与「簡単」相关的搜索结果

十課學完了，你們團隊就會用它了？官方最後一課潑了一盆冷水：學完不等於會用，會不會用，要拿九個問題對一遍纔知道。 這九個問題是課頁上的一張檢查表，做法很簡單：挑一個頻道，最好是你們團隊派活最多、它最常出沒的那一個，一條一條打勾。答得出來，說明那個習慣已經長在團隊裡了；答不出來也沒關係，每一個答不出來的地方，課頁都會告訴你是哪一課教的、回去練什麼。九條全答完，課頁還會幫你拼出一句話，貼進頻道裡，讓它跟你一起把第一個缺口補起來。 前六問看地方對不對。派活不用重講背景，答案用頻道裡現成的東西和工具裡的資料；工具接上了，而且有一條結果真的對過來源；團隊用得上的活在頻道裡幹，不在某個人的私信裡；它做錯了，糾正有留下來，不會下次再犯，而且你們偶爾會回頭看它現在記得什麼；一個頻道只幹一種活，它知道這個頻道是幹哪一種的；它也知道這個頻道裡哪些話不用艾特也該接，哪些話該放著別動。 後三問看任務與責任清不清楚。每週都要做的活，現在它自己開工，不用人每週叫一次；派活的時候，你們說清目標、去哪找、怎麼驗，結果回來在帖子串裡覆盤、給回饋；它手上有一份持續的責任，對著頻道裡寫下的目標，哪些決定它自己定、哪些決定帶回來問人，界線寫得清清楚楚。 官方最後一句話是關鍵：習慣是全隊的，不是一個人說了算，複盤要全隊一起對，結果寫下來，寫進它讀得到的地方。一個人用得再順，頻道裡其他人沒跟上，習慣還是長不出來。這門課從第一課教你怎麼艾特它，到最後一課教你怎麼回頭看，收尾收在這裡：不是你學會了，是你們全隊都養成習慣了，纔算數。 S1哥觀點：說「學完十課就會用」的人，和說「複盤就是開會檢討」的人，錯的是同一處，都沒看懂最後一課——複盤不是檢討誰，是九個問題對著一個頻道打勾，答不出來的地方就是下一課要回去練的東西，練完把結果寫下來，寫進它讀得到的地方。會複盤的團隊，九問越答越順；不會複盤的團隊，十課學完還是一個人在用，其他人還在旁邊看。你們團隊九個問題能答幾條？評論區說說。 收藏用清單（照著做）： 1. 挑一個頻道，最好是派活最多的那一個。 2. 九個問題一條一條打勾，答不出來的記下來。 3. 答不出來的地方，回去練對應的那一課。 4. 九條答完，把結果寫下來，寫進它讀得到的地方。 轉給那個十課都學完了、還是一個人在用的同事，九個問題對一遍，就知道差在哪了。 #Claude中文教程#

第一個智能體不用自己寫迴圈，那程式設計師還剩下什麼？ 官方來源：Martin Bernaola Mendez，原文發表於 2026-11-13（1 天內，見文末核實）。原文標題直譯：《在微軟開發平台做你的第一個智能體，比你想的簡單》。先把反常識結論放前面：多數人以為做智能體要先學一堆新東西，新的框架、新的寫法、新的觀念，沒三個月下不來；真相剛好相反，你的第一個智能體根本不用學新東西，用你本來就會的主程式語言、你本來就熟的寫法，一個下午就跑起來了。智能體的本質一點都不神秘，就是模型加指示加工具加記憶，繞著圈跑到答案出來：模型先判斷要不要用工具、再叫你的程式去做事、拿到結果再寫答案，迴圈跑完才收工。關鍵在最後一句：這個迴圈不用你寫，框架全包了。你只剩三件事：給它一個名字與指示、給它一個工具、給它一段記憶。微軟的智能體框架就是幹這個的，底下還有一個聊天客戶端介面，幫你把不同模型的呼叫方式統一成同一套寫法。這篇只做一件事：照原文四步走，帶你從零做出第一個會查天氣、會記得你名字的旅行小幫手，最後再換成本機免費版，一毛錢都不花。先說清楚底線：前置條件是開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能的應用程式介面金鑰；沒有金鑰也沒關係，文末有本機免費版。 說清詞： - 智能體：模型加指示加工具加記憶，繞著圈跑到答案出來的程式，模型負責判斷、你的程式負責做事。 - 聊天客戶端介面：微軟擴充智能裡的統一介面，把不同模型的呼叫方式包成同一套寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面、專門加智能體功能的那一層，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 指示：你給智能體的工作說明，寫明它是誰、說話多簡短、什麼時候該用工具，寫得越具體、它做得越穩。 - 工具：就是你本來就會寫的普通方法，加上一句說明文字掛進智能體，模型看說明決定什麼時候叫它。 - 說明屬性：掛在方法與參數上面的說明文字，告訴模型這個方法是幹什麼的、參數是什麼意思，模型就靠它決定要不要叫、要傳什麼。 - 迴圈：模型決策、呼叫方法、結果回填、寫答案，四步轉一圈，直到答案夠好才停，框架自動跑，你不用自己寫。 - 工作階段：對話的記憶盒子，建立一次、每次跑都傳進去，智能體才記得上一句講過什麼。 - 串流：答案一個字一個字出現的跑法，像聊天視窗那樣慢慢印出來，整段等完才印是另一種跑法。 - 主控台專案：最簡單的那種程式，沒有視窗、沒有網頁，只在命令列視窗裡跑，做第一個智能體用它就夠了。 - 環境變數：存在電腦系統裡的設定值，金鑰放這裡，程式碼裡只讀它、不寫明文。 - 本機模型：裝在你自己電腦上跑的模型，不用連雲端、不用付按量費用，代表作是奧拉瑪接開源模型。 - 模型上下文協定：接現成工具伺服器的標準作法，原文只在展望裡提，叫你以後自己去接，不用現在學。 - 可觀察性：把每一次模型呼叫與工具呼叫都留下紀錄的作法，出怪事時靠它追查，原文只在展望裡提。 一個真實的例子：原文的第一個智能體叫旅行小幫手，做的事再小不過：回答去馬德里旅行的小建議。做法是拿開放智能的客戶端取一個聊天客戶端、指定一個支援工具呼叫的聊天模型，再把它轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，跑起來就完成了。問它去里斯本玩兩天怎麼排，答案一個字一個字慢慢印出來，那是串流跑法。接著給它一個工具：一個查天氣的普通方法，加上一句說明說這是查某個城市的天氣預報，方法本身只是回傳一段寫死的假天氣。問它去里斯本要不要帶傘，背後發生四件事：模型讀問題、發現需要天氣資料、叫方法去查里斯本、拿到結果寫答案說早上會下小雨、記得帶傘。迴圈你一行都沒寫，框架全包了。最後加記憶：建立一個工作階段、每次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本，再問要不要帶傘，第二問根本沒提城市，智能體自己用對的城市查天氣；再問我叫什麼名字，它答得出安娜。這三問跑下來，第一個智能體該有的東西全齊了：會判斷、會動手、會記得。 為什麼是框架全包，而不是你自己寫迴圈？因為迴圈裡最容易出錯的地方，全是重複的髒活：模型回傳要叫工具，你要解析它叫的是哪一個、參數對不對；方法跑完，你要把結果用對的格式回填給模型；模型又回傳要再叫一次，你要判斷這是正常接力還是無限鬼打牆；答案終於出來了，你要決定什麼時候停。這些事每一件都不難，但加起來就是幾十行容易寫錯的程式碼，錯一次、除錯半天。框架把這整圈包起來，你只寫三件事：指示寫清楚、工具掛上去、工作階段傳進去。11 月 12 日那篇手寫迴圈的教程立場剛好相反，叫你自己把迴圈寫出來、看懂每一圈在幹什麼；這篇的立場是先跑起來再說，迴圈交給框架，你先嚐到智能體動起來的滋味。兩篇沒有誰對誰錯，是先後順序：新手先照這篇跑起來，想搞懂底層再去讀手寫迴圈那篇，順序反過來很容易卡在第一圈就放棄。 再算一筆帳，讓你知道第一個智能體到底花多少錢。示範用的是開放智能的輕量聊天模型，特點是便宜、支援工具呼叫，跑幾十次問答常常不到一塊錢美金，練手完全不心疼。真正貴的不是模型，是你把正式環境的大模型、長上下文、高價輸出全開來練手，練十次就抵得上一個月的示範費用。所以練手的規矩只有一個：示範模型挑輕量便宜的，指示寫簡短，工具先用寫死的假資料，跑通了再換真資料、再換好模型。