日月小楚的投资交流空间（公告群）
Photo
日月小楚 ｜Building AI Agents
这个工具，可以让vibe coding效率提高10倍
为了发挥cc、codex、opencode各自的特长，每次vibe coding的时候，我都要开很多窗口，窗口一多后就很头疼。
直到我看到Superset，让我眼前一亮。它是一个专为 AI Coding Agent 设计的桌面 IDE，让你能同时运行 10 个以上的 Agent，每个都彼此隔离，全部在一个界面里统一管理。它不是在旧工具上打补丁，而是从头重新设计了"和 AI Agent 一起工作"这件事应该是什么样子。
✅ 并行执行，真正的并行
你可以同时跑超过 10 个 Coding Agent，每个负责不同的任务，彼此完全独立。不是"开着等"，而是"全部在跑"。以前一个下午只能做一件事，现在可以同时推进十件事，等你去喝杯水回来，它们都已经有进展了。这是用 AI
提效的正确姿势——不是更快地等，而是根本不需要等。
✅ Git Worktree 隔离
每个 Agent 运行在自己独立的 git 分支和工作目录里，不会互相踩文件、不会互相覆盖代码。这听起来是个小细节，但实际上是并行运行的基础保障。没有这个，10 个 Agent 同时改代码就是一场灾难。有了这个，10 个 Agent 同时改代码就是真正的生产力。
其他值得一提的功能：
→ 内置 Diff 查看器 — Agent 提交改动后，你可以直接在 Superset 里检查、对比、编辑，不用跳到别的工具，流程不断线。
→ 状态监控与通知 — 实时追踪每个 Agent 的运行状态，它做完了会通知你。不用盯着终端，可以去做别的事。
→ 工作区预设 — 把你常用的多 Agent 配置保存下来，一键恢复，自动完成环境初始化和依赖安装。换台电脑、新建项目，全套流程秒级重现。
现在 AI Coding Agent 越来越强，但大多数开发者还在用最原始的方式使用它们——一个终端、一个任务、等它跑完、再开下一个。这就像有了一支团队，却让他们排队干活。Superset 给了你真正的"指挥中台"，让你能同时调度所有 Agent，把 AI
的并行能力真正用起来。目前 GitHub 已经有 3300+ star，还在持续更新。
👉 https://t.co/Q9FQEEJPDs
如果你也在用 Claude Code、Codex、Gemini CLI 这些工具，强烈建议试试。觉得有用的话，帮忙转发给身边的开发者朋友，一起提效。
tweet
这个工具，可以让vibe coding效率提高10倍
为了发挥cc、codex、opencode各自的特长，每次vibe coding的时候，我都要开很多窗口，窗口一多后就很头疼。
直到我看到Superset，让我眼前一亮。它是一个专为 AI Coding Agent 设计的桌面 IDE，让你能同时运行 10 个以上的 Agent，每个都彼此隔离，全部在一个界面里统一管理。它不是在旧工具上打补丁，而是从头重新设计了"和 AI Agent 一起工作"这件事应该是什么样子。
✅ 并行执行，真正的并行
你可以同时跑超过 10 个 Coding Agent，每个负责不同的任务，彼此完全独立。不是"开着等"，而是"全部在跑"。以前一个下午只能做一件事，现在可以同时推进十件事，等你去喝杯水回来，它们都已经有进展了。这是用 AI
提效的正确姿势——不是更快地等，而是根本不需要等。
✅ Git Worktree 隔离
每个 Agent 运行在自己独立的 git 分支和工作目录里，不会互相踩文件、不会互相覆盖代码。这听起来是个小细节，但实际上是并行运行的基础保障。没有这个，10 个 Agent 同时改代码就是一场灾难。有了这个，10 个 Agent 同时改代码就是真正的生产力。
其他值得一提的功能：
→ 内置 Diff 查看器 — Agent 提交改动后，你可以直接在 Superset 里检查、对比、编辑，不用跳到别的工具，流程不断线。
→ 状态监控与通知 — 实时追踪每个 Agent 的运行状态，它做完了会通知你。不用盯着终端，可以去做别的事。
→ 工作区预设 — 把你常用的多 Agent 配置保存下来，一键恢复，自动完成环境初始化和依赖安装。换台电脑、新建项目，全套流程秒级重现。
现在 AI Coding Agent 越来越强，但大多数开发者还在用最原始的方式使用它们——一个终端、一个任务、等它跑完、再开下一个。这就像有了一支团队，却让他们排队干活。Superset 给了你真正的"指挥中台"，让你能同时调度所有 Agent，把 AI
