我们创作者能获得什么？） 另一部分的关键是如何获取更高的rank&Aurn，得分比 ✅以及一些私人的建议 整体背景：Kaito，Axis Robotics是什么？ Kaito AI（ AI 驱动信息与注意力平台， InfoFi 项目。它主要提供： - Kaito Pro：加密市场情报搜索与分析工具（类似加密版 Bloomberg） 官网有原生代币 $KAITO Kaito官方账户：@KaitoAI 官网有原生代币 $KAITO 这是一些关于kaito的官方链接🔗 Axis Robotics，官方账户：axisrobotics 🔗： Axis Robotics 定位为 Physical AI，主要是通过其官网的模拟遥控，让更多的人能够接触到和参与，通过简单的指令实验训练实现技能升级。 融资与团队 - 融资：2026年7月完成 1200万美元种子轮，Hack VC 领投，Nomad Capital、Pi Network Ventures、10K Ventures 等跟投。资金用于扩大贡献者网络与产品商业化。 - 团队：创始人/CEO Chris Feng（前 Chainbase COO，有咨询与 VC 背景）。核心成员来自 UC Berkeley、CMU、Georgia Tech、NTU、上海交大等顶尖院校的 AI/机器人研究者，加上有大规模消费级产品增长经验的运营人员。 🌟 Axis Content Creator Program（被称为 Physical AI 的 Katalyst）内容创作者活动 - 合作方：Axis Robotics × Kaito AI - 奖励：总供应的 0.25% $AXIS 代币，在 TGE（代币生成事件）时全部解锁发放 - 前 1–100 名：分享 0.10% - 101–500 名：分享 0.10% - Kaito 质押者：分享 0.05% - 活动时间，第一阶段是：2026 年 8 月 19 日开始，到 9 月 18 日 12:00 UTC结束 ⭐️如何参与到Axis Daily Tasks 首先我们要确认的的是，Axis并不是一款游戏，它跟gamefi没有任何的关系，也不是像一些人所说的，这是一个游戏，完成了就有奖励。 只能说你能把这个物理训练的过程当程一个游戏提升趣味性，但绝对不是简简单单的游戏 AI存在物理训练，模型，我们平时使用文字，对语言AI类工具或者其他AI发布的是指令，它们的工作方式是这样的： 创作者发布指令— AI工具接收，分析理解— 执行，训练— 反馈结果 而Axis不同的是，它把这个接收指令和训练的过程全权交给你，这个创作者或者使用工具的人去还原，让你更加熟悉其工作原理和为以后更好地去适应AI工具和准确度训练。 在All Tasks里面会显示当前可做的任务，我们可以根据难易去优先先做比较简单的获得积分 根据这几天的反馈，我们也能够了解到的是现在做的任务发布数量也越来越少了，做任何事情都需要提前规划，参与的人也越来越多，因此要获得更高的积分务必从简单的训练模型开始 ♥️ Tips — 在做任务的时候，我认为的是不应该盯着我能做多少个，而是要看“分数” 为什么要关注度在于分数上面，而不是通过量变改成质变？ 首先，我们不能不承认的是，对于我们这些并不完全了解AI训练模型的人来说，本身我们习惯了快捷化的指令给到AI，让其帮我们完成任务，而巧妙的是，我们并不能有那么快的学习方式，因此由简入难成了我刚刚说的第一个条件，我这里进阶推荐的是这个task，优选： Put xxxx into Microwave类别的任务，这个是练熟度，这类的任务本身不属于轻松，但更多的是它有重合的运动轨迹和方式，注意事项，要学会把任务打包，其实真的很多是可以作为分类在一块的 — 完成✅ 不等于 🟰 高分 本质上来说，你完成得越好，任务成功通过和分数才能越高，所以就像我说的，题海战术不适应于当前的环境，精炼和归纳才是最优的解决方式👍 注意‼️ Kaito邀请链接完成任务时需要任务签名的

