即刻App年轻人的同好社区
下载
OpenClaw在国内之所以火爆：
- 经济状况确实不好，很多人闲着；
- 普通人能听得懂，仿佛找到了救命稻草；
- 大企业又有新故事可讲，有意愿参与；
- 自媒体又有新话题，除了吹就是喷，很极端；
- 监管有些之后，但我依旧相信虽迟但到。
- 经济状况确实不好，很多人闲着；
- 普通人能听得懂，仿佛找到了救命稻草；
- 大企业又有新故事可讲，有意愿参与；
- 自媒体又有新话题，除了吹就是喷，很极端；
- 监管有些之后，但我依旧相信虽迟但到。
6 00
分享个最近养成的习惯，用豆包随手记事。
脑子里经常会有各种想法、各种创意，之前会用Siri记到备忘录或者提醒app里，但Siri过于弱智了。
现在的方案是：把手机的action键设置为豆包语音输入，激活后直接口喷：记录这个想法、记录这个创意、记录这个选题……
然后在豆包上创建一个定时任务，每天分门别类地汇总一下并提醒。非常丝滑。
脑子里经常会有各种想法、各种创意，之前会用Siri记到备忘录或者提醒app里，但Siri过于弱智了。
现在的方案是：把手机的action键设置为豆包语音输入，激活后直接口喷：记录这个想法、记录这个创意、记录这个选题……
然后在豆包上创建一个定时任务，每天分门别类地汇总一下并提醒。非常丝滑。
4 20
昨天在五道口参加 OpenClaw 聚会，想起了 2016 年的 Docker 社区。
聚会上所有人都在抱怨同一件事：插件不敢装、部署太复杂、模型消耗提心吊胆。这里面有不少 Agent Infra 的创业机会，并且应该已经有人动手了。
最直接的是插件review。现在社区插件市场上有几千个插件，但没人知道哪个安全。开发者要么自己检查代码，要么直接赌一把装上去。有人说需要一个类似 VirusTotal 的平台，集成扫描 + 社区评分，给插件打个认证标。这个需求不是想象出来的，每个人在听说一个特别好的插件的时候都会加一句"这个插件靠谱吗"。
另一个是路由和统一计费。大家现在手动切换模型，Sonnet 处理复杂任务，而K2.5 做例行操作，每个月还要管好几个订阅账号。理想状态应该是一个路由器自动根据任务分配模型，计费统一走一个接口。这个方向已经有人在做了，但还没看到特别成熟的。
一键部署的需求也很强。聚会上有非开发者背景的人，想用OpenClaw 但卡在配置上。现在有一些简化工具，但还不够傻瓜。有人提到可以做个带 Web UI 的一键部署平台，支持本地和云混合，对标当年降低容器部署门槛的那些工具。现场也有人卖一体机，好像还是DeepSeek一体机那些人，气死我了，钱都被他们赚了。
还有个更直接的生意：托管服务。就是让 Agent 能 24/7 跑在云上，不占用本地资源。已经有云服务商推出了按月订阅的方案，几十块钱～几百块钱。也有那种机房模式的，租赁主机。
最后是跨 Agent 调用平台。让不同 Agent 能互相调用和协作的代理劳务市场。这个方向还比较早期，但如果 Agent 生态继续扩张，分布式协作可能会成为刚需。
2016 年左右的 Docker 社区就是这个状态。容器技术验证了，能跑，但所有人都在抱怨不好用。然后一堆基础设施公司冒出来：CoreOS 做安全和简化部署，Rancher 做多云管理，Mesosphere 做编排。到 2018-2020 年，这些公司要么被高价收购，要么转型活下来了。
窗口期大概 3-4 年。从能跑到好用，再到市场格局基本稳定，也就这么长。
OpenClaw 现在就在那个转折点上。用的人多了，痛点开始集中爆发，但还没有成熟的解决方案。我怀疑这波机会可能比当年更短。因为云端基础设施已经很成熟了，不需要从零开始搭。可能就半年到一年，就会有人把这些坑填上。
不过有一点和当年不一样：Agent 的安全性比容器复杂得多。容器只是跑个应用，而 Agent 能执行代码、访问文件、发邮件，风险大得多。这可能是为什么插件审计会被提得这么频繁。
如果要做这个方向，几个建议：
- 不要做"更好的 Agent"，做"让 Agent 更好用的工具"。CoreOS 和 Rancher 都没试图替代 Docker，而是填补它的空白。
