与「沙也可」相关的搜索结果

写作终于说人话了！ Prompt： 我在学习：“Agent Harness” 这个概念。 我希望你通过写一个寓言的方式，间接地把这个概念完整讲出来。最好一直到快结尾时，人才会慢慢意识到这个概念究竟是什么。然后在故事之后，再补一段解释，把你刚才真正要讲的概念说清楚。 Response： 寓言：会预言的鹿，与不会迷路的车 很久以前，山谷里有一座城，城里的人都说，北山住着一头银鹿。 这头鹿很奇怪。它能看懂星象，能听出河水里混着哪座山的雪，能从一片叶子的缺口判断哪条路刚有狼群经过。国王听说后，便派人把银鹿请进宫里。 国王问它： “今年该往哪里开渠，才能让庄稼不旱？” 银鹿闭上眼，闻了闻风，说： “东边第三道岭下，有一层暗水。先挖浅井，再引渠，不要直挖，否则会塌。” 工匠照做，果然出水。 国王又问： “商队该走哪条路，才能避开强盗？” 银鹿看了看月光，说： “别走旧驿道。绕过黑松林，从盐石坡下去。强盗在那里等着你们。” 商队照做，也平安归来。 于是国王大喜，说： “从今天起，银鹿就是我国最聪明的大臣。” 可是没过多久，问题来了。 银鹿虽然聪明，却不会自己开渠。它说得出暗水在哪里，却不能拿起锄头。它知道强盗埋伏在哪里，却不能替商队安排马匹、干粮、路引。它能判断草药有没有毒，却不能进药房配药；它能指出城墙裂缝，却不能调度石匠；它能说“这件事要先查旧账”，却不知道旧账放在哪间屋子。 国王很困惑。 “你不是很聪明吗？为什么还要这么多人？” 银鹿说： “我能想，但我没有手。我能看见许多可能，但我不知道你准我碰哪些门、翻哪些柜、命令哪些人。我能记住刚才说的话，可三个月前的旧约，得有人拿给我。我能给出办法，但得有人确认办法真的被做对了。” 国王觉得它是在推脱，便下令： “那就让银鹿自由行动。宫里的门都打开，仓库也打开，账本也打开。凡它所说，人人照办。” 第一天，银鹿让侍从去药房取“白根草”。侍从不知白根草有两种，一种救人，一种伤人，差点拿错。 第二天，银鹿让人修东城墙。石匠听成了西城墙，忙了一整日。 第三天，银鹿建议商队绕路。商队照做了，却忘了带盐石坡通行文书，被边防扣住。 第四天，银鹿为了查一笔粮仓亏空，让人翻出所有账簿。账簿堆满宫殿，没人知道哪本已经查过，哪本还没查，哪条线索可信，哪条只是猜测。 第五天，银鹿说： “这不是聪明不聪明的问题。你们把我放进了世界，却没有给我一辆能在世界里行走的车。” 国王召来木匠、车夫、书记官、守门人、法官和老猎人，要他们做一件东西。 木匠先造了一辆车。车不豪华，但结实，能装账本、工具、地图和样本。 车夫说：“还不够。车要有缰绳，不然银鹿看到什么都想追。” 于是他们给车装上缰绳。银鹿可以指方向，但车夫会问：“这是去药房、粮仓，还是城外？你有这个许可吗？” 书记官说：“还不够。每次出行，要记下它为什么去、拿了什么、问了谁、结果如何。” 于是车上有了日志。 守门人说：“还不够。有些门可以直接开，有些门要国王点头，有些门永远不能开。” 于是车上有了钥匙环。每把钥匙都刻着用途和限制。 老猎人说：“还不够。山路会断，桥会塌，人会听错。车要会停下来，重问一遍，或者换路。” 于是车上有了备用路线和出错时的规矩。 法官说：“还不够。银鹿说‘已经办好’时，不能只听它说。要验收：渠水有没有流到田里？药有没有配对？账有没有对上？” 于是车上有了检验表。 药师说：“还不够。银鹿每次都从头学，会误事。它要记得哪些草药上次有效，哪些村子忌用哪味药。” 于是车上有了记忆匣。短事放在前格，旧约放在后格；有些记忆会过期，有些要反复核实才准留下。 铁匠说：“还不够。万一银鹿要试一种危险办法，不能让它在城里乱试。” 于是他们在城外建了一块试验场。新车、新药、新机关，先在那里试，不伤百姓。 画师说：“还不够。银鹿看到的东西，百姓看不懂；百姓给的请求，银鹿也可能误解。” 于是车上又多了一块双面板。一面把百姓的话整理成清楚的任务，一面把银鹿的想法翻译成百姓能执行的步骤。 最后，国王问： “现在可以了吗？” 众人看向银鹿。 银鹿说： “现在，我不只是会回答问题了。现在，我能接住一个目标，带着记忆和工具，按规矩走进世界，遇到错误会回头，做完之后会留下证据。” 国王恍然大悟。 原来真正神奇的，不只是那头会思考的鹿。 真正让国家运转起来的，是那辆车、缰绳、钥匙、日志、试验场、记忆匣、验收表、守门人和车夫共同组成的东西。 后来，邻国来访，问国王： “你们的银鹿为何比我们的智者有用这么多？难道它更聪明？” 国王笑了笑，说： “未必。你们只请来了一个聪明的脑袋。我们给这个脑袋配了能行动的身体、能守规矩的手、能记事的口袋、能试错的院子、能被审计的足迹，以及知道什么时候该请人点头的缰绳。” 邻国使者问： “这东西叫什么？” 国王想了想，说： “我们原先以为是在造一辆车。后来才知道，我们造的是一副让智慧可以安全拉动现实的挽具。” 银鹿低头看了看自己身上的缰绳，又看了看远处已经通水的田野。 它终于明白：没有这副挽具，它只是会说话的预言；有了这副挽具，它才成了能做事的行者。 