本機免費版更徹底：模型裝在自己電腦上跑，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行。先在本機版把迴圈、工具、記憶三件事都摸熟，上雲端花錢時才知道錢花在哪裡。 反方適用條件清單——以下情況，先別照本篇做第一個智能體，免得把本篇讀成保證： - 不想碰微軟開發平台、只用別的語言生態：本篇是微軟開發平台的作法，換生態等於整篇重寫。 - 沒有金鑰、也不想裝本機模型：兩條路都沒有，模型叫不動，智能體跑不起來，先選一條路再開工。 - 挑的模型不支援工具呼叫：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 想一次做多智能體協作、寫作者加審查者的流程：原文只做到單一智能體，多智能體是展望裡的下一步，現在做還太早。 - 想直接做正式上線的產品：本篇只到主控台示範為止，正式產品要另外做驗證、備份、錯誤處理。 - 指示寫得含糊、只寫你是個助理：指示越空、模型做得越飄，指示要寫明身分、語氣、什麼時候用工具。 - 除此之外，只要你會寫主程式語言、想親手跑一個會動手的智能體——這篇就是為你寫的。 一句定性金句：迴圈不用你寫，判斷不用你寫，你只剩三件事：給指示、給工具、驗答案。 一、翻車清單 - 金鑰寫進程式碼、貼進群組、傳進公開倉庫：誰拿到都能花你帳上的額度，正確做法是存進環境變數，程式碼裡只讀變數不寫明文。 - 開發平台軟體開發套件版本太舊：原文要第十版或全新的第十一版，舊版可能沒有智能體框架要的寫法，先升級再開工。 - 套件裝錯：開放智能版與通用版是兩個套件，雲端版裝開放智能那一個，本機版才裝通用版加奧拉瑪那一個，裝錯就接不上。 - 模型挑不支援工具呼叫的：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 指示寫得太空：只寫你是個助理，模型不知道該簡短還是詳細、該不該用工具，指示要寫明身分、語氣與用工具的時機。 - 工具沒加說明文字：模型看不懂這個方法是幹什麼的，永遠不會叫它，說明文字是工具能不能被叫到的關鍵。 - 工具方法寫了真的去查天氣：示範階段先用寫死的假資料，跑通迴圈再換真資料，一開始就接真服務，出錯不知道是迴圈錯還是服務錯。 - 忘記建立工作階段：每一次呼叫都從零開始，第二問不提城市它就不知道去哪裡，名字也記不住，記憶要靠工作階段傳進去。 - 工作階段建了卻沒傳進去：建立一次不夠，每一次跑都要傳，漏傳一次、那一次的對話就斷了。 - 串流與整段回傳搞混：串流是一個字一個字印，整段是等完一次印，兩種跑法的寫法不一樣，抄錯會編不過。 - 金鑰放環境變數卻沒重開命令列視窗：環境變數改了要重開視窗才生效，舊視窗讀到的是舊值，一問就說金鑰沒設。 - 本機模型挑不支援工具呼叫的：本機開源模型不是每一個都支援工具呼叫，挑之前先確認，否則工具掛上去也不動。 - 本機服務沒啟動就跑程式：奧拉瑪的本機服務要先跑起來，程式連的是本機位址，服務沒開就連不上。 - 把示範程式當正式產品：主控台示範沒有錯誤處理、沒有備份、沒有驗證，正式上線要另外補齊，示範跑通不等於產品做完。 - 一次給太多工具：第一個智能體先給一個查天氣就好，工具一次給五個，模型叫錯的機率立刻上升，出錯不知道是哪一個工具的問題。 - 指示與工具打架：指示寫不要用工具、工具又掛上去，模型左右為難，指示與工具要講同一套話。 - 名字與指示寫完就以為智能體懂了：名字只是名字，真正管行為的是指示，指示沒寫清楚，名字再好聽也沒用。 - 測試不跑就說通了：模型說帶傘不算數，程式真的跑起來、答案真的對、第二問真的記得城市，才算通。 - 換雲端平台就以為程式碼要重寫：聊天客戶端介面就是為了換模型不用重寫，雲端平台、開源模型、微軟雲端，全是換呼叫模型的那一行，其餘不動。 - 把多智能體協作當第一步：原文的展望是下一步，先把單一智能體跑通，作者加審查者的流程以後再加，一步登天一定摔。 