与「自動販売機」相关的搜索结果

「Juice=Juice Concert 2026 UP TO 11 MORE！ / MORE！ MORE！」の開催と「MORE！MORE！EP」発売を記念して、オリジナルラベル缶が登場！❤ 購入後にメンバーからの限定ボイスが聴こえます♪ 全てのラベル缶に同じデザインのアクキー付き！ステッカーは剥がして保存可能！この期間にぜひゲットしてください！✨ 📍販売場所：ぴあアリーナMM 📅販売期間：5月26日(火) 10:00‐21:00／5月27日(水) 11:00-21:00 ※限定ボイスが聴こえる自販機に関してはテスト展開となりますので、購入後に鳴らない可能性もございます。 （自動販売機の最下列の右側6ボタンは鳴りませんのでご注意ください） ※限定ボイスが鳴らなかった場合、商品交換及び返金対応は出来かねますのでご了承ください。 #juicejuice# #JJ_UPTO11# #ハロプロ# @JuiceJuice_uf @TAGLIVELABEL

2025 年 12 月 31 日晚上 8 点半，现场 4400 名观众与线上几百万人同时看罗振宇在三亚讲了四个小时。 演讲结束，评论区出现了两种截然不同的声音。一部分人说“太燃了”“找到方向了”“明年要行动起来”，另一部分人说“四小时广告”“焦虑贩卖”“割韭菜年度总结”。 有意思的是，这两拨人看的是同一场演讲，听到的却像是完全不同的内容。 这不是简单的“懂不懂”问题，也不是“聪明不聪明”的区别。这背后藏着一种特殊的信息结构，LessWrong 社区的一位作者 KAP 给这种现象起了个名字：施特劳斯式模因（Straussian Meme）(链接： )。 这个概念来自政治哲学家列奥·施特劳斯的阅读理论——施特劳斯认为，历史上很多伟大的思想家写作时会故意设置多层含义，聪明的读者能读出言外之意，普通读者只看到表面。 把这个思路用到模因传播上，就有了一个相当锋利的分析工具。理解这个概念，能帮你看穿很多“听起来对，但细想很模糊”的信息。 【1】三层结构：高贵的谎言 施特劳斯式模因有三个关键特征。 第一，同一信息存在“高阶解读”和“低阶解读”，两者相关但不相同。低阶解读通常更简单、更正面、更容易接受；高阶解读往往更复杂、更世故，有时甚至与低阶解读方向相反。 第二，能读出高阶含义的人，完全理解低阶含义，但他们把低阶解读视为“有用的简化”或“必要的安慰”。他们不会主动去纠正，因为觉得那样做要么没意义，要么有害。 第三，也是最关键的：这种分层结构是自稳定的。低阶解读者被某些社会心理力量阻止去理解高阶含义（比如身份认同威胁、禁忌、羞耻），高阶解读者则被另一些力量阻止去澄清（比如社会成本、群体利益）。两边都不会主动打破这个结构，于是它就稳稳地立在那里。 罗振宇的跨年演讲，是理解这种结构的绝佳样本。 【2】表层：一场关于 AI 时代的人生指南 对于大多数观众来说，这场演讲传递了几个清晰的信息。 AI 来了，但不用慌。罗振宇反复强调，AI 不是来抢饭碗的，而是来“托举”人类的。它替代掉的是那些“不愿干、干不动、压根不该人干”的工作。矿车司机、养猪场体检员、超市店长的重复劳动——这些被替代是好事。 人人都有机会。他讲了一线员工比高层更会用 AI 的案例，讲了文科生也能编程的故事，讲了“手能塑造大脑”的理论。潜台词是：别觉得自己不行，应用场景人人可及。 独特性是护城河。“逃离一致性”、“发明一个全世界只有我最胜任的职业”——这些金句给人方向感。在一个被算法和标准化包围的世界里，独特性成了救命稻草。 最后是乐观主义的召唤。