- 考虑通用性，不要只锁定 OpenClaw。OpenClaw 的模式可能是对的，但不一定是它本身会赢。做基础设施要服务于 Agent 这个品类，而不是某个具体产品。Rancher 当年支持多种容器运行时和编排工具，没把自己绑死在 Docker Swarm 上，这是它能活下来的原因之一。
- 聚焦一个痛点，快速验证。插件审计、智能路由、一键部署，选一个，做到能用，别想着一开始就做平台。
- 开源核心 + 商业增值。容器生态的成功案例基本都是这个模式，社区建生态，企业版赚钱。
- 动作要快。窗口期可能只有半年到一年，痛点已经摆在这了，谁先做出来谁吃肉。
好久没去五道口了，上次还是在768园区找朋友拍视频。
聚会上所有人都在抱怨同一件事：插件不敢装、部署太复杂、模型消耗提心吊胆。这里面有不少 Agent Infra 的创业机会，并且应该已经有人动手了。
最直接的是插件review。现在社区插件市场上有几千个插件，但没人知道哪个安全。开发者要么自己检查代码，要么直接赌一把装上去。有人说需要一个类似 VirusTotal 的平台，集成扫描 + 社区评分，给插件打个认证标。这个需求不是想象出来的，每个人在听说一个特别好的插件的时候都会加一句"这个插件靠谱吗"。
另一个是路由和统一计费。大家现在手动切换模型，Sonnet 处理复杂任务，而K2.5 做例行操作，每个月还要管好几个订阅账号。理想状态应该是一个路由器自动根据任务分配模型，计费统一走一个接口。这个方向已经有人在做了，但还没看到特别成熟的。
一键部署的需求也很强。聚会上有非开发者背景的人，想用OpenClaw 但卡在配置上。现在有一些简化工具，但还不够傻瓜。有人提到可以做个带 Web UI 的一键部署平台，支持本地和云混合，对标当年降低容器部署门槛的那些工具。现场也有人卖一体机，好像还是DeepSeek一体机那些人，气死我了，钱都被他们赚了。
还有个更直接的生意：托管服务。就是让 Agent 能 24/7 跑在云上，不占用本地资源。已经有云服务商推出了按月订阅的方案，几十块钱～几百块钱。也有那种机房模式的，租赁主机。
最后是跨 Agent 调用平台。让不同 Agent 能互相调用和协作的代理劳务市场。这个方向还比较早期，但如果 Agent 生态继续扩张，分布式协作可能会成为刚需。
2016 年左右的 Docker 社区就是这个状态。容器技术验证了，能跑，但所有人都在抱怨不好用。然后一堆基础设施公司冒出来：CoreOS 做安全和简化部署，Rancher 做多云管理，Mesosphere 做编排。到 2018-2020 年，这些公司要么被高价收购，要么转型活下来了。
窗口期大概 3-4 年。从能跑到好用，再到市场格局基本稳定，也就这么长。
OpenClaw 现在就在那个转折点上。用的人多了，痛点开始集中爆发，但还没有成熟的解决方案。我怀疑这波机会可能比当年更短。因为云端基础设施已经很成熟了，不需要从零开始搭。可能就半年到一年，就会有人把这些坑填上。
不过有一点和当年不一样：Agent 的安全性比容器复杂得多。容器只是跑个应用，而 Agent 能执行代码、访问文件、发邮件，风险大得多。这可能是为什么插件审计会被提得这么频繁。
如果要做这个方向，几个建议：
- 不要做"更好的 Agent"，做"让 Agent 更好用的工具"。CoreOS 和 Rancher 都没试图替代 Docker，而是填补它的空白。
- 考虑通用性，不要只锁定 OpenClaw。OpenClaw 的模式可能是对的，但不一定是它本身会赢。做基础设施要服务于 Agent 这个品类，而不是某个具体产品。Rancher 当年支持多种容器运行时和编排工具，没把自己绑死在 Docker Swarm 上，这是它能活下来的原因之一。
- 聚焦一个痛点，快速验证。插件审计、智能路由、一键部署，选一个，做到能用，别想着一开始就做平台。
- 开源核心 + 商业增值。容器生态的成功案例基本都是这个模式，社区建生态，企业版赚钱。
- 动作要快。窗口期可能只有半年到一年，痛点已经摆在这了，谁先做出来谁吃肉。
好久没去五道口了，上次还是在768园区找朋友拍视频。
