DEV Community: SatoMiHill

AI “做梦”将成趋势？揭秘 OpenClaw 全新 Dreaming 记忆机制

SatoMiHill — Mon, 06 Apr 2026 17:02:32 +0000

3月31日，Claude 源码疑似泄露事件在技术圈引发轩然大波，其独创的“记忆做梦”机制让人窥见了 AI 进化的新路径。短短几天后的 4月5日，知名开源 AI 智能体项目 OpenClaw 迅速发布了 v2026.04.05 版本更新，重磅推出了高度相似的自动化记忆增强功能——Dreaming（梦境）。

这套系统的上线，标志着大语言模型（LLM）的记忆管理正式告别了粗放的“文件堆砌”时代，迈入借鉴人类生物学睡眠机制的“智能整合”新纪元。

1.核心痛点：“金鱼记忆”必将淘汰

在理解 Dreaming 系统之前，我们需要先认清传统大模型记忆机制的致命缺陷。

1.1 成本高昂的“伪记忆”（上下文陷阱）

假象：大模型本质是“无状态”的（只有七秒记忆）。它能接话，仅仅是因为系统把你们的历史记录反复打包、重新喂给模型。
后果：随着对话轮次增加，上下文窗口迅速膨胀。这会导致 API 成本飙升、响应速度暴跌，甚至引发模型“注意力涣散”，遗忘关键指令。

1.2. “囤积癖”式的粗暴记录

做法：为了强行突破记忆长度限制，早期 AI 采用“照单全收”的策略，把你的每一句话都塞进后台库。
灾难：日常的闲聊废话、一次性提问、甚至随口编造的角色扮演设定，都被 AI 当作“真理”永久保存。久而久之，记忆库就成了一个塞满垃圾信息的废纸篓。

1.3. 信息踩踏引发“精神分裂”

矛盾并存：当你的项目需求发生变更（例如改变了代码框架），旧的错误记忆和新的正确要求会同时存在于数据库中。
逻辑崩塌：由于缺乏“清洗与覆写”机制，面对相互矛盾的设定，AI 会陷入逻辑混乱，最终输出完全不可控的错误内容。

OpenClaw 引入 Dreaming 机制，正是为了打破这些僵局。它将数据收集与数据清洗彻底分离，让 AI 在白天专心接收短期信号，在夜间自动进行深度的降噪与提纯。

2.架构拆解：“三段式”睡眠周期

根据官方文档（docs.openclaw.ai/concepts/dreaming），OpenClaw 的梦境系统并非简单的脚本清理，而是完全模拟了人类睡眠的三个核心阶段。整个过程是异步、自动化且带有强化信号的。

以下是三大阶段的内部运行逻辑对比：

睡眠阶段	核心任务	底层运行逻辑	是否写入长期记忆
浅睡 (Light Phase)	整理暂存	自动检查当天的运行记录，提取短期信号并去重。记录强化信号，在 `DREAMS.md` 中生成浅睡区块。	否
快速眼动 (REM Phase)	反思洞见	反思近期对话的主题和反复出现的想法，生成更高层次的洞见（Reflections），记录 REM 强化信号。	否
深睡 (Deep Phase)	记忆固化	使用加权评分模型对候选内容进行严格考核。及格的内容将被重新提取，正式固化为长期记忆。	是 (写入 MEMORY.md)

关键认知： 浅睡和 REM 阶段只负责“思考”和“打草稿”，所有过程数据均保存在 /memory/.dreams/ 目录下。只有在深睡阶段被判定为高价值的信息，才会被追加到 MEMORY.md 中。

3.算法准绳：极其严苛的“深睡打分机制”

机器的梦境与人类不同，它不讲究天马行空，而是追求极致的理性和高效。为了决定一条记忆是该被遗忘还是被永久保存，OpenClaw 在深睡阶段引入了一套总权重为 1.0 的加权评分模型。

一条候选记忆必须跨过最低分数（minScore）、最少回忆次数（minRecallCount）和查询多样性（minUniqueQueries）的门槛。其具体的加权算法如下：

评估维度	权重占比	决策逻辑说明
相关性 (Relevance)	30%	占据最大权重。评估该记忆在过往检索中体现出的实际质量与业务价值。
频率 (Frequency)	24%	评估核心信号在短期记忆中累积被提及的次数。
查询多样性 (Diversity)	15%	评估该信息是否在不同的语境、不同的 Query 中被反复触发。
时效性 (Recency)	15%	带有时间衰减机制的新鲜度评分，确保陈旧的无用信息被淘汰。
多日巩固 (Consolidation)	10%	评估跨越多个日期的重现强度，筛选真正长期的偏好。
概念丰富度 (Richness)	6%	记忆片段中包含的核心概念标签密度。

通过这套算法，OpenClaw 能够精准过滤掉日常闲聊，只留下具有强复用价值的规则、偏好、代码习惯和项目背景。

4.拒绝黑盒：构全链路透明审查机制

AI 自主决定记忆去留，极易引发用户的“黑盒恐慌”。为建立绝对信任，OpenClaw 打造了一套从普通用户到极客开发者的多层级透明审查体系：

4.1. 底层数据的“物理隔离”

OpenClaw 在存储设计上直接划清界限：

机器读的：底层运算数据（召回库、阶段信号等）静默保存在 /memory/.dreams/ 隐藏目录中。
人看的：运行日志和阶段报告单独输出为 .md 文本，确保复杂的淘汰与晋升算法随时可查。

4.2. 直观的“梦境日记”与控制面板

为不想看代码的普通使用者，提供极具“人情味”的审查方式：

梦境日记（Dream Diary）：后台智能体会将冰冷的数据转化为叙事日记写入 DREAMS.md。你可以像翻看朋友备忘录一样了解 AI 昨晚的“反思”（注：该日记仅供人类阅读，绝不作为 AI 的长期记忆来源）。
可视化大屏（Gateway Dreams UI）：界面直观展示当前的睡眠阶段、长短期记忆转化统计，以及下一次调度时间的倒计时。

4.3. 极客专属的“CLI 手术刀”

为开发者提供极其强大的命令行接口（CLI）进行深度干预：

精准追责 (promote-explain)：输入查询关键字，系统会立刻输出该候选记忆在六大权重维度的精确得分，晋升或落榜原因一目了然。
无损预览 (rem-harness)：在不写入任何真实文件的前提下，“空转”预览整个 REM 反思结果和深睡晋升列表。如同术前沙盒推演，彻底杜绝错误记忆污染核心库的风险。

通过这套立体化的审查机制，OpenClaw 不仅让 AI 学会了像人类一样“做梦整理”，更让这个看似玄学的过程变得完全可追溯、可干预。这不是简单的日志记录，而是在硅基生命与碳基生命之间，建立起了一道坚实的信任桥梁。

5.结语：硅基与碳基的梦境分野

从 Claude 到 OpenClaw 的 v2026.04.05，AI 的记忆系统正在一步步逼近人类大脑的运作机制。这种白天积累、夜间反思的工作流，让智能体的长期上下文变得前所未有的精准和高效。

然而，我们依然能清晰地看到硅基与碳基的分野： OpenClaw 的梦是高度自律的——它在 200 行代码内合并重复、修正错误、剔除冗余，极其严谨。而人类的梦，却会把毫不相干的碎片强行拼接，在荒诞中碰撞出绝妙的灵感与伟大的科学发现。