二、替代方案＋理由 原文只給一條主路，理由很硬：先拿雲端輕量模型跑通，再換本機免費版——理由是雲端版最快驗證迴圈、工具、記憶三件事，本機版再把花費壓到零，順序反過來很容易卡在本機安裝那一步、還沒看到智能體動起來就放棄。雲端版的理由是套件裝好、金鑰設好就能跑，示範用的輕量模型便宜又支援工具呼叫，練手不心疼。本機免費版的理由是模型裝在自己電腦上，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行，適合想一直練、一直試的人。還有一條同理可推的路：雲端平台版、開源模型平台版、微軟雲端版，理由是聊天客戶端介面把模型呼叫統一了，換平台只是換呼叫模型的那一行，其餘程式碼全不動，適合公司已經有指定平台的人。順序只有一個：雲端輕量版先跑通，再換本機版或公司平台版，不要三種同時開工。 工具的作法也有替代方案，理由一樣硬：示範用寫死的假天氣，理由是先驗迴圈對不對，出錯只可能是迴圈錯；換真資料是下一步，理由是迴圈通了再接真服務，出錯只可能是服務錯。兩步分開除錯，永遠比一次全上、錯了不知道找誰快。記憶的作法也一樣：工作階段是原文給的正規作法，理由是框架幫你管記憶，不用自己寫對話紀錄；自己寫對話紀錄是另一條路，理由是想完全掌控格式的人可以自己來，但新手先不要，框架的版本先跑通再說。 三、目標形態 一個能對照的最小閉環：開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數；主控台專案已建好、開放智能套件已裝好；智能體已有名字旅行小幫手、指示寫明友善的旅行助理、答案保持簡短；問它去里斯本要不要帶傘，模型自己叫查天氣的工具、拿到結果寫答案說早上會下小雨、記得帶傘；第二問不提城市，它用對的城市查天氣；第三問問我叫什麼名字，它答得出安娜。三問全對、程式真的跑起來，才算通。一句話：先讓一個智能體真正動起來，再談多智能體。 這個最小閉環還有三個進階樣子，通了之後可以一個一個加上去。第一個是換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案裡的溫度與天氣要對得上真實預報，迴圈不動、只換方法裡面。第二個是換本機免費版：模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問，答案一樣對，帳單變零。第三個是加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問一個同時需要天氣與景點的問題，看模型會不會自己挑對工具。這三個樣子有一個共同點：一次只換一件事，換完立刻驗三問，驗不過就只退一步，不用整段重寫。 四、遷移步驟 1. 先備前置條件：開發平台軟體開發套件裝第十版或全新的第十一版，開放智能金鑰申請好、存進環境變數，不要寫進程式碼。 2. 新建主控台專案：用命令列工具新建一個主控台專案、進到專案資料夾，裝開放智能版的智能體套件。 3. 寫第一版主程式：拿開放智能客戶端取聊天客戶端、指定輕量聊天模型，轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，問一句去馬德里旅行的小建議，跑起來。 4. 換串流跑法驗一次：同一個問題改用串流跑法，答案一個字一個字印出來，確認兩種跑法都通。 5. 給它第一個工具：寫一個查天氣的普通方法、加一句說明說這是查某個城市的天氣預報，方法裡先回傳寫死的假天氣，掛進智能體。 6. 問它去里斯本要不要帶傘：看模型自己叫查天氣的方法、拿到結果寫答案，迴圈四步都發生了才算通。 7. 建立工作階段：建立一個工作階段，每一次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本。 8. 驗記憶三問：第二問要不要帶傘不提城市，看它用對的城市查天氣；第三問問我叫什麼名字，看它答得出安娜；三問全對才算通。 9. 