jolestar

周末教媳婦用 Claude Code。
她是產品經理，從沒用過命令行，我從 cd / mkdir / pwd 開始教起。
終於打開 Claude Code 之後，基本就不需要我了：
她自己透過 Claude 配好了 git，甚至還裝好了 Docker。
命令行工具的可組合性，在 Agent 場景下被發揮到了極致。
但這種可組合性，也天然伴隨著安全與標準化的挑戰。

用 Gemini Vibe Coding 了一个 AI 作曲的应用，思路是用 AI 来生成曲谱，然后转换成音乐。当前只能转换成 midi，后面如果接个更好的混音服务，效果会更好一些。
这个主要是用来测试 AI 对曲谱 -> 音乐的映射的理解，我测试下来发现还不错，只是我的音乐水平有限，是否有玩音乐的推友，可以试试给个反馈。
这是视频演示：
这是试用地址，需要 Google 账户登陆

x402 v2 發布，這不是一次簡單的升級，而是將 x402 從「一套實現」，推進為「一套可演進的標準 + 可插拔的參考實現」。讓 x402 不再只是一个 SDK，而真正像一門網絡原生的付費接口語言。
在 v1 時代，x402 的模型非常簡單：
服務端要錢 → 客戶端簽名並支付 → 服務端驗證 → 結算完成。
這個模型很好理解，但也非常“直線”。
一旦你需要更多網絡、更多支付方式，或者更複雜的結算形態，你很快就會走到 fork SDK、打補丁、私下維護協議邊角的路徑上。能跑，但生態很難協同演進。
x402 v2 的核心變化可以壓縮成一句話： 它把“變化”從核心協議裡移了出去。
變化不再透過“改 spec / 改 core”引入，而是被明確安放在 Extensions、插件式機制（mechanisms）和生命周期 hooks 中。
這一步非常關鍵，因為它決定了生態中的新能力，能否在不修改核心協議的前提下並行演進。
在這個前提下，v2 的幾項變化可以被更好地理解。
首先是協議層：x402 變得更加 HTTP-native。
402 的語義回到 402，本該標準化的支付元數據進入 header；
應用層可以自由返回 HTML paywall、JSON 或任意 body，而中間件和 facilitator 依然可以穩定處理支付語義。這讓支付協議第一次真正適配了現有的網絡基礎設施。
其次是架

讓 AI 實現一個挺複雜的特性，我沒顧上持續 review，就通過 Vibe Coding 的模式，讓它自己加 e2e 測試，然後讓另外一個 AI 來 review 迭代反饋。最後報告非常完美，功能都實現了並且測試沒有錯誤。
美滋滋提交 PR，讓 Github Copilot review 一下。結果發現最底層的核心邏輯它給弄了兩個版本，一個版本實現了代碼但沒有 import，實際生效的是另外一個 mock 的版本😅。
Vibe Coding 後面的挑戰是如何驗收成果，防止被 AI 糊弄。

AI 的兩條路徑：雲端入口競爭，還是用戶側的原生應用？
最近看到阿裏發布了通義千問 App，正式卷入 C 端 App 大戰。Sam Altman 以前也多次表達過對“超級應用”的執念，不斷往 ChatGPT 裏塞入各種類社交功能。
在大廠的敘事裏，未來的 AI App 似乎注定是當前互聯網超級應用的翻版——成爲唯一的入口，集衆功能於一身。
但 AI 應用的未來，真的會收斂到這一條路徑上嗎？是否有別的途徑的可能？
如果我們把目光從通用的 AI Chat 應用移開，去看看 Cursor、Windsurf 這些編程類工具，集成一下各種 MCP 工具，或許能管中窺豹，感受到 AI 原生應用（AI Native App）截然不同的脈搏。
消失的護城河與全員不安全感
當前的 AI 應用生態，如果用一個生物體來做隱喻，可以拆解爲三個角色：
* 大腦（LLM 模型提供方）： 提供推理、決策和基礎知識。
* 身體（客戶端提供方）： 提供用戶交互界面（UI/GUI）和上下文環境（Context）以及記憶。
* 手腳（工具服務提供方）： 提供具體能力，比如搜索、日曆、訂票、支付等 MCP 工具。
在理想狀態下，客戶端（身體）把大腦和手腳連結起來，幫用戶解決問題。
在互聯網時代，應用的壁壘來自兩個東西：界面（UI）和接口（API）。用戶只能通過特定界面完成特定服務。但當需求可以通過自然語言表達，Promp