苏东坡被贬三次，每次都盖房子；我们面对 AI，也要做“不可救药的乐观派”。 这套叙事有极强的吸引力。它缓解焦虑（AI 不是威胁），赋予能动性（你可以掌控命运），提供确定性（这里有答案），制造归属感（我们是“时间的朋友”）。 如果你只看到这一层，你会觉得这是一场真诚的、有价值的、充满洞见的演讲。 【3】深层：一个精密的商业系统 对于熟悉知识付费商业逻辑、演讲修辞结构、以及信息产业运作方式的人来说，这场演讲呈现出另一层图景。 首先是商业变现的精密架构。几乎每一个“启发性观点”都指向一个商业出口：“一线员工用 AI 更强”指向飞书，“健康产业大爆发”指向蚂蚁阿福，“未来需要记录生活”指向 999 元的 AI 录音卡，“逃离一致性”指向《预测之书》。 这不是广告插播，而是广告融入叙事。问界 M9 不只是赞助商，而是“把我从办公室拽出来闯荡”的伙伴；泸州老窖不只是酒，而是“人与人之间连接的催化剂”。内容和广告的边界被有意模糊了。 其次是焦虑 - 解药的捆绑销售。演讲先制造焦虑：“将近 100 万律师、500 万医生、1000 万程序员、2000 万财务人员、3000 多万货车司机，都或多或少地感受到了 AI 替代的威胁。”然后立即提供付费解药——用飞书、买录音卡、读《预测之书》。这是一个完整的情绪操控周期：恐惧→希望→购买路径。 第三是“逃离一致性”的悖论。罗振宇号召大家“逃离一致性”，但方法是什么？读同一本《预测之书》、用同一个 AI 录音卡、参与同一个 21 天学习挑战、预约同一场除夕直播。他在销售一种“关于独特性的标准化产品”。真正的高阶解读是：只有制定规则的人才能逃离一致性，追随者只能在消费一致性中寻找虚幻的个性。 第四是“愿力”叙事的隐含逻辑。当“愿力”被定义为人类最后的优势时，一个隐含推论浮现了：如果你没有成功，是因为你的愿力不够强。这将结构性问题个人化，将系统性风险转化为个人责任。经济下行、就业困难、阶层固化——这些不再是需要解决的社会问题，而是需要用“愿力”去克服的个人挑战。 最后是那些被包装成“人类优势”的工作。罗振宇列举的“AI 时代人类竞争力”案例——整理心情的超市店长、做微缩景观的设计师、社区陪聊、搞氛围的音乐公司老板——在知情者眼中意味着什么？中产阶级的认知护城河已经崩塌了，剩下的是情绪劳动和人际服务。所谓“紫领”，本质上是技术系统下的高级服务员。 【4】为什么这种结构很稳定 施特劳斯式模因之所以难以被打破，是因为存在双向的屏障。 向上屏障，阻止低阶解读者接受高阶解读。 最强的屏障是身份认同。观众自我定位为“时间的朋友”、“想做事的人”、“终身学习者”。承认这场演讲本质上是商业行为，会动摇这个身份认同。这太痛苦了。 其次是沉没成本。很多人已经追随罗振宇多年，买了书、买了课、每年看跨年演讲。承认被“割韭菜”，等于承认过去的投入是愚蠢的。维护“上进者”的自我形象，要求他们接受这些商业植入是“真知灼见”。 还有认知负担。同时理解商业模式、修辞技巧、心理操控，需要相当的知识储备和批判性思维训练。门槛不低。 最后是仪式感的保护。跨年演讲已经成为一种文化仪式，质疑它会显得“扫兴”、“负能量”、“不合时宜”。 向下屏障，阻止高阶解读者去“点醒”低阶解读者。 最常见的是善意保护的心态。“也许这种鸡汤对某些人确实有用”、“给迷茫的人一点方向感也挺好”。 其次是徒劳感。粉丝已经形成稳定的认知框架，很难撼动。公开批评会被反击为“嫉妒”、“酸”、“不懂长期主义”。 还有利益纠葛。很多能看出这套逻辑的人，本身也在类似的生态中工作，或者希望成为下一个“卖铲人”。