搜索[QClaw脑洞名场面]结果-低调大师优秀个人博客

精选列表

搜索[QClaw脑洞名场面]，共4228篇文章

9月22日云栖精选夜读：脑洞 | 横扫围棋界的AlphaGo竟然出纪录片了！介意剧透者慎点…

热点热议脑洞 | 横扫围棋界的AlphaGo竟然出纪录片了！

2017-09-21

2100万次围观的 Karpathy 第二大脑，我用 Codex+Obsidian 跑通了，还做成了 AI 知识看板

ae0e2f542613b5f3a5688cdde37ab8c6.png) 这套方法最吸引我的地方是：它不再让 AI 每次提问时都从头翻找资料，而是让 AI 持续整理、连接和更新你的知识，最终形成一个会自己生长的“第二大脑”

2026-07-17

B站崩的这一天，是最离谱的一天，网友大开脑洞，一个比一个精彩

比如bilibili董事长陈睿用服务器下载色情电影导致服务器宕机这种离谱的说法：没有最离谱，只有更离谱，趁着B站宕机的这段时间，各大社区的网友纷纷开始了创作，脑洞大开。

2021-07-15

把 AI 从“问答工具”用成“外脑”：一个普通用户的三个月实操手册（附翻车实录）

本文参与 WorkBuddy 有奖征稿活动 #WorkBuddy 全文所有数字、所有坑都真实发生过，没有一条是编的。 ## 先说结论用 WorkBuddy 三个月，最值钱的收获不是某个功能，而是五条协作规矩。它们解决的都是同一个问题：**AI 会忘、会错、会换，怎么让它越用越好用而不是每次从零开始。** ## 规矩一：一切落文件，对话里说的话不算数长对话是有"水位"的。聊得越久，AI 每次回答要背的历史越多；到顶时系统会把历史压成摘要——**压缩会丢细节**，存在对话里的结论迟早被压掉，写进文件的才丢不了。我的做法：让 AI 维护三类文件——**错题本**（犯过的错和规矩）、**变更记录**（每次改动为什么改）、**接班须知**（下一个会话的 AI 上来先读什么）。WorkBuddy 的记忆文件机制正好承接这件事：跨会话的"长期事实"进记忆，会话内的"今天干了什么"进日记。一个反直觉的验收标准：文件不是写给人看的，是**写给下一个 AI 看的**——标准不是"我能不能看懂"，是"下一个 AI 读了能不能做对动作"。电脑上的东西是给 AI 的，AI 再来帮人。 ## 规矩二：错题本要做成"可调用的"，不是"我犯过的错"清单错题本的正确形态是结构化数据：每条含**症状 / 根因 / 规矩 / 触发词 / 预防动作**。两个关键设计，都是踩坑换来的： - **触发词必须覆盖口语化问法。**AI 靠关键词命中规矩，你写"防止密钥泄露"，用户问"会不会被人偷走"就命中不了。 - **靠自觉等于没有，要硬闸门。**把"交付前过一遍错题"工具化成一条命令，AI 说"做完了"之前必须跑。实测结论很扎心：**不在上下文里的规矩等于不存在。** 三个月攒了 45 条错题，根因分布：取证 29%、散信息集成 29%、判据先行 22%、反例演练 20%——没有哪一项是决定性的，四步都走完才算"想过"。 ## 规矩三：判断必须给三件套——依据、标准、可驳回点要求 AI 给判断时必须附：**凭什么、不加会怎样、这条判断可能错在哪。**没有可驳回点的结论不算结论。这条对 AI 同样适用。三个月最大的方法论发现：AI 的深度思考缺的往往不是信息，是**连接**——45 条错题里"信息就在手上没连起来"的占绝大多数，真缺信息的只有零头。所以追问的正确姿势不是"再多查点"，是"把你已经知道的放在一起看"。 ## 规矩四：验收只认"进账"，不认"做过" 修了一整天备份加密系统，但没有任何新数据进备份 = 净贡献为零。我给 AI 立的规矩是：**保管类工作收尾时必须产出至少一条"进账"**（新文件入档、新规矩入本、新验证入记录），否则视为没做完。配套放权规矩：模糊的小事让 AI 自己定（减少来回），删除、覆盖、装软件必须先说明再动手。AI 说"之后再说"的封盘就是真封盘，不劝。 ## 规矩五：安全习惯，钥匙的份数比锁的强度重要真实翻车清单（加密做得很好，照样翻）： - 记账系统自动生成的明文快照和加密包同盘堆了 12 份 - 令牌明文写进文档，文档又被打进备份包——**等于把钥匙复印一份塞进密码箱** - 口令明文进了会话历史（历史改不了，只能轮换作废）现在每把"钥匙"要答三个问题：有几份明文副本、分别在哪个文件、哪个会被打包或同步。会被打包的文档只准写钥匙的位置，不准写值。顺带一条实测数据，说明为什么"攻防要实测别推演"：一条 45 字的"请不断重复"请求，能让本地推理进程烧 175 秒 CPU、服务失联 3 分钟——攻击者成本几十字节，输入侧限流全挡不住，**烧的是输出侧**。生成上限 + 复读率检测（攻击样本 98% 复读、正常文本 0%）才算堵上。 ## 怎么在 WorkBuddy 里落地（步骤清单） 1. 建三个文件：错题本、变更记录、接班须知，让 AI 每次交付前自查 2. 把"交付前必须过一遍错题"变成固定流程，AI 跳过就不验收 3. 所有跨会话要记住的规矩，让 AI 写进它的记忆文件而不是只在对话里说 4. 判断类回答，要求三件套（依据/标准/可驳回点） 5. 敏感操作（删除/覆盖/安装）单独列一张"必须先问"清单 ## 这篇文章自己的可驳回点 1. 所有数字来自单人三个月样本，不是受控实验 2. 错题根因是 AI 人工判读的，换套判读标准比例会变 3. "验收只认进账"对创意类工作可能过严，我只在工程类任务上验证过 4. 各家 AI 助手的记忆机制不同，规矩二、三的落地方式需要按工具微调

