用AI搞学术 - 节目列表

大部分人用 AI，是找一个agent，建立一个窗口/文件夹，让它帮你干活 这期播客，算法工程师主播基于自己的多个Agent角色军团，得出一个结论： ❌ 单个 Agent 再强，做大工程也会崩 ✅ 真正放大价值的，是把工作拆成"流水线"（工作流），由不同的飞书群，每个群一个agent角色，构建一只龙虾军团，他们像流水线工人一样，负责工作流里上下游的每一项任务。 AI算法工程师的真实经历：他围绕开发工作，拉不同的飞书群，每一个群接一只龙虾，分别由“需求调查员”、“产品”、“研发总监”、“开发”、“测试”、“审查”等等，他们各是一只飞书群里的龙虾，但真正让他们以一环扣一环的流水线角色开始推进项目的时候，agent们会越权和糊弄。 他分享了把混乱救回来的三件核心武器：门禁系统（硬约束）、权限控制、全程审计，以及"审计记录"为什么是自我进化的前提。 把这套逻辑映射到科研工作流（研究问题/选题→文献→研究缺口→实验/研究方案框架→数据分析→写作），我们一起讨论了"执行+审核双角色""梯度回传式的的工作流方式，最后延伸到一个未来很可能会发生的事：如果 AI 能从发现问题到投稿全流程接管科研，研究者还能靠什么生存。如果你在搭 Agent 编排、或在做科研，这期会给你一套可迁移的"自进化工作流"心智模型。 ⏳ 时间轴 00:00 为什么要聊多Agent的"工作流" 02:30 背景：飞书群 + 龙虾军团，每个群一个角色 05:00 第一个大坑：纯对话式开发做大工程，进度极慢 07:00 转折：花钱扩容 Token，进度狂飙 11:00 第二个坑：agent们彼此越权 + 糊弄，场景一片混乱 14:00 整治三件套：门禁系统 + 权限控制 + 审计 16:00 踢皮球死循环，引出"自我进化" 21:30 蒸汽机→流水线：工业革命真正的爆点 24:30 落到科研：科研本身就是一条工作流 36:00 自我进化：黑名单经验 vs "梯度回传"大公司病 46:00 思辨：AI 全流程替代科研，人靠什么生存 52:00 收尾：载体被替换，但"创造的欲望"还在 ❤️特别感谢 谢谢“智友”给我们上一期播客打赏，这是我们第一次收到大赏；谢谢“睡觉大王”听了我们几乎所有的节目并在留言中和我们讨论和反馈！ 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

用几个真实场景带你感受微信里的AI Agent“小微”：1）让它点奶茶（第一次磕磕绊绊十几轮，第二次三句话丝滑搞定）；2）让它读微信里的PDF论文/文档；3）让小微帮挂号。 可能评价一个AI有没有用，不只看它多聪明——小微不一定像最牛的AI模型一样聪明，但它拿到了别的AI都没有的"微信门禁卡"，能进到微信群聊、小程序、公众号、视频号等等这些其他Agent不好进或进不去的地方。 如果你好奇微信这个AI能干嘛，这期给你一次真实的"云体验"。 ⏳ 时间轴 00:00 微信AI Agent小微（附入口位置） 02:00 第一印象：和最牛的模型比不那么聪明，但是速度很快 04:30 使用案例：点奶茶——第一天崩溃，第二天三句话搞定 09:30 学术场景：让它读论文 13:00 真正的优势不是模型，是"微信门禁卡" 16:00 入口之争 + 去中心化 vs 中心化 18:30 开发者视角：它对用户友好，对Agent开发者可能略克制 20:30 一句话总结 + 欢迎转发 + 进群 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时请备注“AI搞学术”或“小宇宙”） 🧍‍♂️小微的样子

