给 ESP32 装上一个会说话的个人助理
刷上现成固件、改出中文界面、补上一段语音输出,一块桌面小开发板从玩具变成天天在用的助理终端;至于接管全屋,还是设想。
博客 / WEEKLY #005
#005 国庆补课:PA 大战白热化;游戏、软件、硬件,一切都将开源?
刷上现成固件、改出中文界面、补上一段语音输出,一块桌面小开发板从玩具变成天天在用的助理终端;至于接管全屋,还是设想。
记录本身不产生价值,回顾才会。当手表、训练记录和健康数据自动汇总成每周报告,持续记录与定时回顾才连成一个闭环。
手机性能已经过剩,Agent 却几乎访问不了任何东西:从权限、沙盒到应用隔离,移动端的瓶颈在算力之外。
当生成内容的成本趋近于零,稀缺的不再是产量,而是让人愿意长期回来的理由。作品、一致的偏好和真实的使用者反馈,是信任的来源。
一个几十元的蓝牙遥控器加一段自己写的语音程序,连续两天全语音工作的体验:物理按键如何改变向 Agent 发号施令的方式。
换成开源或自训模型降本,前提是业务已经稳定、质量要求可以独立验证。本文讨论这个决定该在什么条件下做出。
把插件从一个 Agent 搬到另一个,格式转换已经不是难点;真正的门槛是各家暴露的能力不一样,而且上游还在快速变动。
模型开始按意图而非字面指令行事之后,协作的重心从规定每一步,移到说清目标和验收标准。哪些约束仍然需要明确写下,值得分开讨论。
渲染层和源码是两套状态,是所见即所得编辑器一类顽固问题的根源。一次从 Milkdown 迁到 CodeMirror 6 的重构,说明修改已有系统的机会在哪里、验收的责任在谁。
一年前写下的游戏剧本和设定,在这个假期变成了一个能玩的体验版原型。从想法到可玩之间被压缩的是哪一段,哪些判断仍然留在人手里。
软件对 Agent 的开放程度,取决于它是否暴露能力接口、结果能否检查、宿主能否承接执行。从建模软件到剪辑工具,这条判断线正在成形。
项目、缓存、系统镜像和视频底稿一起把硬盘填满。要回答的不只是买多大容量,还有哪些数据值得留、放在哪一层、需要时找不找得回来。
查询、下单、付款、对外承诺,是委托 Agent 时不同的权限层级。助理与数字分身的差别,就藏在每一次"要不要先问一下"里。
记忆存在哪家服务里,换工具时就得向哪家讨还。一套自己持有的文件系统让个人上下文可以在多个 Agent 之间迁移,但同步、备份与多模态素材仍是没走完的路。
生活助理的能力上限,往往不取决于模型,而取决于它能看到的信息在哪里:同一封学校通知,在邮箱里顺手可得,在群聊里就难以触及。
Personal Agent 把门槛降到"会聊天",但决定留存的不是聊天,而是第一件有用的事:场景入口、看得见的执行过程,和一个不需要用户管理的会话。
转售模型 API 的折扣越来越薄,利润要靠把 Token 变成可用的服务来挣。本文梳理 AI 应用的成本结构与“体验套利”的机会。
任务结束后,登录状态、软件和文件能不能留下来,正在把 Agent 的执行环境分成两代。持久环境让定时任务和长期协作成为可能,也把成本和多机器管理推到用户面前。
内容同时面向读者和 Agent 时,开放网页与订阅入口有了新的价值。整理 AI 信源时发现的缺口说明,这件事在中文互联网仍需要刻意去做。