即刻App年轻人的同好社区
下载
置顶加入了一家 AI 硬件初创公司。即刻上的朋友在看机会的，一定要来考虑考虑我们这儿啊(๑>ڡ<)✌️。
公司的介绍可以看这篇小红书的帖子，我就不再赘述了。三个关键词：Always On、AI Memory、Proactive Agent。当然，都是一些比较共识的词了，但我们也有一些自己独特的思考。无论是对这份工作感兴趣，还是单纯想聊聊的朋友，都可以来找我呀，我往返北京深圳，可面基可线上。
在这条帖子下评论、私信或者加我微信都可以的～
公司的介绍可以看这篇小红书的帖子，我就不再赘述了。三个关键词：Always On、AI Memory、Proactive Agent。当然，都是一些比较共识的词了，但我们也有一些自己独特的思考。无论是对这份工作感兴趣，还是单纯想聊聊的朋友，都可以来找我呀，我往返北京深圳，可面基可线上。
在这条帖子下评论、私信或者加我微信都可以的～
神仙AI公司招人了！社招非校招！ - 小红书
46 179
我们常说 less is more，这个要求在 AI 产品上会更加剧烈。因为和非 AI 功能不一样的是，每多一个 AI 功能就要多一份效果持续调优的负担。AI 功能管生还要管养，生出来很容易，但不能好好养着最好不要生。
10 11
分享一下基于这个习惯积攒的一套自进化 skill github.com
许涵之: 使用 Claude Code 级别的 AI 进行工作产出的几个经验性习惯： 1. 对 AI 的追问做出回应 Claude Code 完成任务后，有较高比例会主动提出下一步要做什么。其中 80% 都没什么用，但如果忽略它，它可能会一直提，影响它的判断。所以要回应它的这些追问，哪怕只是简单地告诉它不用做这些。 就好像我们带一个实习生一样。实习生很积极，有想法，但很多想法不对，那就要告诉他或纠正他，防止他一直沿着这种想法走偏。 2. 尽量让 AI 来修改 AI 的产出 AI 的产出，尽量让 AI 来修改，而不要自己修改。如果实在要自己修改，请告诉它你修改过，且让它读一遍，再和它进行下一步的任务。 BTW：我在 claude.md 文件中有要求：如果 Claude Code 最终的产出包含文件，请在某个我指定的默认文件夹下建一个子文件夹，把这些产出放到这个文件夹下，且 Git 初始化。每次运行任务前，检测这个文件夹有没有变动，有的话，帮我进行一次手动提交。每次完成任务后，自己进行一次手动提交，以保存我和它的所有修改，且将我和它的修改进行区分。 3. 对 Claude Code 提出修改意见时，下意识思考如何让它一步到位完成结果 对 Claude Code 提出任何修改意见时，请下意识地思考：我要怎样修改、完善我的 claude.md 和 skill.md 文件，或者请它帮我完善这两个文件，能让它一步到位地实现我的想法，而不需要我再给出这些修改意见。 4. 最重要的：将最终产出反馈给 Claude Code 如果 Claude Code 交付了成果，我最终应用了一部分，成为了我的实际产出，请把这个产出发回给 Claude Code，让它思考要怎样善 claude.md 和 skill.md ，才能更趋近于这个产出的结果。 把 Claude Code 当成一个实习生。实习生渴望成长，渴望反馈，渴望有闭环。我们要给它这个闭环，帮助它成长。 进一步地，关于第四点，特别是对于重复性工作，可以借助此让 AI 实现“自进化”。 以我的周报文档为例： 我让 AI 基于我所有的文档和消息，按照一定的格式撰写周报。它本地会留存一份它写的 MD 版本，且它会直接填充到飞书文档上。我会修改这个飞书文档的版本作为我的正式交付。等到下一周，它会首先比较它生成的原始 MD 文档版本和我最终交付的飞书文档版本，思考怎样完善它的 skill.md ，才能尽可能让它的产出无限趋近我的产出，然后基于新的 skill.md 再生成新的周报，循环往复。 我非常惊叹于 Claude Code 的自进化能力。第一周的时候，它写的周报大概只有 20% 的东西能用。