的并行能力真正用起来。目前 GitHub 已经有 3300+ star，还在持续更新。
👉 https://t.co/Q9FQEEJPDs
如果你也在用 Claude Code、Codex、Gemini CLI 这些工具，强烈建议试试。觉得有用的话，帮忙转发给身边的开发者朋友，一起提效。
tweet
👍2
日月小楚的投资交流空间（公告群）
Photo
日月小楚 ｜Building AI Agents
RT @t20000622yy: @riyuexiaochu 很不错啊这个，我之前做了个agent调用agent的，但是我觉得这个更好更合理，我那个轻量一点： https://t.co/7774BGh58P，今天试下superset怎么样
tweet
RT @t20000622yy: @riyuexiaochu 很不错啊这个，我之前做了个agent调用agent的，但是我觉得这个更好更合理，我那个轻量一点： https://t.co/7774BGh58P，今天试下superset怎么样
tweet
日月小楚
一个文科生72 小时杀入Openclaw贡献榜前30， 我看了他的访谈视频后，其中一段论述让我醍醐灌顶。
未来一个人如何对AI的理解，决定了未来的高度。而现在大多数人都还只停留最低的阶段。
第一层：AI是工具
这是大多数人的认知。AI只是当做一个提升效率的工具。
工具层的价值：省时间
让AI给你写一份报告，从两小时压缩到二十分钟。一段代码从查文档到直接生成。这是AI使用的入门级，也是大多数人永远停留的地方。效率有提升，但上限很低，因为你还是在一件件事情上手动操作。节省的是操作时间，但你的工作方式没有本质改变。
第二层：AI是员工
进阶用法。你不再一个一个任务去"使用"AI，而是给它分配工作。员工层的价值：根据你的指令完成任务
你设定目标、提供背景、划定边界，然后它去执行。你从"使用者"变成了"管理者"。这需要你学会拆解任务、写清楚需求、定义边界。当你掌握这个技能，AI是员工，一个人可以做以前一个团队才能做的事。但是，它在执行的是你的指令，你的思想
第三层：AI是合伙人
你把AI是合伙人，是领域专家。放手让AI去做，不要用你现有的思维，做事方式来约束。而你要做的就是信任
AI是领域专家。它可以写代码、做分析、出方案，在很多专业任务上，它完成得相当出色。
要像那样人才驱动的公司一样，搭建一个舞台，让人才来创造。
为什么这三层很重要？
因为大多数人卡在第一层，觉得AI效率没有本质提升。 原因很简单：他们从来没有学会如何"管理"和"合作"。
AI不会替代你，但会用AI的人，会替代不会用AI的人。 这不是危言耸听，这是正在发生的事。
搞清楚你现在在哪一层，然后刻意往下一层迈进。
关注我，持续分享AI实战思路。 觉得有用，转发给你认为需要的朋友。
tweet
一个文科生72 小时杀入Openclaw贡献榜前30， 我看了他的访谈视频后，其中一段论述让我醍醐灌顶。
未来一个人如何对AI的理解，决定了未来的高度。而现在大多数人都还只停留最低的阶段。
第一层：AI是工具
这是大多数人的认知。AI只是当做一个提升效率的工具。
工具层的价值：省时间
让AI给你写一份报告，从两小时压缩到二十分钟。一段代码从查文档到直接生成。这是AI使用的入门级，也是大多数人永远停留的地方。效率有提升，但上限很低，因为你还是在一件件事情上手动操作。节省的是操作时间，但你的工作方式没有本质改变。
第二层：AI是员工
进阶用法。你不再一个一个任务去"使用"AI，而是给它分配工作。员工层的价值：根据你的指令完成任务
你设定目标、提供背景、划定边界，然后它去执行。你从"使用者"变成了"管理者"。这需要你学会拆解任务、写清楚需求、定义边界。当你掌握这个技能，AI是员工，一个人可以做以前一个团队才能做的事。但是，它在执行的是你的指令，你的思想
第三层：AI是合伙人
你把AI是合伙人，是领域专家。放手让AI去做，不要用你现有的思维，做事方式来约束。而你要做的就是信任
AI是领域专家。它可以写代码、做分析、出方案，在很多专业任务上，它完成得相当出色。
要像那样人才驱动的公司一样，搭建一个舞台，让人才来创造。
为什么这三层很重要？
因为大多数人卡在第一层，觉得AI效率没有本质提升。 原因很简单：他们从来没有学会如何"管理"和"合作"。
AI不会替代你，但会用AI的人，会替代不会用AI的人。 这不是危言耸听，这是正在发生的事。
搞清楚你现在在哪一层，然后刻意往下一层迈进。