.@base 生态现在整体很热,Meme 轮番上， 这类标的也上了 Coinbase，资金和注意力都在往里涌。交易、Agent、上币预期成了最热闹的主线 但我更想往上游看一层 Base → Virtuals → Robotics → Data 这条逻辑其实很干净。 Base 在强化交易和 Agent 入口，@virtuals_io 也已经把 Robotics / Embodied AI 放进核心方向。 而 AI 一旦从数字世界进入物理世界，真正难的问题就变了。 LLM 可以直接吃互联网数据。 机器人需要学习人在真实环境里怎么抓、怎么放、怎么使用工具、怎么失败，以及失败以后怎么修正。 这些数据很难靠爬虫获得，纯仿真也很难覆盖真实世界里大量长尾情况。 所以 Physical AI 接下来一个很重要的瓶颈，就是： 真实世界 Human Demonstration Data 怎么规模化生产。 Caspius 卡的就是这一层。 目前公开能看到： 1000+ 小时 Human Demonstration Data 500+ Active Contributors Phase 1 第一人称数据采集已经运行 下一阶段是价值密度更高的 Teleoperation Data 规模还很早，但至少数据生产闭环已经开始运转。 Miner NFT 这一层我也觉得被低估了。 它更接近 DePIN 里的“矿机”： 决定数据产能 → 升级消耗 $CAS → 支持委托 → 按贡献产生排放 NFT、Token 和真实数据生产因此被连接到了一起。 所以相比追最热闹的机器人名字，我更想找那些机器人真正大规模进入现实世界以后，所有玩家都绕不开的环节。 @caspius_ai 值得继续跟踪的原因就在这里： 它站在一条正在升温的产业链上，也卡着一个还没有被充分解决的数据问题。 剩下的，就交给数据增长、Teleoperation，以及真实买方💪

继续开源！我们给腾讯“新太子”WorkBuddy，写了本27章实战蓝皮书，爆肝七天，把实战经验汇总了一波。 国外Agent当然很强。但总有很多小伙伴由于各种原因无法使用，工具本身并不能给你带来优越感，用最大众化的、最朴实的工具真正创造出价值，才是在人这个意义上令人侧目的。 希望能给大家带来帮助，会不断更新和完善🫡~

很多人还在讨论 AI 会不会取代人。 但 GPT-5.5 出来之后，我反而有个新的感受。 未来淘汰的不是某个职业，而是不会使用 AI 的人。 以前我们使用工具，是人指挥工具。 现在慢慢变成了：你给一个目标，它自己去规划、搜索、执行，最后把结果交给你。 这已经不是搜索引擎升级了。 而是一个真正能帮你“干活”的数字员工开始出现了。 未来 3 年，最大的红利可能不是炒作 AI 概念，而是学会如何把 AI 变成自己的生产力。 人与人之间的差距，也许不再是努力程度，而是谁先拥有了属于自己的 AI 团队。

目前的 AI 编程能力排行榜，中国的开源模型把 TOP5 的 4 名都给占了，上面这些模型基本上都用过，简单聊一下使用感受。 1、Anthropic 的 4.7 是两个月前发布的能力还是第一，更何况还有前端时间封禁的 Fable 刚刚解禁，领先国内半年左右，目前国内顶级模型相当于Opus 4.6(2月5日发布)，GLM-5.1是最争气的才 2 个月就追上了4.6大概能达到 90% 的能力，论编程能力还是国内第一。 2、最新的 GPT 5.5 在 codex 里使用能力是最强的，黑话还是很多，而且产品上比 Claude code 做的更好，更适合执行实际的工程任务，边界判断和测试更多。Google 的 Gemini 已经变成美国豆包了，主打性价比。meta 的模型没用过不知道实际能力如何。 3、Qwen 3.7 max(5 月 20 日) 目前综合能力第一，因为有多模态和多语言优势。有专门优化过智能体设计，放到 Claude code、openclaw、hermes 里面都可以很好的使用工具链。 4、GLM-5.1 (4 月 8 日)最早追平Opus 4.6的能力，主打长程任务，一直都被称为 Claude 平替花 20% 的钱达到 90% 的效果，从GLM-4.7发布半年多以来确立领先地位，多次提价依旧火爆，大概领先其他国内模型1个月左右时间。但比较可惜5.1 是一个纯文本模型，还不具备原生多模态能力，一般两个月时间迭代一次，估计下一代快来了。 