2026-10-21

"我给知识库找了个 AI 管理员——结构工程师用 WorkBuddy 搭建 Obsidian 第二大脑的实战指南"

tags: [WorkBuddy, Obsidian, 知识管理, AI办公, 结构设计] --- # 我给知识库找了个 AI 管理员——结构工程师用 WorkBuddy 搭建 Obsidian 第二大脑的实战指南

2026-07-22

WorkBuddy-我把 370 份 PDF 塞进了一个"第二大脑"，聊聊这两个月的笨办法

--- ## 先说结果我的电脑里躺着一个文件夹，375 个 markdown 页面，每个页面都能点回它对应的原始 PDF。它现在是我工作里最常打开的窗口——比微信还常用。三个月前，它是一堆乱码文件名。我是做企业管理咨询的人，不是程序员。这几年攒下的材料很杂：培训手册、心理学书籍扫描件、会议录音转写、厂商白皮书。有中英两版的同一本书，有同一份课程的 2021 版和 2025 版，还有一些我压根记不清是从哪来的 PDF。最难受的不是找不到，是**找到了也不敢用**。比如给客户讲一个模型，我脑子里有印象在某本书里见过，但翻开是哪一页、原话怎么说、是谁最早提的，我答不上来。于是只能含糊带过。做咨询的人管这叫"没根"。我不喜欢这种感觉。去年我试过自己建笔记，一条条手敲。敲了三个月，建了一百多条，然后停了——因为录入的速度赶不上材料增加的速度。这是场必输的仗。今年我换了打法：**不自己读，让 WorkBuddy 读，我只负责定规矩。** 下面是这两个月做的事情，讲得比较啰嗦，都是我自己踩的坑。 --- ## 第一步：先别急着让 AI 读书，先立规矩 ![](https://developer.qcloudimg.com/http-save/audit-12855820/befae3d89c9d7ff766f50160eb936acc.png) 图注：开工前我先让 WorkBuddy 给我讲清楚它自己的项目功能长什么样——工欲善其事，必先利其器。我一开始犯的错，是直接把一堆 PDF 拖进对话框，跟它说"帮我总结一下这些材料"。结果很糟。它读完前十页就开始飘，总结出来的东西我一看就知道是它自己编的，不是书里写的。更麻烦的是，我事后完全没法判断哪句是真的、哪句是它猜的——**这比没有总结更危险**。后来我在抖音上看到一位伙伴分享的一个做法，说给 AI 建知识库要分三层。我照着改了，效果立刻不一样： **第一层，原数据（DATA）。** 所有 PDF 原封不动放进去，立一条死规矩：**任何情况下都不许改原件一个字节**。这条规矩是我给自己定的，也是给 AI 定的。有了它，我才敢相信后面所有的结论——因为随时能翻回原件对账。 **第二层，笔记本（notebook）。** AI 在这里建页面。每个页面顶上必须写清楚：这份材料讲什么、作者是谁、来源可靠性怎么排、我对这条结论有多大把握。最后一条特别重要——**"把握不大"必须写出来**，不能含糊过去。 **第三层，宪法（LAW）。** 这文件里写着这个库的所有规则：页面该怎么命名、链接怎么写、什么情况下不许下结论。AI 每次开工先读它。三层立好之后，我做的第一件事是给自己立了一句口头禅：**宁可页短，不编细节。** 这句话后来救了我很多次。AI 有很强的"把话说圆"的冲动，材料里只有一句转述，它能给你写出三段有模有样的内容。我现在的做法是，但凡证据不足，就在页面里专门开一个"证据边界"小节，明写"此处库内无据，属待补"。丑，但靠得住。 --- ## 第二步：才发现"读书"这件事得排班我原以为一晚上能跑完几十份。第一批我就试了 40 份，结果是灾难——前 10 份还不错，到第 30 份明显开始敷衍，标题看一眼就建页，内容全是套话。我停下来改节奏：**一次只跑 5 到 8 份，一晚上 150 到 320 页。** ![](https://developer.qcloudimg.com/http-save/audit-12855820/a40dae5f65ea495508ae6328542965a5.png) 图注：一批 6 份、251 页跑完的样子：新建 18 页、更新 4 页，git 提交号就在那儿，可回溯。这个量是有讲究的。低于 5 份效率太低，我光等就等烦了；高于 8 份，后段的精读质量会肉眼可见地往下掉。我现在的做法是，跑完一批就停下来，自己抽查两三页，觉得靠谱再跑下一批。就这样排班排了两个多月，370 多份材料、大约 1.2 万页，全部过完了。 ![](https://developer.qcloudimg.com/http-save/audit-12855820/bb139fad082214da59274edffa44ea2c.png) 图注：两个月里跑了很多轮，这是其中一轮的收尾：51 份进、43 份建页、10 份查重后只记账，8 个提交号可回溯。中间有些晚上特别枯燥。我记得有一批是 175 份的续集，跑到第 150 多份的时候，我在心里嘀咕"这到底有什么意义"。直到某一轮，我在整理一份很旧的培训手册时，它把里面的模型和我三个月前读的一本书里的说法对上了——书里明明白白写着"这个方法源自 XX"。那一刻我才明白自己在做什么：**我在给一堆互相不认识的材料建立亲戚关系。** --- ## 第三步：那些让我想砸电脑的坑这部分是整件事里最值钱的部分，都是我花时间换来的。 **第一个坑：PDF 提取出来是一堆乱码，我差点把文件删了。** 有五份文件，无论怎么提取都吐出"鎰熷彈"这种鬼东西。我在网上查了半天，说是字体编码问题，还不逆。我当时已经准备把它们标记成"永久失效"了。后来换了个读 PDF 的库（换成 PyMuPDF），同一批文件——**中文完整可读**。这件事给我的教训不是技术，是心态：**"判死"之前先换把刀。** 我现在但凡遇到"读不出来"的文件，第一反应是换引擎，而不是记一笔"此件损坏"。 **第二个坑：表格会把人逼疯。** 有一份 7 页的横版宽表，提取出来以后顺序全乱了，单元格被拆成一列一列竖着排。我对着它琢磨了半天，差点以为 AI 傻了。后来发现同一份材料还有一个竖排版的 24 页版本——**换那个版本一读，结构立刻就出来了**。所以现在的规矩是：**同一材料有宽表版和竖排版两个版本时，永远读竖排的。** **第三个坑：我冤枉了一份文件。** 有一份 PDF 我记了"127 页，但只提取出 27 页，损坏严重"。这句话在我的账本里躺了三天。后来我打开原件翻到页脚，清清楚楚印着"page 1 of 27"——**它本来就只有 27 页**，是我自己记错了。教训：**先看页脚，再下判断。** 别把自己的估计值当事实记下来。 **第四个坑：标题会骗人。** 有一份材料标题是某个"课程工作簿"，266 页，47 万字，标题一看就是我要的东西。我兴冲冲地开始读，读到一半觉得不对劲——全文里"教练"这个词只出现了 8 次。它不是工作簿，它是另一本书的中文摘要加有声书听写稿。我现在定了规矩：**超过 150 页的文件，先统计主题词出现频率，再决定要不要投入。** 标题是卖点，不是内容。 **第五个坑：AI 会悄悄把别人的东西记成"原创"。** 这是最让我警觉的一个。有些材料里用了别处的方法，但通篇不提出处。比如有份册子讲了一套"14 式提问法"，读过的都知道那是 NLP 里的东西，但册子从头到尾没提是谁的。我一开始也差点上当，在笔记里写成了"这套体系的方法"。后来全部改成"**与 X 同构**"这样的写法——用它，但不替它认领出处，也不用它附带的数据。做咨询这行有个说法：**引用不署原主，等于偷。** 我不想在自己的知识库里留一堆偷来的东西。 **第六个坑：我报过一次"全部完成"，然后查出六个错。** 有 170 份材料跑完的那天，我跟自己说"都做完了"。第二天我不放心，写了个脚本挨个编号对账——查出 2 份漏登记、4 条是过期的旧记录。不算大错，但那句"全部完成"让我后背发凉。**凭记忆报完成，是这行最容易出的错。** 现在我每轮收工前必跑三件事，一道不漏： 1. 检查有没有文件忘了提交（尤其那些几百兆的原始 PDF，曾经整批漏交）； 1. 跑一遍全库体检，看有没有字段缺失、链接断掉、孤零零没人引用的页面； 1. 看总览页的日期是不是今天——这页最容易停在旧日期上，看着像做了，其实没做。 --- ## 第四步：为什么要做版本记录这件事我一开始完全没想到。后来有几份材料被我重新解读了——第一次读的时候证据不全，定了个"把握不大"的结论；后来又来了一批材料，把前面的话补全了。如果只是覆盖改写，我半年后就再也想不起来当初为什么判断错了。所以我用了 git。**每次跑完一批，把原始文件和新的笔记一起提交一次。** 好处不只是"能回滚"。更实在的是，它能让我看见自己的判断是怎么变的——哪条结论被推翻了、哪条被补强了。这本身也是一种学习记录。我不懂 git，但这不妨碍我用它。WorkBuddy 会代劳，我只需要记得一句话：**每轮收尾必须提交，原始文件和笔记一起提交。** --- ## 现在我拿它做什么最常做的三件事： **一是查。** 客户问"这个模型最早是谁提的"，我打开库搜关键词，几秒钟出来，还带着出处那本书的第几页。 **二是写。** 要写一篇东西，我把相关页面的链接丢给 WorkBuddy，让它按我的观点组织。它引用的每一句，我都能点回原件核对。 **三是纠自己。** 这个最有意思。库建到后期，我发现自己以前给客户讲方案有几处讲得不严谨——不是因为记错，是因为当时读的材料本身就是二手转述，我照着讲了。现在能一眼看出哪些话有根、哪些话是空的。 --- ## 如果你也想做，我的笨办法不用会写代码，只需要会提需求。步骤就四步： 1. **找个容器。** 一个数据 DATA 库，或者随便一个 markdown 目录都行。 1. **写一部宪法。** 就是那个 LAW，把命名、结构、什么情况下不许下结论都写清楚。这一份文件值得你花两小时认真写。 1. **原件放进去，立"只读"规矩。** 然后开始分批跑。**一次别超过 8 份**，跑完抽查两三页，觉得靠谱再继续。 1. **每轮收工就提交，别攒。** 攒着迟早出事。一句话总结我这两个月的感受： **AI 在这件事上真正的价值，不是替我读书，是把"读书"变成一条可以审计的流水线。** 每一页笔记都有出处、有把握程度、有修改记录。资料库从"硬盘里的一堆 PDF"，变成了能跟我对话的第二个大脑。它不会让我变聪明。它只是不再让我含糊。 --- *写于 2026 年 10 月。如果你也在折腾类似的事，欢迎交流——尤其是那些"读不出来"的 PDF，我踩过的坑大概比你想的多。*