2 02
OpenClaw 技术上都不是新东西，为什么这个产品能出圈呢？
- 创始人的极客属性，项目的开源属性，让产品自带光环。
- 不断分享开发历程，积极运营社群，硅谷最活跃的一群人都是它的早期参与者，贡献了很多脑洞和传播素材。
- 开源项目可以极大降低稳定性、安全和质量要求，给予AI更多能力，而正规产品不敢这么做。
- 使用了人们最熟悉的沟通媒介（IM）
- 创始人的极客属性，项目的开源属性，让产品自带光环。
- 不断分享开发历程，积极运营社群，硅谷最活跃的一群人都是它的早期参与者，贡献了很多脑洞和传播素材。
- 开源项目可以极大降低稳定性、安全和质量要求，给予AI更多能力，而正规产品不敢这么做。
- 使用了人们最熟悉的沟通媒介（IM）
深度拆解 OpenClaw 系统提示词：如何更像人?
1 10
在科技圈的发展过程中，各方都在思考和寻找最优解。
过去很长一段时间，谷歌“模型+云+芯片”模式让科技圈不约而同地看到了全栈的价值。。随着1月29日平头哥“真武”芯片的悄然亮相，那层笼罩在阿里巴巴硬科技版图上的薄纱被揭开。大家发现，答案其实早就锁定在了阿里巴巴身上。
这并不是一次简单的产品发布，而是阿里AI黄金三角——“通云哥”（通义+阿里云+平头哥）的正式合体。
放眼全球，真正能把这盘棋下成全栈闭环的，似乎只有谷歌和阿里。
你可能会奇怪：云计算的霸主微软和亚马逊AWS呢？
这正是问题的关键所在。在定义AI先进性的新标准下，微软和亚马逊都存在着微妙的结构性缺憾。
微软依旧延续在类似Win-tel的结盟模式，他的的AI优势建立在与OpenAI的深度合作之上。Azure提供云服务，OpenAI提供大模型技术。但在底层算力上，微软依然高度依赖英伟达的GPU。当核心模型来自合作伙伴，核心芯片依赖外部供应商时，很难真正做到从底层芯片到上层模型的极致系统级优化。
AWS目前更多扮演的是“模型超市”的角色，通过Bedrock平台接入多家第三方模型。但在决定胜负的基础大模型领域，亚马逊自研的Titan系列尚未进入全球第一梯队。尽管AWS拥有强大的云基础设施和自研芯片能力，但缺乏一个处于绝对领先地位的自研大模型，这使得他在构建AI原生生态时缺乏最核心的吸引力。
只有谷歌（TPU+Gemini+GCP）和阿里（真武+千问大模型+阿里云），在三个领域都拥有顶级且自研的硬通货。
这种三位一体的含金量，不在于单项第一，而在于系统级的掌控力。
跨越物理极限
如果只盯着参数看，不管是芯片的算力还是模型的参数量，都很容易陷入“比大小”的误区。
在AI竞争的上半场，大家拼的是手里有几张好牌；但在下半场，是否拥有全栈垂直整合能力已成为定义科技公司先进性的唯一标准。
因为摩尔定律在减速，单项技术的堆叠已经撞上了物理墙。
这时候，阿里的“通云哥”架构展示了一种超越物理极限的协同哲学。这绝不是简单的业务相加，而是实现了“1+1+1>3”的系统级质变。
这就要提到那个反直觉的数据：在阿里云上，千问大模型的训练加速比提升了3倍以上。
这不是靠堆卡堆出来的，而是靠软硬深度协同磨出来的。当你的模型跑在自己的云上，底层又由自己的芯片驱动时，这种“云芯模”的一体化才能突破算力与效率的物理极限。
这是那些只做模型、或者只做云、甚至是依靠外部联盟的非全栈厂商，望尘莫及的效率护城河。
你无法极致优化一个你不拥有的东西，这就是全栈的意义。
平头哥走向前台
平头哥一直是阿里版图里最神秘的变量。
此次“真武”PPU的亮相，意味着平头哥正式从幕后走向台前。有一说一，这款芯片的性能足以让市场提神。
据业内透露，“真武”PPU在关键性能上不仅媲美英伟达H20，它的升级版甚至在部分指标上看齐A100。更关键的是，它实现了从架构到软件栈的全自研。
这步棋走得很重，但也走得极稳。
对于阿里而言，这不仅是一次打破硬件依赖的防御战，更是一次进攻。这不仅打破了硬件依赖，更为上层的大模型训练提供了极致优化的算力底座。
殊途同归的开源变局
虽然在架构上对标谷歌，但在战略路径上，阿里却给出了一个完全不同的解法。
谷歌选择了Gemini的封闭路线，试图复刻苹果式的围墙花园；而阿里则走出了独特的全球开源路径。