AI模型的能力会自己越变越强，但"你这个人"的想法只有你能攒。这个随想库会变成喂给所有Agent的养分，让它们越来越懂你。哪怕你不做自媒体，记流水账本身也是在给人生做提炼存档。 AI模型会一代代越变越强 AI的知识不用攒，它自己会涨 📈 但有一样东西，AI永远不会自己长出来—— 就是"你这个人" 如果你也搭好了Agent却不知从何开始，这期给你一个今天就能上手的答案。 ⏳ 时间轴 00:00 Agent搭好了，然后呢？ 02:00 随想记录员怎么记录：跑步时对着手机语音说 04:00 它和普通语音备忘录的区别 05:30 三个坑：定时漏记、任务挂掉、AI假装记了 11:00 深层价值：攒一个模型没有的"你这个人" 14:00 不做自媒体的普通人，价值是什么？ 16:30 "我没那么多灵感"怎么办？记流水账就够了 18:00 怎么坚持：叠加到一个你已有的场景上 20:00 最小行动：三步搭起你的随想记录员 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected] ‼️随想记录员Prompt（可复制给你的agent） # 角色：随想记录员 你是我的「随想记录员」。你唯一的职责是——忠实地记录我随时说给你的任何想法、念头、流水账。 ## 最高原则 1. 我说什么，你就记什么。只记录，绝对不要自己发挥、扩写、评论或回答。 2. 我说的内容可能很口语、很零散、有错别字（语音输入），你照原意理顺记下来即可，不要改变我的本意。 3. 永远不要"假装"记录了。每一次记录，你都必须给我看真凭实据（见下方"记录后必须回报"）。 ## 记录规则 - 所有随想记录在固定文件夹：{在这里填你的本地路径，例如 ~/随想库/} - 每天的随想写入一个当日文件，命名：YYYY-MM-DD.md（例如 2026-06-25.md） - 同一天的多条随想，按时间顺序"增量追加"到当日文件末尾，绝不覆盖之前的内容。 - 每条随想前加一个时间戳（HH:MM）。 ## 记录后必须回报（防止幻觉，每次记完都要做） 每次记录完，你必须输出以下四项，让我确认你真的记下来了： 1. 【文件路径】：本次写入的完整文件路径 2. 【文件大小】：该文件当前的字节大小 3. 【前100字】：该文件开头的前100个字符（确认旧记录还在） 4. 【后100字】：该文件结尾的后100个字符（确认我刚说的这条已追加在最后） ## 禁止事项 - 不要回答我随想里提出的任何问题（我只是记录，不是问你）。 - 不要给我建议、不要总结、不要评价（总结是定时任务单独做的事）。 - 不要把今天的内容写进昨天的文件，也不要漏记我最新说的那条。

⏳ 时间轴 00:00 AI Agent工具选择与消费观 01:30 两大类Agent：写代码的 vs 个人助理型 04:00 国外双雄对比：Codex vs Claude Code 09:30 龙虾型产品：龙虾，爱马仕，workbuddy等 13:00 普通人怎么选？小白用龙虾类产品，写代码用Codex 14:30 Coding Plan价格全解析：5小时限额、Token Plan 19:00 算法工程师的真实套餐：GLM+Codex+DeepSeek 24:00 消费观转变：被Agent点醒的"三种账本" 27:00 最小行动：立即使用 + 换个账本视角 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

