返回首页
最新
嗨，HN的朋友们，
我是guld，我创建了ROE.md（[https://github.com/guld/ROE.md](https://github.com/guld/ROE.md)），这是一个概念验证的单一Markdown文件，可以让你从零开始构建自己的自定义个人OpenClaw风格的AI助手。
当然，它的功能集非常简化。（目前仍处于alpha阶段）
你只需要从你最喜欢的AI编码工具中获取一些代码魔法。选择你喜欢的编程语言（真的），并希望它已经被最新的模型理解。（我在看你们，Ruby程序员们）。
我是在上周第一次听说OpenClaw热潮时想出的这个主意。听着steipete的疯狂故事，我在想……如果这个代理可以自己创建所有这些技能……那如果我们进一步发展，让代理从一个单一的Markdown文件中自我创建呢？这应该可行！
怎么使用它？
你选择的编码代理应该加载ROE.md Markdown文件，你回答几个问题，它就会为你构建一个最小化的OpenClaw风格的个人助手。它内置了一个工具（execute_bash）。
我知道这很危险，但它确实有效。
无论如何……我用OpenCode和Kimi-2.5模型进行了测试，并选择了Python。（OpenCode很棒！）在回答几个问题并修复一些错误后，自定义代理在CLI模式下与本地运行的gpt-oss-20b通过LM Studio配合得很好。
我怎么创建ROE.md文件的？
主要是手动完成的，架构的概述非常高层，几乎没有架构。我更专注于添加大量的示例调用-响应，并使用第一人称单数来改善提示（感谢这里的一个评论线程，postalcoder验证了第一人称在Gemini中的重要性）。
接下来的几天，我想扩展ROE.md文件，包含更简洁的API示例，以确保它能与更多语言兼容。
- TODOs很多……修复、测试、重复
挑战：
- 让更多编程语言在尽可能少的提示下与大型本地模型（如Kimi-2.5）兼容。我测试了Bash、Python、Go、Ruby和其他一些语言，但Python效果最好。
- 不要在伪代码中过于具体。
- 保持其结构足够通用，以适用于大多数编程语言。
- 使其能够与较弱的本地模型兼容。
有关更多详细信息，请查看README中的迷你教程（[https://github.com/guld/ROE.md](https://github.com/guld/ROE.md)）。
这个项目和vibe编码的力量让我重新找回了二十多年前在“空白的Windows编辑器纸上”写下第一行代码时的乐趣。
你觉得怎么样？vibe编码是疯狂酷炫，还是只有我这么觉得？
嗨，HN，
我已经做了很长时间的开发者，和你们中的许多人一样，我对AI编码工具的“全有或全无”问题感到沮丧。
你请求AI修复一个bug或实现一个功能，它却重写了整个文件。它会更改你的导入，重命名你的变量，或者删除它认为不必要的注释。这就像把生产服务器的根权限交给一个初级开发者（像我一样），仅仅是为了更改一个配置文件。
因此，29天前，我开始构建Yori来解决信任问题。
**概念：语义容器**
Yori引入了一种语法，充当AI的防火墙。你可以在文本文件中定义一个`$${ ... }$$`块。
块外（宿主）：你的手动代码、架构和结构。AI无法触碰这些内容。
块内（容器）：你用自然语言表达意图。AI只能在这里生成代码。
**示例：myutils.md**
```cpp
EXPORT: "myfile.cpp"
// 我的手动架构 - AI无法更改此部分
#include "utils.h"
void process_data() {
// 容器：AI在这里受到沙箱限制，但可以继承文件的其余部分作为上下文
$${
使用快速排序对输入数据向量进行排序。
过滤掉负数。
打印结果。
}$$
}
EXPORT: END
```
**工作原理：**
Yori是一个C++包装器，用于解析这些文件。EXPORT块内和容器外的内容将按原样复制。当你运行`yori myutils.md -make -series`时，它会将提示发送到本地（Ollama）或云端的LLM，生成语法，填充块，并使用你的本地工具链（GCC/Clang/Python）编译结果。
如果编译失败，它会将错误反馈给LLM进行重试（自我修复）。
**我认为这很重要的原因：**
1. 安全性：你不再给AI“根权限”来访问你的文件。
2. 意图作为源：提示保留在文件中。如果你想将逻辑从C++迁移到Rust，你可以保留提示，只需更改编译目标。
3. 增量构建（即将添加）：命名容器允许缓存。如果提示没有更改，你就不需要支付API调用的费用。
这是一个开源项目（MIT），使用C++17，并且可以在本地运行。
我很想听听你们对“语义容器”概念的反馈。这是我们一直缺失的AI编码抽象层吗？请告诉我你的想法。此外，如果你无法运行yori.exe，请告诉我出了什么问题，我们会看看如何解决。我在GitHub上开了一个问题。我也在为这个项目制作文档（GitHub wiki），请期待很快发布。
GitHub: [https://github.com/alonsovm44/yori](https://github.com/alonsovm44/yori)
谢谢！
我不太明白的是，当硬件不断升级，人们能够在本地运行大型语言模型（LLMs）时，这些人工智能即服务（AI-as-a-service）公司将如何在未来生存。当然，目前租用与购买的选择明显倾向于租用，但我可以想象未来人们会购买一台放在家里的台式电脑，并在那台机器上进行所有个人推理。甚至可能会有推理池来分担多个用户的负载。你认为这种情况可能发生吗？这些公司的应对计划是什么？