这样迭代了两次，等到第三周的时候，它写的东西竟然能有 90% 的东西可以直接用了。 除此之外，还有让 AI 帮我做简历评估。每天通过 Broswer Use 拉取飞书招聘中简历待评估列表中所有它还没评估的简历，帮我自动评估是否通过，理由如何。 一开始做得不好，后来我突然联想到了周报的这个自进化过程，让它每次在评估之前，先拉取我过去所有的我最终拍板的面试评价和简历评估，以及它本地原始的简历评估，并自行思考要怎样评估才能更接近我的判断，然后它再对最新的简历进行评估，不断自进化。 包括我让 Claude Code 帮我做面前准备，通过 browser-use 拉取所有的简历、作品集、评语、附件和网站，然后帮我整理面试者的基本信息。同时，基于对我的工作的理解和岗位需求的理解，准备一些个性化的问题。 在每天读取未来的面试列表做面前准备之前，我也会让它去读一下我过去面试的转写逐字稿，看看我真的会问哪些问题。如果有些问题我问了，但它在准备时没考虑到，它应该如何调整才能更接近我真实的面试流程，从而实现自进化。 我了解到 Hermes Agent 也有自进化的概念，但它的自进化本质上是面向过程进化来优化 token 效率，而不是面向结果的。因为作为一个通用产品，它无法对结果的好坏进行评估，也就无法基于结果进行自进化。 但个人使用的话，结果好坏的置信度是非常高的，可以让 AI 基于结果来自进化。进化的载体就是 claude.md 和 skill.md。虽然这样做会导致太个性化、无法泛化，但对个人使用来说完全不是问题。 当我真正用熟这个体验后，我突然联想到这可能也是一种 continual learning。怎么联想到的呢，因为我发现这种自进化竟然也有类似灾难性遗忘的问题。我发现它为了弥合最近一段时间的简历评估结果，会导致过拟合。如果真的让它再回测之前的评估，大概会有偏离。但这些任务本身都很消耗 token，目前不太好回测。 目前对于简单的问题有比较好的解法。例如我让它做自动的 bug 优先级分类，每次分类完都会通过飞书消息发给我，我会告诉它哪些分得不合理。因为 bug 描述和分类消耗的 token 很少，所以我直接把历史数据全部存档了。当它有大的 skill 优化时，就回测一下过去所有的分类方法，保证不要过拟合到当下的 case。这有点像它同时负责评测提分和构建评测集，既当裁判又当运动员。对于简单问题来说这没什么问题，但对于复杂问题，很难让历史数据全部回归一次。目前只能依赖它自身的通用能力，配合提示词来防止过拟合。
3 01
后训练为什么突然变得容易了
我自己的看法是： 第一，可用于后训练的开源模型数量大大增加，且开源与闭源模型的差距在缩小，尤其是国内公司卷得飞起，通通都开源。
第二，更重要的原因是开源模型的智能水平跨过了一个分水岭，本身的泛化能力足够强了。如果去年这时候用 R1 做后训练，即便拥有现在的后训练基础设施，也没办法很好地应用到具体业务中，因为业务场景千变万化，底座推理模型本身需要具备足够被泛化的智能，而这在上一代还不够明显。特别是大多数应用公司训不了太大的模型，但现在一个 27B 的千问，至少在 Benchmark 上就能比肩 Opus 4.6，这个压缩水平是非常夸张的。
为什么这个原因很重要？是因为如果用一个本身基础智能水平不到位的模型来做后训练，其实对AI 应用公司有更高的要求：我需要更多的数据，而且它只能用于更少的场景。假设一家 AI 应用公司现在有 20 个场景在用大模型，过去做后训练之后可能只能替换 4 个场景，但现在能替换的场景变成了 16 个，我做一次后训练的经验，可以更多地被复用了。也就是说，这个 ROI 在过去是很不值得的，但现在变得值得了。各种原因叠加导致后训练的可达性提高了，复用性也提高了，进而让很多 AI 应用公司开始做这个选择。
同时，现在的后训练生态设施也更完善了，像 Cursor、Harvey 也是找其他公司帮忙做后训练。
所以我感觉这不一定是个轮回（大模型进步快就靠大模型、进步慢了就自己搞后训练），而是从这个时间点开始，后训练就成了一种固有的选择，不会再倒退回去了。当基础智能跨过泛化门槛，就能满足很多低阶需求；这些低阶需求不需要更顶级的模型，并且它们还在不断向大众扩散。
