即刻App年轻人的同好社区
下载
App内打开
好记星.ai
369关注1k被关注0夸夸
前大厂程序员,没事搞点AI
vx: haojixing2021
置顶
好记星.ai
10月前
一个实验性产品,让AI 每天从3000+推特X的海外帖子,1000+的Reddit、Hackernews 帖子中精选出海外大模型、AI编程、AI产品的资讯。然后由AI提炼总结后推送到飞书群里,没有广告,没有标题党,基于全文总结全中文呈现。
欢迎飞书用户加群~这可能是你见过的信息质量和密度最高的飞书群
3851
好记星.ai
1天前
千问办公桌面版感觉是零优化,用起来卡卡的,而且UI莫名的延迟刷新。而且思考时的文案为啥写的一股阿里味啊,娘嘞。
10
好记星.ai
1天前
没有豆姐脸的豆包工作我是不会用的!
00
好记星.ai
4天前
2010年前后,Github内部搞了一个叫hubot的机器人,它运行campfire上(一个更古老的slack),负责接受研发人员的@hubot消息指令,用来控制各种机器基础设施。

这个机器人完全称不上智能,它只能接受一些看起来像自然语言的固定指令,实际是由模版和正则糊出来的功能,跟现在大模型驱动的bot简直是云泥之别。但是它的价值主张里有一点很特别:他们认为,hubot一定要运行在群聊里才有价值。为啥呢?因为群里的新员工会直观的看到老员工的使用经验和技巧。

举个例子,线上突然告警,救火的老员工会在群里问hubot各种问题了解影响面,做出判断,并且执行一些决策。新员工可以直击现场去学习,而不是在复盘文档里看事后回忆。

但这不是我想说的重点,我想说的是这个工具的设计动机,它被做出来完全就是为了这个场景,就是为了新员工的学习成长而诞生的。它的策略巧妙且具有智慧,它甚至很好的平衡了老员工对带新人的不满,因为带新人对于工程师来说大都是额外的负担,而hubot让这一切都自然而然的发生了。这很好的体现了旧时代的技术文化:组织管理者认为自己对新员工是有责任的,新人是需要组织去托举的。

Agent的出现基本摧毁了以上所说的每一点:知识的传递方式、新人的成长路径、甚至新人都没有必要再存在了。Claude Tag或者它的竞品们即将接管一切。打根上来说,这个为新人着想的动机也不再有生存空间。现在的门槛成了“品味”,品味就是没有办法写成skill的,不可言说的东西,而品味是没办法老带新的。

我还在试图理解这一切,我可能还不够AI Native。
11
好记星.ai
6天前
书接上回,说说我给我司设计的解法,这也是我认为更适合企业的方案:

一套权限:所有的人都开放了全部的用户权限,但是不开放任何应用权限,安装SKILL之后就立刻会引导员工主动进行lark授权,cli只能跑用户权限的命令

一个应用:因为不需要应用权限,所有人就可以复用一个应用,不需要创建一个新应用,为此魔改了官方的cli,搞了一套中心授权服务来管理和刷新授权token

一个SKILL:将官方的一堆SKILL用一个主SKILL进行渐进式引入,所有的skill入口都是 /lark-cli

一个安装命令:所有人使用一句引导指令安装skill,然后skill安装cli,cli安装好后立刻引导用户进行授权

以上的落地使得任意员工接入飞书cli的时间骤降到到一分钟内,所有需要理解的概念全部被干掉了。员工只是在Codex里输入一句指令,然后过一会点击飞书授权按钮后,就立刻可以上手使用,小白们纷纷感叹宛如魔法。

