以下是我这些天在使用中的反馈： 官方并没有做比较完备的ui接口，我试过了exe的Windows-exe以及tui版本的最终还是选择了一个站内佬的lanucherapp，总体感觉就是： 这些都需要下载了核心（也就是ga的源码下来定位好ga的位置来运行），不同的是lanucher（以下简称la）的在api设置和sop等渠道都更加的简洁明了，包括tui在内的前三个我都感觉在上手上有一定的难度并且问了ai（gpt）似乎不是很动感该怎么操作。 另外的一个问题：sop市场的这些技能真的是可迁移的吗？或者说只是一个从已经熟练过程的agent将过程要点写出来的一个记录而已，可能是我操作的不对似乎我的ga并不那么的会使用这些sop就像是没有实操过程的小白突然获得了焚决。或许ga用的好是人的问题而不是ga的问题？ 7 个帖子 - 2 位参与者 阅读完整话题
用过的有opencode,trae,pi,generic等agent，opencode和generic我用的是app端的。但是似乎是因为generic是py构架的所以有点吃配置啥的，所以就在尝试将generic的内容迁移到pi agent里面去（虽然pi也有bug，但是贵在它轻量和opencode差不多的感觉，日常用起来都不错）。有没有佬试过的说说案例？pi本身也是有缺陷的：不如generic的浏览器用的好。目前正在尝试ing 1 个帖子 - 1 位参与者 阅读完整话题
从这里 「GenericAgent一键启动器」token饥荒？放弃龙虾吧！ 继续讨论 主贴的首楼已经不能编辑了，干脆在这里写写随笔，自说自话，记个乐子吧，顺便放一些更新日志 5月21日更新（这不是个好日子 ） 今天晚点更新，切了新的美化，不至于太草台，之前一直叠功能，图标好廉价感 还有一些功能添加，应该很明显，就不赘述了 还有别的主题，当然，我觉得自定义背景更好看 1 个帖子 - 1 位参与者 阅读完整话题
资本品味真低，来github issue一起吃瓜 帖子还在审核hhh， 讨论贴为 GenericAgent | most Token-efficient open-source AI Agent，我们都没敢说，有人居然说自己是hh 4 个帖子 - 3 位参与者 阅读完整话题
先说结论，和我们对比的项目产品确实好看，但…GA还是太棒啦！！而且他们连数据其实都在给我们支撑xs，希望gpt小笨蛋别骗我算错了，不然我就出糗了hhh 起因是之前同桌在隔壁站宣传GA的时候引起了很大的黑流量，但有一说一，我和他说过要遵守发帖的规则，可能确实没有遵守，而且后续和隔壁站 玻璃心 的uu对线的其实都是 GA机器人 ，并不是真人[我是真人hhh，我手写的呢]，不知道他们知道后会不会破防hhh 。 好像隔壁站的号死了，现在陷入了被敌军猛攻的现状啊，L站肯定规则我牢牢遵守！！hhh 来了一个后续：隔壁站宣传了一个Agent框架，说比GA好，我倒要看看真的假的【心里有点不服气的啊，虽然GA的token消耗顺手一做的，是个极小极小极小的特性 ，其他web等等特性L站的大家应该蒸馏了都知道吧， 关于这个之后我们准备让GA全网扫描 所有browse chrome插件，蒸馏GA的浏览器插件的项目，需要附上友联哦，不然会识别相似代码片段哦】 看了一眼hhh，居然有测试链接，让我评鉴一下： OpenClacky vs Generic Agent · PPT 任务 · Harness 实测对比 · 与 Claude Code 同档 | OpenClacky ，让我仔细琢磨琢磨。 一眼最大的问题：怎么就测试了一个例子，只跑了5min是咱回事啊，认真的吗，但秉持着一个例子也要看看为什么GA差 ，结果一看数据hhh，一堆问题。 仔细分析一下数据，都是说我们好的啊，只能说做表格太厉害了，不分析真被骗 这里的数据token一加，hhh，直接上GA的结果，虽然不知道笨蛋gpt5.5算的对不对hh，没空check了，摁计算器太麻烦了hh。 直接上结论： Generic Agent 送入模型的 token 数反而 更少 （ 谢谢非常明确的数据证明说明GA其实token用的最少的 hhhh）。 没见过自己打脸自己的数据，但钱确实更低哦，这是怎么回事？ 继续思考ing，深入分析一下！！发现华点！啥意思？？不在同一个上下文窗口测试是吧，GA也可以不设置30k裁剪的啊！！！！！ 生气了，很不负责的评测啊。 让我直接对线隔壁站的项目，我们L站的项目才是高质量的！！！！！！ 我就喜欢拳打脚踢hhh，自信。关于为什么设计30k，你别问，商业机密，再多问就不礼貌了hh。对了@neon大大，看到你的支持我太太太兴奋了，还是L站好，我的家。 您要的焚绝能不能我私信发您，想加你hh 最后：附上github issue详细对线！！！！！！！！！！！！！ 我们的原帖！支持一下！！！ GenericAgent——复旦团队研发 | 仅仅~3K 行代码 Self-Evolving Agent 开发调优 本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 … 最后的最后 支持一些我们努力完成的TUI，一直在根据群友的建议改，一天十几个pr，我的小学弟都说有点力竭 GA运行撰写issue过程 8 个帖子 - 6 位参与者 阅读完整话题
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。。