20260414研读Openclaw资料摘录

20260414研读openclaw资料摘录

Open WebUI —— 这个拥有超过 126,000 颗 GitHub 星的开源项目，长期以来一直是自托管 AI 聊天的首选界面。但它的局限在于只能连接 OpenAI 这类传统 API。Hermes Agent 打破了这个僵局！通过其内置的 API 服务器，Hermes 让 Open WebUI 能够连接到真正的”智能体” —— 一个拥有完整工具集的人工智能代理：🖥️ 终端操作 —— 像真人一样在命令行中操作📁 文件操作 —— 读写、搜索、管理文件🌐 网页搜索 —— 实时获取最新信息🧠 记忆系统 —— 跨会话持久化知识🛠️ 技能扩展 —— 可扩展的工作流能力这意味着什么？ 意味着你不再被锁定在 OpenAI 的生态系统中。你可以用自托管的 Hermes Agent 驱动 Open WebUI，获得与 OpenAI 相媲美的界面体验，却拥有完全属于自己的智能体！

Hermes Agent 不支持 Windows 原生环境。Windows 用户请务必使用 WSL2（推荐 Ubuntu 22.04）。

微软此轮 Copilot 改造的核心，是将 OpenClaw 的工作模式引入企业场景。OpenClaw 以操控计算机的方式运行——拥有对特定应用的访问权与控制权，能够像人类用户一样全天候独立执行任务。具体功能层面，微软希望 365 Copilot 能够在后台持续运行，主动处理复杂任务，而非仅被动响应用户提问。一位参与该项目的人士举例称，未来版本的 Copilot 将能持续监控用户的 Outlook 邮件和日历，并在每天开始时自动生成待办事项建议；在 Excel 中，它还可以在用户操作某一标签页时，同步在后台整理其他标签页的内容。

微信接上 AI 助理，以后直接在聊天框下指令，连切 App 都省了。用之前有一件事得说清楚。很多人第一反应是：这东西会不会把微信号封掉？官方的说法是：Hermes 用的是腾讯官方的 iLink Bot API，不是逆向协议或非官方客户端，比那些野路子微信机器人框架安全得多

GPT-6这次有一个点确实让我没想到——200万Token的上下文窗口。
这是什么概念？大约150万字，相当于两部《三体》。整个代码仓库直接喂进去，不用切块、不用RAG检索，一次性处理。对我来说，这才是GPT-6最值钱的地方，不是什么"架构革命"。
当然，OpenAI给这次发布起了个内部代号叫"Spud（土豆）"，够接地气。但土豆背后藏着的，是一套叫Symphony的全新架构——而这才是它和上一代最本质的区别。

GPT-6的三个核心升级：200万Token超长上下文 + Symphony原生多模态架构 + 双系统推理框架。其中200万Token是最立竿见影的——不用RAG、不用切块，整个代码库/整本书直接处理。
适合谁：程序员（整库代码理解）、研究者（超长文档分析）、多模态内容创作者（图/视频直接生成代码）、企业用户（大规模自动化流程）。
下一步：有ChatGPT Plus的直接试；没有的先把DeepSeek专家模式和WorkBuddy用熟，等V4正式版。

谷歌 DeepMind 近日宣布新设一个全职岗位，头衔直接写作 Philosopher，哲学家。
出任者是剑桥大学学者 Henry Shevlin，5 月正式入职，研究方向为机器意识、人机关系与 AGI 准备度，同时以兼职方式继续在剑桥的研究和教学。

Shevlin 在文章里提出了一个有用的区分。
一类是「机器被设计成像人」，比如工程师有意让 ChatGPT 模仿人类的语气、节奏、礼貌、甚至犹豫，这是一种产品策略。
另一类是「人类忍不住把它当成人」，看到一个能流畅对话的东西，就忍不住给它安上情感、意图和内心世界。
Shevlin 给出的判断是，前者必然带来后者。

她把一份文件扔进了对话框。一份两个半小时的访谈文字稿，12万字。
就这一个动作，AI每次说话的费用，从0.36块跳到了10块。
涨了近30倍。诡异的是她那个文件用了3分钟就被否掉了，那个选题放弃了。
但12万字已经在对话里了。接下来8个小时，每次AI开口，都要把这12万字重新读一遍。
后半段账单：725块。

AI更像一个人，而且是一个有点特别的人。他每次回答你之前，必须把你们今天所有的对话从头读一遍，才能开口说话。
你们聊了5分钟，他翻5分钟。你们聊了12小时，他翻12小时。你传了一个12万字的文件，他每次说话之前，先把这12万字读完。
他按"读了多少字"收费。不是按时间，不是按次数，是按字数。

好答案 = 好模型 × 好提问 × 好上文。 上文，就是你给AI的背景材料。不是越多越好，是越准越好，越近越好。
在AI眼里，有一条隐形的规律：离你问题最近的内容，权重最大，影响最深。 越早说的，越容易被"淡忘"。你早上传进去的12万字，AI不是平均花力气读的——它把大部分注意力放在最近的几轮对话上，那12万字在背景里压着，每次都要搬出来，但真正起作用的，可能只有几段。
高效的用法，不是把所有资料一次性扔进去，而是：在需要的时候，给它需要的那部分。
比如那份访谈稿，12万字。既然不需要了，/new 开个新对话，继续下一件事。 新对话里，12万字不存在，AI说一句话，成本回到正常水平。

4月14日，火山引擎宣布正式上线Seedance 2.0系列API服务，企业和个人用户现在可以调用其视频生成能力，Seedance 2.0支持文字、图片、音频、视频四种模态输入。
据介绍，火山引擎为Seedance 2.0建立了肖像与版权安全标准，覆盖视频生成涉及的各种模态和创作前后的全部流程。

南洋理工大学MMLab团队推出Hand2World，让AI世界模型真正「伸手」互动。只需在空中比划手势，模型就能生成逼真第一人称交互视频，实时响应调整。它摒弃旧有遮挡误导，用3D手部结构与射线编码解耦手与头运动，首次实现闭环持续交互。基于单目视频全自动标注，为AR、机器人交互铺路。世界模型不再只是「 看」，而是能「触」。

Anthropic 上周发了 Claude Managed Agents，让你不用自己搭服务器，就能让 AI 自动完成复杂任务。目前 public beta，所有 API 账户可用。
Managed Agents 的定位完全不同。它不是给个人用户的，是给开发者和团队构建 Agent 产品的。你不需要管基础设施，但也意味着你没法像 OpenClaw 那样在 Telegram 上跟它聊天让它帮你干私活。它更像是一个"Agent 后端即服务"。