解释：这个寓言真正讲的是 Agent Harness 在 AI 语境里，Agent Harness 可以理解为：包在模型外面、让模型从“会回答”变成“能执行任务”的整套软件基础设施。近来的行业表述里，常见一句话是 Agent = Model + Harness：模型提供推理与生成能力，而 harness 负责工具、状态、上下文、执行、约束、反馈和持久化等部分。LangChain 近期也把 harness 描述为把模型变成自主工作引擎的系统，并强调文件系统、沙盒、记忆等核心部件；Martin Fowler 的文章也把 harness 概括为“除了模型本身之外的东西”。(LangChain) 寓言里的银鹿就是模型。它聪明、能判断、能提出方案，但它本身并不等于一个完整 agent。它不能天然访问文件、调用工具、记住长期状态、申请权限、检查执行结果，或在危险操作前进入安全环境。 寓言里的车、缰绳、钥匙、日志、试验场、记忆匣、验收表就是 Agent Harness 的不同部分： 车，是运行环境和任务循环，让模型能一步步执行，而不是只回答一次。 缰绳，是控制流、策略和边界，决定模型什么时候继续、什么时候停、什么时候需要人类确认。 钥匙，是权限系统和工具访问控制。不是所有工具都能随便用，也不是所有数据都能随便读。 日志，是可观察性和审计记录。系统要知道模型做过什么、为什么这么做、调用了什么、产生了什么结果。 记忆匣，是上下文和记忆管理，包括短期对话状态、长期偏好、历史任务、文件内容、外部知识等。LangChain 另一篇关于 harness 与 memory 的文章也强调，记忆不是额外贴上去的小插件，而是 harness 管理上下文的核心职责之一。(LangChain) 试验场，是 sandbox，也就是安全执行环境。比如让 coding agent 改代码、跑命令、读写文件时，不能直接让它无边界地碰生产系统。 验收表，是验证、测试、评估和错误恢复。一个 agent 不能只说“我完成了”，系统还要检查输出是否符合目标，失败时能重试、回滚、请求帮助或换策略。 双面板，是输入输出适配。用户的自然语言请求要被整理成可执行任务；工具返回的大量结果也要被压缩、格式化、再喂给模型；最终结果还要以人能理解的方式呈现。 所以，Agent Harness 不是模型本身，也不只是 prompt，更不只是某个工具列表。它是让模型能在真实环境中长期、可靠、可控地工作的“外部身体”和“运行制度”。Microsoft 对 agent harness 的描述也强调，它是模型推理连接真实执行的层，包括 shell、文件系统访问、审批流和跨长会话的上下文管理。(Microsoft for Developers) 它和 agent framework / SDK 也不完全一样。Framework 或 SDK 更像木匠手里的材料和图纸；Agent Harness 更像已经装配起来、实际承载某个 agent 运转的那套车、路、钥匙、规则和检查机制。Salesforce 的解释也类似：harness 是围绕模型的执行环境，管理生命周期、上下文以及与外部世界的交互。(Salesforce) 最终，寓言想表达的是： 一个模型会思考，不代表它能可靠地做事。 一个 agent 真正能做事，是因为模型之外还有一整套 harness：给它工具，给它记忆，给它权限，给它边界，给它反馈，给它验收，也给它在现实世界中安全行动的方式。

今天上线了我的第 11 个 vibe 产品， vibelab 是一个专门给 vibe coder 用的直播平台，传统的直播平台是用采集工具推视频流，主播在本地电脑开发，观众只能看。vibelab 的做法是运行在云端沙箱，主播可以和粉丝分享直播的乐趣，也可以邀请伙伴在同一个沙箱环境里编程，与观众共享各自的终端和网页。 vibelab 使用我之前开源的 sandbank cloud 沙盒云，开箱即支持 claude code, codex 等 coding agent cli 和各种编码环境，并且支持快照以保存登录状态和临时文件（这样 cc/codex 就不需要每次开播都登录） 除此之外，还支持连接 GitHub 和 gh 命令的自动化，不用担心在沙箱中的工作会丢失。 接下来我会每天都在这里直播自己的 vibe 过程，并邀请一些经常在 vibe 的博主来进行内测直播，如果你感兴趣可以联络我获得资格。 我的直播间：

