终端智能体的新旅程
作为一个长期泡在终端里的开发者,我的工作流几乎完全是由命令行和各类快捷键支撑起来的。从早期的命令行自动补全,到后来各种基于大模型的命令行聊天助手,AI 在终端里的角色一直在发生改变。然而,大多数时候我依然觉得有些割裂。当我们需要 AI 帮我们重构一个复杂的跨文件模块、运行构建命令并根据报错自动迭代时,传统的聊天式工具就显得力不从心了。
我最近一直在深度使用 Google 推出的新一代命令行开发工具 [[Antigravity CLI]]。在实际体验了一段时间之后,我深刻地感受到,它不仅仅是又一个命令行 AI 助手,而是代表了一种全
Read more ...
随着我频道录制的视频越攒越多,加上平时用相机拍摄的原始素材,存储问题开始变得越来越头疼。一个 4K 视频的原始素材少则几个 GB,多则上百 GB,几次拍摄下来一块移动硬盘就见底了。而且随着视频数量的增加,想快速找到某段素材或者回翻旧成片的成本越来越高。这种情况下,我开始认真考虑搭建一套本地存储方案,于是目光落到了[[零刻]] ME Pro 这台小型 NAS 主机上。
为什么需要一台 NAS
说起来这个问题其实积累了很久。之前拍视频的素材都临时存在移动硬盘里,拍完一期就整理一次,但随着时间推移,手头的移动硬盘越来越多,哪块盘存了哪段素材根本理不清楚
Read more ...
Meta Muse 使用教程:上手设置、提示词技巧与实用案例
上一篇 Meta Muse 介绍与注册指南:一个会替你跑腿的个人 AI Agent 把 [[Muse]] 是什么、怎么注册、额度怎么算都整理了一遍,但是留了一个结尾:注册完之后到底该让它干什么。Muse 上线这几周,我查阅了一些测评体验,整理了 X 和 Threads 上用户晒出来的用法,发现大家的使用路径其实很像:从提醒和文件这类零风险的任务开始,确认它靠谱之后再慢慢接入邮箱、日历,最后才让它碰钱。这篇就按这个顺序来整理,从界面和设置讲起,再到具体的案例和踩过的坑。
Meta Muse 介绍与注册指南:一个会替你跑腿的个人 AI Agent
2026 年 9 月 8 日,[[Meta]] 发布了个人 AI Agent [[Muse]],宣传语只有一句:「它去做,而不是告诉你怎么做」。用 [[ChatGPT]] 或 [[Claude]] 时,我们得到的往往是一份说明书,真正动手的部分,打开网页、填表单、下单付款,还得自己来。Muse 想把这一段也接过去:你交给它的不是一个问题,而是一件事,它会自己打开浏览器一步步做完,需要你拍板时再回来问你。这是 Meta 迄今为止在消费级 AI 上下的最大一笔注,两周后的 Connect 2026 大会几乎整场都围绕它展开。
Jev:不聊天只做判断的 System One 决策模型
过去一两年,大模型的发展方向几乎都是更长的思考链、更大的上下文、更强的 Agent 能力。但在日常写代码和搭建自动化流程的过程中,我发现很多地方用到大模型,其实只是为了让它做一个简单的判断,却要付出几秒钟的等待和解析 JSON 的麻烦。TypeSafe AI 发布的 Jev 走了一条相反的路:不聊天、不写代码,只做快速的判断。
Executor:多 Agents 和外部世界之间的统一代理层
同时使用 Claude Code,Codex,Pi,OpenClaw 等等 Agent 工具时有一个非常尴尬的状况,就是不同的 Agent 工具维护了不同的配置格式,如果要配置 MCP server 就需要分别到不同的配置文件中定义,相同的配置散落在系统的各个角落中。同一份 API Key 也需要重复粘贴到不同的配置中,更麻烦的是如果一旦有更新或者 API Key 变动就需要重复修改多个地方,我之前还调查过如何[[跨平台管理 MCP]],主要的思路还是通过脚本和同步来对齐配置,但本质上还是在管理多个副本,直到我看到了 Executor 这个项目。