diff --git a/知识/金鹏.md b/知识/金鹏.md index d958b1e..2df847d 100644 --- a/知识/金鹏.md +++ b/知识/金鹏.md @@ -13,6 +13,97 @@ - 360 x 276 - 540 x 414 +## 2026-04-17 + +- [基于 ERNIE Image 一键生成图像](https://aistudio.baidu.com/ernieimage) + - ![-](./金鹏/20260417/20260417-001.png) + - 网新新思 + - 让创意在星河中闪光 + - [ERNIE-Image](https://github.com/baidu/ernie-image) + - [张雪峰:被蒸馏的人](https://mp.weixin.qq.com/s/2LdTHK4zP8q9RRCfjR3gsA) + - AI蒸馏得出他的话术,但蒸馏不出他说那些话时,心里的那股热乎气。 + - 技术本身就是一种政治现象,而沉默是其独特的表达方式。 + - **工具用久了,人会不会也变成工具?** + - [AI 爱马仕 Hermes Agent](https://mp.weixin.qq.com/s/dVEuMxGx7yHHxEmyTk5yJw) [官网](https://hermes-agent.nousresearch.com/) [GitHub](https://github.com/nousresearch/hermes-agent) + - 自我进化 + - **智能复利** + - 内置自我学习循环机制 + - Skills由智能体自主生成、自主优化。 + - 四层记忆架构 + 双文件核心 + 多后端扩展 的记忆系统。 + - 长期使用,深度个性化。 + - OpenClaw 的网关优势与丰富生态,与 Hermes Agent 的自进化能力及深度记忆特性相结合,可实现“1+1>2”的协同效应。 + - 由 OpenClaw 负责多渠道调度与插件调用,Hermes Agent 负责核心推理与能力进化,共同构建更高效、更智能的AI智能体系统。 + - 快速落地自动化任务可选择 OpenClaw,长期优化智能体能力可采用 Hermes Agent,甚至可实现两者协同部署,解锁AI智能体的更多应用可能性。 + - OpenClaw → 执行位,负责具体操作。 + - Hermes Agent → 指挥位,负责记忆和调度。 + - [腾讯:人工智能正式进入 Harness 时代](https://mp.weixin.qq.com/s/nJS1qMGiR7gWl1A7tchy1Q) + - 2026年春天,AI行业出现了一个值得关注的变化:大家不再只聊模型了。 + - AI落地不只是算法题,更是一道工程题。 + - 第一个发现:模型能力的天花板,不在模型里面,而在模型外面。 + - 第二个发现:约束不是对智能的压制,而是对智能的引导。 + - 第三个发现:Harness让大模型更安全。 + - 第四个发现:AI无法可靠地评价自己。 + - Prompt Engineering 是给驾驶员一张地图。 + - Context Engineering是给驾驶员一套导航系统。 + - Harness Engineering 是给驾驶员造一辆完整的车,带仪表盘、反馈系统、安全约束和自动巡航。 + - 驾驶员的觉醒:AI越强大,对人的要求越高。 + - 真正决定最终产出质量的,始终是坐在驾驶座上的人。 + - 驾驶员需要有在人类智慧和机器智能之间搭建桥梁的品味。 + - 一方面,F1赛车手这些顶尖驾驶者的技能价值从未如此之高;另一方面,自动驾驶正在让普通人的出行变得前所未有的安全和便利。这两个趋势不矛盾,它们是同一枚硬币的两面。 + - 在上层,顶尖的驾驶员,那些真正理解发动机、善于设计线束的人,将产出最优秀的作品。他们的竞争壁垒不是执行力,而是品味、判断力和创造性。 + - 在下层,大多数人不需要成为高阶驾驶者,也能享受AI带来的能力提升。 + - 当模型自己长出手脚。 + - 驾驶员的角色将从“操作者”升级为“委托人”,不再告诉AI怎么跑,而是告诉它要去哪里,然后它自己找路。 + - **关于方向、意义和价值的问题,永远是人的责任。** + - AI的价值不在于它有多强大,而在于我们能在多大程度上驾驭这种力量,让它服务于真实的场景、真实的人、真实的需求。 + - [阿里:Prompt、Context、Harness 设计哲学与实践](https://mp.weixin.qq.com/s/JycTfNd7EnmWCnJK-QCf0Q) + - 如何说、让AI看什么、构建怎样的运行环境 + - **共同致力于提升大模型在复杂任务中的可靠性与可控性‌** + - Prompt Engineering:动态组装与文件驱动 + - System Prompt的结构化动态组装 + - Markdown驱动的文件注入机制 + - “质量大于数量”的极简主义 + - Context Engineering:扩展、压缩和记忆 + - 可扩展的Skills机制 + - 上下文压缩与修剪 + - Memory的双层管理 + - Harness Engineering:约束与引导控制 + - Harness和Workflow有什么异同 + - Harness 为大模型提供一个包含工具集、状态记忆和反思在内的一种系统机制,在这个机制内,Agent拥有自主规划(Planning)和循环迭代(Looping)的权利,它可以自己决定调用哪些工具,如果结果不满意可以自我反思并重新尝试,或者根据上下文动态路由或调整。 + - OpenClaw中的 Harness 实践 + - 全生命周期的Hook钩子机制 + - 安全沙箱护栏机制 + - 强约束执行与人工干预 + - [阿里:复杂度应该沉到哪里](https://mp.weixin.qq.com/s/VHVZV0rrCxYkbrxjuQzIAQ) + - 入口与启动链路:别急着拉起全世界 + - REPL / UI Orchestration:UI 不是传话筒 + - Query Loop / QueryEngine:把单轮对话升级成状态机 + - Tool Runtime:把野生工具变成系统调用 + - Permission System:不是弹个框就完事了 + - Task / 多 Agent / 后台执行:多 Agent 的核心不是 prompt 分工 + - MCP / Skills / Plugins 扩展层:外部可以热闹,内部必须收敛 + - 总结与总架构:**把复杂度放在对的位置上** + - 会话边界问题交给 启动层 + - 人机协作问题交给 REPL 控制面 + - 连续运行问题交给 Query Loop + - 行动协议问题交给 Tool Runtime + - 风险治理问题交给 Permission System + - 长时执行和并发问题交给 Task Runtime + - 平台增长问题交给 扩展层 + - 我们最后该带走什么 + - 先定义执行边界,再发起第一轮推理。 + - 当 Agent 进入连续运行阶段,query loop 就必须升级成 runtime。 + - 工具一旦开始碰副作用,工具层就必须制度化。 + - 权限系统的核心不是确认框,而是可解释的执行链。 + - 多 Agent 的前提不是 prompt 分工,而是统一任务抽象。 + - 真正成熟的 Agent 系统,不是“模型更会做事”,而是“组织能把模型做事这件事,稳定地接进交付链路里” + - 当模型开始真的做事,系统准备在哪里把这些复杂度接住。 + - [工具:Markdown-LaTeX](https://mp.weixin.qq.com/s/aTGZcSHryjvWvudWZcBkqA) + - Markdown All in One + - Markdown Preview Enhanced + - Marp + - LaTeX Workshop + ## 2026-04-10 - [Claude Code Source Snapshot](https://gitea.szis.com.cn/github/claude-code/src/branch/trunk/docs) diff --git a/知识/金鹏/20260417/20260417-001.png b/知识/金鹏/20260417/20260417-001.png new file mode 100644 index 0000000..2c7566f Binary files /dev/null and b/知识/金鹏/20260417/20260417-001.png differ