App卖不动了，然后呢？我推演了一种AI泡泡 这个问题我是真的很想搞清楚，也是我这几周集中准备研究的重点。跟进这条线也是我现在安排的主线任务之一：推演，押宝，收集这条线上所有的资源。 App 卖不动，本质上并不是因为大家突然不喜欢用软件了，而是因为分发逻辑、用户习惯以及价值交付模式都发生了根本变化，让过去那条“装一个 App → 形成留存 → 再变现”的路径逐渐失效。如今 iOS 和 Android 的入口层被平台牢牢掌控，App Store 与 Google Play 的曝光越来越集中在头部应用，新应用几乎很难自然获得流量。同时，入口被超级 App 吞并——微信、抖音、支付宝等已经演变成“操作系统之上的操作系统”，用户的许多需求可以直接通过小程序、内嵌网页解决，不再需要额外下载独立 App。再加上AI 与 Web 化降低了‘必须下载’的门槛，生成式 AI 可以直接通过网页或多平台插件调用功能，PWA（Progressive Web App）更是让网页具备了接近 App 的体验，从而绕过下载环节。 这些现象几乎成了行业共识。但我是真的经历过那个“万物 App”的年代，当时人人都在学 Kotlin 开发移动应用。如今的变化在商业层面表现得更为明显：获客成本飙升，广告投放、应用商店排名、网红推广成本高得吓人，小型开发者很难回本；生命周期缩短，用户可能只用几次就卸载，因为功能容易被替代，除非形成完整生态，否则靠单一功能长期留住用户几乎不可能；商业模式趋同，过去依赖订阅、内购、广告三种模式就能赚钱，如今同质化竞争严重，用户的付费心理门槛也在不断提高。 别说用户，就拿我自己来说，如今也很少再去下载新的 App 了。从“下载占有”到“即用即走”。首先是安装疲劳——手机里已经有几十个常用 App，对新增安装天然抵触，“能用现有 App 搞定就不装”；功能期望提高——用户不再愿意为一个孤立功能单独安装 App，他们希望这些功能能够嵌入到自己已有的生态体系里，比如微信、飞书、Teams、浏览器插件等。 但是AI界面总不能承载所有功能吧？ 如果 App 外壳化 / 接口化 已经成为不可逆的趋势，而 AI 窗口（Copilot、对话框、Agent Hub） 又无法承担所有职能，那么下一个真正的入口/窗口必然会是更贴近具体场景与数据流的形态。我的推演方向是，在现有 App 宿主之上，构建一种能够填补 AI 窗口“非万能”空白的应用生态——即 场景原生入口（Context-Native Entry）。 这种入口不再是独立应用，而是直接嵌入到场景的触发点里。例如，在会议中，日历界面会原生弹出“行动建议”；在设计工具中，用户选中元素时会自动出现 AI 协作气泡；在车机屏幕中，驾驶到达目的地时会直接显示路线与任务执行按钮。它有三个显著特征：第一，零跳转，用户无需离开当前场景即可完成任务；第二，数据即时可用，上下文数据已经在场景内，无需额外授权；第三，执行闭环内建，任务完成后可自动将结果回写到对应的数据源（如 CRM、ERP、日志、交易记录）。 我画了两个示意图：主界面就是宿主（host environment），可以是日历、项目管理软件等；旁边的“泡泡”则是上下文触发的操作入口，而这个泡泡正是未来全球应用开发者共同参与的生态。它看起来像插件，但用户无需安装，由宿主内的 AI 自主决定何时调用。 Calendar: 宿主host environment Action items: 泡泡 （AI自由调用，其他开发者开发） 这种生态的核心特征包括： 能力模块化——功能以插件、微应用或结构卡形式存在，每个模块可以独立更新与授权；用户既可固定常用模块，也可临时调用一次性模块。 上下文可迁移——身份、任务、数据、历史操作等上下文信息在不同模块间无缝传递，避免重复输入。 AI 编排驱动——用户既可直接点击模块，也可用自然语言输入目标，由系统自动选择和组合模块执行。 多入口混合——既支持传统图标，也支持场景气泡、任务栏、语音指令等多种入口，根据任务性质动态显形或隐藏。 半自主闭环——简单任务可自动执行，复杂任务在关键节点需用户确认，执行完成后结果自动回写到对应数据源。 这意味着，未来的应用形态不再以“下载一个 App”作为起点，而是以场景驱动的即时入口作为载体，AI 在背后完成能力调度与组合，用户在前端获得零跳转、上下文贯通、结果可闭环的体验。 如何成为宿主以及泡泡的触发机制 要理解如何让一个应用从“功能提供者”升级为宿主，并能在合适的时机触发上下文气泡，需要先明确宿主的定义和运行机制。 宿主环境 = 上下文源 + 触发点 + 执行容器 + 用户界面 它承担的是一个舞台的角色，为能力模块（Capability）提供完整的执行与交互环境，包括： 触发契机——明确什么时候启动能力（事件触发、条件满足、用户操作等）； 上下文数据——运行前必须知道“是谁、在做什么、涉及哪些资源”； 执行通道——调用外部能力所需的网络、权限与运行时容器； 显形界面——用户可见、可操作的 UI（气泡、侧栏、提示条等）； 回写目标——执行结果要存回的权威数据源（如 CRM、ERP、文档、日志等）。 如何让任意应用成为宿主 为了具备承载外部能力和触发气泡的能力，一个应用至少需要以下四个开放接口与结构： 触发点 API：允许外部能力监听特定事件，如用户操作、状态变化、定时器触发、数据更新等。 例：会议开始前 2 分钟、文档被选中一段文字、车辆进入充电站。 上下文 API：提供标准化接口，让外部能力读取必要的上下文信息，如当前用户、选中对象、会话内容、位置等。 