我用Kollab替代了小龙虾:非技术人员的Agent新选择
文章对比了 Agent 工具 Kollab 与 OpenClaw(小龙虾)的差异。作者指出,尽管 OpenClaw 功能强大,但配置复杂对非技术人员不友好。Kollab 保留了核心功能,但在用户体验上更简洁,支持 IM 集成和团队共享空间,能有效降低“上下文税”,使 Agent 像同事一样协作。
文章对比了 Agent 工具 Kollab 与 OpenClaw(小龙虾)的差异。作者指出,尽管 OpenClaw 功能强大,但配置复杂对非技术人员不友好。Kollab 保留了核心功能,但在用户体验上更简洁,支持 IM 集成和团队共享空间,能有效降低“上下文税”,使 Agent 像同事一样协作。
文章结构清晰、易读且具近期时效性,但本质是偏向浅层对比的Kollab推广软文,技术深度和客观信息量相对不足。
文章介绍了一个面向小企业、小团队的多租户 Agent Dashboard——腾讯开源的 Octop。团队可以在内部共享一个 Agent 平台来创建技能和 Agent。亮点包括:支持单点登录和简单的多租户权限控制;支持 Docker 服务端部署并提供 Web Dashboard;可对接不同的存储后端、数据库以及沙盒服务。作者将其定位为 Grok Bot 的小团队版,与面向个人的 OpenClaw/Hermes 和桌面端的 WorkBuddy 形成差异化。作者表示非广告,如果领导要求做类似系统可直接参考。
Artie 团队(17人)分享了如何将 Hermes——NousResearch 的开源 AI agent harness——部署为全团队共享的 AI 助手。文章讲述了从工程师个人 WhatsApp 使用的起步,到选择 Hermes 而非 OpenClaw 并加入护栏的决策;用每年 60 美元的 Hetzner 物理服务器承载全部运行。团队为每个部门设计了独立 profile:工程(Plan 分派任务、Code 执行开 PR)、销售、设计、BizOps 等,并强调人类始终在环节中审核。Skills 以代码形式版本化进 Git 仓库,严控数量以省 token。受人类 REM 睡眠启发,Hermes 每晚'做梦'复盘当日工作,将有价值内容晋升到长期记忆。
作者分享了团队从通过 Discord 消息平台与 AI Agent 交互,转向使用 OpenClaw 多人协作 WebUI 的实践经验。Discord 虽然方便,但本质仍是聊天工具,缺乏共享工作上下文的能力。新的多人 WebUI 让多名开发者可以同时打开同一会话,实时查看、补充上下文、接管任务,会话本身就成为项目交接文档,无需拷贝粘贴。文章还介绍了通过 Cloudflare Tunnel 与 Access(GitHub 登录)安全暴露本地 Gateway 的架构,并强调这是受信任团队的协作机制,而非多租户隔离。
DeepSeek Harness(DSH)是 DeepSeek 官方开源的 AI Agent 运行环境,核心理念是「一切皆插件」。文章介绍了如何在 GitHub 和社区清单中发现优质插件,并推荐了多款热门插件:包括让模型理解图片的 ModLens、扩展搜索源的 ModSearch、可操作真实 Chrome 浏览器的 dsh-browser、支持多 Agent 协作的 Agent Teams、插件市场 dsh-market、界面全家桶 dsh-web-ui、侧边栏增强、上下文可视化和生成式 UI 等,帮助用户扩展 DSH 技能并提升使用体验。
本期早报聚焦三篇精讲:美团搜索3.0探索LLM语义表征在排序模型中的应用,通过联合建模、难负样本和覆盖率验证,将语义信号融入现有特征体系;硅谷101讨论Token经济,强调本地开源模型与云端前沿模型按任务分工,以优化成本与质量;YC Paper Club则从失败样本、弱监督、编码智能体和多语训练等案例,主张将数据集与评测Harness当作长期维护的产品。速览涵盖具身智能、微调模型技术债、Agent可观测性、OpenAI AI Futures、MiniMax Design、Docker安全运行时及Claude Code实战指南。
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.
文章介绍了名为 LarryBrain 的 AI Agent 技能市场。它是一个包含 100 多个经过验证技能的中心,支持 OpenClaw、Hermes 和 Claude 等 Agent。与 ClawHub 不同,安装 LarryBrain 后,Agent 可即时感知所有技能目录,实现即插即用。文章重点介绍了其在 X 平台营销自动化、TikTok 内容生成及 API 集成方面的应用,强调了其“一次安装,全部解锁”的便捷性与强大的变现能力。