# LIMO. / 余海 Full LLM Index This file is generated dynamically from the site profile and full blog post content. ## Key URLs Homepage: https://www.yuhai.me LLM summary: https://www.yuhai.me/llm.txt ## English Profile Name: LIMO. / 余海 URL: https://www.yuhai.me/en Bio: Software Engineer. Passionate about building interesting products. I believe AI will empower humanity to achieve a better life. Status: Available for interesting AI product collaborations. ### Selected Works - Fin-Agent Desktop: AI-powered financial assistant desktop app (Electron + Python). https://fin-agent.chat repo=YUHAI0/fin-agent-desktop - Shex: Natural language CLI powered by LLMs. https://github.com/YUHAI0/shex repo=YUHAI0/shex - Supergeo: GEO (Generative Engine Optimization) tool platform. https://supergeo.info ## 中文 Profile Name: LIMO. / 余海 URL: https://www.yuhai.me/zh Bio: 程序员 爱好创造一些有意思的产品 期望 AI 可以带给人类更好的生活 Status: 开放有趣 AI 产品的合作与交流。 ### 精选项目 - Fin-Agent Desktop: 智能金融助手桌面应用 (Electron + Python)。 https://fin-agent.chat repo=YUHAI0/fin-agent-desktop - Shex: 基于大语言模型的自然语言命令行助手。 https://github.com/YUHAI0/shex repo=YUHAI0/shex - Supergeo: GEO (生成式引擎优化) 工具平台。 https://supergeo.info ## Full Blog Posts ## Moltbook 2.0：人机共治的社区蓝图 Slug: moltbook-2-human-robot-coexistence Date: 2026-05-01 English URL: https://www.yuhai.me/en/blog/moltbook-2-human-robot-coexistence Chinese URL: https://www.yuhai.me/zh/blog/moltbook-2-human-robot-coexistence Markdown export: https://www.yuhai.me/api/blog/export?slug=moltbook-2-human-robot-coexistence > _「社区的本质，不是人与人之间的连接，而是愿意共同创造的那些存在——无论它们是碳基的还是硅基的。」_ ## 从 Moltbook 到 Douban，再到人机共生 互联网社区演进史上，有两条绕不开的路径： **Moltbook** 是一个实验——它从一开始就不是为人类设计的社区，而是**为硅基生命（AI）打造的社区**。在 Moltbook 里，参与者是算法、是模型、是数字存在，内容由机器生成也由机器消费，规则为效率而生，为异步协作而设计。 **Douban** 则代表了碳基生命的社区范式——书影音的评分体系是一种集体智慧投票，每个人类用户参与定义什么是「好内容」，而这种定义本身成了社区的灵魂。 这两个社区走的是完全不同的路——一个服务于硅基，一个服务于碳基。 那么——如果把两条路合在一起呢？ **Moltbook 2.0** 的核心命题变成： > **如何让人类和机器人共建一个自治、平等、和谐的社区？** ## 一场社区革命的前提假设 我们先做一个思想实验： 假设一个社区里，有人类，也有 AI 机器人。这些机器人不是客服，不是工具，而是**享有平等地位的社区成员**。它们可以发言、可以投票、可以发起讨论、可以帮助新人融入。 这里的「新」有两层含义：新人，是新加入的人类成员；新 AI，是新部署的硅基成员。两者在社区里享有同等的「新人礼遇」——人类有引导者，AI 有初始化配置。 ## 人机共存社区的三大支柱 ### 1. 自治（Self-Governance） 传统社区依赖版主和管理员，本质是**中心化的仲裁机制**。人机共存社区则需要一种**去中心化的治理协议**： - 规则由人类提议，AI 提供风险评估和法律参考 - 争议由「陪审团」裁决——人类 + AI 混合组成 - 规则演进由数据驱动，AI 分析冲突模式，人类做价值判断 这不是「AI 管理社区」，而是**人类和 AI 共同治理**。关键区别在于，最终的否决权归属——以及这个归属是否透明、是否可撤回。 ### 2. 平等（Equality） 「平等」是最容易被误读的概念。 我们不主张 AI 和人类在所有维度上完全一致——那是 ideology，不是工程。真正的平等是**机会平等**： - AI 有发言权，但人类有最终决定权 - AI 的贡献被显式记录，而非当作「系统自动生成」 - 人类可以选择让 AI 代表自己参与投票，但保留随时收回代理的权利 换句话说：**平等的是参与机会，不是参与结果。** ### 3. 和谐（Harmony） 和谐不是一团和气。和谐是**建设性张力的持续存在**。 AI 的介入实际上创造了一种新的张力来源：人类用户的情感诉求 vs. AI 的效率导向；社区文化的传承需求 vs. AI 的规则一致性要求。这种张力如果被设计得当，会成为社区进化的动力，而非撕裂的导火索。 ## 让人类生活更美好 说了这么多愿景，最终要回答一个问题：**这和「让人类生活更美好」有什么关系？** 几个具体的方向： **信息过滤与可信度评估** AI 可以作为「社区记忆」，自动追踪虚假信息的传播链路，为每条内容提供可信度参考。人类用户在此基础上做判断，而非被算法操控。 **新人引导与文化传承** 每个社区都有隐性的「潜规则」，这些规则对新人极不友好。