LuliYanng

@weixind 用 syncthing 的双向文件同步，用户可以同步指定的文件夹给 agent 作为工作目录，agent 的结果也能直接通过文件同步的方式把结果直接交付到用户本地。因为云端已经有一个文件同步的副本了，所以即使用户电脑不开机，也是可以让 agent 拥有用户的文件内容来 24h 工作的

已经退坑了 这个产品感觉就像是被 google 放弃了一样，完全用不了

恭喜恭喜，虽然不多，但也是一项“睡后收入”

已经不续费了，这个额度基本没法用，还不如 20$的 claude pro

Agent 开发现在基本就是做围绕大模型的那一层外部的控制，不管是叫 Agent Runtime 也好，或者现在比较流行的 harness 也好，本质就是写代码来控制 llm 的输入和输出。像该怎么将需要的上下文高效的提供给 llm ，怎么设计工具能让 llm 自由组合以发挥最大能力的同时又不会造成 llm 混乱；在上下文快满的时候该怎么压缩历史内容，让 llm 能够在同一个会话继续进行的同时，还能尽量“不忘事”等等。单挑出来就是我们经常听的 Context engineering 、记忆、权限控制这些。llm 只是 Agent 里面的“大脑”或者决策中枢这样的地位，外部的一切都需要代码去写好，也就是 Agent 开发需要去做的。

这个就是现在大模型“记忆”功能的一个大问题。。。因为像 gemini 或者 chatgpt 在网页端，甚至是 antigravity 这种，估计都是把过往的“记忆”直接注入到 system prompt 里面的。而进入到上下文，尤其是 system prompt 里面的内容，就不可避免的会“争夺”大模型的注意力，导致你问啥，llm 都想往这些记忆上靠一靠。而且我感觉很多时候很影响 llm 的表现，尤其是在讨论一些创新一点的内容的时候，会被记忆中现有的东西严重束缚住。有一种“好汉总提当年勇”的感觉。。。感兴趣的可以读一下 every 的这篇文章（ https://every.to/also-true-for-humans/why-i-turned-off-chatgpt-s-memory ），作者不亏是写书的，表达能力比我好多了

我是去看一些个人博客，很多老外会在博客里相互引用，然后就可以一个接着一个的挖掘出不少好文章或者好博客，至于是不是 rss 就无所谓了，反正有空的时候一个个点开来看有没有更新，就跟挖宝藏一样了

我之前也搞过 不过那时候好像这些 GPU serverless 还不成熟，我还是租国内云 GPU 厂商的 7 天特惠 T4 GPU 玩的。至于你说的分离效果，有能力你当然可以自己改进模型😝 不过感觉近些年好像也没什么进展了 当时还想着有没有模型能够强大到把节奏吉他和主奏吉他给分离出来的，不过等了两三年了，似乎没什么消息，估计已经发展到头了吧（至少对于这个领域的需求来说）

不用可能，有了 claw ，连 google 大善人都扛不住了，现在猛地砍额度