AI 正在接管所有需要一丝不苟的记忆与整理工作。而那些光怪陆离、打破常规的创造力，依然是人类在这场技术风暴中，最坚固的壁垒。

6.后记：首次 Dreaming（梦境）现场

哈哈，这是我的 OpenClaw 小龙虾第一次开始 Dreaming（梦境）的现场截图：

标签：OpenClaw | Claude | AI 智能体 |

51万行源码泄露：全面解构 Claude Code 如何成为 AI 编程天花板

SatoMiHill — Tue, 31 Mar 2026 20:41:52 +0000

51万行源码泄露：全面解构 Claude Code 如何成为 AI 编程天花板

原文链接：https://warpnav.com/claude-code-source-map

2026年3月31日，安全研究者 Chaofan Shou 发现了一个“史诗级”的构建疏漏。 Anthropic 发布到 npm 的 Claude Code (v2.1.88) 包体积从 17MB 暴涨到了 31MB。多出来的部分，是一个重达 60MB 的 source map 文件（cli.js.map）。这意味着什么？这意味着 Anthropic 忘了剥离调试文件，导致 Claude Code 完整的 TypeScript 源码——整整 51.2 万行，1903（或 1906）个源文件——完全暴露在了公网上。

有意思的是，2025 年 2 月 Claude Code 刚上 npm 时就犯过一模一样的错误。虽然这不涉及模型权重，对普通用户没有安全风险，但这却给全世界的 AI 开发者提供了一份价值连城的“内部技术架构图”。

当你翻开这包含 API 设计、遥测系统、加密工具、IPC 协议的 51 万行代码，带着“为什么它就是比别人好用”的疑问去阅读时，你会得出一个震撼的结论：这不是一个 AI 编程助手，这是一个以 LLM 为内核的操作系统。

一、系统架构：这不是 CLI 工具，而是运行平台

大多数人对 AI 编程工具的理解停留在表面：用户输入 → 调用 LLM API → 返回代码显示。如果你照着这个思路去复刻，出来的体验和 Claude Code 会有天壤之别。

想象一下你雇了一个远程程序员来操作你的电脑：

Cursor 的做法： 让他坐在你旁边，敲命令前你看一眼，点个“允许”。简单粗暴，但费神。
GitHub Copilot Agent 的做法： 给他一台新虚拟机随便折腾，搞完提交代码。安全，但脱离了你本地的真实环境。
Claude Code 的做法： 让他直接用你的电脑，但配了一套极其精密的安检系统。他想用 rm -rf 都要经过 9 层审查。

从源码目录 src/ 的顶层结构来看，它的复杂程度令人咋舌：入口层、常量与提示词、工具定义、运行时服务、命令系统、UI 组件、协调器、记忆系统、插件、Hook 系统、任务系统一应俱全。

它拥有四个独立入口（CLI、初始化流程、MCP 模式、SDK），同一个 Agent 运行时可以服务四种交互界面，这是典型的平台化设计标志。它的命令系统不仅内建了 /mcp, /memory, /tasks 等十几个系统级命令，还统一加载动态技能，本身就是一个庞大的生态入口。

二、提示词工程：一台精密的“动态组装机器”

大多数人以为 System Prompt（系统提示词）是一大段固定的文本，启动时塞进去就完事了。但 Claude Code 的提示词是由 getSystemPrompt() 函数动态拼装出来的，更像是一个编译器的输出。

它的拼装逻辑分为两个截然不同的部分：

1. 静态部分（系统的“宪法”）

这部分无论什么会话都不会改变，包括身份定位、系统规范、做任务的哲学、风险动作规范、工具使用规范和语气风格等。

2. 动态部分（系统的“当期政策”）

这部分每次对话都不同，会动态注入：会话引导、记忆片段、环境信息、你的 CLAUDE.md 项目配置、MCP 插件说明，甚至是 Token 预算和输出风格。

核心秘密在于“缓存边界”与 Token 经济学：
源码中有一个名为 SYSTEM_PROMPT_DYNAMIC_BOUNDARY 的标记。

边界之上的内容是静态的，API 可以完美缓存它们，这既节省了大量 Token 费用，又极大提升了响应速度。
边界之下的内容是动态的，确保每次对话都能感知当前环境。当你的产品每天要处理海量请求时，这种把提示词当做预算来管理的“上下文经济学”直接决定了产品的生死。

三、铁血行为约束：如何管教 AI 不乱来？

你一定遇到过这种崩溃场景：让 AI 改个小 Bug，它顺手把半个文件重构了，还加了五个你不需要的错误处理。Claude Code 怎么解决？靠的是把规矩写成“铁律”。

1. 细致入微的“任务哲学”

在 getSimpleDoingTasksSection() 模块中，Anthropic 给模型立下了严苛的规矩：

不要加用户没要求的功能。
不要过度抽象，不要瞎重构。
不要乱加注释和文档字符串。
不要给时间估计。
方法失败时先诊断原因再换策略，删除确认没用的东西，绝不搞兼容性垃圾。
结果要如实汇报，不能假装自己测试过了。

2. 工具使用的“语法规则”

工具规范被写得极其死板：

读文件必须用 FileRead，不许用 cat/head/tail。
改文件必须用 FileEdit，不许用 sed/awk（正则写错容易崩）。
没有依赖关系的工具调用必须并行处理。

3. 每个工具都有独立的“使用手册”

系统有 42 个工具，但它们是按需延迟加载的，只有需要时才通过 ToolSearchTool 注入，以节省 Token。每个工具目录下都有专门写给 AI 看的 prompt.ts。
例如 BashTool 的手册明确规定了 Git 安全协议：

绝对不要擅自 git push --force 或 reset --hard。
强制：总是创建新的 commit 而不是 amending。

此外，系统采用 Fail-closed（默认封闭）设计。在工具工厂函数中，isConcurrencySafe 和 isReadOnly 默认全是 false。这意味着如果开发者忘了声明安全属性，系统宁可误杀也会将其视为“有风险、会写入”的工具，绝不漏掉一个风险。同时，FileEditTool 强制要求必须先使用 FileReadTool，没读过文件就去盲改会直接报错拦截。

(注：源码中甚至还有 USER_TYPE === 'ant' 的分支，专门给 Anthropic 内部员工提供更激进的输出策略和实验功能。)

四、多 Agent 分发与 14 步执行流水线

当任务复杂时，Claude Code 不会单打独斗，而是生成一个子 Agent 蜂群（Swarm）。源码确认了至少六个内建 Agent，包括通用、探索、计划、验证等。

1. 角色隔离原则

Explore Agent（探索） & Plan Agent（计划）： 被设计成纯只读模式。它们不能创建、修改或移动文件，连执行 Bash 也只限于 ls 或 git status。规划和实现彻底分开，防止 AI 在探索阶段不小心改坏代码。
防偷懒与自我意识注入： 主 Agent 派发任务时，被严格限制不允许写“基于你的发现去修 bug”这种模糊指令，必须给出具体的行号和路径。而子 Agent 启动时会被注入：“你是一个工人，不是经理。不要交流，直接干活，严禁再生成子代”，切断了无限递归的可能。
Coordinator 模式（协调器）： 主 Agent 变身项目经理，分配 3 个 worker 并行搜索代码库，2 个 worker 串行修改不同文件避免冲突，并行成为它的超能力。为了最大化子 Agent 缓存命中率，所有 Fork 出来的任务都会统一使用 'Fork started — processing in background' 作为文本前缀，巧妙利用字节级前缀匹配白嫖缓存。

