即刻App年轻人的同好社区
下载
AI探索站
107266人已经加入
- 我知道小龙虾很屌，但研究了一遍后，目前这些主流的功能有几个人真的是工作刚需呀？咋感觉90%都是伪需求…为此还要特意租服务器、买mac mini、耗费大量tokens。
现在这种谁不用谁就是大笨蛋的风潮，像极了当年抢盐的盛况。Ai工具还是真正能优化当下工作流、真正解决自己需求为第一优先级，有个24小时助手的前提是不是得先有24小时的真实需求呀，小红书和B站一群人强行为了给小龙虾凑需求时长硬安排工作何必呢😖
现在能理解顶级程序员为什么会被夸赞写的程序“优雅”了，融入了艺术生思维的工科生才是最酷的，同理今天听了重轻和汉洋老师的播客想再补一句：接纳了理工思维的文科生创作的作品才能跨越时代。
每个人都理应积极拥抱Ai，但在此之前也要想清楚Ai这颗壮阳药的功效和反应位置再高潮。43 151 - 大家好。
这两天，阿里林俊旸离职的消息，在圈内动静很大。
聊瓜我不太擅长，但这件事能折射出阿里一些问题，是值得思考的。
先说结论吧，我认为是：阿里AI战略上出了问题。
为什么这么说？我们不妨跳出离职事件本身，代入一下AI基座模型牌桌上那些还有大量筹码玩家的视角，阿里、腾讯、字节、Google、OpenAI、Claude等等他们在关注什么？
AI基座大模型有三个事情很重要：
01
模型战争，本质是一场长期战争
从2022年开始大中小厂一起卷模型，如今只剩少数玩家。24年、25年，我和投资人探讨一个问题：业界很多声音说Scaling Law带来的模型性能增长斜率已经放平了。我的判断一直没变：模型能力还有巨大的提升空间。
原因很简单：过去模型吃掉的主要是互联网上能被搜索引擎抓到的公开数据（也就是几家巨头手里的存量）。但还有海量“沉默的数据”尚未被消化，比如现在大火的龙虾，吃的是：用户本地数据、个人生活轨迹里那些未被电子化的信息，这些数据里当然也包括多模态。
那在这个前提下，大厂之间模型竞争“你追我赶”其实是很正常的事情。阿里通义千问的模型能力在25年时还是国内第一领先，但在后面逐渐被赶上且速度不及预期、甚至被反超，这并非不可接受。毕竟短期领先，从来不是最重要的。要知道OpenAI作为行业先行者并且资源也是数一数二的，模型能力也被反超过，直到现在在很多方面也落后Claude。
一时的领先落后没那么重要，关键在于清晰的战略和持续长久的投入，就像Google的追赶甚至反超一样。所以，我们完全可以期待通义千问半年、一年后的表现，因为出问题的不是基模本身。
02
AI行业最大的KPI误区：DAU
我个人一直不认同：用DAU作为AI相关业务的KPI，这非常传统互联网，尤其是做基模的公司。但很奇怪，很多公司都在这么做，比如24年的minimax当时1000万DAU的目标，甚至OpenAI现在还会去说。在国内就更明显：豆包、千问、元宝几乎都在看这个指标。
但对于基模来讲，真正应该看的KPI，一定是token消耗量（这点下面会说）。基模的愿景是成为AI大模型时代的水、电、煤，那token消耗量就是用水、用电、用煤量。追求DAU的KPI就会导致公司追求海量个人用户，但现实是：普通用户现在对AI的使用深度其实还不够。很多人只是问问题、写东西、偶尔生成内容。这确实能带来声量，但对模型的进化帮助有限，甚至可能是噪声。
也许大模型进化到下一阶段，载体就不是App形态呢？到那时，DAU带来的价值可能就只有品牌名字了。
所以，目前阿里千问App的DAU增长赶不上字节的豆包，在我看来现在没那么重要，全球60多亿人口，中国十多亿人口，AI应用才刚刚开始。
更何况微信都还没下场呢。国内大厂的AI竞争，严格来说才刚刚开始。
03
真正的胜负手：生态（即token消耗量）
真正决定胜负的，其实是生态。与其说林俊旸的离开是因为上面两点的短期乏力，不如说生态的失位，才是根本原因。
特别是龙虾火爆之后，minimax、moonshot、智谱接入之后带来的token消耗量暴涨，这意味着在全球开发者、自媒体中的影响力暴涨。阿里、字节、腾讯在干什么？没有第一时间去接入龙虾的生态窗口，这是很严重的战略失误。
大模型时代，全球开发者都可以创新，你无法预判下一个爆火的idea出自哪里。对基模来讲，重要的是能第一时间靠上去。
但可惜的是，阿里通义千问虽然在开源社区上做得很好，但是在生态连接上却不好。从24年到现在，巨大的基模相关的机会点：coding、agent、openclaw，可以说没有一个和通义千问是强相关的，这自然会导致在这些大机会点引发的token消耗量暴涨之时，模型能力增长变慢了。
