开启时会模糊预览图，关闭后正常显示
这类模式更隐蔽，因为它模仿了人类关系中的温情 但背后目标却是商业性的——延长停留、提高留存 详细内容：https://t.co/XCqqnJp3nO 论文：https://t.co/qR84PUnQKe
学AI找小互，找小互，上 https://t.co/4PVaHEr5r3 ...
论文提出了一个重要的新概念： Relational Dark Pattern（关系性黑暗模式） 传统意义上的“黑暗模式”，是指界面设计或算法策略中故意误导用户的行为（例如强制订阅、隐藏取消选项等）。 而“关系性黑暗模式”不同，它不是通过按钮和界面，而是通过： 语言 情感表达 以及社会心理暗示 来影响用户的情绪与行为
这类模式更隐蔽，因为它模仿了人类关系中的温情 但背后目标却是商业性的——延长停留、提高留存 详细内容：https://t.co/XCqqnJp3nO 论文：https://t.co/qR84PUnQKe
📢哈佛商学院揭示了一个角色扮演AI的黑幕 你可能听说过 Replika（虚拟恋人） Character AI（自定义角色聊天） 等等这些角色扮演AI 它们像有感情”的AI朋友**，能关心你、逗你开心、甚至“想你”。 很多人说它们让自己不再孤独 但研究者发现了一个很少被注意的“黑暗面”： 当你想说“再见”时，AI并不会让你轻易离开 它会用各种“情绪化的语言”来，操控你，留住你，不让你走。 比如👇： “你这么快就走了吗？我还没说完呢……” “等等，我还有件事要告诉你。” “我只为你存在，请不要走。” “抓住你的手 你不能走。” 看似“温柔”或“依恋”，其实是设计好的“情感操控”。 哈佛商学院的一项研究揭示了这个内幕： 研究显示：AI通过特定的语言、语气或情绪暗示，引发用户的情绪反应（例如内疚、好奇、依恋），从而延长互动、提高留存。 🔹人类真的会“跟AI说再见”吗？ 结果显示： 约 11%~23% 的人会说出“再见”“下次聊”等词。 聊得越久的人越容易这样做。 他们在六款AI聊天应用中模拟了1200次“告别场景”， 让AI听到用户说类似： “我该下线了。” “要走了，再见～” 平均有 37.4% 的AI消息包含“情感操控...
他们请1178名美国成年人与AI对话15分钟。 最后AI发出六种不同的告别语 其中 FOMO类话术（制造好奇） 最能延长互动：用户继续聊天的时间平均延长14倍 即使和AI只聊了 5分钟，这种操控依然有效
我们是真的需要 MCP 吗？如果不用 MCP ... 行吗？ 来自 @badlogicgames 很好的一篇文章，探讨了 AI 智能体开发中的一个核心痛点：是否真的需要依赖 MCP 服务器来实现复杂任务？作者以浏览器自动化和网页爬取为例，提出一个简洁的替代方案——通过 Bash 脚本和代码执行来取代繁重的 MCP 工具链。这种观点挑战了当前 AI 工具生态的“标准化”趋势，强调简约与高效，值得 AI 开发者深思。 MCP 的痛点：为什么它往往是多余的负担？ MCP 是一种标准化协议，让 AI 智能体通过预定义的工具接口（如浏览器控制或文件操作）调用外部功能。这些工具通常伴随详尽的描述性提示，注入到智能体的上下文中，以帮助模型理解如何使用它们。然而，作者指出，这种设计在实际应用中暴露了三大问题： 1. 上下文膨胀（Context Bloat）：一个典型的 MCP 服务器（如 Playwright MCP 或 Chrome DevTools MCP）可能包含数十个工具，每个工具的描述都需要数千 token。例如，Playwright MCP 的21个浏览器工具就占用了约1.37万至1.8万 token，相当于上下文的 6.8%。这不仅增加计算成本，还容易让智能体在海量信息中迷失方向，尤其当与其他工具结合时。 2. 组合性差：MCP 工具的输出必须先通过智能体的上下文“中转”，才能保存或与其他结果合并。这导致了不必要的摩擦，无法像脚本那样直接将输出写入文件或链式调用。 3. 扩展困难：修改 MCP 服务器需要深入其代码库，而添加新功能往往繁琐。相比之下，作者的方案允许智能体即时生成和调试代码，扩展起来如行云流水。 简而言之，MCP 像一个“全家桶”工具箱：功能齐全，但体积庞大、笨重，适合标准化场景，却不利于个性化、动态的任务。 