5、Minimax m3(6 月 1 日) 占了晚发布的优势，也是第一次进入前五，把 minimax 多模态的能力合并进来了，模型参数量也翻倍，所以这次提价也算合理。但实际体验下来m3的规划能力相比来说稍差，同样一个任务需要更多的步骤。 6、Kimi-k2.6(4 月 20 日)Agent 集群协作，是国内里最早支持多模态的，前端审美能力在线，cursor 的编程模型基座就是基于k2.6 7、DeepSeek-V4-Pro(4月24日)和MiMo-V2.5-Pro(4月24日)两个能力接近，DeepSeek还是价格屠夫，API 定价永久 2.5 折，缓存命中率高，不搞 Token plan，因为每个人都是 Token plan。MiMo原来定价偏贵，降价以后两者差距其实不大了。两个模型在写作能力上表现不错，如果你是写文章可以用这两家 8、xAI 表现很拉，唯一强项在 X 的搜索能力，腾讯的hunyuan-hy3也比较一般，但在腾讯产品内有专门调优过，可以跟上其他模型的上一代标准，代码就别指望了。普通的简单任务因为腾讯有更好的数据源，实际表现也不会差太多。腾讯最强的点在于它独有的上下文优势。

体验了一下 @xBubble_ai @dappOS_com 的功能，感想颇多！ 说句扎心的，撸毛圈现在真正拉开差距的，很多时候已经不是信息差了，而是谁更会把 AI 用起来。 不少人不是没看到早期项目，也不是不敢冲，更不是不会用 AI 工具，而是在使用工具时卡在了繁琐的前置流程中： 1、改 Prompt 2、调脚本 3、发现问题 4、再改 Prompt 这样循环往复会浪费大量时间。窗口期本来就短，结果时间都耗在"让 AI 先跑通"这件事上，等你好不容易折腾明白，机会也差不多过去了。所以，如果有一个 AI 工具不需要你循环往复地做这些事，而是你简单提一嘴就能轻松帮你解决各类问题，效率就会大大提高。 而 dappOS xBubble 就是我说的这类工具。它有意思的点就在于——它不是让你先学一堆东西再来用 AI，而是尽量把这些门槛直接拿掉。不用自己写代码，不用反复调 Prompt。 举一个例子，这里我分别对市面上某AI工具以及xBubble提出了一个诉求："请为我找出 10 个当下可交互且未发币的 Web3 撸毛项目"。这刚好也是我平时撸毛+投研中非常需要使用到AI的场景也就是项目投研，如果还靠传统的方式去找项目的话效率太低了。 下面是俩个不同的AI工具给我制作的可交互项目图 1、图 1 是某 AI 平台生成的 可以明显看出，尽管它生成了 10 个项目，但这些项目大多已经发币，且很多任务都已截止。对于这种情况，我一般需要反复调试 4-5 次才能真正达到理想效果。 2、图 2 是 xBubble 生成的 对比非常明显，它理解了我真正的意图，甚至把项目的融资情况、项目介绍都列了出来。从专业性和绘图的精美度上来看，都是遥遥领先的。 那么为什么 xBubble 能如此快速、精确且专业地解决问题呢？ 这主要得益于其巧妙的设计。xBubble 由 Pilot（执行）与 Engine（学习）构成：Pilot 将请求匹配至 SOP；Engine 自动研发并固化 SOP。两者协作实现 AI 自主学习与任务处理的闭环。简单来说，用户只要说一句话，它就能替你调动 AI 解决问题，且其强大的学习能力能自发地迭代进化。 所以，让合适的、专业的 AI 去处理问题，人才有精力去抓红利。好的工具不仅能节省你的时间，也能提供更大的便利！ 【官推】 【dappos官网】 【xbubble官网】

思考是一种可以刻意锻炼的“思维肌肉”，绝非天生具备。 想要分清知道与思考，就要刻意摆脱思维惰性： 使用工具获取答案前，先给自己留出独立思考的时间； 每天留出独处的时间，复盘过往、梳理问题，不被电子设备干扰； 多读哲学、历史类书籍，搭建底层认知框架，提升逻辑思辨能力。