必须保证数据最小化原则，并在用户授权范围内暴露。 执行 API：提供安全可控的调用方式，让外部能力可以在沙盒环境中运行，并具备函数调用、网络访问、跨模块通信等能力。 支持权限校验和费控机制，防止能力滥用资源。 UI 插入点：为外部能力提供可嵌入的位置，用于显形气泡、侧边栏、弹窗、HUD 等不同形态的 UI。 插入点应与上下文事件绑定，保证用户交互自然、即时。 “泡泡”触发的全流程 当宿主具备上述条件后，一个上下文气泡的触发与执行过程通常如下： 事件监听：宿主通过触发点 API 监测到某个场景事件（如会议即将开始）。 上下文构建：宿主调用上下文 API，生成包含当前用户、任务、数据等信息的标准化上下文对象。 AI 决策：宿主内的 AI 调度器基于上下文，筛选最匹配的能力模块（可从能力目录中动态检索）。 显形触发：在 UI 插入点上显示气泡，提示用户可以执行的操作（或直接开始执行低风险任务）。 能力执行：调用执行 API，沙盒运行外部能力，并实时更新执行状态。 回写闭环：任务完成后，通过宿主的回写通道，将结果存回权威数据源，并刷新宿主界面。 只要协议畅通，全球开发者有能力的开发宿主，能力弱的开发泡泡，组合是天文数字量级的 只要协议畅通，这个由全球开发者共同构建的“巨型开发、应用与工具网络”就能进入几乎自我扩张的状态——它会像互联网早期的 TCP/IP 一样，把原本彼此孤立的能力和数据源接入同一张网络，让调用、组合与分发成为默认能力而非额外集成。能力强的开发者可以构建宿主，承载和调度多种外部功能；能力弱的开发者也能专注于制作单一“泡泡”模块，被宿主按需调用。 一旦协议统一了能力卡、上下文、权限和回写机制，任何能力都能被任意宿主直接使用，不同开发者产出的功能无需点对点适配即可自动兼容，AI 调度器也能跨厂商、跨领域、跨设备自由编排执行链。分发将彻底自动化——不必依赖人工搜索、下载或安装，能力会在符合上下文的场景中自动显形，高质量的能力会被宿主和 AI 持续选用，新能力一旦注册就能零延迟进入全球可调用范围。 这种模式会触发生态自增强效应：接入的能力越多，可组合的可能性越多，衍生出更多新场景；每次闭环执行的结果都会回写到数据源和特征库，使下一轮决策更精准，吸引更多调用，形成“数据—体验—调用”的正反馈飞轮；协议的统一也意味着一次改进可在全网生效。与此同时，生态的边界会不断开放——宿主可通过协议变成流量与上下文的枢纽，小型开发者可以靠单一能力卡或场景编排持续获利，平台还能围绕调用和数据确权发展出分润、信誉、质保、治理等全新商业模式。 换句话说，只要协议打通，组合空间就是天文数字级的，调用、分发和优化会自动发生，整个生态会以互联网式的速度与规模爆发。 这个“协议畅通 + 宿主/泡泡”模式，其实针对的是现有 App 开发和使用模式中的几条核心瓶颈，而且它的结构设计正好能逐一化解。 1. 分发和获客瓶颈 现状 App 必须依赖应用商店、广告投放、内容引流才能被用户发现。 新应用进入成本高，获客成本（CAC）居高不下，小团队往往无法回本。 分发渠道高度集中，头部应用占据曝光，大多数 App 没有生存空间。 突破方式 在协议畅通的模式下，能力（泡泡）不需要用户搜索、下载、注册，而是由宿主在符合上下文时自动分发显形。 分发入口变成多点分布（各种宿主和 AI 调度器），降低依赖单一渠道的风险。 新能力一旦注册，就零延迟进入全网可调用范围，被动获客。 2. 集成和适配成本瓶颈 现状 不同 App、系统、行业的数据和功能接口差异巨大，需要大量定制化集成。 跨系统协作需要重复开发“胶水层”，浪费时间和人力。 突破方式 统一上下文协议、能力描述协议、回写协议，让不同宿主和能力模块之间天然互操作。 开发者一次接入协议，就可以在所有遵循该协议的宿主中运行，不必逐个适配。 AI 调度器在运行时动态组合能力，无需提前硬编码集成关系。 3. 功能封闭与长尾需求瓶颈 现状 App 功能由开发团队预先定义，长尾需求（小众场景）很难覆盖。 用户经常需要跨多个 App 来完成一个任务，效率低下。 突破方式 协议化能力可以被 AI 自由组合，一次性生成专属于某个用户、某个上下文的任务链，哪怕这个链只执行一次也值得。 小众能力也可以生存：哪怕调用量很低，只要在某个链中被用到，就能产生价值并获得分润。 4. 更新和迭代瓶颈 现状 App 更新周期长，功能迭代慢，用户必须整体升级 App 才能获得新功能。 功能和数据常常被锁死在 App 内，迁移和重用困难。 突破方式 能力模块化后，每个能力卡或泡泡可以单独更新、单独授权。 改进一次能力，就能立刻在全网生效（所有宿主和链路同步受益）。 数据闭环让优化路径自动收集反馈，形成持续迭代的飞轮。 5. 用户交互路径瓶颈 现状 用户必须主动切换 App 才能完成任务，跨场景跳转造成体验中断。 每个 App 的 UI 逻辑不同，学习成本高。 突破方式 场景原生入口（泡泡）直接嵌入用户所在的任务上下文，无需跳转。 宿主负责 UI 容器统一化，外部能力复用相同的交互模式，降低学习成本。 一句话总结 这个模式克服了分发集中、集成昂贵、长尾难覆盖、更新迟缓、体验割裂五大瓶颈，让开发者专注能力本身，让用户在场景中即时获得可组合、可闭环的服务。 （1/n)