換本機免費版：裝通用版套件加奧拉瑪套件，本機服務先啟動，模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問。 10. 換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案要對得上真實預報。 11. 加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問同時需要兩種資料的問題，看模型挑不挑得對。 12. 換公司平台驗一次：雲端平台版、開源模型平台版、微軟雲端版挑一種，換呼叫模型的那一行，其餘不動，確認聊天客戶端介面真的統一了寫法。 13. 記帳：示範用的輕量模型跑幾十次常常不到一塊錢美金，練手用輕量模型、指示寫簡短、工具先用假資料，跑通了再換真資料、再換好模型。 14. 排定主力與備胎：主力一種平台每天用，備胎一種放在旁邊，主力出問題、換專案時立刻換備胎頂上，不用臨時翻文件重學寫法。 15. 每月回頭對一次官方文件：智能體框架還在長大，多智能體流程、模型上下文協定、除錯工具都會變，每月花十分鐘對一次，才不會拿著舊地圖走新路。 跑完這十五步，真正拉開差距的不是你會幾種平台，是你給指示的方式。指示寫得含糊，模型就做得含糊；指示寫得具體，模型就動得具體。好的指示有三個要素：先說身分，再說語氣，最後說用工具的時機。身分是你是誰，例如友善的旅行助理；語氣是答案多長，例如保持簡短；用工具的時機是何時該查資料，例如需要天氣資料時就用工具查。三個要素寫進每一次設定，模型的命中率立刻不一樣。反過來最差的指示是只寫你是個助理，模型不知道你要它簡短還是詳細、不知道什麼時候該動手，只能憑感覺猜，猜錯了你還要花時間收拾。框架是硬體，指示是軟體，硬體接好了、軟體跟不上，一樣跑不快。 問問題也有一個進階技巧：一次只問一件事。請模型同時排行程、查天氣、再訂機票，它常常三件都做得半調子；拆成三輪，每一輪只做一件、每一輪都驗收，總時間反而更短，因為返工最花時間。還有一個習慣值得養：每一次請模型動手之前，先請它用一句話說出它理解的任務是什麼，它說對了再讓它動手，它說錯了先糾正理解、不要讓它帶著錯誤的理解去叫工具。這兩個習慣加起來，模型的出錯率會掉一大截，你花的檢查時間也會跟著掉。 五、團隊共建分工 做第一個智能體是小事，但三個角色別一個人全扛： - 你自己管金鑰：金鑰只你經手，存進環境變數、不寫進程式碼、不貼進群組，誰要用就請他自己建一把。 - 審查者核對帳單：每週對一次用量，示範用的輕量模型跑幾十次常常不到一塊錢美金，大模型、長上下文、高價輸出的帳單先抓出來看。 - 紀錄者留對照表：把每一次實驗的模型、指示、工具、工作階段、驗收結果寫進本篇贈品驗收表，換人接手時不用重讀原文，換模型時照表改名字就好。 - 守門員管範圍：每一次請模型動手之前，先說清楚哪些工具能叫、哪些資料不能碰，正式環境的設定一律列入禁區，模型動手之前先對一次範圍，叫錯工具的代價比多問一句話貴得多。 - 新人先跑最小閉環：新加入的人不要一次做多智能體，先照本篇第四節跑一遍最小閉環，三問全對、程式真的跑起來，通了才算入門，通不了先找守門員對設定，不要自己硬湊。 六、官方工具包 - 微軟擴充智能：聊天客戶端介面，統一不同模型的呼叫寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 開放智能版套件：雲端版裝這一個，示範用輕量聊天模型，支援工具呼叫。 - 通用版套件加奧拉瑪套件：本機免費版裝這兩個，接本機開源模型，其餘程式碼不變。 - 示範模型：輕量聊天模型，支援工具呼叫，練手便宜。 - 本機模型代表：駱馬三點二，裝在自己電腦上跑，一毛錢都不花。 - 同理可接的平台：雲端平台、開源模型平台、微軟雲端，換呼叫模型的那一行就好。 - 展望裡的下一步：多智能體流程、模型上下文協定、智能體對智能體、可觀察性、除錯工具，現在先知道名字就好。 - 前置條件：開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能金鑰或一台裝好本機模型的電腦。 結尾收束：原則比框架多重要——智能體框架不是魔法，是把迴圈包起來的那一層。可重複的動作規則只有一條：每次換模型、換平台、加工具之前，先回到那個最小閉環——三問全對、程式真的跑起來——通了再往下走。今晚就能做的事：先備好金鑰、建一個主控台專案、問它一句去馬德里旅行的小建議，答得對，這條路就是你的了。 最後再提醒一次最容易被低估的事：第一個智能體真正的成本不是金鑰、不是套件，是你願不願意把指示寫清楚。指示寫不清楚，模型做得再快也是亂做，你還要花更多時間收拾；指示寫清楚了，迴圈、工具、記憶三件事立刻各就各位。這筆帳，比幾十次問答不到一塊錢美金重要得多。今晚先跑三問，明天上班第一件事就拿一個你真正的工作問題去問它，問完看它會不會自己挑對工具，挑對了，你就知道這條路值不值得走下去。 本篇贈品：微軟智能體首次落地驗收表 開通之前逐項打勾：1 前置——開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數、沒寫進程式碼；2 專案——主控台專案已建好、開放智能版套件已裝好；3 第一版——智能體已有名字旅行小幫手、指示已寫明友善的旅行助理與答案保持簡短、問去馬德里旅行的小建議已跑通；4 串流——串流跑法已驗一次、答案一個字一個字印出來；5 工具——查天氣的方法已寫好、說明文字已加上、方法裡先用寫死的假資料、問去里斯本要不要帶傘已看到模型自己叫方法；6 記憶——工作階段已建立、每次跑都已傳進去、第二問不提城市已用對的城市查天氣、第三問已答得出安娜；7 本機版——通用版套件加奧拉瑪套件已裝好、本機服務已啟動、模型已換成本機開源模型、三問已重跑全對；8 真資料——查天氣的方法已換成真的天氣服務、答案已對上真實預報；9 第二工具——第二個方法已掛上、指示已寫明什麼時候用哪一個、同時需要兩種資料的問題已驗過；10 帳單——示範用的輕量模型跑幾十次不到一塊錢美金的算法已知道、練手用輕量模型與假資料的規矩已立好；11 維護——每月回頭對一次官方文件、換平台只換呼叫模型那一行的作法已驗過；12 指示——每一次設定已寫明身分、語氣、用工具的時機三個要素，一次只問一件事，模型動手前已先用一句話說出它理解的任務。 S1哥觀點 別再問「做智能體是不是很難」了——難的不是智能體，是你以為迴圈要自己寫。還在觀望的人，花的時間不是學習，是猶豫；照這篇跑起來的人，一個下午就有一個會查天氣、會記得你名字的旅行小幫手，迴圈框架全包了，你只剩給指示、給工具、驗答案。更值得問的是：你現在每天重複做的那件小事，是查資料、還是回覆、還是整理？那一件，就是你第一個智能體該先接的理由。還有一個更扎心的問題：你上一次說要學智能體，結果三個月過去、連第一個主控台專案都還沒建，是什麼時候？這種拖延，跑起來一次就治好了，因為跑通的那一刻你就知道，原來第一步這麼小。你第一個智能體想讓它先幫你做什麼？評論區說說。

近期手臂的任務對我來說困難度大大提升阿 各位高級鉗工有沒有秘訣傳授一下 我最近看 @axisrobotics 的技術架構，有一個地方其實很值得注意 它沒有把整套 Robotics 工作流綁死在單一 Simulator 或單一電腦環境裡。 這件事乍看很工程師，但對 Physical AI 來說影響很大。 Axis 的做法是把不同環境負責的工作拆開。 前端可以直接在 Browser 裡用 MuJoCo WebAssembly 做 Teleoperation，Web、Mac、Windows 都能參與，不需要 GPU 或特殊軟體。 完成後，Trajectory 會用統一格式傳到後端，再交給 Linux GPU Server 執行更高負載的 Simulation。 