唐杰 @jietang 是清华大学教授、智谱（GLM 系列模型出自他们家）AI 首席科学家，也是国内最懂大模型的人之一。他刚发了长微博（见评论），谈 2025 年对大模型的感悟。 有意思的是，唐杰和 Andrej Karpathy 的观察有不少共鸣，但也有一些不同的侧重点。两个顶级专家的视角放在一起看，能看出更完整的图景。 内容比较长，但有句话我要特别放在前面高亮一下： > AI 模型应用的第一性原理不应该是创造新的 App，它的本质是 AGI 替代人类工作，因此研发替代不同工种的 AI 是应用的关键 如果你是在做 AI 应用开发，应该反复思考一下这句话：AI 应用的第一性原理不是创造新产品，而是替代人类工作。想清楚这一点，很多事情的优先级就清楚了。 唐杰的核心观点有七层逻辑。 --- 第一层：预训练没死，只是不再是唯一主角 预训练仍然是让模型掌握世界知识和基础推理能力的根基。 更多的数据、更大的参数、更饱和的计算，依然是提升模型智商最高效的办法。这就像还在长身体的孩子，饭量（算力）和营养（数据）必须管够，这是物理规律，没法绕弯。 但光有智商不行，现在的模型有个毛病：容易“偏科”。为了刷榜单（Benchmark），很多模型都在针对性地做题，导致在真实复杂的场景下反而不好用。这好比孩子上完九年义务教育（预训练）后，必须把他扔到真实的职场里去实习，去处理那些书本上没有的烂摊子，这才是真本事。 所以接下来的重点是“中后训练”（Mid and Post training）。中后训练这两个阶段负责「激活」模型的能力，尤其是长尾场景的对齐能力。 什么是长尾场景？就是那些不常见但真实存在的需求。比如帮律师整理某类特殊合同、帮医生分析某种罕见病的影像。这些场景在通用测试集里占比很小，但在真实应用中至关重要。 通用 benchmark 一方面评测了模型效果，但也可能让很多模型过拟合。这和 Karpathy 说的「训练在测试集上是一门新艺术」观点一致。大家都在刷榜，但榜单刷了高分不等于能解决真实问题。 --- 第二层：Agent 是从「学生」到「打工人」的跨越 唐杰用了个形象的比喻： > 如果没有 Agent 能力，大模型就是个“理论博士”。一个人书读得再多，读到了博士后，如果不能动手解决问题，那也只是知识的容器，产生不了生产力。 这个比喻精准。预训练是上课，强化学习是刷题，但这些都还在「学习阶段」。Agent 是让模型真正「干活」的关键，是进入真实世界、产生实际价值的门槛。 不同 Agent 环境的泛化和迁移并不容易。你在一个代码环境里训出来的能力，换到浏览器环境就不一定好使。现在最简单的办法，还是不断堆更多环境的数据，针对不同环境做强化学习。 以前我们做 Agent，是给模型外挂各种工具。现在的趋势是，直接把使用工具的数据写进模型的“DNA”里去训练。 这听起来有点笨，但确实是当下最有效的路径。 Karpathy 也把 Agent 列为今年最重要的变化之一，他以 Claude Code 为例，强调 Agent 要能「住在你电脑里」，调用工具、循环执行、解决复杂问题。 --- 第三层：记忆是刚需，但怎么做还没想清楚 唐杰花了不少篇幅讲记忆。他认为，模型要在真实环境中落地，记忆能力是必须的。 他把人类记忆分成四层： - 短期记忆，对应前额叶 - 中期记忆，对应海马体 - 长期记忆，分布在大脑皮层 - 人类历史记忆，对应维基百科和史书 AI 也要模仿这个机制，大模型对应的可能是： - Context 窗口 → 短期记忆 - RAG 检索 → 中期记忆 - 模型参数 → 长期记忆 一个思路是「压缩记忆」，把重要信息精简后存在 context 里。目前的“超长上下文”只是解决了短期记忆，相当于把它能用的“便签纸”变长了。如果未来 context 窗口足够长，短中长期记忆都有可能实现。 但有个更难的问题：怎么更新模型自身的知识？怎么改参数？这还是个未解难题。 --- 第四层：在线学习和自我评估，可能是下一个 Scaling 范式 这一段是唐杰观点里最前瞻的部分。 现在的模型是“离线”的，训练好就不变了。这有几个问题：模型不能真正自我迭代，重新训练浪费资源，还会丢掉很多交互数据。 理想情况是什么？模型能在线学习，边用边学，越用越聪明。 但要实现这一点，有个前置条件：模型要知道自己对不对。这就是「自我评估」。如果模型能判断自己的输出质量，哪怕是概率性地判断，它就知道了优化目标，就能自我改进。 