Barret李靖

Barret李靖

@Barret_China最近同步 2026/11/5 00:21:10

AI Engineer | Lifelong Learner | Dad of 2 | Cloud Native | Sharing insights and experiences | 小胡子哥,一个有趣的灵魂

Hangzhou

7日排名
#234
总粉丝
8.4万
7日涨粉
+253
7日爆帖
1
7日曝光
5.1K
帖均曝光
5.1K

上榜记录

当日上榜实时更新;历史记录保留每日增粉、爆帖、曝光榜前 5 名。点击可查看对应海报。

暂无进入每日前 5 名的上榜记录

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

参与的话题

共参与 1 个话题

查看话题榜

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。

参与帖子: 昨晚发给 AI 的一段提示词,早上起床有惊喜: 在我的电脑上,配置好 Pi、DSH、Super-Agent 等开源项目,将它们组合成一个能够主动提供服务的超级智能。 首先,充分探索当前系统已经具备的能力,包括各种 CLI、MCP、Skills、浏览器自动化工具,以及本地和云端的 Agent 执行环境。尽可能利用现有的工具生态,把研发、信息检索、文档处理、项目管理、日程管理、沟通协作等能力都集成进来。 整个过程中,需要主动调研 GitHub 上最优秀的开源项目,优先复用成熟的技术成果。将调研内容、架构设计、配置方案、依赖资源、工具使用经验等整理保存,做好版本管理,确保整个系统能够持续迭代、方便迁移。 接下来,构建一套主动感知机制,定时巡检我的消息、邮件、日历、文档、代码仓库、项目任务等信息源,结合我的个人工作上下文,理解我正在做什么、关注什么、有哪些尚未完成的事情,以及哪些事情值得主动推进。 去互联网寻找类似 Multica 的开源项目或成熟方案,在本地构建一个统一的任务中心,将发现的待办事项、潜在问题、项目机会和需要决策的内容梳理出来,统一放进 Inbox。 任务中心需要对所有事项进行分类,并建立 L1 到 L5 的自主执行等级。Level 越高,意味着这件事情越容易被 AI 独立推进。 * L1:理解和整理信息,提取待办、总结背景。 * L2:分析问题,提供建议和执行方案。 * L3:能够完成部分工作,生成可交付的中间成果。 * L4:能够自主完成大部分工作,关键环节需要人工确认。 * L5:能够端到端完成任务,自主验证结果并交付成果。 系统需要能够根据任务类型、上下文、工具能力和权限,自动判断哪些事情可以由 AI 推进,哪些事情需要我参与。 对于能够自主完成的任务,要主动制定计划、调用工具、执行操作、验证结果,并持续跟进。对于复杂任务,需要自动拆解成多个子任务,交给不同的 Agent 并行处理,同时管理任务之间的依赖关系。 另外,设计好 HITL(Human-in-the-loop)机制。涉及重要决策、对外沟通、内容发布、敏感操作等事项,需要先进入 Outbox,等待我的确认。通过消息通知等方式,将需要我决策的内容主动推送给我,并提供必要的背景、建议和可执行选项。获得授权后,再继续推进后续工作。 这个系统的建设存在一定的复杂度。你需要充分利用 Codex 等高能力编码 Agent,让它们对整个工程进行系统性的设计和任务拆分,再将具体任务交给独立的子 Agent 处理。能够并行的任务尽可能并行,能够复用的能力尽可能复用。 要求整个执行过程不能偷懒,不能只停留在架构设计、生成代码或者 Demo 阶段。要真正把生态能力用起来,必要时自己编写代码,完成真实环境下的集成、测试和验证,确保每个核心模块都能正常工作。 整个系统的架构要清晰、简洁、可移植,稳定性要足够强。需要考虑任务持久化、异常恢复、失败重试、权限隔离、数据安全、执行成本和资源管理,保证 Agent 能够长期稳定运行。 同时,为整个执行过程建设一套监控看板,能够直观查看 Inbox、Outbox、任务状态、Agent 执行进度、工具调用记录、执行日志、异常信息和最终交付成果。支持调试、任务重试、人工干预和历史回溯。 你还需要持续理解和更新我的个人上下文,包括我的工作职责、正在推进的项目、长期目标、技术兴趣、日常习惯和个人偏好。让 Agent 能够基于这些信息主动判断事情的优先级,并发现潜在的工作机会。 整个建设过程需要自主完成调研、架构设计、任务拆分、并行开发、集成测试和部署运行。遇到问题主动寻找解决方案,只有真正需要我决策或者授权的事情才来找我。 系统建设完成后,还需要通过真实任务进行端到端自测,验证从信息发现、任务识别、自动规划、自主执行、人工确认到成果交付的完整闭环。确保它能够在后台持续运行,真正主动替我完成工作。 最终,我希望得到一个能够长期运行、主动感知信息、理解个人上下文、自主发现任务、持续推进工作、交付真实成果的超级智能。 我只需要关注目标和关键决策,剩下的事情,尽可能交给 AI 自己完成。
参与 1 帖贡献曝光 2.4万话题热度 4.5万