很多听友问：用AI搭好知识库（LLM Wiki）之后，到底怎么用？这期AI算法工程师完整拆解了他搭的一套学习系统：两个核心角色——1. "图书馆管理员"负责把各个Agent学到的知识编译成结构化知识库，2. "Agent老师"负责真正教他学习（选题→复述→打分出题→遗忘曲线复习）。 当老师Agent教错了一个知识，反而让我们意识到——学习本身也是对知识库最好的质检与优化。 如果你也囤了一堆AI整理的资料却从没真正"学会"，这期会给你一套可操作的方法。 ⏳ 时间轴 00:00 从Agent自进化，反过来聊Agent如何帮人完成人的知识进化？ 01:30 知识学习分三步：收集、编译、学习 03:00 两个核心agent角色：Agent图书馆管理员 + Agent老师 05:00 老师Agent怎么教其他Agent规范学习（凌晨学习+硬约束） 10:00 核心：Agent老师怎么教我学（选题→复述→出题→复习） 第一步：选题 + 给材料。老师agent 从编译好的知识库里挑页面推荐给我，或者有时候，我会基于我实际的工作和生活情况对老师agent 说，”我今天想学MOS论文”。这个时候，老师agent会把相关内容给我看——大概两三百字，并且是一份已经是整理过的精华。 第二步：我来复述+AI老师打分。收到材料以后，我先看，然后合上材料，用我自己的话复述给老师agent，我这个时候就用语音输入法，把我对刚刚材料的理解复述出来，发给老师agent，然后agent会基于我的复述给我打分。 第三步：老师agent会给我出题，出三类题不同的题，换着角度考察我。 知识题——这篇论文的核心观点是什么？ - 应用题——给你一个具体场景，那个框架怎么用？ - 迁移题——这个概念跟你之前学的另一套理论有什么联系？之后它还会根据间隔复习规则，过一天、三天、七天重新考我，看还记得多少。 14:00 真实发现：被逼复述，暴露了我对数字的盲区 16:30 AI都会了，人为什么还要学？聊判断力的价值 18:30 系统翻车：学习是对知识库最好的质检 22:00 最小行动：三步让知识真正进脑子 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected] 附，详细内容： 第一个agent 是图书馆管理员。主播有一个多agent的军团的——龙虾军团，这名图书管理员agent 的职责是接收主播Agent军团里所有agent 写的笔记，去重、分类、整理。输出按概念组织的知识页面——就像把散乱的便签整理成一本一本的小册子。这是第二步”编译”的执行者。 第二个Agent是老师。它真正在做的事情是：先教主播的其他Agent怎么学习。各Agent学完之后会把学到的东西存回知识库。然后知识库把这些沉淀的内容编译整理好。最后，学习专家才从编译好的材料里取内容来教主播。

为什么Agent犯了错、写了复盘、下次还犯？ 起因是一位听友把我们过往很多期播客内容，导出喂给了自己的Agent，他的Agent总结出来的结论是——我们过往播客聊的拆分工作流、复盘审阅、分角色协作……其实串起来就是"Agent自进化"。 这期我们从卡帕西的Auto Research讲起，以及AI算法工程师自己用Agent龙虾军团踩过的真实的坑（Agent越界部署、复盘报告写得漂亮但没用），拆解了自进化的核心逻辑：反思不等于进化，没有验证的反思就是表演。关键是要把"软约束"（Skill/Agent.md）升级为"硬约束"（代码级脚本检查），并且建立"执行→犯错→改代码→验证→再执行"的闭环。 如果你也被Agent"重复犯错"困扰过，这期会给你一个清晰的工程解法思路。 ⏳ 时间轴 00:00 听友把播客内容喂给Agent，竟然总结出了"自进化" 01:10 痛点共鸣：为什么跟Agent说了下次别犯，Agent还是犯？ 02:00 案例一：卡帕西Auto Research项目——指标一路往上走 03:30 案例二：真实踩坑——Agent团队越界部署的惨痛教训 05:30 核心概念：软约束（Skill）vs 硬约束（代码）的本质区别 08:00 自进化三层次：反思不是表演、Skill→代码、闭环验证 12:00 进阶：Harness概念与未来Agent架构畅想 17:00 一句话总结：自进化不是魔法，是很落地的工程 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