唐杰认为，构建模型的自我评价机制是个难题，但也可能是下一个 scaling 范式的方向。他用了几个词：continual learning、real time learning、online learning。 这和 Karpathy 提到的 RLVR 有一定呼应。RLVR 之所以有效，正是因为有「可验证的奖励」，模型能知道自己对不对。如果这个机制能泛化到更多场景，在线学习就有可能实现。 --- 第五层：AI 应用的第一性原理是「替代工种」 这是对我启发最大的一句话： > AI 模型应用的第一性原理不应该是创造新的 App，它的本质是 AGI 替代人类工作，因此研发替代不同工种的 AI 是应用的关键 AI 的本质不是创造新的 App，而是替代人类工作。 两条路： 1. 把以前需要人参与的软件 AI 化。 2. 创造对齐人类某个工种的 AI 软件，直接替代人类工作。 Chat 已经部分替代了搜索，同时还融合了情感交互，下一步就是替代客服、替代初级程序员、替代数据分析师。 所以，明年 2026 年的爆发点在于“AI 替代不同工种”。 创业者要思考的不是“我要开发个什么软件给用户用”，而是“我要造一个什么样的 AI 员工，去帮老板把某个岗位的人力成本砍掉”。 换句话说，别老想着做一个「AI+X」的新产品，先想想哪些人类工作可以被替代，再倒推产品形态。 这和 Karpathy 关于「Cursor for X」的观察遥相呼应。Cursor 本质上是「程序员这个工种的 AI 化」，那么各行各业都会出现类似的东西。 --- 第六层：领域大模型是个「伪命题」 这个观点可能会让一些人不舒服，但唐杰说得很直接：领域大模型就是个伪命题。都 AGI 了，哪有什么“领域专用（domain-specific）AGI”？ 之所以有领域大模型存在，是因为应用企业不愿意在 AI 模型公司面前认输，希望用领域 know-how 构建护城河，把 AI 驯化为工具。 但 AI 的本质是「海啸」，走到哪里都会把一切卷进去。一定会有领域公司主动走出护城河，被卷进 AGI 的世界。领域的数据、流程、Agent 数据，慢慢都会进入主模型。 当然 AGI 还没实现之前，领域模型会长时间存在。但这个时间窗口有多长？不好说，AI 发展实在太快了。 --- 第七层：多模态和具身智能，前景光明但道路艰难 多模态肯定是未来。但当下的问题是：它对提升 AGI 的智能上限帮助有限。 文本、多模态、多模态生成，可能还是分开发展更高效。当然，探索三者结合需要勇气和钱。 具身智能（机器人）更难。难点和 Agent 一样：通用性。你教会机器人在 A 场景干活，换个场景又不行了。怎么办？采数据、合成数据，都不容易，还贵。 怎么办？采数据，或者合成数据。都不容易，都贵。但反过来，一旦数据规模上去了，通用能力出来了，自然就形成门槛。 还有个问题往往被忽略：机器人本身也是个问题。不稳定、故障频繁，这些硬件问题也在限制具身智能的发展。 唐杰预判 2026 年这些都将取得长足进步。 --- 把唐杰这篇文章串起来，其实是一张相当清晰的路线图： 当下，预训练 scaling 依然有效，但要更重视对齐和长尾能力。 近期，Agent 是关键突破口，让模型从"会说"进化到"会做"。 中期，记忆系统和在线学习是必修课，模型要学会自我评估和迭代。 长期，工种替代是应用的本质，领域护城河会被 AGI 冲垮。 远景，多模态和具身各自发展，等待技术和数据的成熟。 --- 把唐杰和 Karpathy 的观点放在一起看，能看出几个共识： 第一，2025 年的核心变化是训练范式的升级，从「预训练为主」变成「多阶段协同」。 第二，Agent 是里程碑，是模型从学习走向干活的关键跨越。 第三，benchmark 刷分和真实能力之间有鸿沟，这个问题越来越被重视。 第四，AI 应用的本质是替代或增强人类工种，不是为了做 App 而做 App。 不同的侧重点也有意思。Karpathy 更关注「AI 是什么形状的智能」这个哲学问题，唐杰更关注「怎么让模型在真实场景落地」的工程问题。一个偏「理解」，一个偏「实现」。 两个视角都需要。理解清楚了，才知道方向对不对；工程跟上了，才能把想法变成现实。 2026 年，会很精彩。