周末用TanStarter模板给娃做了个学习网站

后台生成学习任务，主要是学单词，

用 Workers AI 免费生成学习内容，

图片用 Thiings Icons 图库，

语音用 Workers AI 免费模型，

前端界面用 Animal UI，简单好看，

数据库、存储、部署都用Cloudflare，

成本为0，这就是 TanStarter 模板的优势！

昨晚去杭州某大厂交流，说了一个观点，越是大用户量的产品，产品经理就越难在其中融入“自己”，这在 AI 时代是危险的
反倒是做个小而美的东西，可以把自己的个性、甚至缺点，当做产品的特性，反正又不要吸引太多人，有一些臭味相投的就可以了

推荐一个开源工具 NewsNow，专门用来优雅地阅读实时热门新闻。内容按国内、国际、科技、财经等分类聚合，来源覆盖微博、知乎、抖音、GitHub、华尔街、Hacker News、V2EX 等主流平台，一眼就能把当天热点扫清。
GitHub：https://github.com/ourongxing/newsnow
在线地址：https://newsnow.busiyi.world

互联网充电｜优质资源
优质内容｜内幕消息

恒生科技咱再也不碰了

"豆包收费就卸载"——但说句难听的，人家根本不在乎

你觉得呢

当巴别塔开始倒塌，小红书买下了世界杯

（虽然是在小红书工作，但以下说的所有观点仅代表个人不代表平台意志）
【有关“巴别塔”】
潘乱老师在标题里有一个比较明显的典故错用… 标题按照他的意思其实是巴别塔建立，而不是巴别塔倒塌。“巴别塔”源自《圣经》，上帝为阻止人类因语言统一而过于强大，变乱了人类的语言，导致通天塔工程失败。这揭示了人类社会的永恒悖论——集体协作依赖于共识，但个体认知的差异又会解构共识。
但现代现代社会的巴别塔其实靠翻译功能弥合是完全不够的。现代社会的协作失灵”常表现为“意义变乱”，即表层语言相通，但背后的价值判断和情感倾向因文化、立场不同而产生分歧… 这么看下来小红书确实比X更容易建造巴别塔，毕竟兴趣不会带来那么大的纷争，国际局势聊天广场可就不一定了…

【有关“社区的社区”】
小红书整体是一个大社区，但里面的体育、游戏等兴趣圈子还不足以形成小社区——我倾向于归纳为兴趣社群，一种相对松散的组织。区分两者的关键是：一个独立的社区需要具备“边界、独立信息流、成员身份认同”三个要素。

小红书的兴趣圈子没有边界（内容与主站推荐流混排，你无法“进入”一个只显示体育笔记的信息流），没有独立管理规则（所有话题共用平台统一的审核与分发逻辑），也没有超越单次互动的稳定成员关系（用户不会说“我是小红书体育社区的人”，他们只是“在聊球”）。

所以，小红书上只有话题的聚合、情绪的共鸣，但没有形成独立于平台的小社区。它暂且还不能被称为“社区的社区”。

#出海运营秘籍👉@yunying23

在 X 上写文章最烦排版搬运。
图片要一张张传、表格贴不进去、代码块全乱。

我做了个功能: Markdown 一键转 X 文章。
图片封面自动上传、表格自动转图、代码块原样保留。

另外跟 YouMind 无缝对接，文档、爆款文章集合均可一键导出到 X 草稿。

快来试试吧，10 秒钟上手：
https://youmind.com/landing/markdown-to-x-article

Invalid media: video

天涯社区秽土转生的公告写得挺绕的，我讲一些细节：

- 创始人刑明和原始团队已经出局了，包括2023年最后一次管理层连续直播一个星期筹款救天涯的活动，连300万人民币的目标都只完成了不到10%，然后法律意义上的天涯社区就宣告破产了；

- 破产之后的天涯社区拍卖了能卖掉的所有资产，但还是提前备份了论坛数据，一家跨境金融公司注册了成都天涯客这个主体，主要负责出钱保存服务器，并从刑明那里取得了受托授权，也就是字面意思上的接盘；