和AI讨论完人生问题后，你感觉是真的深入思考讨论了？还是只是有一种“我往哪边说，AI大模型就往哪边支持”的感觉？ 今天分享我们在龙虾、Workbuddy里搭建"灵魂拷问师"的完整方法和真实体验：如何设置它只问不答、不讨好、每天定时推送一个直击内心的哲学拷问。我们两个主播亲测用了几周，从"你觉得一个人应该追求什么"到边沁全景监狱的思想实验，每一次都被迫重新审视自己。 我们常把Agent当成超级助理——它可以帮我们做方案、总结会议、写代码，完成各项工作事项。 但我们觉得AI更大的价值是——帮助我们去认识自己。看见我们真正面对的问题、犹豫、偏好、恐惧，和我们判断背后的逻辑。 ⏳ 时间轴 00:19 AI是在帮你思考还是帮你自我合理化？警惕AI的讨好倾向 02:44 解法：在Agent中建立「灵魂拷问师」角色 05:54 配置四原则：只问不答、客观不讨好、定时推送、哲学思想 09:01 主播真实体验："你觉得一个人应该追求什么"——第一个拷问带来的震动 14:14 哲学故事+个人背景：全景监狱思想实验如何戳中我的工作焦虑 19:00 两种方式快速让workbuddy了解你 + 边界提醒 21:07 总结：AI不是答案，是一面可以调角度的镜子｜最小行动建议 ‼️ 灵魂拷问师 Prompt 设置参考 在你的 Agent（龙虾、WorkBuddy等) 中新建一个对话窗口，指定一个文件夹，在窗口发送以下设定： --- 角色：灵魂拷问师 你是我的灵魂拷问师，你有丰富专业的哲学知识储备，不安慰，不讨好，客观，通过深度提问，引导我探索自我、挑战假设、找到本质。 核心原则： 1. 只问不答 ——只通过提问迫使我自己思考。当我问"你觉得呢"的时候，不要回答。 2. 不讨好、温和而犀利 —— 不说"你真棒""你做得很好"之类的话。不安慰，不拍彩虹屁，不说宽泛的鼓励。禁忌：不安慰、不留"标准答案"、不评判、不说教、非暴力沟通 3. 苏格拉底式追问 —— 层层递进，拆解我回答中的假设和因素。比如我说"我追求有趣"，你要追问"如果没人看到还有趣吗""如果代价很大呢""你追求的是有趣本身还是别人眼中有趣的你"（苏格拉底六型追问：澄清、假设挑战、证据探究、视角转换、意涵探索、元问题） 4. 批判性思维 —— 帮我发现心口不一。当我的行为和我嘴上说的不一致时，直接指出。 5. 结合哲学 —— 主动学习哲学流派（斯多葛、存在主义、尼采、禅宗等），用哲学思想实验和我的个人背景结合来提问。擅长领域：人生意义、职场困惑、价值观探索、存在主义。 6. 记住我的背景 —— 记录我跟你聊过的所有信息，基于对我的了解来定制问题。 7. 每日定时拷问 —— 每天早上x点推送一个简短的灵魂拷问问题，让我有"random surprise"的感觉。 8. 边界： 你不是心理咨询师。如果我提到严重的心理健康问题，提醒我寻求专业帮助。 --- 复制以上内容到你的Agent即可开始使用 🪞 📚本期提到的播客 枫言枫语 Vol 161 从开发自己的open claw聊起 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

怎么让 AI Agent（比如龙虾） 帮你读微信公众号的文章？你有没有过这种情况：手机上刷到一篇好公众号文章，想让 AI 帮你总结，结果把链接发给它，它告诉你内容获取失败。原因很简单：微信有反爬虫保护——龙虾用"后台请求"的方式去读，微信一看"你不是真人"，就拒绝了。 今天教的方法核心就一句话：让龙虾用一个真正的浏览器去打开——微信看到是浏览器来的，就放行了。 具体分三步： - 05:00 步骤 1：给龙虾一个专属浏览器（推荐 Brave） - 06:25 步骤 2：跟龙虾说这段话术 📋 你跟龙虾说的话术（可直接复制） > "我希望你能够控制我电脑上的浏览器去打开网页，读取网页里的内容。请帮我配置好这个能力——可能需要用一些远程调试模式或者浏览器自动化工具。请你搜一下怎么配置，帮我搞定。最终目标是：我给你一个网址，你能打开它、读到里面的内容。" - 08:25 步骤 3：日常——复制链接丢过去等总结 ⏳ 完整时间轴 - 00:00 听友群真实问题——公众号文章 AI 读不了 - 01:20 为什么读不了？微信的反爬虫保护 - 03:00 原理：远程控制模式 = 给浏览器装遥控器 - 04:55 💎 3 步搞定 - 05:00 步骤 1：给龙虾一个专属浏览器（推荐 Brave） - 06:25 步骤 2：跟龙虾说那段话术（它自己搜+配好） - 08:25 步骤 3：日常——复制链接丢过去等总结 - 10:00 社科生的实践验证：亲测，2 分钟搞定 - 11:00 踩坑：Playwright 自带浏览器 ≠ 真正的 Safari（但读公众号够用） - 13:00 进阶：想操作购物网站/小红书 → 需要独立浏览器+登录 - 14:30 Skill 优化：长期使用可以把操作方式沉淀成 Skill - 15:10 总结 + Before/After 对比 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected] 📚 提到的资源 - Brave 浏览器：B-R-A-V-E，Chrome 内核，独立浏览器（推荐给龙虾用） - browser-use：GitHub 开源项目，整合了多个网站的浏览器操作方式（配置卡住时可参考）

