Keep on to blur preview images; turn off to show them clearly
![[开源推荐] Letta Code: 没错！又是一个 Coding Agent 😄
@Letta_AI 团队最新开源的、“记忆优先”的 CLI Coding Agent，为了解决当前 Coding Agent 最大的痛点——“健忘”！因为传统的 Coding Agent 通常是无状态的，每次会话都是从零开始，无法记住你之前的项目背景、偏好或复杂的调试历史。而 Letta Code 基于 Letta API，引入了持久化记忆和持续学习的能力。
主要功能亮点
1. 持久化记忆与自我进化
· 初始化 (/init)：当你第一次在一个项目中运行它时，它可以“深度阅读”你的本地代码库，建立初始记忆，而不是仅仅依赖临时的上下文。
· 主动记忆 (/remember)：你可以显式地命令 Agent 记住特定的偏好、架构决策或业务逻辑（例如：“记住所有的日期格式都必须用 ISO 8601”）。
· 随时间学习：它会在与你的协作中自动更新记忆，随着使用时间的推移，它会越来越懂你的代码风格和项目细节。
2. 技能学习
· 这是 Letta Code 的一大创新。当你教 Agent 完成了一项复杂的任务后，你可以使用 /skill 命令让它将这次操作过程提炼成一项“技能”。
· 这些技能以 Markdown (.md) 文件的形式保存在 .skills 目录中，可以被版本控制，并在未来的任务中被复用。这意味着 Agent 不仅在“搬砖”，还在“积累经验”。
3. 强大的搜索与回溯
由于它记住了所有的历史交互，你可以使用 /search 命令来检索过去的对话。比如：“如果你忘了上次怎么修复那个 bug，可以搜一下我们上周的讨论。”
4. 性能表现
· 在 TerminalBench 中，Letta Code 被评为 #1 模型无关的开源框架。
· 表现可与 Claude Code、Gemini CLI 等厂商原生工具相媲美，甚至在某些场景下超越了 Terminus 等之前的领先者。
开源地址](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FG8VVNVAbgAAiL1k.jpg&w=3840&q=75 "[开源推荐] Letta Code: 没错！又是一个 Coding Agent 😄
@Letta_AI 团队最新开源的、“记忆优先”的 CLI Coding Agent，为了解决当前 Coding Agent 最大的痛点——“健忘”！因为传统的 Coding Agent 通常是无状态的，每次会话都是从零开始，无法记住你之前的项目背景、偏好或复杂的调试历史。而 Letta Code 基于 Letta API，引入了持久化记忆和持续学习的能力。
主要功能亮点
1. 持久化记忆与自我进化
· 初始化 (/init)：当你第一次在一个项目中运行它时，它可以“深度阅读”你的本地代码库，建立初始记忆，而不是仅仅依赖临时的上下文。
· 主动记忆 (/remember)：你可以显式地命令 Agent 记住特定的偏好、架构决策或业务逻辑（例如：“记住所有的日期格式都必须用 ISO 8601”）。
· 随时间学习：它会在与你的协作中自动更新记忆，随着使用时间的推移，它会越来越懂你的代码风格和项目细节。
2. 技能学习
· 这是 Letta Code 的一大创新。当你教 Agent 完成了一项复杂的任务后，你可以使用 /skill 命令让它将这次操作过程提炼成一项“技能”。
· 这些技能以 Markdown (.md) 文件的形式保存在 .skills 目录中，可以被版本控制，并在未来的任务中被复用。这意味着 Agent 不仅在“搬砖”，还在“积累经验”。
3. 强大的搜索与回溯
由于它记住了所有的历史交互，你可以使用 /search 命令来检索过去的对话。比如：“如果你忘了上次怎么修复那个 bug，可以搜一下我们上周的讨论。”
4. 性能表现
· 在 TerminalBench 中，Letta Code 被评为 #1 模型无关的开源框架。
· 表现可与 Claude Code、Gemini CLI 等厂商原生工具相媲美，甚至在某些场景下超越了 Terminus 等之前的领先者。
开源地址")