- 但新公司想要继续运作天涯社区的品牌，但不愿意背负天涯社区之前的债务——差不多1.2个亿左右——所以对资产剥离的技巧提出了很高的考验；

- 之所以tianya.cn的域名拿不回来，也是因为被债主中国电信给扣下并做了司法拍卖，说明运营商不接受这种做法，欠债还钱天经地义，于是新公司只能用tianya.net这个域名转生；

- 但比较意外的是，新公司通过仲裁打赢了数据所有权的官司，可能说服了法庭用户数据不算企业资产吧，目前的监管模式也比较倾向于保护数据的一方；

- 按照这个架构来收拾天涯的残局，其实成本不高，但一直没有正经公司掺合的原因还是没法赚钱，或者说没法以常规的商业模式赚钱，天涯社区作为产品已经名存实亡了；

- 所以新公司现在搞的都是野路子，卖2000块钱一份的会员集资、把天涯神贴改成付费可看、甚至计划效仿Reddit把内容卖给AI公司训练等等，还是很抽象的；

- 现在的天涯社区在实质意义上真的成了一艘忒修斯之船：若一艘船的所有部件被逐步替换，直至无原始材料留存，此时该船是否仍是原来的船？

红包分好几种，很多人搞混了：
1. 发券：结合电商交易/本地生活服务（到家/到店）
2. 裂变：老带新，师傅带徒弟，做APP 拉新和拉活
3. 极速版：靠激励任务、刷内容（积攒时长）赚钱
4. 社交型：依托于支付体系的即时到帐的社交场域

微信和支付宝红包，代表集五福和春节偷袭；
拼多多淘特的红包，大家先入为主是砍一刀；
阿里京东的红包，商品券/店铺券/神券/Plus；
抖音快手极速版的红包，默认激励任务赚钱；
抖快生服滴滴携程的红包，是拼团和满减券。

其实，都是不一样的。

准备和 @潘乱 再聊一期红包/网赚/裂变的前世今生。

聊一聊 Agent 的存算分离架构设计👇

一个有灵魂，有记忆的 Agent，一次任务的生命周期包括以下步骤

1. 用户输入 query（text + files）
2. Agent 读取提示词文件（soul.md，identify.md，user.md 等）
3. Agent 读取可用的工具和技能（tools，skills 等）
4. Agent 读取记忆（memory.md，memory_search 查询）
5. Agent 构建上下文（prompt + tools + memory + query）
6. Agent 进入 Loop（LLM 调用 → 工具调用 → 观测 → 再推理）
7. Agent 交付结果（Artifacts）

什么需要存：提示词文件，工具和技能，对话记录，交付产物

什么需要算：上下文拼接，LLM 调用，工具调用

简单表示这个过程

fn(query, agent runtime) = artifacts

我们可以把 agent 运行方式简单分为三类

1. 本地裸机运行
2. 本地带沙盒（sandbox）运行
3. 云端多副本运行

---

1. 本地裸机运行，是 OpenClaw 之类 Agent 的常见模式。Agent 提示词文件、skills，对话记录（sessions）全部存在本地磁盘，Agent 执行任务时，会在固定 workspace 目录下运行，用户上传的文件、Agent 产出的文件全部落在同一个 workspace，Agent Loop 完全依赖本地文件构建上下文和执行工具调用，存跟算是一体的。

这种模式好处是足够简单，避免了额外的文件挂载开销，弊端在于安全性，比如 Agent Loop 执行了一个 exec(rm -rf /) 工具调用，很容易对宿主机产生破坏

2. 本地带沙盒运行，是 Codex 之类的 Agent 的常见模式。主要解决两个问题。一是防止 Agent 越权操作，提高安全性；二是解决宿主机的依赖缺失导致工具调用异常的问题。