数据不会撒谎。Qwen系列模型目前的下载量已经超越了Meta的Llama，成为当下全球开源模型的第一。
这是一幅很有意思的图景：从斯坦福的实验室到新加坡的国家AI计划，全球开发者都在基于Qwen构建应用。甚至连曾经的开源霸主Meta，其新项目竟然也开始蒸馏千问的模型。
这在几年前是不可想象的，中国模型正在成为全球AI开发者的“水电煤”。
这种开源策略看似是“交个朋友”，实则是最高明的商业闭环。开源生态带来的巨大算力需求，最终回流到了阿里云和平头哥的底层设施上。
全球开发者用得越多，对阿里底层算力的粘性就越强。这是一个典型的飞轮效应：模型越强，生态越广；生态越广，底座越稳。
被误读的巨头
长期以来，市场习惯用电商GMV来衡量阿里的价值。
这种估值逻辑在移动互联网时代或许有效，但在AI时代，已经不合时宜。
当一家公司手握全球领先的云设施、自研高端AI芯片、以及霸榜全球的开源大模型时，市场应跳出电商GMV的传统视角，用评估硬科技巨头的逻辑重新审视阿里。
这就好比你不会用卖书的逻辑去评估现在的亚马逊，也不会用卖显卡的逻辑去评估现在的英伟达。
如今，市场终将意识到：电商只是阿里的表象，硬科技才是它穿越周期的底色。
当“通云哥”构建起这道深不见底的全栈护城河，阿里的价值逻辑已被彻底重写。与其寻找谷歌的平替，不如见证一个拥有独立技术人格的科技巨头的诞生。
过去很长一段时间，谷歌“模型+云+芯片”模式让科技圈不约而同地看到了全栈的价值。。随着1月29日平头哥“真武”芯片的悄然亮相，那层笼罩在阿里巴巴硬科技版图上的薄纱被揭开。大家发现，答案其实早就锁定在了阿里巴巴身上。
这并不是一次简单的产品发布，而是阿里AI黄金三角——“通云哥”（通义+阿里云+平头哥）的正式合体。
放眼全球，真正能把这盘棋下成全栈闭环的，似乎只有谷歌和阿里。
你可能会奇怪：云计算的霸主微软和亚马逊AWS呢？
这正是问题的关键所在。在定义AI先进性的新标准下，微软和亚马逊都存在着微妙的结构性缺憾。
微软依旧延续在类似Win-tel的结盟模式，他的的AI优势建立在与OpenAI的深度合作之上。Azure提供云服务，OpenAI提供大模型技术。但在底层算力上，微软依然高度依赖英伟达的GPU。当核心模型来自合作伙伴，核心芯片依赖外部供应商时，很难真正做到从底层芯片到上层模型的极致系统级优化。
AWS目前更多扮演的是“模型超市”的角色，通过Bedrock平台接入多家第三方模型。但在决定胜负的基础大模型领域，亚马逊自研的Titan系列尚未进入全球第一梯队。尽管AWS拥有强大的云基础设施和自研芯片能力，但缺乏一个处于绝对领先地位的自研大模型，这使得他在构建AI原生生态时缺乏最核心的吸引力。
只有谷歌（TPU+Gemini+GCP）和阿里（真武+千问大模型+阿里云），在三个领域都拥有顶级且自研的硬通货。
这种三位一体的含金量，不在于单项第一，而在于系统级的掌控力。
跨越物理极限
如果只盯着参数看，不管是芯片的算力还是模型的参数量，都很容易陷入“比大小”的误区。
在AI竞争的上半场，大家拼的是手里有几张好牌；但在下半场，是否拥有全栈垂直整合能力已成为定义科技公司先进性的唯一标准。
因为摩尔定律在减速，单项技术的堆叠已经撞上了物理墙。
这时候，阿里的“通云哥”架构展示了一种超越物理极限的协同哲学。这绝不是简单的业务相加，而是实现了“1+1+1>3”的系统级质变。
这就要提到那个反直觉的数据：在阿里云上，千问大模型的训练加速比提升了3倍以上。
这不是靠堆卡堆出来的，而是靠软硬深度协同磨出来的。当你的模型跑在自己的云上，底层又由自己的芯片驱动时，这种“云芯模”的一体化才能突破算力与效率的物理极限。
这是那些只做模型、或者只做云、甚至是依靠外部联盟的非全栈厂商，望尘莫及的效率护城河。
你无法极致优化一个你不拥有的东西，这就是全栈的意义。
平头哥走向前台
平头哥一直是阿里版图里最神秘的变量。
此次“真武”PPU的亮相，意味着平头哥正式从幕后走向台前。有一说一，这款芯片的性能足以让市场提神。
据业内透露，“真武”PPU在关键性能上不仅媲美英伟达H20，它的升级版甚至在部分指标上看齐A100。更关键的是，它实现了从架构到软件栈的全自研。
