直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。
直接上菜： GenericAgent https://github.com/lsdefine/GenericAgent 本人基本信息 ：国内某 top3 的计算机博士在读，大模型方向。 最近对 cc 的使用情况 ： 我最近在 github trending 上关注了 GA 这个项目，并 高强度使用了一周多（完全接管我的科研+生活） ，然后我就 卸载了 cc 、codex 和 openclaw （但是感谢 cc 曾经在我的生命中出现过，不过 openclaw 你是真的垃圾啊）。。 那么有人问了，cc 那么屌，openclaw 被吹的那么神，有什么问题？ 我想但凡用过的人此时在心里都有答案了。。 下文的数据来自 arxiv.org/abs/2604.17091 ，也就是 GA 的技术报告 ，里面有些 insights 我非常喜欢，而且我的风格也是 用数据说话 。 一、你的钱包顶得住吗？ 打一个招呼， oc 要用 4w tokens ，cc 和 codex 也是 2w tokens 打底了 ，真当我 token 不是花钱买的？ 在长程任务上， GA 能够用更少的预算（ 1/3 或者更少）获得一样甚至更好的效果 。 GA 有无敌的原生浏览器操作 ，能用非常夸张的极低的预算（ 1/5 左右 ）实现非常非常 nice 的网页搜索、浏览器操作（ 1-3 倍的成功率 ）。 插个题外话，我就是做 deepresearch 的，论文里选的 browsecamp 、webcanvas 这些数据集是非常有挑战的，也给我打开新世界了 hh 最近看大家都在流行 claude code 的各种 web 插件，我的嘴角慢慢上扬。 说实话， ga 的原生浏览器操作吊打所有的 web 插件 ，不服来战（本人已服）。 二、更好用的智能体一定能自进化 这也是最近 hermes 风头正盛的原因。在这一点上， 我认为 GA 做的更好 。 不要谈参数自进化，因为我认为的自进化就是 agent 对错误经验的总结学习 ，就像人的进化就是在直立行走之后能够制造和使用工具，而不是长出第六根手指。 直接上结果，oc 就不谈了，纯垃圾。。看 codex 和 cc ，实际上由于这两者的定位（ coding ），所以 他们是不会自主的总结重复的工作经验的 。如果你每次都让他们做一些崭新的项目，那当然没问题，但是你要是让他们去追踪股票，能够按你一句话帮你去网上填表，去做你日常做的操作， 那他们每次探索的成本则是巨大的 。 GA 的自进化机制让 GA 得以越用越快，越用越方便 （最后甚至能到心领神会的地步。。） 依旧吊打 oc ， oc 赶紧下桌吧 。。 三、好的智能体离不开记忆 我知道大家这时候说了， LLM-Wiki 很吊，Evermemos 很吊，Mem0 很吊 ，我装这些插件就能让我的智能体有记忆。 先不谈这几个插件到底真实性能怎么样，我作为一个看了很多 memory 论文的从事大模型的人来说，作为一个 agent 的 memory 框架： 测 Locomo 、LongtermMem 这几个数据集就是不合适的！ 现在的大模型的记忆 不再是 user-centric 了！现在我们需要的大模型记忆是 task-centric ，这两者有本质的区别。 所以， 停止人云亦云吧 。。 我深扒了 GA 的记忆设计， 其简洁性和有效性真的令人印象深刻 ，但是在这里就不展开（如果大家感兴趣，我可能再开一篇帖子详细讲讲）。 我现在对 GA 的使用如图： 有什么记不得的，直接问就好了。。太 tm 牛逼了 。 彩蛋 另外，我是第一次在 V2EX 发帖，发现这图床都要买。。然后也让 GA 给我整了一个， 就一句话 ： 嘿嘿。。最后放一张 GA 自己的 skillhub 里的截图， 懂的人自然知道干啥用的 。 写在最后 还有很多没提到的，大家自己尝试就好了。当然 GA 也有很多让我不爽的地方，比如 极其简陋的前端 ，然后我就在 GA 的群里潜水，最后发现了，大概是 开发者的个人风格就是毛坯房的风格 。。问他能不能给整好看点，他回答也简单： 他说 "你让 GA 给你做"。。真的无敌了。。 我不允许还有人不知道 GA ！！！！ 如果这个帖子有点热度，大家有要求的话， 我可能会从专业的角度展开讲讲 GA 的技术实现方法 ，太 tm 优雅了。。