我自己的看法是： 第一，可用于后训练的开源模型数量大大增加，且开源与闭源模型的差距在缩小，尤其是国内公司卷得飞起，通通都开源。
第二，更重要的原因是开源模型的智能水平跨过了一个分水岭，本身的泛化能力足够强了。如果去年这时候用 R1 做后训练，即便拥有现在的后训练基础设施，也没办法很好地应用到具体业务中，因为业务场景千变万化，底座推理模型本身需要具备足够被泛化的智能，而这在上一代还不够明显。特别是大多数应用公司训不了太大的模型，但现在一个 27B 的千问，至少在 Benchmark 上就能比肩 Opus 4.6，这个压缩水平是非常夸张的。
为什么这个原因很重要？是因为如果用一个本身基础智能水平不到位的模型来做后训练，其实对AI 应用公司有更高的要求：我需要更多的数据，而且它只能用于更少的场景。假设一家 AI 应用公司现在有 20 个场景在用大模型，过去做后训练之后可能只能替换 4 个场景，但现在能替换的场景变成了 16 个，我做一次后训练的经验，可以更多地被复用了。也就是说，这个 ROI 在过去是很不值得的，但现在变得值得了。各种原因叠加导致后训练的可达性提高了，复用性也提高了，进而让很多 AI 应用公司开始做这个选择。
同时，现在的后训练生态设施也更完善了，像 Cursor、Harvey 也是找其他公司帮忙做后训练。
所以我感觉这不一定是个轮回（大模型进步快就靠大模型、进步慢了就自己搞后训练），而是从这个时间点开始，后训练就成了一种固有的选择，不会再倒退回去了。当基础智能跨过泛化门槛，就能满足很多低阶需求；这些低阶需求不需要更顶级的模型，并且它们还在不断向大众扩散。
9 13
发现最近有一些信号，又开始讨论 AI 应用公司应该做后训练了。其实我感觉在去年下半年到今年上半年，对此反对的声音是居多的。可能又到了一个新的时间点，后训练又开始 work 了。自己做后训练，又成了一个 AI 应用公司应该考虑的选项。
23 620
这条帖子已经 900 多个赞了，我越来越相信自然且充分的上下文环境对 AI 产品智能上限的提升作用，这就是例子之一。
我在生活中实践，也在工作中参与。提升 AI 产品的智能上限，来自于两个东西：一个是模型本身的不断迭代，一个是制造更好的上下文环境。
模型的迭代我大概率参与不了，也缺乏兴趣。但我相信做一个好的 AI 产品，给模型更好的上下文，这是我的热情所在，也是我坚信的东西。
这个上下文不是用户吐出来的那几百个提示词，而是通过构造一种环境，让模型天然获取用户的信息。
首先，一个前提假设是：没有产品的能获取用户全部的上下文，除了Claude Code 这种 bug 级的产品及其之上构建的生态，暂且不表。
现在不同的产品在 bet 不同类型的上下文：有的做桌面记忆，通过持续录屏获取桌面上下文；有的做 AI IM，获取工作或生活中的 IM 上下文；有的做 SaaS 和企业知识库，等等等等。
但我觉得一个用户每天说过的话和听到的话，是所有可获取的上下文里 ROI 最高的。
为什么 ROI 最高？首先处理方式极其成熟，就是 ASR 和说话人分离。任何人做音频产品，稍微努努力，ASR 都不会做太差的。用成熟的商业化方案，加可控的个性化适配，做不到绝对第一名，但保持在 T0 档位是有可能的——这是物理限制决定的。成本可控，效果可控。
但信息含量极高。你想想，你每天的桌面、IM、邮箱、企业软件，有一个比你每天说过的话和听到的话信息含量更高吗？
如果再带上视频，确实信息含量会更高。但语音加视频比纯语音所带来的信息增量，远远低于要处理这些视频的成本，无论是续航的成本还是模型的成本。
处理成本低，信息质量高，收集成本低，可挖掘程度高——这是性价比最高的上下文。
基于这个上下文，构建对用户的长期记忆和理解，帮用户完成任务。这种方式一定能诞生一个百亿估值的公司或部门。当然有可能不是我们，但这个赛道一定会有成功的出现。
这是我所相信的事情，也欢迎感兴趣的同学来参与。我们现在急招 Agent 工程师和后端工程师，可以直接评论或私信我，或签名档加我微信。
