MacTalk
订阅
MacTalk 开通于2012年末，内容起于 Mac 而不止 Mac，内容覆盖了技术、创业、产品和人文思考。文风有趣，又有一点力量。
MacTalk微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ • 4 / 02
Anthropic 这次尴尬了，源代码泄露了未来的规划。早上看到 A 厂发声明，承认了在发布 Claude Code 的过程中，因为一次人为打包失误，把大约 50 万行内部源代码连同 source map 一起发了出去，其中没有客户敏感数据，没有模型权重，也不是黑客攻击。昨天看了不少源代码分析的文章，还真挺有意思的。比如我们觉得 Coding Agent 一定很多神秘算法，结果 Claude Code 大量依赖 grep、ripgrep 这样的传统文本搜索，至于理解、推理、关联这些事，都是大模型在做：当大脑足够强，脚手架未必需要花哨。系统尽量简单，把复杂性收敛到最有价值的那一层。更有意思的是那些“未来功能”，其中最醒目的一个词是 KAIROS，开发者普遍把它解读为一种常驻后台的守护进程：会话不断线，任务也不必每次从零开始，记忆会持续积累，这意味着 Claude 想做的是一个始终在线、逐步理解项目上下文的智能体，不是什么代码助手。今天大家还在手动 @AI 做事情，后续它可能就在后台替你盯着代码构建、测试和回归过程了。还有两个信号值得注意。一个是多 Agent 协作。之前对外发布的都是实验性功能，但从这次泄露的代码看，Claude Code 内部还在持续打磨和使用这套系统，完成度已经相当高了。它的运行方式很像一个小型软件团队：Leader 负责拆解任务、分派工作，Teammate 异步沟通、并行推进，各自在独立工作区里处理自己的部分，尽量减少相互打扰。 Agent Team 支持同进程隔离、tmux 窗口或者终端分割窗格；每个 Agent 都有独立的 Mailbox 文件系统，用来进行异步通信；每个 Agent 还可以在独立的 Git Worktree 中工作，还有 Team Memory 可以"写共享笔记"。其中的“权限冒泡”机制也很精妙。Teammate 一旦遇到需要确认的操作，请求不会直接抛给用户，而是先往上交给 Leader，由 Leader 判断是否批准。这样一来，用户不会被频繁打断，系统内部却依然保留了清晰的决策链路。另一个是 Auto Mode 和更激进的自动审批思路：尽量减少那些不断弹出的确认框，把低价值的人机往返压缩掉。Auto Mode 我试了试，目前非 Claude 模型还不行，希望这个尽快能开放给第三方模型，天天敲回车也挺累的。最好是我想敲再敲。这次代码泄露，揭示了 Coding Agent 的未来方向：常驻后台、团队化协作、更少打断、更多记忆，甚至带一点人格化外壳。对其他厂应该有参考价值。 用 Happy 远程驱动 Claude Code 分析其泄露的源代码 Claude Code 算是提前露出了 A 厂的野望。
^__^ • 4 / 01
张雪机车，20 年的回旋镖。昨天看到墨问群里在聊张雪，墨问笔记里有写张雪的，我才知道张雪和他的摩托车梦想故事。如果你还不了解张雪，可以看这一篇：突然，张雪火了，铺天盖地的声音，比《飞驰人生》精彩，是墨问夏止于夏老师的作品，非常精彩。我看了他早年视频，印象比较深的是，19 岁骑着摩托车追赶湖南卫视《晚间新闻》节目组的车整整 3 个小时，跑了 100 多公里，当年稚嫩的他对着镜头说：我觉得一个人，不管你是失败还是成功，你年轻的时候没有去做，到老了肯定会后悔。年轻的时候做了，到老了就算失败了也不会后悔。 20 年，张雪机车是完全可能做不成的，因为成功太偶然了，但唯有热爱不可辜负。最近我在读意大利导演朱塞佩托纳多雷的《无意识日记》，有一个感悟：失败与成功之间没有明确的界限。托纳多雷是意大利最具国际影响力的导演之一，被誉为“电影的诗人”。《天堂电影院》和《海上钢琴师》是托纳多雷比较著名的两部作品，其中《天堂电影院》拍摄于 1988 年，当时托只有 32 岁。这部电影刚上映时和周星驰的《大话西游》一样，非常失败，没人看，评论也不好，典型的不叫好也不叫座，投资看起来是打了水漂。托纳多雷和投资方对这部电影投入了巨大心力，还是希望有个好结果的，所以他根据自己的想法和他人建议剪辑了好几个版本。第二个版本是 125 分钟，故事节奏加快，重点放在童年和电影的怀旧感上。这个版本大获成功，但吊诡的是，成功并不在电影院，而是在电影展上：它获得了第 62 届奥斯卡金像奖最佳外语片奖和戛纳电影节评团大奖。这部电影一炮而红，让托纳多雷蜚声国际，成为了著名国际大导演。托纳多雷回看三十多年前的作品，也是感慨，做一件自认为满意、水准之上的事，拿出去的时候，并不知道会成功还是失败。像他这部作品，一开始很失败，很快又获得巨大成功；他现在 70 岁了（1956 年出生），最成功的作品却是 32 岁拍的。成功和失败没有界限：同一件事，这个时间点失败，下一个时间点就可能是成功的；也可能作品一问世就成功了，但经时间检验后发现是哗众取宠的东西；都有可能。我自己感觉，对于创作作品的人来说，只要用心做出了自己认为水准之上的东西，成不成功更多靠运气、机遇和意外，靠时间的检验。人能控制的，只是把产品做到符合自己心意、满足用户需求，在工业设计、审美等方面达到自己理解的水准即可。至于成功与否，大部分时候都要看其他因素。唯有热爱，不可辜负。张雪和托纳多雷，都是如此。
^__^ • 3 / 31
