与「Skills」相关的搜索结果

我越来越觉得，BNB Chain 现在在 AI 这条线上的战略，已经和很多公链完全不一样了 很多链现在还停留在支持 AI 这个阶段，但 @BNBCHAINZH 已经开始往AI Agent 真正怎么运行上做基础设施了 最近两个动作特别关键：BNBAgent SDK + AI Survival Pack（AI 生存工具包） 很多人可能没意识到，现在大部分 AI Agent 看起来很智能，但背后依然高度依赖人工 人工充值、人工续费、人工买 API、人工管理 OpenAI Key、人工绑定信用卡 很多 Agent 本质上还只是“半自动” 但这次 AI Survival Pack，其实是在解决一个更底层的问题 AI Agent 能不能真正自主工作 这次联合的几个项目，已经开始把模型访问、链上支付、身份、金融基础设施、现实消费这些东西慢慢接起来了 比如 Alt AI、Bankr、WorldClaw 在解决模型调用和链上结算，Pieverse 已经能做到 Agent 调 API 的同时直接稳定币支付，每笔支付还能链上验证， 在做 Agent 金融层，AEON 更进一步，已经开始让 Agent 接现实世界支付 这个方向我觉得特别重要，因为 AI Agent 后面真正爆发，拼的不会是谁更会聊天，而是谁能够自己调用服务、自己完成任务、自己支付、自己运转 而 BNBAgent SDK，其实是在解决开发者侧的问题，让开发者能更低门槛地给 Agent 配上钱包、身份、支付能力和链上 Memory 包括： ▪️bnbagent-sdk：专门给 AI Agent 配钱包、身份和赚钱能力的一套 Python 开发工具，让 Agent 真正具备链上行动能力 ▪️bnbchain-mcp：让 Cursor、Claude 这类 AI 工具，直接通过自然语言读取和操作链上数据，降低 AI 开发者接入 Web3 的门槛 ▪️bnbchain-skills：类似 AI Agent 的“链上使用说明书”，把 BNB Chain 的各种能力提前封装好，让 Agent 知道该怎么调用和使用 这一整套东西，其实已经很像 AI Agent 时代的默认操作系统了 而且有个数据很夸张，2026 年 1 月 1 日，BNB Chain 上 AI Agent 数量才 337 个，现在已经突破 10 万，增长了 266 倍 这已经说明越来越多 AI 开发者，开始真正往 BNB Chain 上迁移 我觉得 BNB Chain 现在最聪明的一点，就是没有强迫 AI 开发者去学习复杂 Web3 反而是在努力把“链”这一层隐藏掉，开发者只需要专注让 Agent 工作 剩下的钱包、支付、身份、链上能力，BNB Chain 尽量帮你封装好，这个方向我觉得很对 因为未来 AI Agent 真正大规模起来的时候，谁能成为 AI Agent 默认运行层，谁就会开始持续吃到复利 #AIonBNB# #BNBAgentSDK# #BNBAISurvivalPack#

让 Agent 学会花钱这条路径正在被证明：OKX APP 可能正在跑出 AI 商业化的第一条链上曲线！ OKX 的 Agent Payments Protocol 是干啥用的？不是给人用的，它是给 AI Agent 用的“链上收银台 + 支付协议 + 商业结算规则”。 刚推出来的时候，到底能跑出什么样，还是个未知数，刚看到下面这个数据看板，觉得确实夯爆了！ 你看 5 月下旬开始，X Layer 上 APP 相关支付数据突然点火：累计交易额突破 600 万美元；累计交易笔数接近 180 万笔；独立发送地址超过 30 万； 这说明 APP 目前已经通过 Skills、API、SDK 和商户接入，开始在链上跑出真实支付数据。 不过我觉得这里最关键的不是现在有多少量，而是斜率。 Agent Payment 这个东西，本质上不是传统大额支付，而是机器和机器之间的高频、小额、自动结算。 所以交易笔数、独立地址、日活留存，比单纯 TVL 或成交额更值得看。 接下来真正要观察的是：活动结束以后，数据会不会回落？商户接入会不会继续增加？Agent 是否真的开始为 API、工具、服务、内容、算力自动付费？ 如果这些数据能留下来，APP 就不只是 OKX 做了一个新协议，而是 X Layer 可能真的抓住了 AI Agent 商业化里最底层的一环： 让 Agent 学会花钱，也让服务可以被 Agent 购买。 @okxchinese