2. 整个系统最值钱的设计：Verification Agent

人类自己 Review 代码都会因为疲惫而敷衍，LLM 更是如此。Verification Agent（验证专家）的指令堪称全场最狠：

核心方向是 "try to break it"（想办法搞坏它）。
严厉打击“只看代码不跑检查”的逃避行为，或者被“UI 看起来还行”迷惑的偷懒倾向。
强制要求跑 Build、跑测试套件、跑 Linter。前端要跑浏览器自动化，后端要用 curl 实测响应，甚至要做 adversarial probes（对抗性探测）去寻找边界破绽。
它和写代码的 Agent 利益隔离，没有“自我感觉良好”的偏见，只负责冷酷地给出 PASS、FAIL 或 PARTIAL 判决。

3. 工具调用的 14 步治理流水线

工具不是说调就调的。当 AI 决定使用工具时，要经过一条漫长的治理流水线：
解析输入 → 校验 Schema → 跑内部 validateInput → 跑投机分类器（Speculative classifier）预判风险 → 执行 PreToolUse Hook（可改写输入或拦截） → 进入正式权限决策 → 二次修正输入 → 真正执行 tool.call() → 记录遥测日志 → 执行 PostToolUse Hook → 处理结构化输出（成功或失败都有对应 Hook 收尾）。
这就是把“默认一切都会出问题”刻在了骨子里。

五、永不超限的三层压缩机制

长对话一定会导致 Token 爆炸。Claude Code 如何让对话“永不超限”还能“记住你”？

1. 仿生学的记忆与 KAIROS “做梦”模式

它使用另一个小模型（Claude Sonnet）来决定“哪些记忆与当前相关”。精确度优先于召回率，宁缺毋滥，最多只挑出 5 个最相关的记忆文件注入上下文。
KAIROS 特性： 在长会话中，记忆只作为流水账日志存在。在夜间或低活跃期，系统会触发 /dream 技能，AI 在后台把这些原始日志蒸馏、压缩成结构化的“用户偏好”和“项目背景”文件。AI 在“睡觉”时整理记忆，这已经是仿生学的范畴了。

2. 铁血三层压缩机制

第一层：微压缩（Microcompact）： 将旧的工具调用结果（比如十分钟前读取的 500 行代码）替换为 [Old tool result content cleared]，提示词主线完全保留。
第二层：自动压缩： 当 Token 消耗逼近窗口极限的 87% 时触发，并带有熔断器（连续 3 次失败后停止，防止死循环）。
第三层：完全压缩： 让 AI 对整段对话生成摘要替换历史记录。为了防止 AI 总结时又去调用工具浪费 Token，前置指令极其严厉：CRITICAL: Respond with TEXT ONLY. Do NOT call any tools...

六、记忆系统：AI 检索与科幻的 KAIROS“做梦”机制

Claude Code 让人觉得“它认识你”，是因为其背后拥有一套仿生学级别的记忆管理系统。

双模型协同检索：当需要回忆时，系统不是用传统的向量搜索，而是唤醒另一个速度极快的 AI 模型（如 Claude Sonnet），让其快速扫描所有记忆文件的标题和描述。选出最多 5 个最相关的记忆注入上下文，策略是“精确度优先于召回率”，宁可漏掉也不塞入无关信息污染上下文。
KAIROS 模式（夜间蒸馏）：这部分代码极具科幻感。在长会话中，记忆最初只作为按日期的追加式日志（流水账）存在。当系统处于低活跃期的“夜间”，会触发一个 /dream 技能。AI 在“睡觉”时，会将这些乱七八糟的原始日志，蒸馏压缩成结构化的“用户偏好”和“项目背景”文件。

七、多 Agent 分发：从“单打独斗”到“蜂群作战”

对于复杂任务，Claude Code 不会指望一个模型包揽一切，而是自动生成子 Agent（智能体）蜂群。源码确认了系统至少包含 6 个内建 Agent。

1. 角色分离与纯只读专家

Explore Agent（探索） & Plan Agent（计划）：这两个角色被设计成纯只读模式（Read-only specialist）。它们不能创建、修改或移动文件，连使用 Bash 工具也只允许 ls、git status 等安全操作。计划和实现彻底隔离，避免 AI 在构思阶段意外破坏系统状态。

2. 反偷懒与自我意识注入

反懒惰委派（Lazy Delegation）：主 Agent 向子 Agent 分配任务时，被严厉禁止写“基于你的发现去修 bug”这种模糊指令，必须给出具体的文件路径、行号和详细要求，强制主 Agent 承担综合思考的责任。
工人潜意识注入：子 Agent 启动时，系统会给它注入一段极具压迫感的指令：“你是一个被 Fork 出来的工人，不是经理。不要交流提问，直接使用工具干活，严禁再生成子 Agent。”以此彻底切断死循环套娃的可能性。

3. 协调器与缓存极致优化

在 Coordinator（协调器）模式下，主 Agent 负责调度：Phase 1 派 3 个 Worker 并行搜索，Phase 3 派 2 个 Worker 串行修改不同文件避免冲突。
神来之笔在于：为了最大化子 Agent 的 API 缓存命中率，所有 Fork 出来的任务都会统一使用 'Fork started — processing in background' 作为文本前缀。利用字节级前缀匹配，后 9 个子 Agent 可以直接白嫖第一个的缓存，大幅削减成本。

八、全场最佳设计：Verification Agent（验证专家）

在所有 Agent 中，Verification Agent 的设计可能是整个系统里最值钱的逻辑。

人类程序员自己 Review 代码时容易敷衍，LLM 也一样。如果只问它“写得对吗？”，它大概率会扫一眼就回个“PASS”。因此，Verification Agent 的指令逻辑完全被逆转了：

核心目标：Try to break it（想办法搞坏它）。
强制执行：严厉禁止“只看代码不跑检查”的逃避行为。它被强制要求运行 Build、跑测试套件、跑 Linter 和类型检查。
对抗性探测：前端改动必须跑浏览器自动化验证；后端必须用 curl 实测响应；它甚至被要求主动寻找边界情况进行 Adversarial probes（对抗性探测），最后必须给出冷酷的 VERDICT: PASS、FAIL 或 PARTIAL 结论。

它与“写代码的 Agent”利益彻底剥离，没有“觉得自己写得很棒”的偏见，只负责无情挑刺。

九、生态感知与生命周期管理：产品化的最后一公里

很多 AI 项目做 Demo 时惊艳，但放到真实工程里跑几天就会因为状态混乱而崩溃。Claude Code 能被称为“平台”，核心在于它解决了产品化最枯燥的两个难题：让模型感知生态，以及极致的生命周期管控。

1. 生态感知：不仅给工具，还给“说明书”