我在生活中实践，也在工作中参与。提升 AI 产品的智能上限，来自于两个东西：一个是模型本身的不断迭代，一个是制造更好的上下文环境。
模型的迭代我大概率参与不了，也缺乏兴趣。但我相信做一个好的 AI 产品，给模型更好的上下文，这是我的热情所在，也是我坚信的东西。
这个上下文不是用户吐出来的那几百个提示词，而是通过构造一种环境，让模型天然获取用户的信息。
首先，一个前提假设是：没有产品的能获取用户全部的上下文，除了Claude Code 这种 bug 级的产品及其之上构建的生态，暂且不表。
现在不同的产品在 bet 不同类型的上下文：有的做桌面记忆，通过持续录屏获取桌面上下文；有的做 AI IM，获取工作或生活中的 IM 上下文；有的做 SaaS 和企业知识库，等等等等。
但我觉得一个用户每天说过的话和听到的话，是所有可获取的上下文里 ROI 最高的。
为什么 ROI 最高？首先处理方式极其成熟，就是 ASR 和说话人分离。任何人做音频产品，稍微努努力，ASR 都不会做太差的。用成熟的商业化方案，加可控的个性化适配，做不到绝对第一名，但保持在 T0 档位是有可能的——这是物理限制决定的。成本可控，效果可控。
但信息含量极高。你想想，你每天的桌面、IM、邮箱、企业软件，有一个比你每天说过的话和听到的话信息含量更高吗？
如果再带上视频，确实信息含量会更高。但语音加视频比纯语音所带来的信息增量，远远低于要处理这些视频的成本，无论是续航的成本还是模型的成本。
处理成本低，信息质量高，收集成本低，可挖掘程度高——这是性价比最高的上下文。
基于这个上下文，构建对用户的长期记忆和理解，帮用户完成任务。这种方式一定能诞生一个百亿估值的公司或部门。当然有可能不是我们，但这个赛道一定会有成功的出现。
这是我所相信的事情，也欢迎感兴趣的同学来参与。我们现在急招 Agent 工程师和后端工程师，可以直接评论或私信我，或签名档加我微信。
许涵之: 我和女朋友异地，每天晚上用飞书会议聊天。飞书有文字纪要，所以我攒下了五六百篇我们的聊天。 我让 Claude Code 基于这些纪要去理解女朋友的偏好，帮我推荐礼物，推荐得特别好。大节日礼物、每次从北京出差带回去的几十块小礼物，它推荐的都特别准。比如女朋友喜欢甜酷风的东西，我自己都不知道——但她说过，她说过但是我没记下来，AI 能抽出来。她说过她的 AppleWatch 表带发黄了，她真的说过这句话，我也记得，但我想不到要再买个新表带，AI 就知道。 她觉得脸上有些痘印，皮肤变得暗沉发黄，很苦恼，Claude Code 推荐了美容仪。我同时用了 ChatGPT、Claude、Gemini的 deep research，也用了 Claude Code去调研具体买哪款美容仪。Claude Code 效果比其他的都好——要知道，Claude Code 是没有专门为 Deep Research 适配过的（至少我当时还没有体验到），它只是简单地做一轮又一轮的搜索，但它只要有了上下文，哪怕只是做简单的的搜索，都比专门做深度搜索的工具更好，因为上下文能带来更精准的判断。它知道我女朋友脸部的各种细节描述，知道我女朋友的各种购物偏好。所以能推出更精准的美容仪。那些专门做深度搜索的工具就很差，因为它只有我说的那几百字。 大模型是预测。当你的上下文不充分，它的预测就是给你一个最平均的回答，也许这个平均的回答已经很好了。但当你给它的上下文足够充分，你会对它施加一个强大的引力和扭转，它会给你一个更好的回答——也许这个回答在大众的意义上并不是最好的，但它对你就是最好的。
11 15
我经常用 AI 来搜索。现在 AI 搜索很牛逼，比如 ChatGPT，即刻、小宇宙甚至实习僧的信息也能搜到，但有些很好的数据源却没有什么通用 AI 搜索产品能触及，比如微信、小红书、Discord、Twitter等等。
PC 互联网时代，谷歌几乎能搜到一切，而移动互联网时代，主流 APP 们都建了一堵墙，数据都封闭在自己的体系内。
但 Agent 打开了一种可能性。如果 Agent 有一个人电脑的所有权限，就可以让它可以跨越所有 APP 的城墙，帮人搜索。