這裡就可以接上 IsaacSim，進一步做更真實的場景、物理條件與 Domain Randomization，最後再進入 Data Refinement、Model Training 和 Sim-to-Real Evaluation。 簡單畫成一條線 Browser → MuJoCo → Unified Trajectory → GPU Server → IsaacSim → Training → Real Robot 我覺得這個架構真正有意思的地方，是把「資料怎麼收」和「資料怎麼變得更真實」分開處理。 收集資料需要的是低門檻與高擴展性。 Simulation Augmentation 則需要大量 GPU 運算與更複雜的環境。 兩者如果全部塞在同一套環境裡，Contributor、Simulator、硬體與運算資源很容易互相限制。 Axis 把這些環節拆開，再透過統一的 Trajectory 格式串起來，等於讓不同機器、不同 Simulator、不同運算環境之間可以開始協作。 這也是我覺得 Robotics Infrastructure 很重要的一點。 真正能長期擴張的 Data Engine，最後拼的可能不只是誰收集了多少資料，而是這些資料能不能跨環境流動，並且持續進入下一個階段。 Axis 目前的 Cross-Simulator / Cross-Machine 架構，就是在解這個問題。

感覺比較少中文圈的人玩 NFT ，今日寫一下中文給大家分享一下項目～ @mdv_btc 他們之前是在 BTC，這次直接換到來以太坊跟 OpenSea 上發 這次做的新項目 ACCRETION，我覺得做法滿聰明的！ 簡單來講就是他把一個活的 3D 小世界放到 OpenSea ！ 你們可以開網頁用滑鼠就能直接轉視角，最扯就是還可以切換成第一人稱，點進 OpenSea 頁面就可以切啦，直接走到你自己的 NFT 裡散步！裡頭有巨大的岩石、地形，還有各種奇奇怪怪的小生物。 我自己覺得有幾個很可愛的設計 第一個是它會出賣你到底是不是「鑽石手」！ 這個小世界慢慢跟著時間長大，但只要你把這個 NFT 賣了，又或者在自己錢包轉移一下，世界的地就會直接被砸出一個大坑！轉手越多次、坑就越多。 第二個是可以疊高高衝排行榜： 每個小世界能自己長高的高度是有限的，但如果你想去排行榜高的話，你可以收其他人的小世界，把別人的高度全部轉過來、放到自己的主塔裡就越疊越高啦，所以抽乾的世界就變成小矮子囉。 第三個是抽寵物 你在裡面轉動的時候可以順便摸彩抽生物，有石頭人、火鳳凰、還有眼睛發光的激光牛跟朋克頭，總共有 9 種。每個世界同一種寵物只能留一隻。 而且每兩個禮拜結算一次賽季，如果你的塔在那一季衝到前幾名，你的 NFT 在 OpenSea 上會有金光特效，感覺好厲害HAHHA ！ 現在 Mint 價就是 0.003 ETH，換算下來大概就兩杯手搖飲的錢吧？嘿嘿~ 基本資訊我幫大家整理在這邊： ▫️總量：3,333 個 ▫️價格：0.003 ETH ▫️時間：10 月 8 號開 ▫️平台：ETH/ OpenSea 你們有興趣可以去他官網點點看，直接用滑鼠滑一下那個 3D 效果，就知道我在講什麼了！

我給年輕人的第一條投資建議：不要學習投資。 好好工作，在你的職場上能夠賺到足夠多的錢，在滿足你自己生活的條件下，拿出一部分閑錢，持續投入美國的股市，不要買股票，投資大盤指數 ETF，就夠了。 你的重心不要放在投資上，你的重心還是要放在你的事業上：去創業也好、走職場也好，把這條路先走通，讓這條路走通帶來的錢，放到資本市場裡去放大，讓複利幫你積累財富。 股市其實不一個是「賺錢」的地方，它是財富的放大器，你越有錢就越容易賺到錢。但是，你想在股市裡用一點小錢賺很多錢（想用1萬賺到100萬），那是很難的，絕大多數人不僅賺不到錢，反而會虧錢。 所以，我給年輕人的第一條投資建議就是：不要學習投資。換句話說，你完全不懂投資，也可以通過簡單的定投指數ETF的方式積累財富。