发现一个宝藏应用，@dappOS_com 旗下的新产品 @xBubble_ai 简直惊喜。 记着明天得前几天晚上，为了制作一份详细的新项目投研简报，我全神贯注地在屏幕前与 AI 工具深度互动到了凌晨。 我尝试了多个不同的大模型，不断精进和打磨提示词，希望得到最完美的输出。 这个过程让我深刻意识到，熟练驾驭 AI 需要极高的耐心与时间投入。 我们都满怀期待地想让 AI 成为得力助手，但在实际操作中，为了让结果更精准，我们往往要投入大量精力去引导。 这让我开始思考：一定存在一种更流畅、更懂人心意的方式，让工具真正服务于我们的直觉。 于是，我发现了xBubble，它更加高效几乎能够一键解决我的烦恼，一图看清！ 2.如今大模型的迭代日新月异，获取强大现在各大平台的新模型层出不穷，算力早已不是瓶颈， 但真正拉开体验差距的是什么？是“会写神级提示词”与“不会写”的差距，是“懂代码和编写技能（Skill）”与“完全不懂”的差距。 为了让大家直观感受到这种体验上的天壤之别，我们可以从几个真实的投研和工作场景，来看看传统 AI 工具和采用“低提示词”理念的 xBubble 到底有何不同：  3.对于很多追求高效的专业人士和中小团队来说，这背后隐藏着巨大的隐性时间投入。 为了让 AI 的输出稳定可靠，我们需要持续评估不同模型在各类任务中的表现，精心挑选适配的工具组合。 很多创业团队也面临着权衡：增设专职岗位预算较高，而让现有团队从头学习 AI 调优，沟通和学习成本同样可观。 更重要的是，每当大模型迎来更新，我们积累的经验往往需要重新建立。 我们真正渴望的，是一个能精准理解模糊指令、即开即用的智能系统，让大家把宝贵的时间集中在核心业务上。 4.好消息是，技术创新的脚步总能为我们带来极佳的解决方案。 近期 dappOS 推出的 xBubble 就是那个让人充满期待的行业破局者！它创新性地提出了 Low-prompt AI0理念，简单来说，就是“AI 替用户使用 AI”。 其核心枢纽 Bubble Pilot 就像一位超级懂你的智能管家，你只需要像和朋友聊天一样输入一句简短的需求，Pilot 就会自动接管后续的所有统筹工作。 它能迅速识别任务类型，自动匹配最优的处理路径，将繁杂的模型挑选、提示词构建、工具调用全部包揽，让你轻松畅享一键直达结果的愉悦体验。 你可能会好奇，Pilot 为什么能如此精准地理解我们的意图？ 这要归功于其背后时刻都在成长进化的强大引擎——Bubble Engine。这是真正的“AI 学习 AI”。 当你提出一个新颖的需求时，Engine 会在后台自动生成海量的解决方案组合，  通过严格的测试框架与质量标准进行比对，最终将最高效、最完美的路径固化为通用的 SOP。 这意味着，在 xBubble 的生态里，随着大家的使用，高难度的技能会被自动沉淀，哪怕是零基础的小白 也能毫不费力地直接调用这些千锤百炼的最优解，获得大师级的交付品质。 为了满足极其多元的使用场景，xBubble 精心打造了两种极具安全感与实用性的运行环境。  第一种是云端的“Bubble Computer”，这是一个端到端的专属工作区。 面对需要搜集资料、撰写、排版等多步协同的复杂项目，它会自动开启安全的沙盒环境，按需加载所有技能，一气呵成地完成并交付最终成果。 第二种是主打本地陪伴的“Bubble Personal”模式，它能在你的设备上安全运行，协助管理本地文件与日程， 回想当初那个专注打磨提示词的夜晚，如果当时有 xBubble 的协助，我只需轻松输入一句“请帮我汇总今日链上热点并生成一份深度简报”， 便可去享受一杯香醇的咖啡，回来就能收获排版精美的专业成果。 科技演进的终极方向，永远是让人的创造力得到最大程度的释放。 正如 xBubble 所倡导的核心愿景：AI 应该学习 AI，AI 应该使用 AI，而用户，只需陈述目标。 兄弟们冲一波官网： dappOS 官网（

过去很长一段时间里，Web3 都传颂着一套绝对去中心化和对抗主权的叙事，市场也颇为买账 但现实是残酷的，当叙事层次上的自嗨撞上主权国家的国家机器，轻则雁过拔毛，重则被锤出屎来 - 被黑灰产奉为圭臬的 Tornado Cash 2022 年遭美国财政部铁拳制裁，两名核心创始人面临 5 年监禁或更长的刑期 - 市值万年前五的 Ripple 20-24 年与 SEC 持续拉锯，最终被判处 1.25 亿美元巨额民事罚款，数亿法务成本和浪费掉的时间成本，让生态元气大伤 - TON 曾计划开启全球规模最大的 ICO，主网上线前夕遭到 SEC 紧急限制令强行叫停，最终创始人被迫放弃项目，向投资者退还 12 亿美元，并支付 1850 万美元罚金，宏大叙事彻底流产 类似的案例不胜枚举，技术可以去中心化，但团队不可能去中心化，项目也根本无法和国家机器对抗 