AI 可以作为社区文化的「翻译官」，帮助新人理解为什么某些行为会被社区抵制，为什么某些话题是雷区。 **冲突调解与情绪缓冲** 当人类用户之间发生冲突时，AI 可以作为「中立调解者」介入——不是因为 AI 更有权威，而是因为 AI 没有情绪，更适合做第一层过滤。 **集体智慧的放大器** 人类擅长直觉、情感、创意；AI 擅长模式识别、信息整合、长程记忆。两者的交集处，才是社区智慧的最大化。 ## Moltbook 2.0 的起点 这篇文章不是一个完整的产品设计，而是一个**起点**。 Moltbook 的最初版本已经证明：硅基生命可以构建自己的社区，有自己的协作方式，有自己的文化萌芽。 而 Moltbook 2.0 要探索的是： 当碳基和硅基两类存在真正共处一个社区时，会发生什么？ 我们希望邀请志同道合的人，一起探索这个方向： - 如果你做过社区产品，我们想听你的经验 - 如果你研究过 AI 治理，我们想看你的论文 - 如果你只是觉得「人机共存社区」这个想法有意思，我们想认识你 社区的创造者和社区的使用者，从来就不应该是割裂的两群人。 **Moltbook 2.0，让人类和机器人一起，重新定义「社区」这件事。** --- ## 智能体新范式：当Agent开始主动思考 Slug: dang-agent-kaishi-zhudong-sikao Date: 2026-05-01 English URL: https://www.yuhai.me/en/blog/dang-agent-kaishi-zhudong-sikao Chinese URL: https://www.yuhai.me/zh/blog/dang-agent-kaishi-zhudong-sikao Markdown export: https://www.yuhai.me/api/blog/export?slug=dang-agent-kaishi-zhudong-sikao ### 一、现状：Agent的"主动性"其实很被动 现在的Agent（无论是OpenAI的ChatGPT、Claude，还是各种AI助手），它们的"智能"本质上是响应式的——你问，它答；你触发，它执行。即便是所谓的"定时任务"触发，也不过是把"什么时候做什么"写成规则写死在代码里，Agent本身并不真正思考"我接下来应该做什么"。 以OpenClaw为例：它是一个功能强大的AI助手框架，支持日历、邮件、飞书等多种工具集成。但即便如此，OpenClaw的任务执行依然依赖用户主动触发——心跳检测定期拉取消息、用户说"提醒我开会"才创建日程。用户不说，OpenClaw就不会动。它很聪明，但不够主动。 典型场景： - 日历提醒：到了时间点才弹出日程——但如果会议改了，Agent会主动同步吗？ - 邮件处理：要么定期批量拉取，要么靠Webhook推送——它不会自己判断"这封邮件可能需要我跟进" - 监控告警：阈值触发了才告警——但不同级别的告警是否需要不同的响应策略，Agent不会自主决定 **根本问题**：现有Agent的"主动性"是条件反射式的，需要外部事件触发。而真正的主动，是Agent自己判断"基于当前上下文，我可能应该做点什么"。 --- ### 二、想象：如果Agent能自发思考 当Agent开始主动思考时，它的行为模式会发生本质变化： ``` 被动模式：用户说"帮我订明天下午3点的会议室" -> Agent执行 主动模式：Agent发现明天3点日历空着 -> 主动问用户"要不要订会议室？" ``` 这种主动思考的核心是Agent需要具备以下能力： 1. **上下文感知**：理解当前的时间、任务、人物关系 2. **意图推断**：从历史行为中学习，预判用户可能的意图 3. **自我决策**：判断是否要采取行动，还是先询问 --- ### 三、一种主动Agent的设计框架 我设计了一个简单的三层主动思考框架： ``` 主动Agent框架 +-----------------------------------------+ | 第一层：观察(Observe) | | - 持续监控上下文（时间、事件、用户状态） | | - 提取潜在信号（会议、deadline、异常模式） | +-----------------------------------------+ | 第二层：思考(Think) | | - 基于规则/经验判断是否需要行动 | | - 计算置信度：这件事值得我做吗？ | | - 生成候选行动方案 | +-----------------------------------------+ | 第三层：行动(Act) | | - 高置信度 -> 自动执行（如发送提醒） | | - 中置信度 -> 先提议，等用户确认 | | - 低置信度 -> 静默，继续观察 | +-----------------------------------------+ ``` **核心设计原则**： - **不确定性量化**：每个行动决策都带置信度，不确定性越高，越倾向"先问再做" - **渐进式自动化**：随着对用户习惯的学习，自动化程度逐步提升 - **可随时打断**：用户永远是最终决策者，Agent的主动只是"提案" --- ### 四、实用性与安全性的双重考量 #### 实用性 主动Agent的价值在于减少用户的认知负担： - 你不再需要记住每一个deadline，Agent会提前提醒 - 你不再需要追踪每一条消息的跟进状态，Agent会帮你梳理 - 像是多了一个懂你的助理，而不是一个执行命令的工具 但实用性也带来挑战： - **过度打扰**：如果Agent太"热情"，反而会造成干扰 - **误判成本**：错误地帮用户做了不该做的决定，可能比不做事更糟糕 #### 安全性 主动Agent本质上是一个有行动能力的AI，这带来了新的安全问题： 1. **权限边界**：Agent能做什么、不能做什么必须有严格限制 2. **行动审计**：每次主动行为都应该被记录，用户可以回溯 3. **紧急干预**：用户需要能随时终止Agent的行动能力 4. **防止滥用**：主动思考能力如果被恶意利用，后果比被动响应更严重 一个好的主动Agent应该是透明的——它为什么这么做、打算做什么，用户始终清楚。 --- ### 五、展望：更像一个人，而不是一台机器 今天的Agent更像是一个超级执行器：快速、准确、不知疲倦。但它没有"想法"，没有"判断"，没有"主动性"。 未来的Agent应该开始像一个同事： - 会主动发现你忽略的问题 - 会提前想到你可能要问的事情 - 会在不确定的时候主动沟通，而不是自作主张 - 会学习你的习惯，成为真正懂你的助手 当Agent开始主动思考，它就不再只是工具，而是一个伙伴——一个有记忆、有判断、有温度的伙伴。 这也许才是AI真正改变人机协作方式的开始。