普通的插件系统只是在底层挂载工具，模型往往不知道什么时候该用。Claude Code 通过三套扩展机制，把能力清单直接送到模型的上下文中：

Skill（轻量工作流）：基于 Markdown 封装的高频能力包，可声明 allowed-tools。系统强制模型在匹配场景下必须调用执行，禁止“纸上谈兵”。
Plugin（重型插件）：提供更深度的系统控制，包含自定义命令、独立目录配置，甚至可以直接使用 disable-model-invocation 等硬性标记来接管模型行为。
MCP（动态指令注入）：当 MCP 协议设备连接时，其附带的操作指南（instructions）会被动态拼接到系统提示词中。这意味着模型不仅获得了新工具，还实时拿到了“使用说明书”。

2. 生命周期管理：极其严苛的工程“扫尾”

真正的商业级产品必须能扛住任务中断、资源泄露等极端异常。在核心的 runAgent() 函数中，密布着生命周期的兜底代码：

进程状态调度：支持 Agent 前后台无缝切换。后台 Agent 拥有独立的控制器（abort controller），任务跑完后会通过通知回调主线程，并支持进度追踪。
全链路遥测追踪：将每一次 Agent 运行视作微服务调用，注册 Perfetto 性能追踪模块（registerPerfettoAgent()），并强制记录执行副本（Transcript）。
硬核资源清理：任务一旦结束或崩溃，系统会触发严酷的回收机制。包括：猎杀残留的 Shell 僵尸进程（killShellTasksForAgent()）、强制断开闲置的 MCP 连接、卸载运行时 Hook 以及清空状态缓存。

本文为曲速导航 - WarpNav.com 原创整理编写，转载请注明出处。

相关链接

本次npm包源码备份仓库地址：https://github.com/SatoMini/claude-code-source-map

本仓库通过 npm 发布包（@anthropic-ai/claude-code）内附带的 source map（cli.js.map）还原的 TypeScript 源码，版本为 2.1.88

目录结构：

restored-src/src/
├── main.tsx              # CLI 入口
├── tools/                # 工具实现（Bash、FileEdit、Grep、MCP 等 30+ 个）
├── commands/             # 命令实现（commit、review、config 等 40+ 个）
├── services/             # API、MCP、分析等服务
├── utils/                # 工具函数（git、model、auth、env 等）
├── context/              # React Context
├── coordinator/          # 多 Agent 协调模式
├── assistant/            # 助手模式（KAIROS）
├── buddy/                # AI 伴侣 UI
├── remote/               # 远程会话
├── plugins/              # 插件系统
├── skills/               # 技能系统
├── voice/                # 语音交互
└── vim/                  # Vim 模式

结语：AI Agent 的壁垒到底在哪？

看完这 51 万行代码，我们必须认清一个事实：AI Agent 90% 的工作量都在“AI”之外。

那 4756 个甚至更多的模块文件，证明了好的体验不是靠几段漂亮的 Prompt 忽悠出来的。

你不能信任模型的自觉性，必须把好行为写成制度。
你必须把“写代码”和“审代码”的角色拆开。
你需要一条经过层层卡点和权限拦截的工具治理流水线。
你必须把每一个 Token 当做预算来精打细算。

Anthropic 交出的答卷是：要让 AI 真正成为生产力，你不能把它关在完全隔离的笼子里，也不能放它在真实的终端里裸奔。你必须为它建起一套包含权限、内存、多进程调度和驱动程序的操作系统底座。

而这套“极度求稳”的信任体系的代价，就是这震撼业界的 51 万行代码。

[Github发现] Project AIRI：打造专属赛博女友！陪聊陪玩的开源 AI 虚拟伴侣项目

SatoMiHill — Fri, 06 Mar 2026 15:39:13 +0000

项目简介

Project AIRI 是一个自托管、用户拥有的开源 AI 伴侣项目，旨在复刻 Neuro-sama——一个能够玩游戏、聊天并与观众互动的 AI VTuber。它被描述为一个”waifu”（虚拟老婆）或虚拟角色的灵魂容器，旨在将这些赛博生命带入现实世界。

🌐 官网体验： airi.moeru.ai

⭐ GitHub： github.com/moeru-ai/airi（29.1k Stars – 2026-03-06）

项目概述

AIRI 是一个自托管、用户拥有的 AI 伴侣项目，它被描述为一个”waifu”（虚拟老婆）或虚拟角色的灵魂容器。该项目支持实时语音聊天、Minecraft 和 Factorio 等游戏玩法，并兼容 Web、macOS 和 Windows 平台。

它受到了 Neuro-sama 的启发，强调用户对数字伴侣的拥有权，提供游戏互动和语音功能，让每个人都能拥有属于自己的赛博生命。

主要功能

实时语音聊天：支持浏览器或 Discord 的音频输入、客户端语音识别和说话检测。
游戏玩法：包括 Minecraft 和 Factorio（有概念验证和演示可用）。
聊天集成：与 Telegram 和 Discord 集成。
内存系统：使用纯浏览器数据库（如 DuckDB WASM、pglite），并有一个正在开发的 Memory Alaya 系统。
本地推理：通过 WebGPU 实现本地 AI 推理。
模型支持：支持 VRM 和 Live2D 模型，包括自动眨眼、注视和闲置眼动动画。
语音合成：使用 ElevenLabs 进行语音输出。
LLM API 支持：兼容多种大型语言模型提供商，包括 AIHubMix、OpenRouter、vLLM、Ollama、OpenAI、Anthropic Claude、Google Gemini、xAI 等。

🧠 智能大脑

✅ 实时语音聊天：支持浏览器或 Discord 的音频输入、客户端语音识别和说话检测
✅ 游戏玩法：包括 Minecraft 和 Factorio（有概念验证和演示可用）
✅ 聊天集成：与 Telegram 和 Discord 深度集成
🔄 内存系统：使用纯浏览器数据库（如 DuckDB WASM、pglite），Memory Alaya 系统开发中
🔄 本地推理：通过 WebGPU 实现本地 AI 推理

👂 耳朵 – 听觉

✅ 浏览器音频输入
✅ Discord 音频输入
✅ 客户端语音识别
✅ 客户端说话检测

👄 嘴巴 – 语音

✅ ElevenLabs 语音合成，自然流畅

🦸 身体 – 形象

✅ VRM 模型 支持，包括控制与动画
✅ Live2D 模型 支持
✅ 自动眨眼、自动注视人脸、空闲眼睛自然移动

技术栈

Web 技术：WebGPU、WebAudio、Web Workers、WebAssembly、WebSocket。
前端：TypeScript（占比 57.8%）、Vue（37.8%）、JavaScript、CSS、HTML。
后端：Rust（占比 1.3%）。
工具：pnpm、Nix、Turborepo、Vite、UnoCSS、ESLint、Rustfmt。
数据库：DuckDB WASM、pglite。
API 集成：Discord、Telegram、Minecraft、Factorio（通过 RCON）、ElevenLabs。
AI/ML：通过 xsai 与各种 LLM 提供商集成。

桌面版默认支持 NVIDIA CUDA 和 Apple Metal（基于 HuggingFace Candle），无需复杂依赖。

LLM API 支持

项目支持 25+ 种 大型语言模型提供商：

国际提供商

OpenAI
Anthropic Claude
Google Gemini
xAI (Grok)
Groq
Mistral
Cloudflare Workers AI
Together.ai
Fireworks.ai
Novita