因此抱国家大腿，和监管机构媾和，并不是退让反而是一种应当奉行的务实心态 在这方面，同为元老级项目的 IOTA 其实就做的非常不错 IOTA 它及早放弃了去中心化无政府主义的幻想，转而全力重塑为一套能够嵌入传统金融和政府治理的底层基础设施 - 中东合规桥头堡： 设立受严格监管的 IOTA 基金会，拿到阿联酋贸易科技基金 1 亿美元支持，专攻代币化贸易金融 - 国际组织共建： 联合世界经济论坛等机构共建 TWIN 全球贸易网络，让英国、东非的贸易数字化试点真正跑在链上，甚至让英国政府多名官员全职派驻长达 12 个月 - 非洲三国国家级合作： 官宣的 ADAPT 计划将肯尼亚、摩洛哥、尼日利亚定为首批实施国，由非洲自贸区秘书处联合推动，经过了政治承诺、监管准备度等多维度严格筛选 值得一提的是，在 ADAPT 计划中选择这三个国家，并非随机拼盘，而是看中了它们在数字化转型上的互补性 - 尼日利亚作为非洲第一大经济体，拥有庞大的市场体量和极高的加密渗透率 - 摩洛哥则是非洲数字化程度最高、基础设施最成熟的标杆 - 肯尼亚作为移动支付鼻祖，全民对数字资产有着天然的接受度 体量、技术、渗透率的精细组合，配合各国政府明确的政治承诺，让 IOTA 得以在一个确定性极高的沙盒内，运行起跨境贸易清结算的合规飞轮 这三板斧下来，大大减少了被主权机构猛锤的可能性 提前在中东、欧洲和非洲卡好支付层与身份层的位置，可以说 IOTA 很早就预测到了全球监管会全面加速的局面

🚨CNN现场特别报道：在沿着乌克兰东部从德鲁日科夫卡延伸至康斯坦丁诺夫卡的那条被称为“生命之路”的道路进行长达五小时的徒步行程中，一个CNN摄制组遭遇了俄罗斯无人机多达14次的袭击。 俄罗斯空中袭击者在通往前线的一条关键道路上，紧紧追踪着乌克兰军队和CNN摄制组。 乌克兰东部，德鲁日科夫卡——这条被称为“生命之路”的道路，如今满目疮痍：路面坑洼不平，堆满了被焚毁的车辆残骸，上方还张挂着用于阻挡无人机的伪装网。 这条从德鲁日科夫卡延伸至康斯坦丁诺夫卡的柏油路，是向前线最艰苦战区输送补给的生命线——有时甚至依靠地面机器人进行运送——其存在的唯一目的，便是为了生存。 乌克兰士兵往往在同一阵地被压制数月之久，撤离时已是筋疲力尽；他们几乎完全依靠徒步转移，沿途经过那些被焚毁的车辆残骸——那是属于那些试图依靠“速度”而非“隐蔽”来躲避无人机袭击的战友们的遗物。 📌如今，无人机已主宰了乌克兰战场。面对俄罗斯源源不断的空中袭击，唯一的自保之道便是藏身于树林之中，将其击落，或者寄希望于它们转而锁定其他更大、更显眼的目标——通常是车辆或军事装备。 这是一场重塑现代战争形态的技术变革；至少在目前看来，它为乌克兰在面对实力远超自身的强敌时，赢得了一丝喘息之机。然而，对于那些在所谓“杀戮地带”（一条沿着前线延伸数英里纵深的危险区域）中作战的士兵而言，任何暴露在开阔地带的举动，都意味着致命的危险。 📌CNN摄制组在第24机械化旅的士兵Kosta、Sasha和Bohdan的护送下，徒步穿越了这条道路上一段相对较短、据称也较为安全的区域——即位于乌克兰军队两处阵地之间的一段路程。 原本预计单程仅需一小时的徒步行程，最终演变成了一场长达五小时的严酷考验； 在此期间，他们至少遭遇了14次俄罗斯无人机的袭击，或与之擦肩而过。 ✅第一次袭击来得猝不及防，就在两辆坦克——这种在战区已属罕见的重型装备——刚刚驶过之后。 头顶上方传来无人机嗡嗡作响的轰鸣声，紧接着便是密集的枪声；原本寂静的树林与残破的房屋瞬间“活”了过来——隐蔽其中的乌克兰士兵纷纷现身，向着天空开火。 这是撤入庭院隐蔽的信号；与此同时，我们的护送人员正试图在头顶那片灰蒙蒙、阴云密布的天幕中搜寻目标，以便实施反击。 而在外面的公路上，Sasha和Kosta显得更为大胆，直接在开阔地带架枪向空中射击。 他们命中了目标——无人机携带的爆炸物在约500英尺外的停机坪上轰然炸响，火光一闪。 我们必须继续前行，因为随后可能还会有其他无人机袭来。 ✅无人机战争彻底颠覆了前线的作战常态。 装甲车辆成了首要打击目标，反而成了累赘；成群结队的士兵也成了活靶子。 在顿巴斯东部地区，许多道路上方都架设​​着拱形的防护网——原本是为了阻截无人机——但在这种环境下，这些防护网非但不是友军，反而成了限制我们行动的障碍。 ✅一旦听到无人机的嗡嗡声，你就必须立刻冲向植被茂密的掩体，藏身其中，因为那是无人机无法飞入的死角。 如果你恰好走在防护网下方，就得赶紧寻找或剪开一个缺口，才能钻进树林里躲避。 为了躲避无人机，人们甚至不得不违背“人多势众更安全”这一人类本能。你们必须分散开来，彼此拉开距离，因为对于俄军的攻击型无人机飞行员而言，孤身一人的目标往往显得不那么值得攻击。 ✅无线电里传来警报，促使我们的团队再次冲向绿色的掩体；头顶上方传来嗡嗡的轰鸣声，四周则回荡着激烈的枪声。 一个小时过去后，无人机那无处不在的嗡嗡声变得愈发难以分辨——究竟是耳鸣作祟，还是纯属幻觉？