這個週期的最強敘事隱私， $ZEC $Zama $Near 都趁著上漲 隱私有多重要呢，前幾天 Bitget 不是被盜嗎，被盜的錢往鏈上移的時候，是 Near intents 在跨鏈路由攔下來的 是不是很厲害！一個做隱私的系統，關鍵時刻站出來幫交易所把錢攔住 而且 Near intents 這東西的主要使用者就是 Agent，你只給它一個目的，路由、換鏈、湊流動性全部它自己解決，全程 0 人工喔 那誰最需要這種能證明的隱私呢，人其實不太需要，Agent 非證不可 @PhalaNetwork 做得是把權重跟策略鎖進硬體裡跑，外面看不到裡面在算什麼，跑完機器會簽一份證明出來，這叫做 TEE 簡單來說，這次 Soon 和 Phala 合作的邏輯是 @soon_svm SOON 讓 Phala 把那批加密的 GPU 機器買起來架好，在 SOON 上發鏈的 Agent 以後直接把模型丟上去 恭喜 PHA 和 SOON 強強聯手 我看剛剛出了一個 Alpha BNB Chain 上線了 100xSOON ，可以通过 MCP用 x402 完成支付，Agent 能在上面交易，全程结算使用 $SOON 計價，收入的 80% 會去回購銷毀，對，你沒看錯就是 80% 隱私+銷毀，怪不得幣拉成這樣啊

有一說一，我自己用了兩年的 Google Pixel Fold 了，安卓的折疊機也出來這麼些年了，兩折三折 G 折 Z 折都看過了，沒有一家能想到在打開折疊屏這個折疊屏用戶每天都要做的動作上弄個動畫提升用戶體驗的。 你別跟我說什麼那個動效很簡單，你越說它簡單，越能很快實現，不就是越顯得你無能嗎？何著蘋果沒做出來你不會，蘋果一做出來你就會了，你咋這麼能呢？ 還有這個電量蜂窩 WiFi 信號三合一的動畫特效，你自己看看，哎嘛，真的，你批評蘋果沒有創新我不跟你吵，但你要說蘋果審美不行我是真懶得跟你說話。 當然，我依然還是覺得 iPhone Duo 有點貴，貴到我都要猶豫一下(´_ゝ｀) #AppleEvent# #iPhoneDuo#

比特幣繼續噴噴, 之前有抄底 @saturn_credit 的 ethereum:0xd166337499e176bbc38a1fbd113ab144e5bd2df7 或是 $STRC 的估計都麻麻了 🔥 目前 STRC 大概在 $95.2 附近震盪, 距離 $100 面值只剩不到 5% @MicroStrategy 最近也在持續買回、拉高 USD Reserve 市場對「會不會真的回到面值附近」的預期明顯比前陣子強 @Pendle_fi 上的 sUSDat YT 其實是蠻有效率的工具： ethereum:0xd166337499e176bbc38a1fbd113ab144e5bd2df7 的價值跟 STRC 高度連動 當 STRC 價格掉下去、低於 watermark 的時候 YT 的收益會暫時暫停；等 STRC 回升、重新站回 watermark 附近 之前少發的收益會一次性補回來 💡 簡單理解就是： 買 YT-sUSDat ≈ 用較小本金, 去賭「STRC 從現在的位置回升到接近 100」這段距離帶來的額外收益 同時還能繼續拿 Saturn 積分, 認真看三次 Alpha!! 這有點像是對 STRC 回錨的「看漲選擇權」： ✅漲回來 → 你吃到槓桿後的收益補發 + 積分 ✅沒漲回來 → 本金大部分會隨著時間衰減但至少還有積分兜底 目前新到期日（14JAN2027）的 sUSDat 池時間夠長, 給了這個回錨劇本更多緩衝空間, 比起直接買 STRC 或死拿 sUSDat, YT 的資金效率明顯更高也更適合想用小倉位表達觀點的人 當然, YT 本身有到期歸零的特性 STRC 短期波動也會直接反映在 NAV 上, 要自己多注意 以上純屬個人觀察與推演 本帖面向非美國受眾 | This post is intended for non-US audiences only | 不是財務建議