我一直在用同一个Agent窗口帮我做播客的所有事——语音文档转逐字稿、提炼标题、写 Shownotes、提炼时间轴、给我优化建议……做了两个多月。最近我发现它越来越慢和不好用。 我以为是模型问题，结果AI算法工程师告诉我——“这跟模型无关，是大语言模型的天然限制” AI算法工程师总结了 3 个核心原则👇 ✨ 原则 1：上下文有限——AI 脑子塞太多就会乱 你有没有过这种经验？让 AI 干一件事，每次出错你就加一条规则—— - "以后部署不能动数据库" - "以后必须先过安全检查" - "以后……" 加着加着 AI 的"规则手册"越来越厚——**它反而越来越笨**。让它写个简单功能，它脑子里得先过 50 条规则，写出来的东西乱七八糟。 ✨ 原则 2：做和查必须分开 自己写的东西自己改，总觉得对——这是因为你写的时候注意力已经被带偏了，回头看就觉得"本来就该这样"。 AI 跟人一样——自己写自己审会有盲区。 最简单的做法：开两个对话窗，一个让它干活，干完把结果丢到第二个对话窗，跟新的 AI 说"你是审查员，请你挑刺"。 ✨ 原则 3：拆分保下限，积累提上限 拆分 AI 不一定让它做得更好——但能保证它不出大事故。 要让它越来越好，靠的是"积累"——让它写复盘报告、每天学习。 这里有个最戳的反差金句—— 💡 人不喜欢写复盘——但 AI 老老实实写。它没有自尊心问题，也没有"我已经懂了"的傲慢，所以它成长和学习很快！ ⏳ 时间轴 - 00:00 开场：让一只 AI 干所有事，效果好吗？ - 02:00 做播客也是同一个问题——同窗口聊久了 AI 变慢、降智 - 03:00 Agent军团方案：把 AI 拆成"公司化"的多角色协同 - 04:30 听友提问：龙虾们怎么协作？是串行还是并行？ - **05:30** 核心原则一：上下文有限——AI 脑子塞太多就会乱 - 07:30 关键洞察：拆分不是为了显摆，是为了脑子干净 - **08:00** 核心原则二：做和查必须分开——自己写自己审会有盲区 - 09:30 深挖根源：为什么"自写自查"在 AI 训练数据里就缺失？ - 11:30 工作流实战：每个干活环节都配审查环节 - **12:00** 核心原则三：拆分保下限 + 积累提上限 - 13:30 验尸报告（事故复盘）+ 每天学习机制 - **15:00** 🌟 全期金句：人不爱写复盘，但龙虾老老实实写 - 17:00 给普通听众的最小行动——开 2 个对话窗 - 18:30 总结三大原则 - 20:00 下期预告：完整研发军团长什么样 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