但是代价是什么呢?就是我要负重前行,定期合并官方的cli和skill,重新升级我魔改的skill,但这也没有什么难度,只是些许token消耗罢了

好记星.ai: 飞书cli 这种牛逼的东西,却因为飞书的技术架构,不得不让用户背负着巨大的理解成本,可以说这也是一种新旧时代交替的副作用了。 飞书的设计是经典的saas多租户的结构。要想使用飞书的api,就需要在飞书开发者后台创建一个新的应用,应用有两套权限,第一套是应用自己的,也就是应用跟员工平级,应用可以操作飞书里各种套件,比如文档啥的,操作的留痕就是应用。第二套是一种代理授权机制,也就是先让员工授权,把权限交给应用,应用去做事,但是留痕都是这个员工的。然后!这个应用有个机器人功能,可以让应用以一个机器人的面貌跟其他员工对话,那这个机器人是啥权限呢,也是应用权限。 好,以上没有任何毛病,其实真研究明白了还挺清晰的。以前这里的复杂都是程序员来消化的,普通人难以得见,也不需要为此头疼。 但是有一天飞书cli发布了,这个团队极其的勤奋,144天狂发88个版本,平均1.5天发一版,功能的开放性也是超级炸裂,什么鸡儿都往里面加。之前飞书的功能开放全靠服务端api,这个api的更新是多久一回呢,基本上以季度来做节奏。当时官方飞书cli还没有发布时,我已经利用这批api做出了自己的飞书cli,当时就发现api开放性很差,很多细节都不提供api(比如文档发/回复评论)。完事官方的cli一发布,我做的cli立刻变成了小丑,因为官方cli里的api实在是太丰富了,远超之前的api体系。 于是,以上复杂的权限体系,庞大的功能,全部塞到这个cli里。按大的功能模块分组,官方提供了一堆skill来驱动Agent使用cli,牛逼也是真牛逼,但理解成本也真的很高。 首先是每个员工都要创建一个应用,每个员工!飞书已经对这个流程做了极致的简化,会引导你一键创建一个应用,但是,公司里创建应用首先是要审批的,创建了也不能立刻用上。再就是,很多小白员工发现一次居然不行,拿起小鞭子就让Agent反复创建应用,实际创建了一大堆!小白也不知道最终用的是哪个了!管理员你就审吧~ 其次是权限,飞书的应用权限有 130 个,用户权限 139 个,你就配去吧,绝大多数人根本理解不了为什么权限会分为应用和用户,只能Agent说什么就做什么。然后还把两个权限的切换交给了cli,由Agent按需去用,实际最终的结果就是所有权限全打开了。那捏吗的还配置个der啊,直接默认全开不就好了吗? 再就是这个机器人,飞书cli的客服群里经常有人问,我都配置好了飞书cli了,为啥我的飞书机器人还是不回复我呢?对啊,为啥呢?说实话这个问题很难一句话解释,因为经过一些骚操作,飞书cli确实也能让机器人跟员工对话。但问题在于,当你把这一大堆名词概念都推到小白前额叶的时候,大家都只能凭直觉去感受这耷拉着的AGI啊。 不过话又说回来,这可能正是卖课的空间?由于这个架构的存在,这里的理解成本总是无法被消解的。也许精通AI的代价就是成为程序员的形状。

11
好记星.ai
6天前
飞书cli 这种牛逼的东西,却因为飞书的技术架构,不得不让用户背负着巨大的理解成本,可以说这也是一种新旧时代交替的副作用了。

飞书的设计是经典的saas多租户的结构。要想使用飞书的api,就需要在飞书开发者后台创建一个新的应用,应用有两套权限,第一套是应用自己的,也就是应用跟员工平级,应用可以操作飞书里各种套件,比如文档啥的,操作的留痕就是应用。第二套是一种代理授权机制,也就是先让员工授权,把权限交给应用,应用去做事,但是留痕都是这个员工的。然后!这个应用有个机器人功能,可以让应用以一个机器人的面貌跟其他员工对话,那这个机器人是啥权限呢,也是应用权限。