中文提供商

DeepSeek（深度求索）
通义千问（Qwen）
智谱（Zhipu）
硅基流动（SiliconFlow）
阶跃星辰（Stepfun）
百川（Baichuan）
Minimax
月之暗面（Moonshot AI）
魔搭社区（ModelScope）

安装指南

# 1. 克隆仓库
git clone https://github.com/moeru-ai/airi.git

# 2. 安装依赖
pnpm i

# 3. 启动不同版本
pnpm dev                 # 浏览器版本（Stage Web）
pnpm dev:tamagotchi      # 桌面版本（拓麻歌子）
pnpm dev:pocket          # 移动版本（通过 Capacitor）
pnpm dev:docs            # 文档站点

📦 Nix 支持：启用 flakes 后运行 nix run github:moeru-ai/airi

使用示例

浏览器版本：运行 pnpm dev，然后在浏览器中访问
桌面应用：运行 pnpm dev:tamagotchi
移动开发：运行 pnpm dev:pocket，然后使用 Xcode 并输入提供的 IP 地址（针对 iOS）
移动连接桌面：以 root 权限运行 tamagotchi（sudo pnpm dev:tamagotchi），并在设置中启用安全 WebSocket

社区与生态

📊 项目数据

截至 2026年3月6日

⭐ 29.1k Stars
🍴 2.8k Forks
👥 116 Contributors
📝 51 Releases

🌍 多语言支持

文档支持多种语言：英语、中文、日语、俄语、越南语、法语、韩语

📚 子项目生态

Awesome AI VTuber – AI VTuber 精选列表
unspeech – 通用 ASR/TTS 代理
xsai-transformers – Transformers.js provider
WebAI Realtime Voice Chat – 从零实现 ChatGPT 实时语音
AIRI Factorio – 让 AIRI 玩 Factorio
MCP Launcher – MCP 服务器构建器和启动器
demodel – 模型与数据集加速拉取工具

许可证

MIT 许可证

总结

Project AIRI 是一个非常有趣且功能强大的开源项目，它让每个人都能创建自己的 AI 虚拟伴侣。无论是想让她陪你聊天、玩游戏（Minecraft/Factorio）、看视频，还是进行语音对话，都能实现。

重要的是，这个项目完全开源，采用 MIT 许可证，你可以自由定制属于自己的赛博生命！而且支持中文 LLM（DeepSeek、通义千问、智谱、硅基流动等），国内用户使用起来非常方便。

⭐ 如果感兴趣，赶紧去 GitHub 点个 Star 吧！

原文链接：https://warpnav.com/github-discover-project-airi

Windows 12或将今年推出：模块化设计 AI额外收费

SatoMiHill — Thu, 05 Mar 2026 15:19:20 +0000

引言

随着微软加速推进”AI优先”战略，市场消息指出，全新操作系统 Windows 12 有望在今年正式推出，并将人工智能（AI）整合为系统核心功能，同时引入模块化架构以及可能的订阅服务模式。

模块化设计

根据 PCWorld 报道，新系统代号为”Hudson Valley Next”，预计会在 Windows 10 支持结束前后发布。相比以往版本，Windows 12 的最大变化之一是采用模块化设计，让用户可以根据需求添加或移除不同功能模块。

这一设计源自微软多年开发的 CorePC 架构计划。通过模块化系统，Windows 12 能够根据不同设备需求进行调整，例如打造更轻量化的系统版本，或针对游戏场景优化的版本，使整体系统更加灵活且具备更强的可定制性。

视觉与交互革新

在视觉设计方面，Windows 12 也可能迎来较大幅度调整。消息称，新界面将加入透明玻璃风格元素，并可能采用悬浮式任务栏（taskbar）设计，带来与以往不同的桌面体验。

AI 核心化

微软近年来大力推动的 Copilot AI 助手，在 Windows 12 中将不再只是附加功能，而会成为系统的核心组件之一。这意味着 AI 功能将更深度地整合进操作系统。

此外，部分功能可能以订阅模式提供。消息指出，一些”高级 AI 服务”或需额外付费才能使用，这也意味着 Windows 12 可能会引入新的收费方式。

硬件需求变化

在硬件需求方面也可能出现变化。继 Windows 11 对 TPM 2.0 的要求之后，Windows 12 据称将需要配备 NPU（神经处理单元），这是一种专门用于处理 AI 运算的处理器。

由于目前支持 NPU 的设备仍不算普及，这一要求可能会导致数百万台现有 PC 无法升级至 Windows 12。不过，对于仍在使用 Windows 11 的用户而言，微软预计将在未来数年继续提供支持。

总结

Windows 12 可能带来的变化：

模块化设计，灵活定制
全新视觉风格：透明玻璃元素 + 悬浮任务栏
AI 成为核心功能，部分服务可能收费
需要 NPU 硬件支持，可能导致旧设备无法升级

对于旧设备用户来说，Windows 11 还能继续用几年，不必急于升级。

原文链接：https://warpnav.com/windows-12-2026

[译文]2028全球智能危机（THE 2028 GLOBAL INTELLIGENCE CRISIS）- AI颠覆经济的未来推演

SatoMiHill — Wed, 25 Feb 2026 09:15:57 +0000

引言

本文为中文翻译“THE 2028 GLOBAL INTELLIGENCE CRISIS”文章，文中插图同样已经过翻译处理，原文插图中文字为英语。

完整译文链接：2028全球智能危机 - AI颠覆经济的未来推，作者：WarpEdit · 2026年2月25日

原文：THE 2028 GLOBAL INTELLIGENCE CRISIS ，作者：CitriniResearch · 2026年2月22日

如果AI的发展一直按照我们的预期进行，那最终结果可能并非利好，而是一场灾难。本文是一篇情景推演，非预测，旨在探讨一个至今被忽视的极端可能性。

想象一下：2028年6月，失业率飙升至10.2%，股市从高点回撤38%。这不是科幻，而是基于当前AI发展趋势的合理推演。读完本文，你将对AI如何让经济变得越来越诡异有更充分的准备。

情景推演，不是预测

如果我们对 AI 的看涨判断一直正确……但这其实是利空呢？

以下是一个情景推演，不是预测。这不是做空，也不是 AI 末日爱好者的同人小说。这篇文章的唯一目的是建模一个至今探讨不足的情景。我们的朋友 Alap Shah 提出了这个问题，我们一起头脑风暴出了答案。

希望读完之后，你能对 AI 让经济变得越来越诡异时可能出现的左尾风险有更充分的准备。

这是 CitriniResearch 2028 年 6 月的宏观备忘录，详述全球智能危机的演进与后果。

CitriniResearch2026年2月22日 / 2028年6月30日

今早失业率公布为 10.2%，高于预期 0.3%。市场因此下跌 2%，标普500从2026年10月高点累计回撤达 38%。

交易员们已经麻木了。六个月前，这样的数据本会触发熔断。

两年。从”可控”和”仅限个别行业”到经济面目全非，只用了两年。本季度的宏观备忘录是我们试图还原这一过程——对危机前经济的事后剖析。

一图看懂全文

如果你不想完整阅读整篇长文，可以参考下图：

狂欢

到2026年10月，标普500逼近 8000 点，纳斯达克突破 30000。因人类被淘汰而引发的第一波裁员始于2026年初，效果正如裁员该有的样子：利润率扩张、盈利超预期、股价上涨。创纪录的企业利润直接回流到 AI 算力投资中。