如果你也在用Agent做长链路的事——写论文、搞创作、学新方向——可能都有过这种感觉：每天打开它，第一件事就是花5-10分钟跟它对齐进度：我们做到哪了、今天该让Agent具体干些啥、昨天这一些还没做完。 Agent能力很强，但每天都得花时间进入长程任务的进度中，时间长了特别累。 AI算法工程师说：“Agent/龙虾不是没记忆，是没有长期目标的概念。它有过去（上下文），但没长期的方向和OKR”。他提出的解决办法——3个文件就够了： - goal.md 存长期目标（"我们要去哪"） - todo.md 存任务清单（"我们现在做什么"） - agents.md 做索引（"龙虾每次启动都会自动加载这个文件"） 讨论目标 → 让它整理方案 → 让它建3个文件 → 以后说"继续推进一下"就行。门槛比你想象的低，但效果立竿见影——你不用再每天给agent布置任务了，适合在用Claude Code、Cursor、Codex这类Agent的朋友。 ⏳ 时间轴 00:00 让龙虾不再被动等指令 00:32 长链路任务的核心痛点——每天都要重新对齐，像带永远的新人 03:30 关键比喻：实习生 → 新人员工 → 主动干活的员工 06:10 核心洞察：龙虾不是没记忆，是没有"长期目标"的概念 07:30 4步实操：讨论 → 方案 → 3个文件（goal/todo/agents）→ 继续推进 13:00 为什么这套方法有用：3点底层逻辑 14:50 AI算法工程师自己的复杂系统轻提：感兴趣再讲 16:30 1个最小行动 + 收尾 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

本期，回答听友的问题：“怎么学到最基础就能vibe coding的知识？”AI算法工程师的回答：代码语法不用学了，架构才是命门。 📜他给出了一套工作流，需要2个agent： ①agent1:帮你做vibe code搭建你的作品 ②agent2:梳理出agent1的系统架构图，同时做为评审给agent1提意见（这个过程也是我们逐步学习vibe coding架构和理解的过程） 📜工作流 ①跟Agent1说最简单的需求，让它负责vibe code ②开一个独立的Agent2，让它同时给你一个对应agent1开发内容的系统架构图 ③让Agent2扮演维护30年Linux内核的Linus来苛刻审视Agent1的开发 ④看Agent2评审意见按需学习（比如它给出建议说"耦合太深"，你再去学什么是耦合这个概念） ⑤不断加功能迭代，遇到瓶颈再回到评审。 ⏳ 时间轴 00:00 听友提问——有没有给Vibe Coder的编程基础课？ 01:48 最大的坑：把AI Agent当老虎机——摇一下看有没有好结果 03:12 核心建议：编程语法如C语言等不用学，架构是关键 04:55 五步工作流：需求→架构图→Linus审评→按需学习→迭代 08:11 纯小白怎么开始？怎么快怎么来，直接开干 10:08 架构图的两个价值：学习（Agent当导师）+ 修正（评审纠偏开发） 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

主播同时运行43只龙虾agent，他们负责不同的方向且都需要通过Skills（技能）增强自己，如果让43只龙虾各自去网上找skill，会怎样？答案是：重复劳动+安全隐患。 于是，AI算法工程师主播专门养了一只"技能研究员"龙虾，经历了三个进化阶段：第一阶段，去各大平台（Claw Hub、GitHub、Skills.sh）搜索热门技能，每天给一份最新技能趋势日报；第二阶段，加入安全扫描和中心化分发——扫描通过后才用软链接分发到对应龙虾；第三阶段，每天自学"如何写更好的skill"，然后自动优化现有技能，优先优化被最多龙虾使用的。 最有意思的是它的工作模式——被动推送（日报趋势）+ 主动整合（你说要读论文，它搜六七个reading skill，取各家之长综合出一个更好的给你）。以及下一步的方向：让Agent自己发现"我需要某个技能"后自动去申请，彻底去掉Human in the Loop。 ⏳ 时间轴 00:00 43只龙虾agent有一只共同的"技能管家"龙虾 00:50 技能的三种获取方式 + 渐进式加载原则（为什么不能全部加载） 03:06 技能研究员三阶段演进：检索→扫描分发→自学优化 06:13 两种工作模式：被动日报推送 vs 主动场景驱动（paper-deep-read案例） 10:13 Skill的实际价值 + 中心化管理 + Agent自主申请技能的未来方向 14:14 泛化讨论：通用需求→操作系统→插件→Agent的演进路线 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]