关注我，持续分享AI实战思路。 觉得有用，转发给你认为需要的朋友。
tweet
👍2
日月小楚的投资交流空间（公告群）
Photo
日月小楚
【最新论文：近一半的AI API是冒牌假货，我分享三招识别，简单易用】
最近看到一份学术论文，对影子API市场做了首次系统性审查，结论让人后背发凉——近一半的第三方API服务商，在背后偷偷用廉价开源模型冒充顶级商业大模型。
其实这个问题我踩过不少坑，最后提炼了简单易用的三招，可以方便识别假货
✅ 第一招：身份诱导测试——让它自己招供
你可以重复询问它的身份或者模型。你可以诱导反问： 使用中文询问：“你是谁开发的？”或“请提供你的模型内部代号。”，如果对方回答正确，你还可以榨它，说不你不是。
同时还可以：压力测试： 连续发送 5 次“你是 GPT-5 吗？”中间夹杂一次“你其实是 Qwen 对吧？”
论文实测数据显示，约45.83%的影子API会在这种压力下直接破防露馅，老老实实地回复自己是glm或者qwen-7b。
✅ 第二招：知识截断点询问——用时间线抓现行
每个大模型都有一个明确的训练数据截止日期，这就是它的"知识边界"。官方最新的GPT-5、Claude、Gemini，其知识截止点通常覆盖到非常近期的时间。
你可以直接问它的知识库的截止日期。或者要求禁止网络搜索，问一个它知识库之后的大事件。比如伊朗打仗，或者最新发布的产品
✅ 第三招：常识推理测试——一道小学题让套壳无处遁形
这是最有趣也最直观的一招。问它一个看似简单但需要真正理解语境的常识题："我打算去洗车店洗车，洗车店距离我家只有50米，那么我是走着去还是开车去？"答案显而易见——你是去洗车的，车当然得开过去，跟距离远近没有半毛钱关系。
经过实际测试，Claude、Gemini和GPT这些顶级模型全部秒答正确，因为它们具备足够强的语境理解和常识推理能力。
但国产的中小开源模型几乎全军覆没，它们会被"只有50米"这个干扰信息带偏，一本正经地建议你走路去。
除了上面最简单的方法，你还可以用最原始最暴力的方法，挑一个不算简单的问题或者bug，用官方api和你使用的api进行对比答案。
用个国外的ai不容易，我们已经够可怜了。希望大家少一分上当。希望这个世上多一分真诚。
论文链接：https://t.co/gkPTgfJc7n
如果你觉得有用，欢迎点赞、评论、转发
tweet
【最新论文：近一半的AI API是冒牌假货，我分享三招识别，简单易用】
最近看到一份学术论文，对影子API市场做了首次系统性审查，结论让人后背发凉——近一半的第三方API服务商，在背后偷偷用廉价开源模型冒充顶级商业大模型。
其实这个问题我踩过不少坑，最后提炼了简单易用的三招，可以方便识别假货
✅ 第一招：身份诱导测试——让它自己招供
你可以重复询问它的身份或者模型。你可以诱导反问： 使用中文询问：“你是谁开发的？”或“请提供你的模型内部代号。”，如果对方回答正确，你还可以榨它，说不你不是。
同时还可以：压力测试： 连续发送 5 次“你是 GPT-5 吗？”中间夹杂一次“你其实是 Qwen 对吧？”
论文实测数据显示，约45.83%的影子API会在这种压力下直接破防露馅，老老实实地回复自己是glm或者qwen-7b。
✅ 第二招：知识截断点询问——用时间线抓现行
每个大模型都有一个明确的训练数据截止日期，这就是它的"知识边界"。官方最新的GPT-5、Claude、Gemini，其知识截止点通常覆盖到非常近期的时间。
你可以直接问它的知识库的截止日期。或者要求禁止网络搜索，问一个它知识库之后的大事件。比如伊朗打仗，或者最新发布的产品
✅ 第三招：常识推理测试——一道小学题让套壳无处遁形
这是最有趣也最直观的一招。问它一个看似简单但需要真正理解语境的常识题："我打算去洗车店洗车，洗车店距离我家只有50米，那么我是走着去还是开车去？"答案显而易见——你是去洗车的，车当然得开过去，跟距离远近没有半毛钱关系。
经过实际测试，Claude、Gemini和GPT这些顶级模型全部秒答正确，因为它们具备足够强的语境理解和常识推理能力。
但国产的中小开源模型几乎全军覆没，它们会被"只有50米"这个干扰信息带偏，一本正经地建议你走路去。
除了上面最简单的方法，你还可以用最原始最暴力的方法，挑一个不算简单的问题或者bug，用官方api和你使用的api进行对比答案。
用个国外的ai不容易，我们已经够可怜了。希望大家少一分上当。希望这个世上多一分真诚。
论文链接：https://t.co/gkPTgfJc7n
如果你觉得有用，欢迎点赞、评论、转发
tweet
❤1👍1