[开源推荐] Letta Code: 没错！又是一个 Coding Agent 😄 @Letta_AI 团队最新开源的、“记忆优先”的 CLI Coding Agent，为了解决当前 Coding Agent 最大的痛点——“健忘”！因为传统的 Coding Agent 通常是无状态的，每次会话都是从零开始，无法记住你之前的项目背景、偏好或复杂的调试历史。而 Letta Code 基于 Letta API，引入了持久化记忆和持续学习的能力。 主要功能亮点 1. 持久化记忆与自我进化 · 初始化 (/init)：当你第一次在一个项目中运行它时，它可以“深度阅读”你的本地代码库，建立初始记忆，而不是仅仅依赖临时的上下文。 · 主动记忆 (/remember)：你可以显式地命令 Agent 记住特定的偏好、架构决策或业务逻辑（例如：“记住所有的日期格式都必须用 ISO 8601”）。 · 随时间学习：它会在与你的协作中自动更新记忆，随着使用时间的推移，它会越来越懂你的代码风格和项目细节。 2. 技能学习 · 这是 Letta Code 的一大创新。当你教 Agent 完成了一项复杂的任务后，你可以使用 /skill 命令让它将这次操作过程提炼成一项“技能”。 · 这些技能以 Markdown (.md) 文件的形式保存在 .skills 目录中，可以被版本控制，并在未来的任务中被复用。这意味着 Agent 不仅在“搬砖”，还在“积累经验”。 3. 强大的搜索与回溯 由于它记住了所有的历史交互，你可以使用 /search 命令来检索过去的对话。比如：“如果你忘了上次怎么修复那个 bug，可以搜一下我们上周的讨论。” 4. 性能表现 · 在 TerminalBench 中，Letta Code 被评为 #1 模型无关的开源框架。 · 表现可与 Claude Code、Gemini CLI 等厂商原生工具相媲美，甚至在某些场景下超越了 Terminus 等之前的领先者。 开源地址
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
RT @AIatMeta: 🔉 Introducing SAM Audio, the first unified model that isolates any sound from complex audio mixtures using text, visual, or s…
achieve ambition with intentionality, intensity, & integrity i made: - @dxtipshq - @cognition - @sveltesociety - @aidotengineer - @latentspacepod + @smol_ai
市场分析机构 Counterpoint Research 发布报告称内存芯片价格暴涨影响整个智能手机行业，其中苹果有能力应对几个季度的成本上涨压力不会选择立即提高产品价格。但其他 OEM 的日子就非常艰难了，内存暴涨会蚕食利润率，但如果涨价就可能丢掉市场份额，该机构还预计明年手机均价会上涨 6.9%。#DRAM
查看全文：https://t.co/9zOwmiSIss
RT @indie_maker_fox: 2025年，运营了一整年的 Discord 人数达到 2700+，发送消息 5200+ 解答了无数的问题，分享了无数个经验 https://t.co/nHJuQKgx3H 免费入群，聊天记录全公开，build in public…
🔥 The best AI SaaS boilerplate - https://t.co/VyNtTs0jSX 🚀 The best directory boilerplate with AI - https://t.co/wEvJ1Dd8aR 🎉 https://t.co/bh1RxeERuY & https://t.co/zubXJCoY92 & https://t.co/tfQf8T7gGF
![[开源模型] BU-30B-A3B-Preview: @browser_use 最新开源的专为“操控浏览器”的 AI 模型，基于 Qwen3-VL-30B-A3B-Instruct，能让 AI 像人类一样浏览网页、点击按钮、提取数据，在性能和成本之间取得了极佳的平衡。
核心定位：更懂网页的 AI
普通的 AI 模型虽然强大，但在理解复杂的网页 DOM 结构或进行“精准视觉定位”时，往往不够准确。
BU-30B-A3B-Preview 是专门为此优化的。它具备卓越的 DOM 理解能力和视觉推理能力，能够精准识别网页元素，是构建自动化 Web Agents 的理想大脑。
技术亮点：以小博大（MoE 架构）
· 模型架构：MoE 架构
· 参数规模：30B 参数，保证了强大的智能水平
· 运行效率：实际运行时，每次只激活 3B 参数
· 实际意义：这意味着它拥有“大模型”的智商，却只有“小模型”的资源消耗。它可以在单张 GPU 上运行，大大降低了企业或个人部署的门槛。
技术规格