#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
8.4万 粉丝
曝光3.8万
关于 Personal Agent 的两个根本性问题: 1、用户可能不需要一个 AI 健康管家,但是他希望少生病、睡得好;用户可能不需要一个 AI 助理,但希望自己的事情能自动处理好。AI 产品如果要求用户主动提出任务、持续管理 Agent,本身就创造了新的使用成本。一个每月只能帮我节省半小时,却需要我花一小时配置和检查的 AI 助理,缺少足够的经济价值。 2、早期的电力革命催生了冰箱、洗衣机和空调,解决的是高频、刚需的物理世界问题。AI 当前的价值更多集中在认知和决策领域,比如让孩子拥有私人教师、让家庭拥有健康管家、让每个人拥有私人事务助理。但普通人真的需要这么多专业服务吗?供给能力的爆炸,并不一定带来需求的爆炸。我们可能严重高估了人类对 AI 服务的需求。 Personal Agent 的最大竞争对手,可能是用户什么都不做😂。宁愿忍受一些低效率,也不愿意为解决这些问题额外投入精力。
2
8.4万 粉丝
曝光2.4万
昨晚发给 AI 的一段提示词,早上起床有惊喜: 在我的电脑上,配置好 Pi、DSH、Super-Agent 等开源项目,将它们组合成一个能够主动提供服务的超级智能。 首先,充分探索当前系统已经具备的能力,包括各种 CLI、MCP、Skills、浏览器自动化工具,以及本地和云端的 Agent 执行环境。尽可能利用现有的工具生态,把研发、信息检索、文档处理、项目管理、日程管理、沟通协作等能力都集成进来。 整个过程中,需要主动调研 GitHub 上最优秀的开源项目,优先复用成熟的技术成果。将调研内容、架构设计、配置方案、依赖资源、工具使用经验等整理保存,做好版本管理,确保整个系统能够持续迭代、方便迁移。 接下来,构建一套主动感知机制,定时巡检我的消息、邮件、日历、文档、代码仓库、项目任务等信息源,结合我的个人工作上下文,理解我正在做什么、关注什么、有哪些尚未完成的事情,以及哪些事情值得主动推进。 去互联网寻找类似 Multica 的开源项目或成熟方案,在本地构建一个统一的任务中心,将发现的待办事项、潜在问题、项目机会和需要决策的内容梳理出来,统一放进 Inbox。 任务中心需要对所有事项进行分类,并建立 L1 到 L5 的自主执行等级。Level 越高,意味着这件事情越容易被 AI 独立推进。 * L1:理解和整理信息,提取待办、总结背景。 * L2:分析问题,提供建议和执行方案。 * L3:能够完成部分工作,生成可交付的中间成果。 * L4:能够自主完成大部分工作,关键环节需要人工确认。 * L5:能够端到端完成任务,自主验证结果并交付成果。 系统需要能够根据任务类型、上下文、工具能力和权限,自动判断哪些事情可以由 AI 推进,哪些事情需要我参与。 对于能够自主完成的任务,要主动制定计划、调用工具、执行操作、验证结果,并持续跟进。对于复杂任务,需要自动拆解成多个子任务,交给不同的 Agent 并行处理,同时管理任务之间的依赖关系。 另外,设计好 HITL(Human-in-the-loop)机制。涉及重要决策、对外沟通、内容发布、敏感操作等事项,需要先进入 Outbox,等待我的确认。通过消息通知等方式,将需要我决策的内容主动推送给我,并提供必要的背景、建议和可执行选项。获得授权后,再继续推进后续工作。 这个系统的建设存在一定的复杂度。你需要充分利用 Codex 等高能力编码 Agent,让它们对整个工程进行系统性的设计和任务拆分,再将具体任务交给独立的子 Agent 处理。能够并行的任务尽可能并行,能够复用的能力尽可能复用。 要求整个执行过程不能偷懒,不能只停留在架构设计、生成代码或者 Demo 阶段。要真正把生态能力用起来,必要时自己编写代码,完成真实环境下的集成、测试和验证,确保每个核心模块都能正常工作。 整个系统的架构要清晰、简洁、可移植,稳定性要足够强。需要考虑任务持久化、异常恢复、失败重试、权限隔离、数据安全、执行成本和资源管理,保证 Agent 能够长期稳定运行。 同时,为整个执行过程建设一套监控看板,能够直观查看 Inbox、Outbox、任务状态、Agent 执行进度、工具调用记录、执行日志、异常信息和最终交付成果。支持调试、任务重试、人工干预和历史回溯。 你还需要持续理解和更新我的个人上下文,包括我的工作职责、正在推进的项目、长期目标、技术兴趣、日常习惯和个人偏好。让 Agent 能够基于这些信息主动判断事情的优先级,并发现潜在的工作机会。 整个建设过程需要自主完成调研、架构设计、任务拆分、并行开发、集成测试和部署运行。遇到问题主动寻找解决方案,只有真正需要我决策或者授权的事情才来找我。 系统建设完成后,还需要通过真实任务进行端到端自测,验证从信息发现、任务识别、自动规划、自主执行、人工确认到成果交付的完整闭环。确保它能够在后台持续运行,真正主动替我完成工作。 最终,我希望得到一个能够长期运行、主动感知信息、理解个人上下文、自主发现任务、持续推进工作、交付真实成果的超级智能。 我只需要关注目标和关键决策,剩下的事情,尽可能交给 AI 自己完成。