我正在迭代一个 Skill， 我管它叫 OpenSearch，内容就是教 Agent 如何搜小红书、如何搜微信等等。当我提出一个搜索主题的时候，这个 Agent 就可以帮我搜索，它既能使用现成的网络搜索，也能搜索各种网站和 APP，还能直接获取通用的AI 搜索产品的结果，比如直接通过 browser use 使用 ChatGPT 的 DeepResearch，最后综合三者的结果来回答我。
比如竞品分析。我想分析 Manus，ChatGPT 只能搜 Reddit 和 Twitter。但 Agent 可以进入 Manus 的 Discord，把所有频道的信息读一遍，私信某个反馈过问题的用户，针对他的问题进一步追问，拿到结果写到竞品分析报告里。这个事情只有人或者 Agent 能做到。
再比如做旅行攻略。我跟女朋友爱自由行，体验更舒服，但也意味着要做大量的攻略，签证、订机票、订酒店、看景点、吃饭购物、交通出行等等。小红书是做旅行攻略最好的数据源，没有之一，但小红书的 AI 又很拉。我就让 Agent 先搜小红书再做旅行攻略，它既有 Claude 的智能，又有小红书的所有信息，做出来的攻略效果就很好。
但 Agent 搜小红书也有很多坑点。比如电脑上点开一个帖子，图片可以左右滑，往下翻是评论，可我发现 Agent 就只读正文，不看图片，也不看评论。看公众号、网页只读正文也没问题，但小红书的图片和评论是很有信息量的，可并没有人告诉 Agent，小红书的图片和文字应该一起被利用。
再比如我让 Agent 最后输出的 MD 文档要包含所有的小红书来源链接，结果它一开始给的链接都是错的。因为小红书点开一个帖子，出来个弹窗之后，浏览器的地址不会变，那个并不是帖子的地址，Agent 误以为是，实际上帖子的地址要点右下角那个链接按钮才能获得。
造成这些麻烦的根源是：没有人教 Agent 怎么用小红书。因为这些产品还是适配于人的，而非适配于 Agent，且他们大概率也不想去适配，但我总觉得这会是个趋势。
Agent 搜小红书、搜微信、搜 Discord，每个平台都有各自的 UI 逻辑和风控策略，我把用法持续迭代进 skill ，它才变得慢慢好用起来 。
还有，人搜索有一个很厉害的地方——人不光可以看，还可以问。做旅游攻略的时候，我在评论区发现一个想追问的问题，我可以直接问那个人：姐妹你这个地方有答案了吗？比如签证的某个细节到底怎么填，我是个特殊身份到底该怎么办等等。但 ChatGPT 只能搜，做不了这种事，而 Agent 可以，它有权限直接发一条评论去问，过一段时间回来收集答案。
因为我自己在用，所以我也在想，Agent 会不会有可能让我们回到那个 open search 的时代。互联网时代没有 APP 的墙，谷歌什么都能搜；移动互联网加了墙；现在我们可以 Agent 把这个墙再打破吗？
PC 互联网时代，谷歌几乎能搜到一切，而移动互联网时代，主流 APP 们都建了一堵墙，数据都封闭在自己的体系内。
但 Agent 打开了一种可能性。如果 Agent 有一个人电脑的所有权限，就可以让它可以跨越所有 APP 的城墙，帮人搜索。
我正在迭代一个 Skill， 我管它叫 OpenSearch，内容就是教 Agent 如何搜小红书、如何搜微信等等。当我提出一个搜索主题的时候，这个 Agent 就可以帮我搜索，它既能使用现成的网络搜索，也能搜索各种网站和 APP，还能直接获取通用的AI 搜索产品的结果，比如直接通过 browser use 使用 ChatGPT 的 DeepResearch，最后综合三者的结果来回答我。
比如竞品分析。我想分析 Manus，ChatGPT 只能搜 Reddit 和 Twitter。但 Agent 可以进入 Manus 的 Discord，把所有频道的信息读一遍，私信某个反馈过问题的用户，针对他的问题进一步追问，拿到结果写到竞品分析报告里。这个事情只有人或者 Agent 能做到。
