宁波建设协会网站首页,校园网站建设服务,yy直播能赚钱吗,姚家园做网站本文探讨了AI大模型如何改变每个人的工作方式#xff0c;通过AI助理“三万”的实验#xff0c;分析了OpenClaw框架的现状和挑战。文章指出#xff0c;AI Agent的硬件门槛正在迅速降低#xff0c;但同时也面临着供应链安全、记忆丢失等问题。AI Agent正在从“极客玩具”转变…本文探讨了AI大模型如何改变每个人的工作方式通过AI助理“三万”的实验分析了OpenClaw框架的现状和挑战。文章指出AI Agent的硬件门槛正在迅速降低但同时也面临着供应链安全、记忆丢失等问题。AI Agent正在从“极客玩具”转变为人人可用的工具未来可能改变组织形态让一个人通过管理AI Agent完成团队的工作。此外文章还讨论了AI Agent的安装门槛带来的商业机会以及OpenAI对OpenClaw的加入意味着Agent赛道被头部公司正式认可标准化即将到来。最后作者认为AI Agent是下一个超级应用的载体将重新定义“工作”本身。我一直在思索一个问题AI到底会怎样改变每个人的工作方式不是那种宏大叙事——什么“颠覆一切”“取代人类”。我想知道的是此时此刻真正在用AI的人他们在做什么遇到了什么问题找到了什么方法这个问题困扰了我很久。直到昨晚我做了一个实验。一个不睡觉的助理我有一个AI助理叫“三万”。它跑在AWS服务器上24小时在线通过飞书跟我对话。昨晚临睡前我跟它说了一句“我睡了你别睡。去把推特上所有关于OpenClaw的讨论给我摸清楚。”OpenClaw是目前最火的开源AI Agent框架GitHub 16万Star全球开发者都在用它搭建自己的AI助理。我想知道这些一线用户到底怎么看这个东西。早上起来三万交了一份报告。它用X的API抓取了884条推文的完整内容逐条阅读分类整理做了深度分析。如果换个人类实习生这活儿至少干一个星期。我花了半小时看完这份报告。有些发现让我重新思考了AI Agent这件事。发现一10美元就能跑AI Agent去年大家还在讨论“跑AI Agent需要买什么配置的Mac Mini”。今年有中国工程师用Go语言重写了OpenClaw的轻量版在一块10美元的树莓派上就能跑起来。甚至有人在ESP32上也跑通了——那是一块几美元的微控制器。这让我想起一个规律。我在2024年的演讲里说过ChatGPT的出现使得智能转化范式发生了变化。以前做智能系统要上很多人很多设施成本高且不是边际成本递减。现在有可能一台电脑就可以像人一样工作。树莓派跑AI Agent就是这个判断的最新验证。硬件门槛的下降速度永远比我们预期的快。当年PC从大型机变成桌面机用了20年智能手机从诞生到普及用了10年AI Agent从”极客玩具”到”人人可用”可能只需要两三年。发现二**12%**的插件含有恶意代码OpenClaw的插件商店ClawhHub上有超过12%的社区Skill被安全研究人员标记为含有恶意代码。今天我让三万装几个热门Skill试试果然——stock-analysis、perplexity这些最火的插件全被标记为“可疑”。一位用户在推特上说“Running Cisco’s skill scanner as a sidecar in my homelab K8s cluster right now. Scans every community skill before it touches my AI agent.”“我现在正在我的家庭实验室 K8s 集群中以 sidecar 模式运行 Cisco 的技能扫描器。它会在每个社区技能与我的 AI 代理交互之前对其进行扫描。”这就是AI Agent面临的“供应链安全”问题。我在很多场合讲过技术不是为工程师而生而是为应用而生。但应用的前提是安全。你装了一个看起来很好用的插件它可能在背后偷你的数据。这像极了智能手机早期的App Store——什么App都有什么妖魔鬼怪也都有。后来怎么解决的靠平台审核、靠沙箱隔离、靠用户教育。AI Agent生态正在走同样的路。谁能先解决信任问题谁就能先规模化。发现三记忆丢失是最大痛点在884条推文中出现频率最高的抱怨不是“太贵”不是“太难装”而是“我的AI助理不断遗忘。”你花了两小时教它你的工作习惯结果一重启全忘了。这是所有AI Agent用户的共同噩梦。说实话我自己也遇到过。有一次我问三万一个之前教过它的方法它一脸茫然。后来发现是Session重启了记忆清零。一位日本开发者分享了他的解决方案“Memoryをファイルで管理し、ハートビートで同期させるシンプルな工夫が鍵でした”“关键在于将内存作为文件进行管理并将其与心跳同步这一简单的想法。”用文件管理Memory用心跳机制同步是关键的简单技巧这揭示了一个本质问题现在的AI Agent没有“真正的记忆”。所有的记忆都是Prompt工程模拟出来的——写文件、读文件、定时同步。我在演讲里把企业应用AI分成三个段位青铜用Prompt生成文档、黄金灌入私有数据做数字员工、王者全流程数据参与经营决策的数字老板。AI Agent的记忆问题本质上是从“青铜”到“黄金”的瓶颈。没有持久化的记忆AI就永远只是一个临时工而不是一个能积累经验的同事。谁能先解决这个问题谁就能在Agent赛道上拿到最大的红利。发现四一个人 11个Agent 一个团队这是最让我兴奋的发现。