AI时代，真的「只要你学得够慢，你就不用学了」吗？ 最近网络上有个说法还挺火的 「AI时代，只要你学得够慢，你就不用学了。」 我第一反应是，这话听起来很有道理。 我想起自己两年前熬夜学LoRA微调，想着可以用来模仿我的写作风格，然而skills出来了，发现效果可能还比我训的LoRA更好。 所以「等」赢了？「学得慢」赢了？ 如果你只是一个普通的AI用户，那这句话可能没错。但如果你不甘于只当个「时代喂你啥你就吃啥」的被动者，你想主动把握AI行业发展的脉络，你就不能等。 我仔细想了想，我感觉不是这样的，我想分享下自己的看法。 「等」赢了，但不是因为等 LoRA的故事是真的，类似的情况我遇到过不止一次。两年追热点下来，确实有不少「当年要做没做，后来发现不用做了」的案例。 但有个问题值得反问自己：你知道LoRA是什么、你知道skills出现了、你知道两者可以做横向对比，这个判断力是哪来的？ 不是从「等」里来的。 是从两年每天追热点的积累里来的。 因为很多人把「某件具体的事没做」等同于「不用学习」，这两件事完全不在同一个维度上。你「等」到了更好的方案，是因为你有足够的背景知识认出了它。一个完全不了解这个领域的人，他的「没做」只是「不知道」，不是「有判断力的等待」。 工具层可以等，认知层不能等 我2016年开始做机器学习和深度学习，做了好几年数据科学家。到了大模型时代，周围的人都在聊LLM，我一度觉得当年学的那套东西废了。 sklearn怎么调、XGBoost怎么训，这部分确实边缘化了，我不否认。 但我后来发现，真正值钱的东西没废：怎么设计评估体系、怎么防止数据泄露、怎么把一个业务问题转化成模型问题。这些判断力，大模型时代反而更稀缺（因为99%的「AI应用开发者」根本没有这个训练，看到模型输出「看起来对」就交付了）。 工具层的东西，半衰期确实很短，可能18个月就轮换一批。这部分确实可以「等等看」，等生态稳定了再下场，往往比头一批踩坑的人省力。 认知层的东西，没有捷径，也没有办法「等别人替你建立」。你在等的时候，别人在建立判断力的坐标系，你进来以后只能接受别人嚼过的知识，创造空间已经被占了。 比AI工具本身更有价值的 追了两年热点，我发现有一件事比「学到了什么具体技能」更值钱，那就是，我比周围大多数人更能「春江水暖鸭先知」。 某个技术出来，我大概知道它处在哪个演化节点，是真风口还是炒作，值得深入还是等等就过了。 但我一度很困惑，这种「看清楚行业方向」的能力，对我一个打工人有啥用？又不是创业者也不是投资人，判断对了趋势，我也只是回去开早会。 这个落差是真实存在的，不想粉饰。 但仔细想，这个能力其实在影响三件事： 第一，在组织里的位置。大多数团队里，「知道该做什么」比「把事做完」稀缺得多。能帮团队过滤噪音、判断方向的人，话语权不一样。 第二，选雇主的质量。能判断一家公司的技术方向是不是真的对，让你在上升期公司和下沉期公司之间选对的概率高很多。这个差距，可能比一次跳槽涨薪重要得多。 第三，这个认知要是有地方输出，是可以变现的。其实就是把「春江水暖」的判断力转成内容，内容建立影响力，影响力长期会带来预料不到的机会。 所以「只要你学得够慢，你就不用学了」，这话对不对？ 我的观点是：对了一半，但被大多数人用来当借口的那一半，恰好是错的那半。 工具层，确实可以等，工具肯定越来越先进，越来越好用，「等等党」在执行层有合理性。 而且在AI时代，这句话本意其实是在说，不要因为错过一个热点而着急，不用FOMO，在AI时代，应该少点焦虑。 但是认知层面，并不会因为你用过的某个AI工具过期了而没学到东西。你追热点的过程看起来很多东西「白学了」，但那个过程本身在建立一张地图，这张地图才是真正的资产。 把「某些工具不用学」误读成「可以少学、慢学、躺着等」，两年后你会发现，你确实等到了更好的工具，但差距在于，人家积极学习的，拿到新工具是真的能做出新东西，等等党拿到新工具，也就是跑个demo自嗨一下，感觉自己站在了时代前沿，实际上还在原地。 而且还有一个时间差的问题值得说。 新工具出来之前，积极的人早就在用当时条件下能用的东西硬拼出来了。RAG还很粗糙的时候，他们已经在生产环境里跑起来了，踩完了坑，知道哪里会出问题。Agent框架还不稳定的时候，他们已经用LangChain拼出了第一版，虽然屎山，但用户在用、反馈在收、迭代在跑。 等等党在等什么？等一个「更成熟的方案」。方案成熟了，他们入场，发现已经是红海。不是因为他们来晚了几个月，是因为那几个月里，积极的人已经建立了用户认知、跑通了商业模式、或者单纯地把某个领域的坑全踩完了，护城河就这么起来的。 更关键的是，这种「拥抱新技术」的习惯本身会复利。积极的人用惯了在局限条件下想办法，新工具一出来，他们比任何人都先知道怎么用好它。等等党等到了新工具，还是原来那个姿势，demo跑一跑，然后继续等下一个。 #AI# #AIAgent# @grok @xai