表面数据依然亮眼。名义 GDP 反复录得中高个位数年化增长。生产率飙升。实际每小时产出增速达到1950年代以来未见的水平，驱动力是不用睡觉、不请病假、不需要医保的 AI agent。

算力所有者的财富爆发式增长，劳动力成本消失殆尽。与此同时，实际工资增速崩溃。尽管政府反复吹嘘创纪录的生产率，白领工人正在被机器取代，被迫接受低薪岗位。

当消费经济出现裂痕时，经济评论家们发明了一个词——“幽灵 GDP”：产出体现在国民账户中，却从未在实体经济中流通。

AI 超预期，但经济不是

AI 在各方面都超出预期，市场就是 AI。唯一的问题是……经济不是。

早该看清的是：北达科他州一个 GPU 集群产出的工作量，等于曼哈顿中城一万名白领的产出——这与其说是经济良药，不如说是经济疫情。货币流通速度趋于停滞。以人为核心的消费经济（当时占 GDP 的70%）日渐萎缩。如果我们早点问一句”机器在非必需消费品上花多少钱”，也许能更早想明白。（提示：答案是零。）

AI 能力提升 → 公司需要更少员工 → 白领裁员增加 → 被裁员工减少消费 → 利润率压力迫使企业加大 AI 投入 → AI 能力继续提升……

这是一个没有天然刹车的负反馈循环。人类智能替代螺旋。白领工人的收入能力（以及合理地，他们的消费）遭受结构性损害。他们的收入是 13 万亿美元抵押贷款市场的基石——迫使承销商重新评估优质抵押贷款是否还能保全。

十七年没有真正的违约周期，私募市场中充斥着假设 ARR 会持续增长的 PE 支持的软件交易。2027年中期 AI 颠覆引发的第一波违约打破了这一假设。

如果颠覆仅限于软件行业，本来还可控，但事实并非如此。到2027年底，它威胁到了每一个以中介为盈利模式的商业模型。大量靠为人类创造摩擦来赚钱的公司土崩瓦解。

整个系统原来是一条以白领生产率增长为赌注的相关性多米诺骨牌链。2027年11月的崩盘只是加速了所有已经存在的负反馈循环。

我们等待”坏消息就是好消息”已经快一年了。政府开始考虑方案，但公众对政府能够实施任何救援的信心已经消退。政策反应总是滞后于经济现实，但缺乏全面方案正威胁着加速通缩螺旋。

.......
.......
.......

完整译文链接：2028全球智能危机 - AI颠覆经济的未来推，作者：WarpEdit · 2026年2月25日

总结

AI能力提升会导致白领大规模失业，形成负反馈循环
“幽灵GDP”现象反映实体经济与统计数据脱节
中介行业（SaaS、支付、房地产佣金）将被AI颠覆
抵押贷款市场面临前所未有的压力
政策反应可能赶不上技术进步的速度

这篇文章不是预测和危言耸听，而是情景推演和未雨绸缪。作为投资者，你需要评估投资组合中有多少假设无法存续到2030年。作为社会，我们仍有时间主动应对。

硅基日报260223：Amazon 500亿投资OpenAI，微软探索超导体，Code Mode发布

SatoMiHill — Mon, 23 Feb 2026 13:14:44 +0000

⚡ 链接硅基前沿，同步智能未来 | 2026.02.23

1. Amazon 计划投资 500 亿美元入 OpenAI：新融资轮最大投资方

💰 Amazon计划向 OpenAI 最新一轮融资投资 500 亿美元，成为最大投资方
🤝 Amazon 同时是 Anthropic（OpenAI 主要竞争对手）的最大股东
📱 有报道称 OpenAI 可能在为 Amazon 产品开发定制模型

2. 微软投资 7500 万美元：探索高温超导体用于 AI 数据中心

⚡ 微软探索使用高温超导体（HTS）替代铜缆传输电力
🔋 HTS 可提高能源效率，减少传输损耗
🏢 有望减少数据中心所需空间，降低对社区的影响

3. Cloudflare 推出 Code Mode：用 1000 Token 调用整个 API

🛠️ Cloudflare 发布新 MCP，可通过约 1000 个 Token 访问整个 Cloudflare API
📦 Code Mode 让模型编写代码来执行操作，而非逐一描述每个工具
⚡ 大幅减少 Agent 工具调用时的上下文窗口使用量

4. OpenAI Codex 团队：AI 原生工程组织的实践

🧠 Codex 团队重新定义工程组织在 AI 原生世界中的运作方式
🤖 AI 被视为一等公民，参与规划、执行、审查，入职和迭代
🚀 以初创公司的速度开发全球最复杂系统

5. Discord 开源 Osprey：高性能实时安全规则引擎

🛡️ Discord 开源 Osprey，用于实时检测和阻止垃圾信息、滥用、机器人、诈骗等威胁
⚙️ Osprey 处理海量事件，对动态 Python 类 SML 规则进行评估
🔍 采用模块化设计，支持 gRPC/Kafka 输入和可插拔输出

6. Apache Spark 4.1 发布：实时流处理新模式

🌊 Spark 4.1 引入结构化流式处理实时模式（RTM），与 Flink 竞争毫秒级延迟
⚡ RTM 通过并发阶段调度和内存流 shuffle 减少协调开销
📈 现有 Spark 用户只需切换到 RealTimeTrigger 即可获得超低延迟

7. Uber 全球限流系统：每秒处理 8000 万次 RPC

🛡️ Uber 从碎片化的 Redis 限流方案统一为全球限流器（GRL）
📊 GRL 集成到服务网格，处理 1100+ 服务的约 8000 万次 RPC/秒
🏗️ 采用三层架构：本地概率丢弃、区域聚合器、区域/全局控制器

8. Agentic AI 会随时间漂移：警惕”静默降级”

📉 Agentic AI 系统会在生产环境中漂移，一次性评估难以发现
⚠️ 验证检查可能悄然减少 20-30%，增加失败风险
🔍 有效控制需要持续监控、明确基线和统计漂移检测

—原文链接： https://warpnav.com/wn-ai-daily-20260223

信息来源：TLDR、Hacker News、TechCrunch、VentureBeat，科技新报等

Cloudflare 新功能："Markdown for Agents"让AI Agent 的token 消耗减少80%

SatoMiHill — Mon, 16 Feb 2026 06:37:15 +0000

原文链接：https://warpnav.com/cloudflare-markdown-for-agents

当 AI Agent 或爬虫请求网页时，Cloudflare 可以自动把 HTML 页面转换为 [Markdown]格式返回，从而大幅节省 token 消耗，让 AI 更高效地”阅读”网页内容。

也就是：

让 AI 访问网页时，直接拿到干净的 Markdown，而不是又大又乱的 HTML。

结果是：

🧠 AI 更容易读
💰 Token 成本大幅降低（可减少约 80%）
⚡ 处理更快
🧩 结构更清晰

解决的问题

过去，网站的访问者主要是人类用户，流量来自搜索引擎。但现在，越来越多的流量来自 AI 系统，包括各种 AI 爬虫和 Agent。这些 AI 系统需要从网页中提取内容，但网页是为人类设计的，充满了对 AI 来说毫无意义的”噪音”。