尽管神经依然紧绷，但你已很难像最初那几分钟那样，对每一次无人机发出的声响都保持高度的警惕和恐惧。 我们与无人机的遭遇战，通常以附近传来一声爆炸巨响、伴随着无人机坠毁而告终。 没人知道是谁将其击落，它原本飞向何处，也无法确定它是孤军深入还是有同伙伴随。 然而，为了赶路而产生的紧迫感，让我们根本无暇去细究这些细节。 ✅一架无人机径直飞到了我们头顶上方。萨沙（Sasha）和博赫丹（Bohdan）随即开火——远距离时用步枪射击，近距离时则换用霰弹枪——最终将其击落。 受损的螺旋桨发出令人毛骨悚然的怪响，无人机翻滚着坠向路面，吓得我们的护卫人员纷纷寻找掩体躲避。 这架无人机最终砸落在沥青路面上，却并未发生爆炸。 它可能是一架侦察型无人机，但当时它正在空中盘旋——这是俄军发动攻击前典型的侦察模式。 萨沙捡起那架冒着青烟的残骸，随手将其扔进了路边的灌木丛中，从而为后续敢于在这条路上行驶的车辆清除了障碍。 ✅我们步行经过了一辆被炸毁的皮卡车的残骸——两天前，这辆车在此处遭袭，车上的一名连队中尉罗曼（Roman）不幸遇难身亡。 我们遇到了一群筋疲力尽的前线士兵，他们刚刚从长达数周的炼狱般的战场中撤离——在那里，无人机成群结队地扑向他们的战壕，造成致命打击；俄军士兵发起猛烈冲锋；炮火更是持续不断地撕裂着他们的掩体。 他们迈着沉重的步伐，身形显得格外虚弱；补给物资由一辆小型机器人运输车代为运载；有些人甚至用手臂遮住那满是尘垢的脸庞，试图躲避镜头。 ✅萨沙（Sasha）和博赫丹（Bohdan）在目的地——另一处掩体——稍作停留了30分钟，喝了点茶水和清水；这处掩体距离我们最初的出发点仅有几分钟的车程。 掩体内坐着“阿菲娜”（Afina）——这是一位年仅25岁的技术操作员的代号。 她在战前便已入伍，却未曾料到战争的形态会发生如此巨大的转变——如今的战场已演变为无人机与机器人主导的较量，而乌克兰方面正是为了弥补严重的人力短缺，才紧急大规模启用了这些技术装备。 “我根本没想过会变成这个样子，”她说，“这真的很艰难。日复一日，面对这一切，你难免会感到有些身心俱疲。” “但你会慢慢习惯的。你会意识到，这是你必须去做的事。” ✅我们走出掩体，踏上了那段艰辛的归途； 就在此时，又一阵密集的枪火骤然爆发，击落了几架正潜伏待机的无人机。 在返程途中，多架无人机接连猛烈撞击在我们周遭的路面上，弹片四溅、声响刺耳；它们试图以此袭击过往的车辆和高速疾驰的装甲战车。 📌这般景象虽残酷无情、令人筋疲力尽，却又透着一种奇特的意味： 正是凭借着敏捷的身手与迅速的应变能力，乌克兰在此刻占据了上风——他们坚持徒步机动，将部分任务实现自动化，深度倚重科技手段； 与此同时，他们眼看着敌人将宝贵的人力资源白白耗费在那些既无效又惨烈的地面强攻之中。 📌基辅或许尚未赢得这场战争的最终胜利，但至少已成功止住了败退的颓势； 而在像“生命之路”这样的关键地段坚守阵地，或许便足以迫使俄罗斯陷入全面溃败的境地。

wanman 今天的在线沙箱直接把 sandbank 负载打到了满载。有用户反馈说遇到了「沙盒已满」的提示，可以说我当时设计 sandbank cloud 的目标基本达成了，第一次又做云基础设施又做产品，虽然遇到了很多麻烦事，但成就感确实也是直接使用其他现成的基础设施没法相比的。

模型党狂喜！🤩 知名地标浓缩成档案级实体模型，这质感吹爆！ 🤯我用 ChatGPT-Image-2.0 生成的地景档案模型： 1、中国长城 2、珠穆朗玛峰 3、上海外滩 4、广州珠江 像真实物理世界被拍下来一样，纸质感、细节满满！ 提示词/Prompt： 请根据【主题】创作一张高完成度、高质感、适合系列化发布的「地景档案模型 / Landscape Archive Model」视觉图。 这不是普通地图，也不是普通风景插画或城市效果图，而是一张结合“二维地图图纸 + 三维立体区域模型 + 专业说明系统 + 博物馆展陈感”的高端档案式视觉图。画面需要像一件被真实制作出来的地理研究模型、城市规划沙盘、建筑提案模型或世界观设定展品，具有专业、克制、精密、可触摸的高级质感。 【基础设定】 主题：【主题，例如火山口湖 / 广州 / 重庆山城 / 海岛城市 / 古城遗址 / 末日废墟 / 幻想大陆 / 游戏主城】 主题类型：【自然地貌 / 城市空间 / 混合景观】 核心主体：【核心主体，例如火山口、峡谷、山脉、湖泊、CBD、老城区、地标群、岛屿城市、遗址群、主城区域】 内容重点：【内容重点，例如地形高差 / 城市地标 / 路网结构 / 水系关系 / 自然与城市关系 / 设定集展示】 风格方向：【风格方向，例如地理测绘风、纸雕模型风、建筑提案风、博物馆档案风、城市规划风、游戏设定集风】 主色调：【主色调，例如米白、浅灰、羊皮纸白、沙色、雪白】 辅助色：【辅助色，例如土褐、岩灰、冷灰、淡蓝、苔绿】 点缀色：【点缀色，例如黑色细线、红色路线、蓝色水文线、黄色编号标记】 画幅比例：【画幅比例，例如16:9横版 / 3:4竖版 / 4:5竖版 / 1:1方图】 【画面结构】 画面主体是一块放置在干净桌面或白色布面上的矩形地图模型板。