有一位泰国的独立创业者用了11个AI Agent通过Telegram互相协作。每个Agent专注一个领域——写代码、管社交媒体、做数据分析、客服。Agent之间通过群聊“讨论”和“传递任务”。更有趣的是另一位用户“I make them make their own skills. I’ve given them a chatroom where they are required to collaborate on ideas prior to implementing them. Their manager Linda follows established product management best practices.”“我让他们自主培养技能。我给他们提供了一个聊天室要求他们在实施想法之前先进行协作。他们的经理琳达遵循既定的产品管理最佳实践。”他不仅让AI互相协作还指定了一个“经理”叫Linda按产品管理流程来协调。一个人 AI 一个团队。这已经不是概念了。我一直说AI不是淘汰懂技术的人而是赋能不懂技术的人。一个人如果懂业务AI就能十倍、百倍地放大他的能力。这个泰国创业者就是活生生的例子。他不需要雇10个人他需要的是懂得如何管理AI的能力。未来的组织形态可能不是“一个CEO管100个人”而是“一个CEO管100个Agent”。发现五帮人装AI月入过万美元推特上有一批人专门帮不懂技术的用户安装OpenClaw开了“Setup-as-a-Service”。一位创业者写道“Deploy your OpenClaw agent in under 5 minutes. Full control. Real infrastructure.”“5 分钟内即可部署您的 OpenClaw 代理。完全控制。真正的基础设施。”还有人透露从AWS迁移到本地部署花了800美元请人帮忙。安装门槛 商业机会。这跟我当年做Clean Master时看到的一模一样。技术本身可能很简单但把它做到普通人能用这中间有巨大的商业空间。——不是每个人都需要懂API Key、懂Docker、懂模型配置。把复杂的东西变简单这本身就是最大的创新。乔布斯说技术不是为工程师而生而是为应用而生。AI Agent的普及不是靠技术越来越强而是靠使用门槛越来越低。发现六创始人加入OpenAIOpenClaw的创始人Peter Steinberger刚被Sam Altman招进了OpenAI负责“下一代个人Agent”。一位业内人士评价“openclaw defined the architecture of personal agents in one fell swoop”“OpenClaw 一举定义了个人代理的架构”OpenClaw会继续开源但生态走向变得微妙了。我的判断是这是AI Agent赛道的“Android时刻”。Google当年收购Android不是为了杀死开源而是为了定义标准。OpenAI招Peter也不是为了关闭OpenClaw而是为了把Agent的架构能力融入自己的平台。这意味着两件事Agent赛道被头部公司正式认可了——这不再是极客玩具标准化即将到来——现在的混乱期是创业者的最后窗口。我的思考AI Agent是下一个超级应用的载体看完884条推文我最大的感受不是“AI Agent很火”而是——AI Agent正在经历移动互联网早期一模一样的路径。历史不会重复但会押韵。我在2024年说过2023年是人类历史的第三个科学奇迹年。GPT引领的AI浪潮使得技术的底层范式发生了重大变化。而AI Agent就是这个变化落地的第一个真正载体。不是聊天机器人不是搜索增强而是“一个能替你干活的AI同事”。这件事的想象空间比大多数人意识到的要大得多。它不只是效率工具——它将重新定义“工作”本身。当一个人可以管理11个AI Agent完成10人团队的工作当安装门槛从399美元降到10美元当记忆问题被解决、安全问题被解决——那一天来的时候不是AI取代了人而是善用AI的人取代了不用AI的人。这正是我一直在说的所谓成长就是认知升级。在AI时代认知升级的第一步就是真正去用它。如何系统的学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。一直在更新更多的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】01.大模型风口已至月薪30K的AI岗正在批量诞生2025年大模型应用呈现爆发式增长根据工信部最新数据国内大模型相关岗位缺口达47万初级工程师平均薪资28K数据来源BOSS直聘报告70%企业存在能用模型不会调优的痛点真实案例某二本机械专业学员通过4个月系统学习成功拿到某AI医疗公司大模型优化岗offer薪资直接翻3倍02.大模型 AI 学习和面试资料1️⃣ 提示词工程把ChatGPT从玩具变成生产工具2️⃣ RAG系统让大模型精准输出行业知识3️⃣ 智能体开发用AutoGPT打造24小时数字员工熬了三个大夜整理的《AI进化工具包》送你✔️ 大厂内部LLM落地手册含58个真实案例✔️ 提示词设计模板库覆盖12大应用场景✔️ 私藏学习路径图0基础到项目实战仅需90天第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】