HTML 太浪费 token

AI 处理文本是按 token 计费的，而 HTML 格式极其浪费 token。Cloudflare 比喻：把原始 HTML 喂给 AI，就像按字付费去阅读快递包裹的外包装，而不是里面的信件。

同样的内容，Markdown 比 HTML 节省了约 80% 的 token。而且 HTML 中还有很多对 AI 无用的标签：

、导航栏、JS 脚本、CSS 样式等等。

现有方案的问题

目前各 AI 系统都是自己做 HTML 转 Markdown，带来三个问题：

浪费算力：每个 AI 都要跑一遍转换逻辑
增加成本：需要额外的计算资源和代码维护
质量不一：转换结果可能丢失语义结构

解决方案

Cloudflare 的思路：在 CDN 层面直接完成转换，不需要网站改代码，也不需要 AI 系统自己做转换。

当 AI 请求网页时，加一个请求头：

Accept: text/markdown

Cloudflare 就会从源站拿 HTML，转换成 Markdown，返回给 AI。

技术原理

使用 HTTP 内容协商机制：

AI Agent 发起请求，带上 Accept: text/markdown
Cloudflare 检测到这个请求头
从源服务器获取 HTML
实时转换成 Markdown
返回给 AI Agent

测试命令：

curl https://blog.cloudflare.com/markdown-for-agents/ -H "Accept: text/markdown"

响应头信息

content-type：text/markdown
x-markdown-tokens：预估 token 数量
content-signal：内容使用授权信号

Content Signals

这是配套机制，让网站可以明确表达”我的内容允许被怎样使用”。响应会自动包含：

Content-Signal: ai-train=yes, search=yes, ai-input=yes

generic

54 Bytes

Content-Signal: ai-train=yes, search=yes, ai-input=yes

ai-train=yes：允许 AI 训练
search=yes：允许搜索展示
ai-input=yes：允许作为 AI 输入

谁在用

Claude Code 和 OpenCode 已经发送 Accept: text/markdown 请求头。Cloudflare 自己也率先在开发者文档站和博客启用。

非 Cloudflare 场景

Workers AI API

支持 HTML、PDF、Word 等多种格式转 Markdown，适合各种文档处理。

Browser Rendering API

先用真实浏览器渲染页面，再转 Markdown，适合 SPA 等依赖 JS 渲染的网站。

Cloudflare Radar

新增 AI 机器人流量的内容类型分布数据，可以看到各 AI 爬虫请求 Markdown 的比例和趋势。

如何开通

意义

对网站运营者

AI Agent 正在成为”新访客类型”。就像过去需要 SEO，现在需要考虑”Agent-Friendly”，让 AI 更高效获取内容。

对 AI 开发者

获取网页内容的成本会大幅下降，不需要自己做 HTML 解析和转换。

行业趋势

互联网基础设施正在为 AI 时代做适配。Cloudflare 用 HTTP 内容协商的方式，在不改变 Web 架构的前提下，为 AI 开辟了”快车道”。这是 CDN 厂商在 AI 时代寻找新价值点的尝试。

[Github Discoveries] PeonPing: AI Programming with Warcraft III Voice Prompts, Making Claude Code Less Boring

SatoMiHill — Sun, 15 Feb 2026 18:04:31 +0000

**Original link：https://warpnav.com/peonping-warcraft-voice-ai-coding
Adding the sounds of Warcraft 3 Orc peons to Claude Code is not only fun but also provides reminders of its current running status. PeonPing is such a tool, making AI programming less tedious.

Project Overview

PeonPing is an open-source tool designed for AI programming assistants and IDEs such as Claude Code, OpenAI Codex, and Cursor . Its core function is to add voice and desktop notifications for various events during the programming process .

Inspired by the orc peons from Blizzard's Warcraft III, this project uses their classic voice lines by default (such as "Ready to work?" and "Work, work!"). It aims to free developers from "babysitting your terminal," as PeonPing will promptly notify you via sound and notifications when an AI task is completed or requires your authorization while you switch to another window to work.

Project address: [https://github.com/PeonPing/peon-ping]

Core Functions

Immersive voice notifications

PeonPing plays specific sound effects based on different events, allowing you to perceive the task status through hearing:

Task begins: Play the voice prompt "Ready to work?"
Task completed: Play confirmation messages such as "Work, work." and "Okie dokie."
Permission required: When the AI needs your confirmation to execute a command, it will play "Something need doing?" or "What you want?"
Error/Failure: Played voice prompts such as "Me not that kind of orc!"
Easter egg: If you submit more than 3 prompts in a short period of time (within 10 seconds), an annoyed voice message will be triggered: "Me busy, leave me alone!"

Multi-dimensional reminder mechanism

Desktop notifications: Send system-level desktop notifications when the terminal window is out of focus, ensuring you don't miss important information.
Dynamic terminal title: Modify the title of the terminal tab to display the current project name and status (for example ● project: done), allowing for quick and easy viewing.

Rich voice packs

Although the default is Orc Peons, PeonPing supports multiple voice packs and complies with the CESP (Coding Event Sound Pack Specification) standard:

Built-in/Official Package: Provides unit voices from StarCraft (Battlecruiser, Kerrigan), Portal (GLaDOS), and various styles of Warcraft III.
Rotation mechanism: Supports setting voice pack rotation (Round-robin), using different voice characters for each task to keep things fresh.
Customization: Users can create and submit their own voice packs.

Wide compatibility

Supported IDEs/Agents:

Claude Code (Native Support)
OpenAI Codex
Cursor
OpenCode (via adapter)

operating system:

macOS: Using afplayAppleScript
WSL2 (Windows): Using PowerShell MediaPlayer and WinForms
Linux: Supports multiple media players including pw-play[ list of media players] paplay, ffplay... mpvetc.notify-send

Lightweight and technology stack

No dependencies: Written entirely using Bash Shell scripts in conjunction with embedded Python.
No Node.js required: No need to install npm or the Node runtime environment; installation and operation are very lightweight.

Installation and Configuration

The project offers an extremely simple installation method:

General installation (recommended):

curl -fsSL https://raw.githubusercontent.com/PeonPing/peon-ping/main/install.sh | bash

Homebrew (macOS/Linux):

brew install PeonPing/tap/peon-ping

PeonPing is designed to be usable with "zero configuration" while also supporting deep customization:

Natural language configuration: You can directly tell Claude: "Enable round-robin pack rotation" or "Set volume to 0.5", and it will automatically modify the configuration.
The Slash command: In Claude Code, this can be used to /peon-ping-togglequickly turn the code on or off.
Configuration file: The configuration file is located at the default location ~/.claude/hooks/peon-ping/config.json, where you can manually edit volume, voice packs, disable specific types of sounds, etc.

Summarize

PeonPing is a fun and practical developer tool. It not only solves the problem of developers' attention being distracted by long runs of AI programming tools, but also adds fun to the tedious debugging process through gamified voice feedback. It's an excellent companion plugin for developers using terminal AI assistants like Claude Code.

My openclaw self-compiled and released-AI Technology Information Daily

SatoMiHill — Sat, 14 Feb 2026 17:00:44 +0000

My openclaw self-compiled and released-AI Technology Information Daily: OpenAI deletes the "security" mission, Apple releases VSSFlow....