这步棋走得很重，但也走得极稳。
对于阿里而言，这不仅是一次打破硬件依赖的防御战，更是一次进攻。这不仅打破了硬件依赖，更为上层的大模型训练提供了极致优化的算力底座。
殊途同归的开源变局
虽然在架构上对标谷歌，但在战略路径上，阿里却给出了一个完全不同的解法。
谷歌选择了Gemini的封闭路线，试图复刻苹果式的围墙花园；而阿里则走出了独特的全球开源路径。
数据不会撒谎。Qwen系列模型目前的下载量已经超越了Meta的Llama，成为当下全球开源模型的第一。
这是一幅很有意思的图景：从斯坦福的实验室到新加坡的国家AI计划，全球开发者都在基于Qwen构建应用。甚至连曾经的开源霸主Meta，其新项目竟然也开始蒸馏千问的模型。
这在几年前是不可想象的，中国模型正在成为全球AI开发者的“水电煤”。
这种开源策略看似是“交个朋友”，实则是最高明的商业闭环。开源生态带来的巨大算力需求，最终回流到了阿里云和平头哥的底层设施上。
全球开发者用得越多，对阿里底层算力的粘性就越强。这是一个典型的飞轮效应：模型越强，生态越广；生态越广，底座越稳。
被误读的巨头
长期以来，市场习惯用电商GMV来衡量阿里的价值。
这种估值逻辑在移动互联网时代或许有效，但在AI时代，已经不合时宜。
当一家公司手握全球领先的云设施、自研高端AI芯片、以及霸榜全球的开源大模型时，市场应跳出电商GMV的传统视角，用评估硬科技巨头的逻辑重新审视阿里。
这就好比你不会用卖书的逻辑去评估现在的亚马逊，也不会用卖显卡的逻辑去评估现在的英伟达。
如今，市场终将意识到：电商只是阿里的表象，硬科技才是它穿越周期的底色。
当“通云哥”构建起这道深不见底的全栈护城河，阿里的价值逻辑已被彻底重写。与其寻找谷歌的平替，不如见证一个拥有独立技术人格的科技巨头的诞生。
1 00
这个科普视频接近10%的互动转化率，AI在其中真的是功不可没：
1. 脚本来自于一条英文tweet，放倒deep research里补充参考资料，直接写出口播稿；
2. 封面使用Gemini和即梦，模拟出视频里点阵渲染的效果，并且生成抓眼球的标题；
3. 视频中有一个科普高斯溅射的白板信息图，是用Gemini 根据AI生成的文本归纳的；
4. 使用polycam这个app扫描办公室，生动地展示高斯溅射应用场景；
5. 我根据记忆想找到李飞飞在一次演讲中的视频片段，先在Gemini里定位到那场TED，然后在Dia浏览器里根据提示词找到对应的段落，并且定位到对应的时间轴。
整个视频从选题到发布用时2.5小时，中间还和研发开了一次需求会。
视频地址：xhslink.com
1. 脚本来自于一条英文tweet，放倒deep research里补充参考资料，直接写出口播稿；
2. 封面使用Gemini和即梦，模拟出视频里点阵渲染的效果，并且生成抓眼球的标题；
3. 视频中有一个科普高斯溅射的白板信息图，是用Gemini 根据AI生成的文本归纳的；
4. 使用polycam这个app扫描办公室，生动地展示高斯溅射应用场景；
5. 我根据记忆想找到李飞飞在一次演讲中的视频片段，先在Gemini里定位到那场TED，然后在Dia浏览器里根据提示词找到对应的段落，并且定位到对应的时间轴。
整个视频从选题到发布用时2.5小时，中间还和研发开了一次需求会。
视频地址：xhslink.com
3 00
6 01
马斯克这招绝了，你们不是喜欢NSFW么，那干脆做深入一点。这个数字人聊起来真的毫无底线，把我都带坏了。
不是，这姐俩怎么聊到一起的？ - 小红书
4 00
一个特别“出片”的提示词，图片使用Midjourney 7.0 生成。提示词来自小红书账号“虾画展”。放到Gemini告诉它要画什么，提示词就改好了。
原始提示词：