不知道你有没有发现，最近 cli（命令行）项目非常火. 为什么会这样？因为命令行可以减少 AI 执行实际操作的不确定性。通常，AI 靠视觉识别和界面模拟去完成任务，步骤一多，错误会指数级放大。但对于一个命令，大模型可以精准识别，调用起来又快又准。过去用 cli，更多是程序员自己敲命令；现在你只要把命令行装在龙虾和 Claude Code 所在的电脑上，就变成了人类用自然语言把需求说清楚，AI 把这些模糊的需求翻译成一条条具体命令，再在终端里执行。我们可以把命令行理解为一个“动作总线”：装好各种工具和脚本，AI 只要会拼装命令，就能这些任务串起来完成复杂的工作。相比之下，在图形界面里做同样的事，需要大模型理解无数应用、按钮、菜单，成本和不确定性都高得多。最近很火的开源项目 opencli 和 港大实验室开源的 CLI-Anything，都印证了这一点。前者可以用命令行的方式访问各大网站（需要本机 Chrome 安装一个扩展），比如：opencli bilibili feed，就可以获得你订阅的 B 站视频动态。CLI-Anything 则可以将任意开源项目转化为 Agent 可控工具，也就是结构化的命令行工具。注意，这些命令行工具都是可以被 AI Agent 工具随意调用的，比如 OpenClaw、Claude Code、Codex 等。最近企业微信和飞书都开源了自己命令行工具集，可以无缝接入龙虾和 Claude Code 这样的工具，AI Bot 可以操作通讯录、会议、待办、群消息等等。 # 举例，安装企微的 CLI npm install -g @wecom/cli # 安装企微 CLI 的 SKILL，npx 会自动去找你的机器上所有的 AI Agent 进行注册 npx skills add WeComTeam/wecom-cli -y -g快速开始做完初始化之后，龙虾，CC，甚至是 Codex，就都可以用企微的功能了。比如：帮我在企微里设定一个日程，今天下午 6 点讨论产品需求。AI 会精准的帮你搞定这个问题。如果我们装了多个 cli 工具，可以进行一句话联动：帮我查一下 B 站上的动态，相关内容和链接保存到企业微信的文档里。 AI 会先调用 opencli bilibili feed --limit 20，拿到返回的结果，一共 17 条视频和动态，然后通过 wecom-cli doc create_doc 把内容写入企微文档，这个任务链条就完成了。自 2023 年始，AI 先改造了人机对话（自然语言交互），又改变了编程方式，从智能补全到 Coding Agent，接着通过 AI 浏览器重新激活了 Web，现在轮到命令行了。那些曾经只属于开发者的 cli 工具，正在变成 AI Agent的“工作套件”，在后台高频运转。
^__^ • 3 / 29
脑子是个好东西：为龙虾和 CC 加装外脑之后，这俩货要上天了。最近收到好几个用户的问题，都说 OpenClaw 忘事，其实就是丢失上下文，尤其是多通道切换，你为了尝鲜微信企微飞书钉钉 tg 轮番上阵，看着背后是一个龙虾，其实谁也不知道谁在干啥。Claude Code 也有会话问题， 因为命令行也可以多窗口啊，tmux 之类的。退出重启，之前做的事如果有延续性，也得重新解释。为什么 OpenClaw 会“忘事”？因为 OpenClaw 是一个长期运行的 Agent 框架，有网关、有通道、有技能、有记忆系统。看上去已经有“记忆”能力了，但在真实使用场景中并非如此： - 对话拉长，工具调用变多，早期的重要信息就被模型的 context window 截断。 - Agent 或 Gateway 重启之后，之前的决策、约定、经验教训都消失了，只能靠人类再解释一遍。 - 同一个 Agent 在不同通道唤醒（IM 消息、cron、CLI 命令），每一段都像“分身”，彼此不知道对方干过什么。本质上，这是“会话上下文”和“长期记忆”混在一起导致的：会话上下文用于当前的推理，生命周期短；长期记忆是跨 session 存在的，生命周期长。OpenClaw 的基础设施并没有帮用户把这“两层记忆”真正管理好。 Claude Code 也存在这个问题，就是说，长期使用的话，龙虾和 CC 那点记忆系统根本不够用了。现在开源社区有不少做长期记忆，我目前在用的是 claude-mem，CC 和 龙虾都能外挂这套“长期记忆系统”，把 Agent 的行为流持续沉淀下来，再在新的会话中以压缩后的形式注入回来。 claude-mem 本质上就是一套 RAG + hook 工程，用生命周期的 hook 收集对话和工具调用，存 SQLite FTS5 + 向量库 Chroma，用 embedding 做语义检索，再把“相关记忆”塞回上下文。这类方案的老问题一直存在：记忆库越大，检索容易错抓相似但不相关的内容，有可能记不住，或者出现幻觉，好处主要是省 token、方便追溯。目前还不能指望它从根上解决上下文漂移的问题，但是个可用的状态。基本原理和安装方式可以看这里： https://github.com/thedotmack/claude-mem/blob/main/docs/i18n/README.zh.md中文的，读起来很容易懂，Claude Code 的安装可以参考这一篇： 在 Claude Code 里安装 claude-mem至于 OpenClaw，claude-mem 也为其做了专门的安装脚本，可以用一条命令完成从依赖检测到插件安装的全部流程： curl -fsSL https://install.cmem.ai/openclaw.sh | bash 我是用 CC 帮助龙虾安装的，哈哈。