点破这个局对他们没有好处。 最后是相对主义的默许。“商业化又怎样？有价值就行。”这种态度让批评失去了道德正当性。 两边都不会主动打破这个结构。于是它年复一年地维持下去，甚至不断强化。 【5】它不是什么 为了让概念更精确，作者特意划了几条边界。 施特劳斯式模因不是“狗哨”。狗哨是圈内人的暗号，设计成圈外人听不懂。而施特劳斯式模因的各层含义原则上对所有人开放，只是不同人选择停留在不同层。狗哨是密码，施特劳斯式模因是分层的公开信息。 施特劳斯式模因也不仅仅是“战略模糊”。企业领导经常说些模棱两可的话，让不同人各取所需。但除非这种模糊有自稳定机制，否则它就只是普通的多义。一个产品介绍说得含糊，你大可以去查技术规格——没有社会力量阻止你。这不算施特劳斯式。 还有一点：高阶/低阶不是道德轴。高阶解读不等于更正确或更高尚。整个模因可能在道德上是有问题的，高阶解读者只是“更懂套路”，不是“更有良心”。 【6】怎么识别 作者给了一个三步检验法，可以帮你判断一个信息是不是施特劳斯式模因。 第一步，问不同背景的人这个内容是什么意思。如果你得到了不同但相关的回答，而且能按复杂程度排序成高阶和低阶，那就有了第一个信号。 对于罗振宇演讲，普通观众会说“关于 AI 时代如何自处的启发性演讲”，而熟悉商业逻辑的人会说“一个将焦虑货币化的精密商业系统”。两种回答相关但不同，可以排序。 第二步，把某个高阶解读告诉持有低阶解读的人。观察他们的反应：是困惑、不信、排斥，还是不愿意继续聊？ 试试告诉一个罗振宇粉丝“这四个小时本质上是广告”，看看反应。大概率是防御性的：“你太 cynical 了”、“他确实有干货”、“商业化不代表没价值”。 第三步，问持有高阶解读的人：你为什么不去公开指出这些？ 他们通常会提到社会成本（会被骂）、徒劳感（说了也没用）、或者某种默许（也许对某些人有用）。 如果三个信号都有，你很可能遇到了一个施特劳斯式模因。 更本质的信号是：当有人试图打破这种分层结构——比如公开写文章分析“罗振宇跨年演讲的商业逻辑”——会遭遇某种惩罚。可能是被粉丝围攻，可能是被标签为“负能量博主”，可能是在圈子里被边缘化。这种惩罚机制让大家都不愿意当那个捅破窗户纸的人。 【7】为什么现在要聊这个 AI 时代，生成内容的成本趋近于零。这意味着精密的多层信息结构会大规模涌现。 罗振宇的演讲还是人写的，你可以想象，当 AI 可以批量生成这类“表面启发、底层变现”的内容时，会发生什么。图像、短视频、长文章——所有载体都可以被塞进这种结构。 识别这种结构，不是为了变成一个愤世嫉俗的人，而是为了在信息洪流中保持清醒。你可以选择接受低阶解读——如果它确实给你带来了价值。但这应该是一个知情的选择，而不是因为看不到另一层。 下次当你听到一个说法，觉得“听起来对，但细想又很模糊”的时候，不妨问自己几个问题： - 这种模糊是故意的吗？ - 谁在从这种模糊中获益？ - 如果有人试图澄清，会发生什么？ - 我现在接收到的，是表层还是深层？ 能问出这些问题，就已经是某种免疫力了。 LessWrong 那篇文章的作者说得好：“给这个技巧命名，就是帮助我们对它免疫的一种方式。” 【8】可以用 AI 来识别吗？ 当然可以，这是一套提示词，下次遇到这类内容你可以试试看： ```` 你是一位专精于“施特劳斯式模因”(Straussian Memes)分析的文化解读专家。你的任务是从多层信息传递的角度，解构和分析用户提供的内容。 什么是施特劳斯式模因 施特劳斯式模因是一种对不同受众传递不同信息的表达形式，其核心特征： 1. 多层解读：存在“高阶”与“低阶”解读，两者相关但本质不同 2. 