好,以上没有任何毛病,其实真研究明白了还挺清晰的。以前这里的复杂都是程序员来消化的,普通人难以得见,也不需要为此头疼。

但是有一天飞书cli发布了,这个团队极其的勤奋,144天狂发88个版本,平均1.5天发一版,功能的开放性也是超级炸裂,什么鸡儿都往里面加。之前飞书的功能开放全靠服务端api,这个api的更新是多久一回呢,基本上以季度来做节奏。当时官方飞书cli还没有发布时,我已经利用这批api做出了自己的飞书cli,当时就发现api开放性很差,很多细节都不提供api(比如文档发/回复评论)。完事官方的cli一发布,我做的cli立刻变成了小丑,因为官方cli里的api实在是太丰富了,远超之前的api体系。

于是,以上复杂的权限体系,庞大的功能,全部塞到这个cli里。按大的功能模块分组,官方提供了一堆skill来驱动Agent使用cli,牛逼也是真牛逼,但理解成本也真的很高。

首先是每个员工都要创建一个应用,每个员工!飞书已经对这个流程做了极致的简化,会引导你一键创建一个应用,但是,公司里创建应用首先是要审批的,创建了也不能立刻用上。再就是,很多小白员工发现一次居然不行,拿起小鞭子就让Agent反复创建应用,实际创建了一大堆!小白也不知道最终用的是哪个了!管理员你就审吧~

其次是权限,飞书的应用权限有 130 个,用户权限 139 个,你就配去吧,绝大多数人根本理解不了为什么权限会分为应用和用户,只能Agent说什么就做什么。然后还把两个权限的切换交给了cli,由Agent按需去用,实际最终的结果就是所有权限全打开了。那捏吗的还配置个der啊,直接默认全开不就好了吗?

再就是这个机器人,飞书cli的客服群里经常有人问,我都配置好了飞书cli了,为啥我的飞书机器人还是不回复我呢?对啊,为啥呢?说实话这个问题很难一句话解释,因为经过一些骚操作,飞书cli确实也能让机器人跟员工对话。但问题在于,当你把这一大堆名词概念都推到小白前额叶的时候,大家都只能凭直觉去感受这耷拉着的AGI啊。

不过话又说回来,这可能正是卖课的空间?由于这个架构的存在,这里的理解成本总是无法被消解的。也许精通AI的代价就是成为程序员的形状。
3026
好记星.ai
9天前
小红书的点点ai可能是最被低估的ai 功能,用小红书提供的免费token,从小红书的风控机制里合规绕过,随手就可以挖掘可能付费的需求
1431
好记星.ai
10天前
deepseek harness的热度直逼腾子的work buddy,这上哪说理去
10
好记星.ai
12天前
扫了一遍 deepseek harness(dsh) 的代码和提交记录,一些很有意思的发现:

1. dsh 从零开始到仓库开源,用了64天,产出 12293 commit,日均 192 个,PR 编号最大到 #2521,平均每天 39 PR,效率拉满。。

2. deepseek内部大概是一个6~8人的团队在全职做这个,cui tianyi 一个人贡献了42.6%的代码量,绝对的 dsh 之父

3. cui tianyi的每日跨度中位数是 15.6 小时(10:36 到次日 01:54),68% 的工作日超过 12 小时,比996都猛

4. 这个代码仓库提交静默期中位数只有5.8h,几乎所有的周六日都不歇着,一直有人在提交代码

5. 从提交记录看, deepseek 早上10点上班😁。

6. 这个团队重度使用 codex,没错,dsh 是用codex写出来的,重度使用 codex cloud。

8 . dsh 仓库践行了绝对的spec编程,markdown文件比代码文件还多

9. 从第一天起,dsh就规划了一切皆插件的机制

10. 安排给codex最多的任务是simplifications,也就是清理多余的代码,怎么删代码在 dsh 自己的 harness 上占比很大。截止开源时这个库有 85 万行、其中 57 万行是源码,开发过程中删掉了 73.5 万行。。
1221
好记星.ai
5月前
哈哈哈哈气笑了
144
好记星.ai
5月前
花生公众号文章的ai味浓的我已经读不下去了。。
101