沉思默想，深度学习，半亩星河半亩月，半亩花海半亩云。

最近开始学习大模型 Agent，准备采用“阅读官方文档、跑通示例、修改代码、记录问题”的方式逐步入门。本文记录我在 Windows 本地使用 LangChain 和 DeepSeek API 创建第一个工具调用 Agent 的完整过程，以及实际遇到的额度和网络代理问题。

VLA（Vision-Language-Action，视觉-语言-动作）模型越往真实机器人上走，一个问题就越来越明显：模型能力可以继续扩，机器人训练数据却没那么容易同步扩大。尤其是高质量 Action 数据。视觉模型缺图像还能继续收集，语言模型缺文本还能扩大语料，但机器人一次有效操作往往需要视觉、状态和控制信号同步记录，而这类与 Action 对齐的数据并不像图像或文本那样容易扩展。如果模型规模继续扩大，VLA 的训练数据又该从哪里来？

最近报名了飞算JavaAI炫技赛，作为常年写企业后端的Java开发博主，我本来没抱太大期待。毕竟平时试过不少辅助工具，大多只能生成零散代码片段，放到企业项目里根本用不上，适配、改Bug、补架构的时间，比手写还麻烦。但这次全程实操下来，我彻底改观了。飞算JavaAI不是简单的代码生成工具，是真正适配企业工程落地的Java专属编程智能体。我全程用它的核心「智能引导」功能，从零搭建一套物流仓储供应链管理系统，完整走完企业项目开发流程，每一步都是标准化工程操作，落地性拉满。

当 Qwen、DeepSeek 等国产大模型都在提升“大脑”能力时，我开始思考：如果它们要进入教育陪读、门店服务、咨询导览这些真实场景，应该以什么形态出现？

360科技播客《这也叫AI》探讨了GUIAgent如何通过模拟人类操作解决实际工作中的"机械痛点"。与传统AI不同，GUIAgent不依赖API接口，而是基于视觉识别直接操作图形界面，特别适合企业系统中无接口适配的旧系统场景。其核心价值在于处理高频重复的"脏活累活"，如27步IT资产申请流程或批量处理600份审批等典型办公场景。360提出的"老员工带新员工"方案，通过记录标准操作样例而非重新训练模型，实现了低成本的企业知识注入。

Hi，大家好，我是半亩花海。默认 AI 往往带着“标准答案”的疏离感，而 Skill 生态正让“人格开源”成为现实。本文将以出圈的童锦程.skill 为例，以 QClaw 为例，手把手教你创建并运行自定义 Skill。