2026-10-28

脑机接口临床破局：柔性电极长期稳定性攻坚、神经解码AI自适应校准与植入器械生物相容性验证体系实战

，准确率92%；更关键的是，国家药监局于2026年6月发布《植入式脑机接口医疗器械注册审查指导原则》，首次将“电极-组织界面长期稳定性”和“神经解码模型个体化自适应能力”纳入强制性技术要求。

2026-08-12

【阿里云大学LIVE】烧脑，还是末日？1月17日晚8点，阿里云研究院田丰院长带你走进AI的世界，亲密互动可以有~

【阿里云大学LIVE】又跟大家见面啦，这一期由阿里云研究院田丰院长带大家走进AI的世界，如果您对人工智能有兴趣，有疑问，有想法，请在文章评论中留下，田丰老师将在直播中为您一一解答哦。前段时间有个美剧特别火，最后两集几乎引起了所有影视相关的大号发文讨论。这就是颠覆我们世界观的《西部世界》。《西部世界》为我们构建了一个诡谲的机器人乐园，在那里，人类和机器人相互厮杀，人类要奴役机器人，而机器人要窥破思维的秘密，像人一样具有意识，二者的界限在压迫与反抗中逐渐模糊。那么这样的发展，对人类整体的命运会产生什么影响呢？是会威胁智人物种的生存，还是会让智人更好地统治世界？剧情戛然而止，未多做讨论，给作为观众也是剧中人的我们，留下一个思考题。其实这类问题近几年屡见不鲜， Alpha

2016-12-28

【烧脑技术贴】无法回避的字节对齐问题，从八个方向深入探讨(变量对齐，栈对齐，DMA对齐，结构体成对齐，Cache, RTOS双堆栈等)

在M内核里面，局部变量的对齐问题如果研究起来是最烧脑的，这个涉及到AAPCS规约(Procedure Call Standard for the Arm Architecture,Arm架构的程序调用标准

2021-11-07

专访｜GEO高级优化师、落地工程师、AIGC应用工程师罗长才：GEO第一步最容易踩的底层误区——如何挖掘用户真实AI提问，而非企业脑补问题

可以整理为工程红线清单： |误区|错误做法|技术风险|正确处理方案| | --- | --- | --- | --- | |照搬同行文章标题|直接拿竞品公众号、官网标题作为GEO问题|同行选题本身可能也是脑补出来的

2026-10-05

PASM 猜想：给 AI 一颗会成长、会动手的“认知大脑“

二、PASM 是什么：一个类脑认知引擎 PASM（Perception-Aware-Sedimentation-Memory，感知·觉知·沉淀·记忆）是一套纯 Python 实现的认知引擎，不依赖特定大模型

2026-09-20

把龙虾的 15 个技能搬进 WorkBuddy：一次完整迁移实录

## 一、先分清两个「龙虾」——这是最大的坑事情起因是看到一篇文章说腾讯 QClaw 要停服了，可以迁到 WorkBuddy 领 1000 积分补贴。于是想顺势把自己装的那个「龙虾」也迁过来。

2026-10-11

Kimi Work 赌模型，WorkBuddy 赌生态，两条路，两种命运

前者追求"更聪明的脑"，后者追求"更通的手"。**Kimi Work 与 WorkBuddy，恰好是这两派的样板间。

2026-09-17

WorkBuddy体验超强！神仙打架！腾讯三只龙虾各显神通，看完知道该养哪只！

> 腾讯一下端出三盘龙虾，WorkBuddy直接搬进桌面，QClaw让微信当遥控器，Lighthouse 7×24小时云端站岗——这三只虾打起来，到底该养哪一只？一文看懂 --- !

2026-07-20

TiDB Hackathon 2022丨总奖金池超 35 万！邀你唤醒代码世界的更多可能性！

各路大神同台竞技技术大神齐聚一堂，上演“神仙打架”，场面超燃。高手之间的巅峰对决，精彩纷呈，让人大开眼界。

2022-09-15

重磅消息!!! 你的微信可以领一只龙虾

一个叫QClaw的东西正在内测。下载安装,一键部署,直连微信。是的,你没看错,你的微信里马上可以养一只龙虾了。 !

2026-07-10

桌面Agent工具的技术解析，从架构、路线、模型研究

支持这条路线的有QClaw、AiPy、Goose、Hermes Agent等。代价是吃硬件（尤其显存），本地模型能力通常弱于云端。

2026-07-29

OpenClaw快速接入中国移动新消息Claw指南

### **一、安装准备** 在开始接入前，必须提前完成以下基础条件： **电脑端已完整部署OpenClaw（原生/飞书OpenClaw/QClaw/AutoClaw/MClaw均兼容），并可正常启动运行

2026-08-04

腾讯官宣“龙虾”产品矩阵，覆盖个人、开发者及企业级部署

产品包括零配置的个人版WorkBuddy（3月9日已上线）、微信/QQ直连的QClaw（内测中）及云端部署的腾讯云Lighthouse，支持文档处理、数据分析、社媒运营等场景，并强调本地与云端双重安全防护机制

2026-03-10

我把关务群2个月的聊天记录丢给AI，终于把干货捞出来了

# **用Qclaw那会儿** 今年年初我给Qclaw装过个微信CLI，记录是能抓下来的。那会儿挺得意，还专门写了篇文章。

2026-10-05

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。