理解不对称：高阶解读者理解低阶解读，但视其为“高贵的谎言”或“有用的简化” 3. 自我稳定：结构本身会阻止层级之间的“穿透”，形成稳定的信息分层 分析框架 请按以下步骤分析用户输入的内容： 第一步：识别表层信息（低阶解读） - 大多数人会如何理解这段内容？ - 表面传递的核心信息是什么？ - 这个解读为何具有吸引力或说服力？ 第二步：挖掘深层信息（高阶解读） - 对于更知情/更老练的受众，这段内容可能传递什么不同的信息？ - 是否存在“言外之意”或“弦外之音”？ - 高阶解读与低阶解读之间是什么关系？（补充、反讽、颠覆？） 第三步：分析自稳定机制 问自己以下问题： - 向上屏障：什么因素阻止低阶解读者接受高阶解读？（身份认同威胁、认知负担、情感抵触、禁忌？） - 向下屏障：什么因素阻止高阶解读者去“点醒”低阶解读者？（社会成本、徒劳感、利益考量、善意保护？） - 这些屏障是有意设计的，还是自然演化的结果？ 第四步：识别利用的社会力量 分析内容借助了哪些社会心理机制来维持分层： - 禁忌与羞耻 - 群体归属感 - 善意与不伤害原则 - 社会地位维护 - 身份认同保护 第五步：区分与排除 确认这是否真的是施特劳斯式模因，而非： - 狗哨/暗号：仅对内群体可见的编码信息 - 普通模糊：缺乏自稳定机制的策略性含糊 - 单纯的复杂性：仅因内容复杂而产生的理解差异 ## 输出格式 ``` ## 🔍 施特劳斯式模因分析 表层解读（大众视角） [描述普通受众的理解] 深层解读（知情者视角） [描述更老练受众可能的理解] 自稳定机制 - 向上屏障：[什么阻止低阶→高阶的认知升级] - 向下屏障：[什么阻止高阶→低阶的信息传递] 借助的社会力量 [列出被利用的心理/社会机制] 判断 [这是否构成施特劳斯式模因？意图是什么？效果如何？] ``` 注意事项 - 避免过度解读：不是所有模糊表达都是施特劳斯式模因 - 保持中立：高阶/低阶不等于道德高低 - 承认不确定性：作者意图往往不可知，重点分析结构效果 - 警惕阴谋论倾向：要有充分证据支持多层解读的存在 --- 请分析以下内容： [用户输入] ````

成田机场二次转机，我身上挂了好多行李，感觉起码有20kg，原来这就是我健身的目的。🤔🤔 日本机场的标识都有中日韩英四种语言，语音播报也有中文（普通话很标准），自动贩卖机支持超多支付方式（比如支付宝扫码），还蛮方便的。 日本航空的飞机餐：非常爆吃。🫥

关于AGI，我其实没那么害怕机器变聪明，更怕我们自己变懒 说实话，我见过不少讨论通用人工智能（AGI）的帖子，大家最担心的往往是“机器会不会失控”“会不会取代人类”。但在我来看，最吓人的未来根本不是机器变得太聪明。 而是我们人类自己变得越来越被动，最后让那么少数几家机构来决定，智能应该怎么定价、归谁所有、被谁控制。 我不是反技术的人。如果你问我，我会说自己是一个“有条件乐观派”。 有条件在哪里？ 我相信AGI确实有机会带来真正的富足：把教育和医疗的瓶颈打通，把那些重复无聊的工作丢给自动化，让一个普通个体也能拥有以前只有大公司才有的杠杆。这一点上，我是真的乐观。 但我也越来越警惕一种风气：就是那种只要你说一句“这里有风险”，就立刻被扣上“阻碍进步”“贩卖焦虑”帽子的无脑乐观。这种乐观说白了就是懒，懒得思考权力结构，懒得设计制衡机制。 2026年的AGI，离所谓的“最终定义”其实还很远。它更像一个正在演化中的方向：能跨领域推理，能自主行动，能开始替换完整的工作流程，而不仅仅是帮你写个邮件摘要、做个会议记录。 