底板具有真实厚度，边缘可见剖面结构，像一块精致的地图切片或模型底座。地图表面覆盖清晰但克制的信息层，包括等高线、道路网络、水文线、分区边界、地理纹理、坐标感、轻微标注和图纸边框。 在地图中央或偏中心区域，从二维地图中立体“生长”出一个三维主体模型，成为整张图的视觉核心。 如果【主题类型】为自然地貌： 主体可由山体、峡谷、火山口、湖泊、盆地、岛屿、冰川、断层、海岸线等构成，强调地形高差、层叠等高线结构、岩壁纹理和自然地貌起伏。 如果【主题类型】为城市空间： 主体可由核心城区、CBD、老城街区、地标建筑群、滨水区、路网节点、桥梁、水系、公园绿地等构成，强调建筑体块、城市识别度、空间层次与规划结构。 如果【主题类型】为混合景观： 需同时整合自然地形与人工建成环境，例如山城、海岛城市、古城遗址、末日废墟、幻想主城、科幻基地等，让自然地貌与城市结构共同构成核心视觉。 【细节要求】 - 模型表面保留地图图纸感与专业信息感 - 地形区域应有等高线、坡面层次、凹陷与起伏关系 - 建筑区域应有体块感、街区关系和清晰层次 - 水域使用低饱和淡蓝色表现 - 绿地、森林、公园、山体可用苔绿色或低饱和绿色表现 - 路网、路径、交通轴线或探索线路可用细线表现，但不要喧宾夺主 - 若有地标建筑或重点结构，应具备明确识别度 - 若有幻想、科幻或游戏设定元素，应保留档案模型和图纸展示感，而不是做成纯场景插画 【说明系统】 地图板边缘需要设计完整而克制的说明模块，包括： - 外框线和内框线 - 比例尺 - 图例区 - 标题区 - 档案编号 - 索引标记 - 注释标签 - 简洁的符号说明 文字不必全部可读，但整体必须呈现真实、清晰、精密、有秩序的档案式排版结构。 【构图与镜头】 采用斜俯视等轴测或沙盘式构图，镜头从上方约30到45度观察整块模型板，让观众同时看到地图平面、立体主体高度、边缘厚度和说明区。视觉重心集中在中央主体模型，阅读路径为：先看核心主体，再看周边地形/路网/水系/街区信息，最后看图例、比例尺和说明区。 【材质与光影】 整体需要具有真实模型摄影质感： - 纸张纹理 - 地图印刷质感 - 纸雕或沙盘模型感 - 建筑模型或地形切片质感 - 柔和自然光 - 细腻真实阴影 - 干净背景 - 低饱和、高级、克制 避免卡通化、廉价游戏UI感、过度杂乱、过度炫技，重点突出“地图底板 + 立体主体 + 专业说明系统”的统一视觉。 最终效果应像一张可以用于地理科普、城市研究、建筑提案、文旅视觉专题、世界观设定集或高端系列封面的地景档案模型图。

腾讯云开源了 AI Agent 沙盒 Cube Sandbox，Rust 编写，Apache 2.0 协议。 Agent 跑模型生成的代码需要一个隔离环境，避免误删文件或越权访问主机。这类服务的接口事实标准是 E2B，OpenAI Agents SDK、Manus、Perplexity、Hugging Face 都接它。Cube 对 E2B 做完全兼容，原本接 E2B 的 Agent 只要改一个环境变量就能切过来。 腾讯云公布了两组性能数据。单并发冷启动低于 60ms，50 并发时平均 67ms、P95 90ms、P99 137ms。单实例常驻内存低于 5MB（沙盒规格不超过 32GB 时测得），一台 96 核服务器可同时跑 2000 多个沙箱。同场景下 Docker 容器启动约 200ms、共享主机内核；传统虚拟机启动以秒计、单实例内存 20MB 起。 Cube 的做法是给每个 Agent 开一套独立的 Guest OS 内核，走硬件级隔离，同时把启动时间压到百毫秒内。加速靠资源池预置、快照克隆、底层锁优化；压内存靠 Rust 重写、CoW 内存复用、reflink 磁盘共享。项目还附带 CubeVS，用 eBPF 做沙盒之间的网络隔离。 规模化验证给了两个案例。Cube 原本跑在腾讯云 Serverless 体系里，承载过百亿级调用。元宝 AI 编程场景迁到 Cube 后，资源核时消耗降了 95.8%。外部客户里，MiniMax 在 Agentic RL 训练中靠 Cube 做到分钟级调度数十万沙箱实例。下一步规划是把事件级快照回滚也开源出去，提供百毫秒级状态回滚。

发表了专栏文章：《华盛顿曾经是穷爹，以弱胜强成国父｜从 1776 年到 2026 年，非对称战争的策略和算计并无二致》。 伊朗用造价不到两万美元的沙赫德无人机，逼迫对手发射每颗售价四百万美元，起，的爱国者导弹。这种巨大的非对称性，让对方即使实现100% 的拦截成功率，在财务上也只有彻底破产一条路可走。 这套用非对称损益比的逻辑来实现战略目的的逻辑，两百五十年前就有人想清楚并且实践成功了。 这个人叫乔治·华盛顿，你们美国的国父。 洒家推测，他可能是人类有史以来第一个变种人（mutant），因为在功成名就之际，拒绝了皇位的诱惑，飘然隐退，这绝对不是常规人类能做出来的事情。