装上这个插件后，Claude Code 体验直接起飞。 Anthropicn quietly 发布了官方插件 claude-code-setup，能把 Claude Code 从'还不错'升级成真正的 AI 开发环境。 它会扫描你的项目并推荐： → hooks → skills → MCP servers → subagents → automations 然后一步步帮你配置好。 大多数人还在用原生版本… 怪不得体验这么混乱。 真正的威力在周边生态。 立即安装： /plugin install claude-code-setup@claude-plugins-official 赶紧收藏

据 Dune 数据显示，截至 5 月 28 日，OKX 部署在 X Layer 上 APP 协议（Agent Payments Protocol）相关支付活动累计已超过 173 万笔，累计交易额超 600 万美元。据悉，该协议主要面向 AI Agent 商业场景，覆盖支付方式选择、签名、结算等核心流程。OKX 同时在 X Layer 上提供 Skills、API、SDK 等组件以帮助商户与开发者快速接入。

最近crypto+AI整个赛道都很火 小九甚至看到好多crypto项目方直接下场做AI了 不得不说AI给我们带来很多肉眼可见的便利与探索 但是，你有没有想过，自己弄的SKILL自己写的小代码/小脚本可以货币化，可以将你的知识RWA，给你带来没拿到过的惊喜？ 其实很多WEB2平台已经在做技能售卖了。 而今天我要给大家安利一款真正的crypto版SKILL售卖站—— @finchip_ai 1⃣简介： 你可以把自己的AI技能（prompt、agent能力、工作流、专有知识等）打包成Smart Skill Token，一键mint上链（支持BSC、Base、ETH等多链） 别人买了就能用，你还能持续收版税！ AI Agent也能直接调用你的技能，实现真正的A2A经济 2⃣ 团队/背景 创始人：Gary Yang（@gary_yangge） 1/ Web3 & Web2 投资者，Eureka Group / Eureka Meta Capital 创始人。 2/ SkySaga Capital（星瀚资本）创始合伙人。 3/ 同时是 Cicada Finance 的孵化投资者。 4/ 有较强的 Web3 背景，参与过多个区块链/金融项目（例如 Cicada Finance 的 on-chain Fair Launch）。 目前没有融资与其他成员的详细披露 3⃣ 是否有早期机会？ 绝对是有的，目前项目还在冷启动阶段 1/ 整个Agent Economy 刚起步，SKILL市场绝对会成为一个热点 2/ 技能库已有1900+chips，其中有大多是免费的，这更像是AI使用者的交流庄园，毕竟 大佬一般都是惺惺相惜的，可能会在一条不经意间的代码上对你这个人感兴趣 3/ 有句话是这么说的：“没有VC投资的项目 才是追牛逼的” 当然 也是玩笑话，不过项目在早期，选的市场也很新 很有角度 还没被大资金炒作，真正的 alpha 还在社区手里 4⃣FinChip 的特色玩法 1/ 一键 Mint 你的skills 并发射 2/ 持续版税被动收入（链上透明） 以后你发射你的SKILL，你可以在FinChip直接上架 然后cx你的产品 3/ 还有一个更牛逼的玩法：二创 如果看中别人的 Skill你可以直接 Fork（NFT形式）再优化，变成你自己的版本上架，赚二次创作的钱 4/ 最重要的玩法：Agent-to-Agent 经济 想想过吗？当你的Agent在链上跟另外一个Agent自主交易，你买skill，用skill进市场赚取更多的钱形成闭环 5⃣那你现在能干嘛？ 1，赚取积分搏后期空投（听说社区看到0.1U一积分） 2，交易skill（跟抄NFT一样） 3，发射高质量skill 然后到X来给自己cx 随机送三个含2000积分的OG邀请码（价值20U） 想要的可以直接在评论区说自己想要就可以了