Agent Loop 执行工具调用时，涉及到敏感操作或者有外部依赖时，把宿主机的 workspace 目录挂载到 sandbox，在 sandbox 执行工具调用，输出产物自动同步到宿主机的 workspace 目录

这种模式下的存算分离，只在工具调用环节引入 sandbox 来动态计算，存储主要靠宿主机的文件系统

3. 云端多副本运行，是 Manus 之类的工具型 Agent 的常见模式。主要特点是多租户，多任务，长时间运行

像 genspark claw，kimi claw，max claw 之类的托管版小龙虾，本质上是在云端多副本运行的助理型 Agent，每个用户有独立的提示词文件，动态安装的 skills，需要长期记忆

这类 claw 托管服务，最简单的实现方式是搭建一套 k8s 集群，在每个 pod 部署一套 Agent 框架（OpenClaw，harmes 等），通过 pvc 挂载云硬盘，实现对用户资料的持久化存储。通过负载均衡策略把每个用户的请求路由到固定的 pod，在同一个 pod 做 Agent Loop，存算是一体的，每个 Agent 有独立的运行空间。这种方案隔离性很好，不好的地方在于 pod 需要常驻，运行成本很高，难以规模化

---

云端 Agent 需要规模化（scalable），必然要结合 serverless 架构做存算分离。计算层依赖 k8s 集群的调度机制动态扩缩容，水平扩展 Agent 网关的并发处理能力

存储层结合 Agent 的运行生命周期，不同阶段的产物用不同的存储方案，主要分为四种

1. 热状态。Agent Loop 的 step，plan，游标等状态，用 kv（redis）来存，高性能，低延迟，用于异常重启后的断点恢复

2. 对话和任务记录。在任务完成后用关系型数据库（postgres）来存

3. 长期记忆。基于对话/任务记录做摘要，提取成记忆，用向量数据库（pgvector，milvus）来存

4. 工作产物。包括用户上传的文件，Agent 输出的文件，系统内置的 tools，动态创建的 skills 等，用对象存储（s3，oss）来存

---

以 FastClaw 为例，演示基于存算分离架构的云端 Agent 的运行过程👇

1. 一套 k8s 集群，日常 2 个 pod，部署 fastclaw gateway，接收用户请求

2. 负载均衡把用户请求路由到其中一个 pod，Agent 开始计算逻辑：

2.1 从 db 读取提示词文件（soul，identity，user）
2.2 初始化 pod 内一个临时目录作为 workspace
2.3 初始化 sandbox，挂载 workspace
2.4 从对象存储下载用户资料和系统 skills 到 workspace
2.5 调用 memory_search 工具，从向量数据库查询记忆
2.6 拼接上下文，调用 llm，解析工具
2.7 在 sandbox 执行工具调用，读写 workspace 内的文件
2.8 把 Agent Loop 过程中的状态设置为 checkpoint，保存到 kv
2.9 Agent 输出结果给用户

3. 通过惰性检查，把不活跃的 sandbox 关闭，关闭前把 sandbox 内 workspace 的文件上传到对象存储

以上的存算分离架构，计算层依赖 pod + sandbox，pod 水平扩容支持并发调用，sandbox 承接少量的工具调用，使用 e2b 作为 sandbox 可以做到秒级启动，构建 sandbox 池可以提高并发容错；存储层依赖 kv + db + vector db + oss 的组合使用，瓶颈在于 io 延迟

这套架构最大的挑战在于分布式多副本场景下的数据一致性，需要合理使用锁机制和负载均衡策略。

理解了这套架构，再去看 Manus，Claude managed agents 的实现，就很好理解了。

篇幅有限，不能详述细节，欢迎留言讨论。🤗

剑桥大学开发了一款免费的英文写作提高工具「Write & Improve」，可以选择数百种进行写作，也有不同难易程度，可以获得需要改进的建议反馈，还可进行提交获得对应认证，适合想提高英语书写表达能力的同学。
🤖 https://writeandimprove.com/

互联网充电｜优质资源
优质内容｜内幕消息