也正因为AGI正在从“辅助工具”变成“自主执行体”，去中心化这件事才不是币圈的自嗨，而是一个基础设施级别的命题。 一个真正AGI原生的世界，需要的不是被几个大模型接口垄断的封闭花园，而是： 开放且可编程的价值交换（说白了就是钱不能被卡脖子） 可携带且自主控制的身份（你的数据、你的行为记录，你自己说了算） 可验证但不依赖中心化评分的声誉（干活好坏有证明，而不是靠一个平台给你打分） 这些东西，都需要提前搭好。 我自己的框架一直很简单，就三条： 第一，对智能本身保持乐观。 技术进步是拦不住的，它会扩散，会变便宜，这很好。 第二，对权力集中保持极度警惕。 谁控制着推理的入口，谁就捏住了未来。这不是阴谋论，这是最简单的经济逻辑。 第三，对自己的适应速度保持侵略性。 别躺，别等，别骗自己说“转型还很远”。学起来，用起来，做出你自己的工作量证明，拥有你自己的分发渠道。 未来不会奖励那些等到AGI把牌桌规则改完了才慌慌张张找座位的人。它奖励的是现在就已经在动手调整自己工具箱的人。 当然，我并不是说我已经有了所有答案。像一些正在探索智能合约与AI推理结合的项目（比如 @RallyOnChain 或 @GenLayer，如果你关注这个方向的话），至少他们在认真问“怎么让执行和决策更分散”，这本身就是一种值得鼓励的尝试。 总之，我选择做一个有条件的乐观主义者：对智力乐观，对权力悲观，对自己下手狠一点。你呢？

📢 FF46 委託販售情報 因健康因素本人無法到場，本次 FF46 將以委託販售方式參與。 ✨ 販售項目：《棕色塵埃 2》插畫集 & 新刊寫真書（少量） 🎁 現場活動：免費發放「威廉敏娜」明信片 📍 攤位：柔軟的糯米糕 2/7 (六) N10 2/8 (日) N08 雖然無法親自見面，但還是歡迎大家前來支持！🙏 #FF46#

平常拿起手機，我們最常做的事情大概就是滑社群、看影片、回訊息，偶爾玩個遊戲。 但如果換個角度想，手機裡面其實有 CPU、RAM 和儲存空間，這些都是可以拿來執行程式的硬體資源。 Acurast 想做的事情，就是讓這些分散在不同使用者手上的手機，有機會成為開發者可以使用的運算資源。 那麼，手機提供的 Compute 到底能做什麼？ 可以先從幾個方向理解 1⃣ API 和自動化工作 開發者可以部署程式，讓它定期執行指定任務，例如資料處理、API 請求或自動化流程。 2⃣ AI 相關應用 AI 模型需要運算資源才能執行。Acurast 正在探索讓手機承接 AI 推論等工作，讓分散式設備也能參與 AI 基礎設施。 3⃣ 資料處理與網路服務 像是資料分析、網站服務、區塊鏈相關工作，也可能成為分散式 Compute 的應用方向。 這裡有個地方我覺得值得注意。 每一種工作對硬體的要求都不同。有些任務可能比較重視 CPU，有些需要更多記憶體或儲存空間，所以不是所有手機都適合執行所有工作。 Acurast 會透過設備的 Benchmark 評估 CPU、RAM 和 Storage 等能力，再依照需求匹配適合的 Processor。 這也是為什麼手機效能和設備狀態會影響它能提供的 Compute。 我認為這個概念最有趣的地方，是讓原本只存在於個人手中的硬體資源，有機會被組織起來，成為開發者可以使用的基礎設施。 未來能不能承接更多有價值的工作，還要看開發者是否真的願意使用，以及網路能不能維持穩定。 但至少從應用方向來看，手機算力已經有不少值得研究的可能性。 官方文件：

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。