Cloudflare 掛了？ 好多網站都掛了， ChatGPT 也因爲打不開那個 challenges 掛了。還是我的網路出問題了？

讓 AI 重構一個大模塊，它歡快的拆出了好幾個模塊，搞了個新版本。然後讓它集成測試，它反復測試好多次，中間模型配額限制到了，給它提升到 200刀的檔位。結果最後它刪了所有的新模塊，然後告訴我還是用舊版本比較劃得來🤣。氣得我直接開罵，就在聊天框裏罵。它又重新開始幹了，還說感到用戶很生氣..

Cetus 被黑客攻擊後 Sui 凍結黑客資金，引起了“去中心化”爭論。但去中心化是一個連續的光譜，從 Bitcoin 到 CEX，中間還有大量的空間，不同鏈的解決方案有不同的生態位置，現在是中間地帶的解決方案太少而不是太多。Web3 發展到現在，僅靠去中心化的理念已經很難突破了，可以少談點主義多解決問題。

👍，感覺很適合 AI Agent 發布內容

框架上套框架，framework 的套娃比賽開始了😅

大家在批評向大學生推廣合約的做法，但感覺批評估計沒啥效果，不如反其道行之，搞個合約模擬盤大賽，玩法如下：
1. 給一筆模擬的初始資金，比如 10000 U。
2. 要求槓杆倍數大於 N，比如 10 ～ 100，算一個權重。
3. 根據倉位比例算一個權重。
5. 存活時間算一個權重。
最後來個排行。看你能在高槓杆，高倉位的情況下，活多少天。我覺得玩過一把之後就理解其中的風險了吧？
保護年輕人最好的辦法不是擋着藏着不讓他們參與（主要也是擋不住），而是讓他們理解和認識到其中的風險。如果一定要經歷了風險才能長記性，早經歷比晚經歷好。

瀏覽器直接創建一個私鑰，不需要任何插件就可以參與測試 nuwa 了

AI Agent 記憶的機會與挑戰
OpenAI 宣布全面啓用 ChatGPT 的記憶能力( ChatGPT 可以跨會話來根據記憶提供上下文。
記憶帶來的機會
記憶功能無疑是增加 AI 應用粘性的一個重要方式。用戶切換 AI 平台本來沒有太大切換成本，但有了記憶後就不一樣了。比如 Nuwa 的設計我就是和 ChatGPT 聊出來的，如果要聊 AI Agent 相關的東西，我都會傾向於和 ChatGPT 聊，不用我增加太多上下文，它就能理解 Nuwa 上的 AI Agent 能做什麼，是如何工作的。
所以記憶功能會是後面所有 AI 應用發力的重要方向，包括 AI Agent。既然大家背後都調用的是大模型接口，差距主要出現在兩個方面：
1. 工具集 tools：AI Agent 是否可以依賴 tools 做更多的事情。
2. 記憶能力：AI Agent 是否更懂你。
如何管理記憶？
AI Agent 的記憶應該如何管理？把和它所有的回話內容都作爲記憶，是一種簡單粗暴的方案。更好的方式是讓 AI 來管理自己的記憶。Langchain 前一段時間推出的 langmem SDK 就是這個思路，給 AI 一組 tools 來管理記憶，由 AI 來決定什麼應該記錄下來。
Nuwa 設計的時候也是這個思路，提供了一組記憶的 Action：add/update/remove/compact。每次交互