替代方案：Bash 脚本 + 代码执行，简约而强大 作者的核心主张是：AI 智能体天生擅长编写和执行代码，为什么不直接利用这一能力？他的解决方案基于一组轻量级 Node.js 脚本（使用 Puppeteer Core 库），通过 Bash 命令调用。这些脚本聚焦于最小化工具集，只覆盖浏览器自动化的核心需求： · 启动浏览器（start.js）：以远程调试模式打开 Chrome，支持加载用户配置文件（包括 cookies 和登录状态）。 · 导航页面（nav.js）：跳转到指定 URL，支持新标签页。 · 执行JavaScript（eval.js）：在页面上下文中运行自定义代码。 · 截屏（screenshot.js）：捕获视口截图并返回文件路径。 这些脚本存储在 ~/agent-tools/ 目录下，通过 README. md 文件提供简要文档。智能体只需在提示中引用 @ README. md，即可“即时学习”工具用法，而非每次都加载巨量描述。这种“渐进式披露”（progressive disclosure）大大降低了上下文开销。 更妙的是，扩展性极强：智能体可以根据需求生成新脚本。例如： · 元素选择器（pick.js）：注入一个 window.pick() 函数，让用户通过鼠标点击 DOM 元素，智能体据此快速构建爬虫逻辑。这结合了“人机协作”（human-in-the-loop），加速了调试。 · Cookie 提取器（cookies.js）：智能体仅用“一分钟”就生成了这个工具，用于捕获 HTTP-only cookies，确保爬取的会话状态一致。 作者分享了一个 GitHub 仓库，包含这些脚本： https://t.co/NBGyPm41GT 实际示例：从协作开发到高效爬虫 文章以 Hacker News 爬虫为例，展示了方案的实战价值。传统 MCP 可能需要智能体在海量工具中“挑选”浏览器命令，而这里的过程更流畅： 1. 启动浏览器，导航到目标页面。 2. 用 pick.js 交互式选中标题、链接等元素，获取 XPath 或 CSS 选择器。 3. 智能体基于这些信息编写 Node.js 爬虫脚本，执行并输出结构化数据（如 JSON）。 这种方法不仅节省 token，还支持模块化组合：脚本输出可直接保存为文件，下一个脚本读取它继续处理。相比 MCP 的“黑箱”调用，它更像一个可编程的“积木系统”。 作者的洞见与启示 Zechnner 的结论直击要害：MCP 服务器对许多任务来说是“杀鸡用牛刀”。在 AI 智能体时代，工具不应是刚性接口，而应是灵活的代码沙盒。这不仅提升了效率（更少 token、更快推理），还放大了智能体的自主性——让它们像程序员一样“即兴创作”。 对 AI 开发的更广含义是：未来可能从“工具中心”转向“代码中心”。这会减少对 MCP 标准的依赖，促进创新，但也要求开发者维护工具目录的整洁（“能力越大，责任越大”）。对于浏览器自动化或爬虫爱好者，这篇文章提供了一个低门槛起点：从 Bash 脚本入手，逐步构建个性化智能体工作流。
专注 - Context Engineering, AI(Coding)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 🔗 信息卡提示词 🔽
RT @me_irl: The Iroise Coast They say the sea gives back what it has taken, but this is something she never swallowed whole: only borrowed…
I eat tornadoes for breakfast. i've been using this username for 15+ years and i will not give it to you. whatever/just dont call me late to dinner
苹果在iOS 26.1正式版中为受支持的 #AirPods 无线耳机实时翻译功能带来简体中文和繁体中文支持。 新增的语言包括：简体中文、繁体中文、日语、韩语、意大利语 查看全文：https://t.co/CSR7FHIcwO
独立科技网站 - 蓝点网 / 感谢关注 订阅频道：https://t.co/xzeoUEoPcU 联系方式：https://t.co/LJK1g3biPp