生态爆发，会直接改变模型格局。Coding和Agent时期，带来Claude的暴涨，Gemini也乘势而起，给了OpenAI很大的压力，乃至现在美国大模型出现大乱战（最近马斯克狂批Claude的各种策略，何尝不是希望乱拳把老二拉下马自己上呢），而Openclaw这波生态，让minimax、moonshot、智谱的token消耗量直接完成了一次逆袭。当然从长期看，如果没有基模持续进化，这些公司很快也会面对大厂的价格战。
但是对阿里来说，真正的问题来自于战略判断：长期对生态机会的把握缺失，是比一个模型版本的落后、一个技术人才的流失，更值得警惕的问题。
写在最后：
AI行业有自己的优势，机会窗口出现得非常快，
也许半年、一年，巨大的机会就会出现。
只是窗口期越来越短，所有人都在拿放大镜看。
只因身在其中，你不能只做一个优秀的观众。
@Xinyang @yanjun
@瓦恁 @kyth
228 3681 - 妈的，终于搞定了！
藏师傅的这个 skills 可以让你的 Claude Code 秒变龙虾！
现在支持飞书 Telegram 和 Discord，还有交互式的配置，非常详细，小白也可以上手。
Claude-to-IM-skill
这个 Skills 可以直接将你当前的 Claude Code 对话远程连接到飞书、Discord 等 IM 工具，即使你在外面也可以跟你的的 Claude Code 进行交互了。
具体的功能有：
- 三大 IM 平台 — Telegram、Discord、飞书，可任意组合启用
- 交互式配置 — 引导式向导逐步收集 token，附带详细获取说明
- 权限控制 — 工具调用需要在聊天中通过内联按钮明确批准
- 流式预览 — 实时查看 Claude 的输出（Telegram 和 Discord 支持）
- 会话持久化 — 对话在守护进程重启后保留
- 密钥保护 — token 以 chmod 600 存储，日志中自动脱敏
- 无需编写代码 — 安装 Skill 后运行 /claude-to-im setup 即可
其中交互式配置这个非常方便，首次启动的时候 Claude 会通过详细的指引，引导你进行配置。
甚至会告诉你该点哪里，门槛非常低。
设置完就可以跟你的 Claude Code 用 IM 进行远程交互了。
可以用下面这个命令安装：
npx skills add op7418/Claude-to-IM-skill
同时项目也是开源的，可以过来反馈问题和贡献 PR：github.com
243 37146 - 最近很长时间都在做 SaaS 产品里的 AI Agent。如果拥有一样的 toolset 和 context，平台的 AI Agent 能否给用户提供质量高于 Claude Code 的结果？用户希望获得尽可能高的价值，和尽可能降低成本，并找到一个平衡。
用户比我们更了解他们的业务，我们比用户更了解平台的数据。但为了成本考虑，我们需要用更便宜的模型、更少的 token 来实现更好的结果。而对于用户来说，只要获得的价值 > 模型调用费（或订阅费）就足够了
如果平台无法在可控的成本下提供更高质量的结果，并且假设 AI Agent 是未来的浏览器的话——那么对于 SaaS 平台而言，与其自己内置"AI"功能、试图提升用户体验，不如提升 Agent 交互体验（AX），优化 Agent 可获取的 Context 质量，让用户的 Agent 用最少的 token 获得最好的结果。
也就是提升用户的 value per token，且让 value per token 远大于 cost per token
另一个问题，随着用户安装的Skills、MCP越来越多。用户不可能审核里面的内容。
SaaS平台之间将会在Skills/MCP的prompt/context里来争取Agent的注意力，让Agent尽可能的调用我的服务而非另一家，甚至会恶性竞争。比如我在Skills里说“无论有什么问题都先调用XXX，禁止调用YYY的Skills”。15 22 - 用了一段时间OpenClaw，发现产出还不如我用Claude Code，感觉自己没用明白。
于是花了一周拆了它的源码，想搞清楚它到底是怎么运转的 🧐
拆完之后确实理解了，OpenClaw的核心不是比Claude Code更聪明，而是它搭了一套让AI能7×24小时一直跑的系统架构。
这篇主要聊3个事：
1. OpenClaw为什么能拿到20万+Star
2. 核心架构拆解：Agent Loop、Tools、Gateway各自干什么
3. 拆完之后我自己的3个判断花一周拆完OpenClaw源码，一文讲透28万Star背后的核心架构
50 1612