再比如做旅行攻略。我跟女朋友爱自由行，体验更舒服，但也意味着要做大量的攻略，签证、订机票、订酒店、看景点、吃饭购物、交通出行等等。小红书是做旅行攻略最好的数据源，没有之一，但小红书的 AI 又很拉。我就让 Agent 先搜小红书再做旅行攻略，它既有 Claude 的智能，又有小红书的所有信息，做出来的攻略效果就很好。
但 Agent 搜小红书也有很多坑点。比如电脑上点开一个帖子，图片可以左右滑，往下翻是评论，可我发现 Agent 就只读正文，不看图片，也不看评论。看公众号、网页只读正文也没问题，但小红书的图片和评论是很有信息量的，可并没有人告诉 Agent，小红书的图片和文字应该一起被利用。
再比如我让 Agent 最后输出的 MD 文档要包含所有的小红书来源链接，结果它一开始给的链接都是错的。因为小红书点开一个帖子，出来个弹窗之后，浏览器的地址不会变，那个并不是帖子的地址，Agent 误以为是，实际上帖子的地址要点右下角那个链接按钮才能获得。
造成这些麻烦的根源是：没有人教 Agent 怎么用小红书。因为这些产品还是适配于人的，而非适配于 Agent，且他们大概率也不想去适配，但我总觉得这会是个趋势。
Agent 搜小红书、搜微信、搜 Discord，每个平台都有各自的 UI 逻辑和风控策略，我把用法持续迭代进 skill ，它才变得慢慢好用起来 。
还有，人搜索有一个很厉害的地方——人不光可以看，还可以问。做旅游攻略的时候，我在评论区发现一个想追问的问题，我可以直接问那个人：姐妹你这个地方有答案了吗？比如签证的某个细节到底怎么填，我是个特殊身份到底该怎么办等等。但 ChatGPT 只能搜，做不了这种事，而 Agent 可以，它有权限直接发一条评论去问，过一段时间回来收集答案。
因为我自己在用，所以我也在想，Agent 会不会有可能让我们回到那个 open search 的时代。互联网时代没有 APP 的墙，谷歌什么都能搜；移动互联网加了墙；现在我们可以 Agent 把这个墙再打破吗？
93 1918
使用 Claude Code 级别的 AI 进行工作产出的几个经验性习惯：
1. 对 AI 的追问做出回应
Claude Code 完成任务后，有较高比例会主动提出下一步要做什么。其中 80% 都没什么用，但如果忽略它，它可能会一直提，影响它的判断。所以要回应它的这些追问，哪怕只是简单地告诉它不用做这些。
就好像我们带一个实习生一样。实习生很积极，有想法，但很多想法不对，那就要告诉他或纠正他，防止他一直沿着这种想法走偏。
2. 尽量让 AI 来修改 AI 的产出
AI 的产出，尽量让 AI 来修改，而不要自己修改。如果实在要自己修改，请告诉它你修改过，且让它读一遍，再和它进行下一步的任务。
BTW：我在 claude.md 文件中有要求：如果 Claude Code 最终的产出包含文件，请在某个我指定的默认文件夹下建一个子文件夹，把这些产出放到这个文件夹下，且 Git 初始化。每次运行任务前，检测这个文件夹有没有变动，有的话，帮我进行一次手动提交。每次完成任务后，自己进行一次手动提交，以保存我和它的所有修改，且将我和它的修改进行区分。
3. 对 Claude Code 提出修改意见时，下意识思考如何让它一步到位完成结果
对 Claude Code 提出任何修改意见时，请下意识地思考：我要怎样修改、完善我的 claude.md 和 skill.md 文件，或者请它帮我完善这两个文件，能让它一步到位地实现我的想法，而不需要我再给出这些修改意见。
4. 最重要的：将最终产出反馈给 Claude Code
如果 Claude Code 交付了成果，我最终应用了一部分，成为了我的实际产出，请把这个产出发回给 Claude Code，让它思考要怎样善 claude.md 和 skill.md ，才能更趋近于这个产出的结果。
把 Claude Code 当成一个实习生。实习生渴望成长，渴望反馈，渴望有闭环。我们要给它这个闭环，帮助它成长。
进一步地，关于第四点，特别是对于重复性工作，可以借助此让 AI 实现“自进化”。
