从原理上，自回归概率预测就不可能产生真正的创造力。我用AI写了三个月小说，参与了一本书从签约到完结的全流程验证，在无数次的实践中摸清了AI能力的真实边界。人类的真正价值在哪里？答案不在AI能做什么，而在AI永远做不到什么。

Paseo 真的很好用，我最近每天都在用他搭配OpenCode写代码和文章。

今天装了一个新工具 cc-connect，它能把本地的 Claude Code 映射成飞书机器人，接入聊天软件，让你在飞书里直接遥控写代码。

TRAE SOLO 新版支持手机远程控制，出门时也能让家里电脑写代码，但相比 TRAE IDE 存在规则继承、技能安装等差距。

coreaudiod 进程占用45G内存，排查发现是 Claude Code 的 hook 播放音效导致的内存泄露，通过卸载 PeonPing 并改用 Ghostty 终端原生音效解决。

hermes比起龙虾的优点有： 模型报错会输出到控制台。网关有日志可查，关键是我知道在哪里查。文档完善，虽然没翻译中文，但是人家文档全啊，任何问题、命令都能找到明确文档。各个智能体独立一套自己的profile配置和网关，组合更灵活，backend可本地可远端。docker运行即用即走，自动mount目录。自带的出厂设置，新手友好，不需要较多配置就能顺畅用起来。自带的安全机制刚好能运行基本功能，不像龙虾不把权限开到最高就没法用，开最高又不安全，对用户上手理解成本完全天差地别。；记忆操作，反应迅速，操作了会显示到聊天中。你可以明确知道她记下来了什么。

说实话，用Claude Code写代码已经够爽了，但有一个痛点一直困扰着我——我得时时刻刻盯着终端。

OpenClaw 浏览器支持三种模式：openclaw-managed（独立实例）、remote（远程CDP）、existing-session（接管用户Chrome）；通过 alsoAllow: [browser] 给 agent 开工具权限

MSA 把记忆直接嵌入注意力机制本身，而非外挂检索，实现了端到端的长期记忆能力，突破了传统 RAG 的精度上限和 context window 的计算成本瓶颈

Playwright 是封装好的高级工具，CDP 是浏览器底层的"机器语言"。对于 OpenClaw 直接操作宿主机浏览器主 Profile 的场景，CDP (DevTools MCP) 协议连接 9222 端口是最优选择

macOS 上 Chrome remote debugging 需在 chrome://inspect/#remote-debugging 手动勾选开启，而非依赖命令行参数

解决 macOS Chrome 远程调试端口 9222 问题：SingletonLock 死锁、Chrome 安全限制、rsync 同步 + Automator 一键启动方案

Harness Engineering = 为 Agent 构建「办公室」，而不是继续优化「邮件措辞」。从「写好指令」到「构建环境」，让 agent 在真实生产环境中稳定可靠地运转

Hermes Agent 是 Nous Research 开发的白学元 AI Agent，MIT 协议。核心定位差异：OpenClaw = 本地优先的 Agent 编排框架，Hermes = 自进化个人操作者

用 LLM 构建持久 wiki 代替传统 RAG，让知识在摄入时编译而非查询时重推导。三层架构：Raw Sources（不可变）→ Wiki（LLM维护）→ Schema（CLAUDE.md/AGENTS.md）