Blueprint sketch of a modern deep sea diving suit, dramatic wide-angle perspective. The main subject is a 3D-rendered advanced diving suit set against a pure white background, featuring sleek composite armor plating, reinforced joints, pressure gauges, and a luminous helmet visor. Architectural concept sketch style, with sharp ink outlines and subtle grayscale watercolor shading. Surrounding the central suit are exploded views of the helmet, air supply module, articulated gloves, weighted boots, and communication system, each component accompanied by detailed technical annotations and precise measurement lines in English and Chinese. Dynamic calligraphic notes and engineering arrows weave through the layout, referencing modern industrial design manuals and deep sea exploration schematics. The composition is tightly organized, multi-layered, and poetic, with all key parts clearly labeled and scaled. The overall visual is technical. --ar 3:4 --raw
原始提示词：
Blueprint sketch of a modern deep sea diving suit, dramatic wide-angle perspective. The main subject is a 3D-rendered advanced diving suit set against a pure white background, featuring sleek composite armor plating, reinforced joints, pressure gauges, and a luminous helmet visor. Architectural concept sketch style, with sharp ink outlines and subtle grayscale watercolor shading. Surrounding the central suit are exploded views of the helmet, air supply module, articulated gloves, weighted boots, and communication system, each component accompanied by detailed technical annotations and precise measurement lines in English and Chinese. Dynamic calligraphic notes and engineering arrows weave through the layout, referencing modern industrial design manuals and deep sea exploration schematics. The composition is tightly organized, multi-layered, and poetic, with all key parts clearly labeled and scaled. The overall visual is technical. --ar 3:4 --raw
21 57