以我的周报文档为例： 我让 AI 基于我所有的文档和消息，按照一定的格式撰写周报。它本地会留存一份它写的 MD 版本，且它会直接填充到飞书文档上。我会修改这个飞书文档的版本作为我的正式交付。等到下一周，它会首先比较它生成的原始 MD 文档版本和我最终交付的飞书文档版本，思考怎样完善它的 skill.md ，才能尽可能让它的产出无限趋近我的产出，然后基于新的 skill.md 再生成新的周报，循环往复。
我非常惊叹于 Claude Code 的自进化能力。第一周的时候，它写的周报大概只有 20% 的东西能用。这样迭代了两次，等到第三周的时候，它写的东西竟然能有 90% 的东西可以直接用了。
除此之外，还有让 AI 帮我做简历评估。每天通过 Broswer Use 拉取飞书招聘中简历待评估列表中所有它还没评估的简历，帮我自动评估是否通过，理由如何。
一开始做得不好，后来我突然联想到了周报的这个自进化过程，让它每次在评估之前，先拉取我过去所有的我最终拍板的面试评价和简历评估，以及它本地原始的简历评估，并自行思考要怎样评估才能更接近我的判断，然后它再对最新的简历进行评估，不断自进化。
包括我让 Claude Code 帮我做面前准备，通过 browser-use 拉取所有的简历、作品集、评语、附件和网站，然后帮我整理面试者的基本信息。同时，基于对我的工作的理解和岗位需求的理解，准备一些个性化的问题。
在每天读取未来的面试列表做面前准备之前，我也会让它去读一下我过去面试的转写逐字稿，看看我真的会问哪些问题。如果有些问题我问了，但它在准备时没考虑到，它应该如何调整才能更接近我真实的面试流程，从而实现自进化。
我了解到 Hermes Agent 也有自进化的概念，但它的自进化本质上是面向过程进化来优化 token 效率，而不是面向结果的。因为作为一个通用产品，它无法对结果的好坏进行评估，也就无法基于结果进行自进化。
但个人使用的话，结果好坏的置信度是非常高的，可以让 AI 基于结果来自进化。进化的载体就是 claude.md 和 skill.md。虽然这样做会导致太个性化、无法泛化，但对个人使用来说完全不是问题。
当我真正用熟这个体验后，我突然联想到这可能也是一种 continual learning。怎么联想到的呢，因为我发现这种自进化竟然也有类似灾难性遗忘的问题。我发现它为了弥合最近一段时间的简历评估结果，会导致过拟合。如果真的让它再回测之前的评估，大概会有偏离。但这些任务本身都很消耗 token，目前不太好回测。
目前对于简单的问题有比较好的解法。例如我让它做自动的 bug 优先级分类，每次分类完都会通过飞书消息发给我，我会告诉它哪些分得不合理。因为 bug 描述和分类消耗的 token 很少，所以我直接把历史数据全部存档了。当它有大的 skill 优化时，就回测一下过去所有的分类方法，保证不要过拟合到当下的 case。这有点像它同时负责评测提分和构建评测集，既当裁判又当运动员。对于简单问题来说这没什么问题，但对于复杂问题，很难让历史数据全部回归一次。目前只能依赖它自身的通用能力，配合提示词来防止过拟合。
1. 对 AI 的追问做出回应
Claude Code 完成任务后，有较高比例会主动提出下一步要做什么。其中 80% 都没什么用，但如果忽略它，它可能会一直提，影响它的判断。所以要回应它的这些追问，哪怕只是简单地告诉它不用做这些。
就好像我们带一个实习生一样。实习生很积极，有想法，但很多想法不对，那就要告诉他或纠正他，防止他一直沿着这种想法走偏。
2. 尽量让 AI 来修改 AI 的产出
AI 的产出，尽量让 AI 来修改，而不要自己修改。如果实在要自己修改，请告诉它你修改过，且让它读一遍，再和它进行下一步的任务。
BTW：我在 claude.md 文件中有要求：如果 Claude Code 最终的产出包含文件，请在某个我指定的默认文件夹下建一个子文件夹，把这些产出放到这个文件夹下，且 Git 初始化。每次运行任务前，检测这个文件夹有没有变动，有的话，帮我进行一次手动提交。每次完成任务后，自己进行一次手动提交，以保存我和它的所有修改，且将我和它的修改进行区分。