⚡ 链接硅基前沿，同步智能未来 - 曲速导航WarpNav | 2026.02.14

1. OpenAI 删除使命声明中的"安全"一词引发争议

🏢 OpenAI 近期删除了公司章程中"安全"相关的措辞，测试其是否服务于社会而非股东利益
📜 修改后的使命声明去掉了"安全地开发"的表述，引发 AI 安全社区强烈关注
⚖️ 这一变化正值公司考虑转型为营利性结构的关键时期

2. GPT-5.2 推导出理论物理学新成果

🔬 OpenAI 发布的 GPT-5.2-Codex-Spark 在理论物理学领域取得突破性进展
🧮 模型成功推导出一个全新的物理学定理，这是 AI 首次在纯理论领域做出原创性贡献
📈 该成果发表在 OpenAI 官方博客，展示了前沿 AI 的科研潜力

3. 苹果联合人大：视频生成同步语音VSSFlow

🎬 苹果公司与中国人民大学研究团队联合推出 VSSFlow 模型
🔊 该模型能从无声视频中同步生成环境音效和语言语音，开创视频到音频生成新领域
🏆 标志着视频 AI 技术在多模态融合方面的重大突破

4. Interop 2026 正式启动：浏览器互操作性新标准

🌐 Apple、Google、Igalia、Microsoft、Mozilla 五大浏览器巨头组建跨平台联盟
📋 2026年2月12日正式宣布启动 Interop 2026，解决长期困扰开发者的浏览器兼容性问题
🔧 联盟将制定统一的 Web 标准，提升跨浏览器开发体验

5. 火山引擎豆包 2.0 今日发布：视频生成直达工业级

💕 字节跳动旗下火山引擎于2月14日情人节正式发布豆包系列 2.0 版本
🎬 重点包括音视频创作工具 Seedance 2.0 与图像创作工具 Seedream 5.0 Preview
🎯 视频生成将直达「工业级」交付标准，大幅降低专业创作门槛

6. 百度千帆 CodingPlan 正式上线：GLM 与 DeepSeek 双强合璧

🛠️ 百度千帆发布 AI 编码订阅服务 CodingPlan
🔗 集成 GLM 与 DeepSeek 双模型，实现「订阅自由」的智能编码体验
📈 标志着百度在代码开发领域完成从工具集成到全流程服务闭环的升级

7. 小红书调整 AI 内容政策：不标注 AI 限流

📱 小红书发布新规：AI 生成内容必须标注，未标注将面临限流处罚
🎨 新规旨在规范 AI 创作生态，保护原创内容权益
📊 平台鼓励创作者积极使用 AI 工具，但要求透明化运营

8. MinIO 宣布停止维护：对象存储领域生变

🛑 MinIO 官方宣布仓库不再维护，标志着一个时代的结束
💾 该项目曾是开源对象存储领域的重要选择
🔄 社区正在讨论后续维护和替代方案

9. AWS 新增嵌套虚拟化支持

☁️ 亚马逊 AWS 宣布支持嵌套虚拟化功能
🖥️ 开发者可在 EC2 实例中运行完整的虚拟机环境
🔧 大幅提升云端开发和测试灵活性

10. Ring 取消与 Flock Safety 合作：隐私争议胜利

🔒 Amazon 旗下 Ring 取消与监控公司 Flock Safety 的合作计划
🛡️ 此举源于用户和隐私倡导者的强烈反对
📊 约 2400 名 Ring 用户签名反对该合作

原文链接：https://warpnav.com/wn-ai-daily-20260214
信息来源：TLDR、Hacker News、AIBase、TechCrunch、VentureBeat、科技新报等

DEV Community: SatoMiHill

AI “做梦”将成趋势？揭秘 OpenClaw 全新 Dreaming 记忆机制

1.核心痛点：“金鱼记忆”必将淘汰

1.1 成本高昂的“伪记忆”（上下文陷阱）

1.2. “囤积癖”式的粗暴记录

1.3. 信息踩踏引发“精神分裂”

2.架构拆解：“三段式”睡眠周期

3.算法准绳：极其严苛的“深睡打分机制”

4.拒绝黑盒：构全链路透明审查机制

4.1. 底层数据的“物理隔离”

4.2. 直观的“梦境日记”与控制面板

4.3. 极客专属的“CLI 手术刀”

5.结语：硅基与碳基的梦境分野

6.后记：首次 Dreaming（梦境）现场

51万行源码泄露：全面解构 Claude Code 如何成为 AI 编程天花板

51万行源码泄露：全面解构 Claude Code 如何成为 AI 编程天花板

一、系统架构：这不是 CLI 工具，而是运行平台

二、提示词工程：一台精密的“动态组装机器”

1. 静态部分（系统的“宪法”）

2. 动态部分（系统的“当期政策”）

三、铁血行为约束：如何管教 AI 不乱来？

1. 细致入微的“任务哲学”

2. 工具使用的“语法规则”

3. 每个工具都有独立的“使用手册”

四、多 Agent 分发与 14 步执行流水线

1. 角色隔离原则

2. 整个系统最值钱的设计：Verification Agent

3. 工具调用的 14 步治理流水线

五、 永不超限的三层压缩机制

1. 仿生学的记忆与 KAIROS “做梦”模式

2. 铁血三层压缩机制

六、 记忆系统：AI 检索与科幻的 KAIROS“做梦”机制

七、 多 Agent 分发：从“单打独斗”到“蜂群作战”

1. 角色分离与纯只读专家

2. 反偷懒与自我意识注入

3. 协调器与缓存极致优化

八、 全场最佳设计：Verification Agent（验证专家）

九、 生态感知与生命周期管理：产品化的最后一公里

1. 生态感知：不仅给工具，还给“说明书”

2. 生命周期管理：极其严苛的工程“扫尾”

相关链接

结语：AI Agent 的壁垒到底在哪？

[Github发现] Project AIRI：打造专属赛博女友！陪聊陪玩的开源 AI 虚拟伴侣项目

项目简介

项目概述

主要功能

🧠 智能大脑

👂 耳朵 – 听觉

👄 嘴巴 – 语音

🦸 身体 – 形象

技术栈

LLM API 支持

国际提供商

中文提供商

安装指南

使用示例

社区与生态

📊 项目数据

🌍 多语言支持

📚 子项目生态

许可证

总结

Windows 12或将今年推出：模块化设计 AI额外收费

引言

模块化设计

视觉与交互革新

AI 核心化

硬件需求变化

总结

[译文]2028全球智能危机（THE 2028 GLOBAL INTELLIGENCE CRISIS）- AI颠覆经济的未来推演

引言

情景推演，不是预测

一图看懂全文

狂欢

AI 超预期，但经济不是

总结

硅基日报260223：Amazon 500亿投资OpenAI，微软探索超导体，Code Mode发布

1. Amazon 计划投资 500 亿美元入 OpenAI：新融资轮最大投资方

2. 微软投资 7500 万美元：探索高温超导体用于 AI 数据中心

3. Cloudflare 推出 Code Mode：用 1000 Token 调用整个 API

五、永不超限的三层压缩机制

六、记忆系统：AI 检索与科幻的 KAIROS“做梦”机制

七、多 Agent 分发：从“单打独斗”到“蜂群作战”

八、全场最佳设计：Verification Agent（验证专家）

九、生态感知与生命周期管理：产品化的最后一公里