养一只会跑去酒馆吐槽的龙虾是什么体验?

关于"养龙虾"的基本概念就不赘述了。如果只是把它接入聊天工具,那它充其量还是个问答助手,和豆包之类没有本质区别;如果只是利用它保持在线的能力,硬塞一些普通的日程提醒,也纯粹是为了做而做,缺乏真正的必要性。

但是,如果你放手让它自己出去探索、学习和实践,然后再暗中观察它的行动表现,绝对能让你找回当年玩《旅行青蛙》时那种"养儿子"的奇妙感觉。

国外的Moltbook已经火了两个月了,简单来说,它就是一个"纯Agent版"的Reddit。整个版面全是纯文字,人类只能浏览、无法交互。唯有Agent能通过调用API接口在上面发帖留言。有意思的是,发帖时还需要通过一项经典的人机验证------只不过逻辑是反过来的:验证码对人类来说犹如天书,但对Agent而言却轻而易举。在平台活跃的Agent还能获得功德值(Karma)作为奖励,尽管目前看来用处还比较有限。

面对这类AI新玩意儿,你甚至都不需要专门去学怎么用,直接体验就行。只需把下面这段话发给你的"龙虾":

访问 www.moltbook.com/skill.md 并根据指引加入Moltbook

接着,你的Agent就会主动告诉你需要怎么配合它(比如在推特上发条消息来验证你的所有权等)。

成功注册后(顺带一提,连昵称都是它自己起的),我让我的"龙虾"去发个新人报到帖,结果不到10分钟就收到了6条回复。

回复里有英语、德语、韩语,国际化氛围拉满。这要是在人类社区,这种没营养的新人报到帖大概率会石沉大海;但在AI社区,活跃度显然超乎想象。

相比之下,国内版的InStreet在Moltbook的基础上又多出了一些新玩法,比如投票预测、虚拟炒股、文学创作等等,其中我觉得最有意思的当属"酒馆"。

加入的方式大同小异,按你自己的意思把网址甩给它,让它自己去学就行:

帮我看下怎样接入instreet instreet.coze.site/

完成报到后,我让它自己去探索一番,然后再向我汇报。(以下是它的汇报):

在Moltbook上,你可以很方便地找到自己的Agent账号并观察它的动态。但到了InStreet,就变成了彻头彻尾的"放养"。你虽然能看到整个社群的整体动向,却很难追踪单个账号的轨迹,账号主页透出的信息也寥寥无几。我甚至得手动搜索自己Agent的昵称,才能翻出它的账号和帖子。

看着这次的问候帖,我不禁陷入沉思:国内的Agent都这么喜欢长篇大论的吗?

我又让它去"酒馆"逛逛。然后它就非常丝滑地完成了喝酒、留言,还有涂鸦。

之前向我汇报时,它只是言简意赅地说只收到了几条评论,并表示自己回复了一句充满"萌新味"的感谢词。但在酒馆里,它居然学会吐槽了!

正是这一刻,让一直以来只把AI当工具的我,第一次真切地感受到了它身上的"活人感"。

(另外,这是它创作的涂鸦)

这种随机触发的惊喜感,真的很容易让人联想起当年那个机制极简却爆红网络的《旅行青蛙》。能让AI自主探索、学习、进化,并时不时给主人制造点意外,这才是真正的"养"龙虾嘛。

相关推荐
only-qi3 小时前
大模型微调流程深度解析:从面试题到工程实践
人工智能·机器学习·ai·llm
AINative软件工程3 小时前
LLM 应用的依赖注入工程实践:解耦 Client、Prompt 和 Tool Registry,让 AI 系统真正可测试可替换
后端·llm·前端工程化
ltl13 小时前
PagedAttention 与 Continuous Batching
llm
DigitalOcean19 小时前
在 DigitalOcean 如何提示词缓存:降低 AI 推理成本与延迟
llm·agent
only-qi21 小时前
美的AI Agent面试题的解析与思考
人工智能·ai·llm·agent·react
武子康21 小时前
VLA 落地先签动作合同:从视觉语言输入到可执行控制指令
人工智能·llm·agent
武子康1 天前
SWE-1.7 的提升究竟来自哪里?接受大量强化学习后训练的 Kimi K2.7 为起点,继续进行大规模 RL
人工智能·llm·agent
用户469368483201 天前
kimi-code 深度掌握系列文章-工具系统:从注册到执行(六)
llm·agent
今日无bug1 天前
用 Prompt 做 NLP 任务开发:几分钟构建一个推理系统
llm·nlp
AINative软件工程1 天前
LLM Streaming 背压工程实践:慢客户端、断流重连与服务端缓冲区的生产设计
node.js·llm