· 基座模型：基于阿里的 Qwen3-VL-30B-A3B-Instruct 进行深度定制
· 上下文长度：支持 32k tokens，可以一次性“看”完非常长的网页内容
· 模态：视觉-语言模型，不仅能“读”代码，还能“看”页面截图
总结
BU-30B-A3B-Preview 是目前开源界在 Web Agent 领域的一个强力工具。它解决了过去“大模型太贵太慢，小模型太笨看不懂网页”的痛点，非常适合需要自动化执行网页任务（如自动化测试、数据采集、RPA 流程）的开发者使用。](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FG8VTIU-a4AElOEj.jpg&w=3840&q=75 "[开源模型] BU-30B-A3B-Preview: @browser_use 最新开源的专为“操控浏览器”的 AI 模型，基于 Qwen3-VL-30B-A3B-Instruct，能让 AI 像人类一样浏览网页、点击按钮、提取数据，在性能和成本之间取得了极佳的平衡。
核心定位：更懂网页的 AI
普通的 AI 模型虽然强大，但在理解复杂的网页 DOM 结构或进行“精准视觉定位”时，往往不够准确。
BU-30B-A3B-Preview 是专门为此优化的。它具备卓越的 DOM 理解能力和视觉推理能力，能够精准识别网页元素，是构建自动化 Web Agents 的理想大脑。
技术亮点：以小博大（MoE 架构）
· 模型架构：MoE 架构
· 参数规模：30B 参数，保证了强大的智能水平
· 运行效率：实际运行时，每次只激活 3B 参数
· 实际意义：这意味着它拥有“大模型”的智商，却只有“小模型”的资源消耗。它可以在单张 GPU 上运行，大大降低了企业或个人部署的门槛。
技术规格
· 基座模型：基于阿里的 Qwen3-VL-30B-A3B-Instruct 进行深度定制
· 上下文长度：支持 32k tokens，可以一次性“看”完非常长的网页内容
· 模态：视觉-语言模型，不仅能“读”代码，还能“看”页面截图
总结
BU-30B-A3B-Preview 是目前开源界在 Web Agent 领域的一个强力工具。它解决了过去“大模型太贵太慢，小模型太笨看不懂网页”的痛点，非常适合需要自动化执行网页任务（如自动化测试、数据采集、RPA 流程）的开发者使用。")
[开源模型] BU-30B-A3B-Preview: @browser_use 最新开源的专为“操控浏览器”的 AI 模型，基于 Qwen3-VL-30B-A3B-Instruct，能让 AI 像人类一样浏览网页、点击按钮、提取数据，在性能和成本之间取得了极佳的平衡。 核心定位：更懂网页的 AI 普通的 AI 模型虽然强大，但在理解复杂的网页 DOM 结构或进行“精准视觉定位”时，往往不够准确。 BU-30B-A3B-Preview 是专门为此优化的。它具备卓越的 DOM 理解能力和视觉推理能力，能够精准识别网页元素，是构建自动化 Web Agents 的理想大脑。 技术亮点：以小博大（MoE 架构） · 模型架构：MoE 架构 · 参数规模：30B 参数，保证了强大的智能水平 · 运行效率：实际运行时，每次只激活 3B 参数 · 实际意义：这意味着它拥有“大模型”的智商，却只有“小模型”的资源消耗。它可以在单张 GPU 上运行，大大降低了企业或个人部署的门槛。 技术规格 · 基座模型：基于阿里的 Qwen3-VL-30B-A3B-Instruct 进行深度定制 · 上下文长度：支持 32k tokens，可以一次性“看”完非常长的网页内容 · 模态：视觉-语言模型，不仅能“读”代码，还能“看”页面截图 总结 BU-30B-A3B-Preview 是目前开源界在 Web Agent 领域的一个强力工具。它解决了过去“大模型太贵太慢，小模型太笨看不懂网页”的痛点，非常适合需要自动化执行网页任务（如自动化测试、数据采集、RPA 流程）的开发者使用。
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
新视频上线——256K上下文+超低价格！小米MiMo-V2-Flash技术解读+实测 MiMo V2 Flash 主打：混合注意力（SWA + GA 5:1） 专门为了长文档、Agent、多步推理去做极致“又快又省” DeepSeek V3.2 已经够便宜了，但 MiMo-V2-Flash 在价格上还能再往下卷一层。 在我简单体验里： 纯知识问答和代码能力，它不如体量更大的开源 SOTA 模型； 但在长上下文、轻量任务、工具调用这些场景里，加上价格和速度因素，整体性价比非常能打。 完整视频🧵
https://t.co/qIIjkNKzPE