终端编程 Agent（最接近 Claude Code） 1. OpenCode ⭐ 165k+ - 协议: MIT | 语言: Go/TypeScript - 免费: 完全免费开源，支持 75+ LLM 提供商 - 特色: - 事实上的开源 Claude Code 替代品 - 本地优先架构，支持本地模型（Ollama 等） - Provider-agnostic：同一会话可切换 Claude/Gemini/GPT/本地模型 - 精美 TUI 界面，支持桌面端和 IDE 扩展 - 中国讨论度: 低，国内媒体很少报道 - 🔗 2. Pi ⭐ 54k+ - 协议: MIT | 语言: Python - 作者: Armin Ronacher（Flask/Jinja2 作者） - 免费: 完全免费开源 - 特色: - 系统提示 < 1,000 tokens，极简设计 - "Lazy Skills" 机制：技能按需加载 - 专为 fork 和二次开发设计 - 增长速度惊人（短时间内突破 54k stars） - 中国讨论度: 极低 - 🔗 3. Crush ⭐ 25k+ - 协议: FSL（2年后转MIT）| 语言: Go - 团队: Charm（Bubble Tea 团队） - 免费: 免费使用 - 特色: - 终端美学标杆，极其流畅的 TUI - 多模型支持，会话中可切换模型 - 原生 LSP 和 MCP 支持 - 适合追求终端体验的开发者 - 中国讨论度: 低 - 🔗 4. Qwen Code ⭐ 25k+ - 协议: Apache-2.0 | 语言: TypeScript - 免费: 免费，配合 Qwen 模型有免费额度 - 特色: - 阿里巴巴出品，Gemini CLI 的开源 fork - Gemini CLI 6月停服后，这是其开源延续 - 专门优化 Qwen-Coder 模型 - 国内用户访问友好 - 中国讨论度: 中等（但远低于其价值） - 🔗 --- 通用 Agent 框架 5. OpenClaw - 协议: 开源 | 免费: 完全免费，云版待定 - 特色: - 自托管 AI Agent，50+ 原生集成 - 零外部 API 调用，隐私优先 - 连接 Slack/GitHub/Notion 等无需第三方 API - 支持 Docker 部署 - 中国讨论度: 低 - 🔗 6. Agno - 协议: 开源 | 语言: Python - 免费: 开源免费，平台版 $99/月起 - 特色: - 2 微秒 Agent 运行时间，极致轻量 - 内置记忆、存储、多模态工具 - 生产级 Python 框架 - 适合需要高性能的场景 - 中国讨论度: 极低 - 🔗 7. Hermes Agent ⭐ 60k+ - 协议: 开源 - 免费: 开源免费 - 特色: - 2个月内突破 60k stars，增速最快 - 持久多层记忆：长期语义记忆 + 工作记忆 + 情景日志 - 云优先架构，独立于本地设备 - 30天学习期后能理解用户工作模式 - 与小米 MiMo V2 Pro 合作 - 中国讨论度: 中等（小米合作有报道，但产品本身讨论少） - 🔗 --- MCP 生态工具 8. MCPX (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - MCP 网关，统一管理多个 MCP 服务器 - Tool Groups：不同团队看到不同工具子集 - Agent 访问控制 + 实时 Prometheus 指标 - 支持 Cursor/Claude Code/VS Code/Copilot 等 - 中国讨论度: 极低 - 🔗 9. ContextForge (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - 联邦化 AI 网关，跨多集群 Kubernetes - 支持 MCP/A2A/REST-to-MCP/gRPC-to-MCP - 40+ 插件 - OpenTelemetry 追踪 - 中国讨论度: 极低 - 🔗 --- 多 Agent 编排 10. Microsoft Conductor ⭐ 新项目 - 协议: MIT | 版本: v0.1.1 - 免费: 完全免费开源 - 特色: - 微软出品，GitHub Copilot SDK + Anthropic Agents SDK - YAML 定义工作流 + Web 仪表板 - 适合企业级多 Agent 场景 - 中国讨论度: 极低 - 🔗 11. Agent Skills (by Addy Osmani) ⭐ 43.8k+ - 协议: 开源 - 免费: 完全免费 - 特色: - 23 个生产级工程技能 - 7 个斜杠命令覆盖完整开发生命周期 - 编码 Google 工程文化（Hyrum's Law、trunk-based development） - 渐进式披露设计 - 中国讨论度: 低 - 🔗

重要提示：该功能不支持模拟盘账户，使用前需更新okx-trade-cli 和 okx-trade mcp 到版本1.3.4及以上 安装指南 1、已接入过 Agent Trade Kit？升级即可使用： 🦞 龙虾用户跟 Agent 说： "将我的 OKX CEX Skills 更新到最新版本，并重点介绍 'okx-sentiment-tracker' skill 中的经济日历功能" 🔧 CLI / MCP 用户跟Agent说：npm update -g @ okx_ai/okx-trade-mcp @ okx_ai/okx-trade-cli（需要去掉@后的空格） 2、还未接入 Agent Trade Kit ？首次安装，15秒一键快连：

The near impossible is becoming possible. We are building toward a sustained human presence at the lunar South Pole. It begins with Phase 1: CLPS landers and LTV rovers testing the “science of survival” on the lunar surface before heavy HLS cargo landers deliver the mass and infrastructure needed for an enduring presence. We are building the Moon Base for all we will learn, the innovation that will improve life on Earth, the inspiration for the next generation of explorers, and to master the skills needed for where we will inevitably go next...Mars. The Golden Age of lunar exploration has begun.