3. 对 Claude Code 提出修改意见时，下意识思考如何让它一步到位完成结果
对 Claude Code 提出任何修改意见时，请下意识地思考：我要怎样修改、完善我的 claude.md 和 skill.md 文件，或者请它帮我完善这两个文件，能让它一步到位地实现我的想法，而不需要我再给出这些修改意见。
4. 最重要的：将最终产出反馈给 Claude Code
如果 Claude Code 交付了成果，我最终应用了一部分，成为了我的实际产出，请把这个产出发回给 Claude Code，让它思考要怎样善 claude.md 和 skill.md ，才能更趋近于这个产出的结果。
把 Claude Code 当成一个实习生。实习生渴望成长，渴望反馈，渴望有闭环。我们要给它这个闭环，帮助它成长。
进一步地，关于第四点，特别是对于重复性工作，可以借助此让 AI 实现“自进化”。
以我的周报文档为例： 我让 AI 基于我所有的文档和消息，按照一定的格式撰写周报。它本地会留存一份它写的 MD 版本，且它会直接填充到飞书文档上。我会修改这个飞书文档的版本作为我的正式交付。等到下一周，它会首先比较它生成的原始 MD 文档版本和我最终交付的飞书文档版本，思考怎样完善它的 skill.md ，才能尽可能让它的产出无限趋近我的产出，然后基于新的 skill.md 再生成新的周报，循环往复。
我非常惊叹于 Claude Code 的自进化能力。第一周的时候，它写的周报大概只有 20% 的东西能用。这样迭代了两次，等到第三周的时候，它写的东西竟然能有 90% 的东西可以直接用了。
除此之外，还有让 AI 帮我做简历评估。每天通过 Broswer Use 拉取飞书招聘中简历待评估列表中所有它还没评估的简历，帮我自动评估是否通过，理由如何。
一开始做得不好，后来我突然联想到了周报的这个自进化过程，让它每次在评估之前，先拉取我过去所有的我最终拍板的面试评价和简历评估，以及它本地原始的简历评估，并自行思考要怎样评估才能更接近我的判断，然后它再对最新的简历进行评估，不断自进化。
包括我让 Claude Code 帮我做面前准备，通过 browser-use 拉取所有的简历、作品集、评语、附件和网站，然后帮我整理面试者的基本信息。同时，基于对我的工作的理解和岗位需求的理解，准备一些个性化的问题。
在每天读取未来的面试列表做面前准备之前，我也会让它去读一下我过去面试的转写逐字稿，看看我真的会问哪些问题。如果有些问题我问了，但它在准备时没考虑到，它应该如何调整才能更接近我真实的面试流程，从而实现自进化。
我了解到 Hermes Agent 也有自进化的概念，但它的自进化本质上是面向过程进化来优化 token 效率，而不是面向结果的。因为作为一个通用产品，它无法对结果的好坏进行评估，也就无法基于结果进行自进化。
但个人使用的话，结果好坏的置信度是非常高的，可以让 AI 基于结果来自进化。进化的载体就是 claude.md 和 skill.md。虽然这样做会导致太个性化、无法泛化，但对个人使用来说完全不是问题。
当我真正用熟这个体验后，我突然联想到这可能也是一种 continual learning。怎么联想到的呢，因为我发现这种自进化竟然也有类似灾难性遗忘的问题。我发现它为了弥合最近一段时间的简历评估结果，会导致过拟合。如果真的让它再回测之前的评估，大概会有偏离。但这些任务本身都很消耗 token，目前不太好回测。
目前对于简单的问题有比较好的解法。例如我让它做自动的 bug 优先级分类，每次分类完都会通过飞书消息发给我，我会告诉它哪些分得不合理。因为 bug 描述和分类消耗的 token 很少，所以我直接把历史数据全部存档了。当它有大的 skill 优化时，就回测一下过去所有的分类方法，保证不要过拟合到当下的 case。这有点像它同时负责评测提分和构建评测集，既当裁判又当运动员。对于简单问题来说这没什么问题，但对于复杂问题，很难让历史数据全部回归一次。目前只能依赖它自身的通用能力，配合提示词来防止过拟合。
40 112