AIGCLINK

AIGCLINK

@aigclink最近同步 11/5/2026, 12:22:40 AM

致力于让每个想拥抱AI的人都能找到适合自己的AI产品,助力企业定制AIGC应用

7日排名
#529
总粉丝
38.3K
7日涨粉
+105
7日爆帖
2
7日曝光
23.6K
帖均曝光
11.8K

Ranking History

Today’s rankings update in real time. Historical records retain daily top-five entries for growth, posts, and reach. Click to view a poster.

No daily top-five records yet.

粉丝趋势

近7日每日已结算数据

内容表现趋势

曝光/互动与爆帖数均按自然日结算

爆帖趋势

近7日每日爆帖数

帖均曝光趋势

每日总曝光 ÷ 每日爆帖数

Participated Topics

Participated in 2 topics

View topic rankings

中文X的Claude账号与订阅使用讨论,新增通过Kiro访问、防封保证、OpenCode接入及额度口径解释。Andy Stewart称,可通过亚马逊旗下Kiro使用Claude,并宣称该平台不会封号;他还介绍闲鱼75元购买一万积分的方案,将其等同于200美元Claude订阅。Jason Young称,OpenCode又能使用Claude订阅,并以疑问语气猜测双方和解。宝玉则区分Max 20x的总体用量与每五小时限额,称前者为Pro十倍、后者为二十倍。这些帖子关注访问稳定性、第三方接入与使用成本,但没有官方政策、兑换规则或对照测试,不能确认防封承诺、积分等值关系及平台合作状态。

Participated post: 如果你不知道拿AI干什么,手里一堆Grok Bot、Muse、Hark、Dots、Hermes…… ,看这个网站,直接抄作业 有1040+案例、11个场景、27个Agent分类,每个案例直接给出具体用途、最终效果以及可复制的prompt 把这个网站给你的AI,让它找出适合你的用例 它网站里的用例全是扫描全网+自动整理来的,建议把它当灵感库,别直接当成操作手册,看看别人在做什么、攒经验用,涉及钱/账号权限的一定人工复核 #AI用例 #agent用例
Posts 1 Views 61.9KHeat 44.8K
#Claude#Kiro#OpenCode

中文X开发者围绕DeepSeek Harness(DSH)分享学习与使用计划,讨论从插件架构理解延伸至本地代理系统整合。纳米AI称,为学习DSH先手写迷你版Cordis,因为其设计将LLM调用、工具、记忆和主循环纳入可替换插件框架。Barret李靖分享交给AI的配置任务,要求组合Pi、DSH与Super-Agent,并探索电脑现有CLI、MCP、Skills及浏览器自动化能力。yihong0618则表示准备严肃使用DSH,但未披露具体任务。这组内容显示开发者关注运行时的可扩展性与工具协作,但没有完整执行日志、代码或对照测试,不能确认配置任务已全部完成,也不能将“超级智能”的目标表述视为已实现能力。

Participated post: DeepSeek Harness刚刚提出:Super-agent,迈向更自主的Agent系统 来自DeepSeek Harness刚发布的工程架构构想,当单个Coding Agent越来越能独立做事后,如何把Agent从“一个会话一个任务”的工具,变成持续在线、跨会话、能并行推进多任务的数字协作者 直白讲,就是现在很多AI Agent就像按会话分配的临时工,这个Session修Bug,那个Session写代码,另一个Session查看CI,任务一多,人就成了切换器和记事本 所以真正卡生产力的目前不是模型会不会做单个任务,而是人的注意力管不过来这么多并行任务 DeepSeek Harness团队提出了一个Super-agent,就是把这些管理工作交给系统 用户感知层只跟同一个助手说话,一个统一的Super-agent,底层由多个独立的Worker并行执行任务 核心设计包括: 1、Router+Worker双层架构:Router负责全局上下文、任务分派和对外交互,多个Worker在隔离的Session中并行执行任务 2、事件驱动+主动执行:持续接收群聊、GitHub PR、CI 等环境事件,通过规则和模型判断是否需要行动,而不是等待用户逐条下指令 3、异步执行+上下文管理:后台任务运行时仍能接收新指令,通过Inline&Spill、链式召回等机制按需管理上下文,减少不必要的信息注入与工具调用 4、持久运行+Watchdog:将Agent计算、会话状态和执行环境解耦,支持跨设备持续运行,并通过独立Watchdog监控任务进展、检测异常和尝试恢复 研究团队展示了一个内部实践案例: 有人在群聊中反馈 Bug,即使没有@ Agent,Super-agent 也能主动识别问题、尝试复现和修复,并提交GitHub Pull Request 不过,实验使用合成负载和模拟编码任务,验证的主要是多任务调度与协作效率,并不是证明模型写代码的能力提升了 该团队也指出了未解决的问题,包括跨月长程记忆、大规模 Worker协同、权限隔离、提示词注入,以及云端Agent控制本地设备带来的安全风险等 这个架构的部分设计已在dsh-superagent-prototype中实现,这个插件也只是一种为了验证技术路线,并非DeepSeek的正式产品 #Superagent #DeepSeekHarness #自主式AI
Posts 1 Views 19.1KHeat 45.4K
#DeepSeek Harness#Cordis#插件架构

近7日爆款推文

按近 7 日曝光排序,展示前 10 条。

1
3.8万 followers
Views1.9万
DeepSeek Harness刚刚提出:Super-agent,迈向更自主的Agent系统 来自DeepSeek Harness刚发布的工程架构构想,当单个Coding Agent越来越能独立做事后,如何把Agent从“一个会话一个任务”的工具,变成持续在线、跨会话、能并行推进多任务的数字协作者 直白讲,就是现在很多AI Agent就像按会话分配的临时工,这个Session修Bug,那个Session写代码,另一个Session查看CI,任务一多,人就成了切换器和记事本 所以真正卡生产力的目前不是模型会不会做单个任务,而是人的注意力管不过来这么多并行任务 DeepSeek Harness团队提出了一个Super-agent,就是把这些管理工作交给系统 用户感知层只跟同一个助手说话,一个统一的Super-agent,底层由多个独立的Worker并行执行任务 核心设计包括: 1、Router+Worker双层架构:Router负责全局上下文、任务分派和对外交互,多个Worker在隔离的Session中并行执行任务 2、事件驱动+主动执行:持续接收群聊、GitHub PR、CI 等环境事件,通过规则和模型判断是否需要行动,而不是等待用户逐条下指令 3、异步执行+上下文管理:后台任务运行时仍能接收新指令,通过Inline&Spill、链式召回等机制按需管理上下文,减少不必要的信息注入与工具调用 4、持久运行+Watchdog:将Agent计算、会话状态和执行环境解耦,支持跨设备持续运行,并通过独立Watchdog监控任务进展、检测异常和尝试恢复 研究团队展示了一个内部实践案例: 有人在群聊中反馈 Bug,即使没有@ Agent,Super-agent 也能主动识别问题、尝试复现和修复,并提交GitHub Pull Request 不过,实验使用合成负载和模拟编码任务,验证的主要是多任务调度与协作效率,并不是证明模型写代码的能力提升了 该团队也指出了未解决的问题,包括跨月长程记忆、大规模 Worker协同、权限隔离、提示词注入,以及云端Agent控制本地设备带来的安全风险等 这个架构的部分设计已在dsh-superagent-prototype中实现,这个插件也只是一种为了验证技术路线,并非DeepSeek的正式产品 #Superagent #DeepSeekHarness #自主式AI
AIGCLINK 的图片 1
AIGCLINK 的图片 2