正在打开每日关注
正在打开每日关注
视频介绍 OpenSpace 的技能学习、自动修复与跨智能体共享主张，并展示其在 GDPVal 上的性能与 Token 节省数据，仍需独立核验。
DD README ” 实 MIT Ucense pb 注 Do more, spend less 一 agents that actually save you money over time The Difference X Current Agents * Skills degrade silently as tools evolve * Failed patterns repeat with no learning mechanism * Knowiedge remains trappedin individual agents 风 op
视频将 OpenSpace 描述为一套让 AI 智能体从实际任务经验中学习的开源工具：把成功工作流沉淀为技能，并持续改进、修复和共享。
其展示的机制包括 AUTO-LEARN、AUTO-IMPROVE、AUTO-FIX、质量监控，以及将一个代理的改进分发给其他代理。视频还声称，在 GDPVal Economic Benchmark 的 50 个专业任务中，使用同一 Qwen 3.5-Plus 骨干模型时，OpenSpace 相比 ClawWork 收入更高、Token 消耗减少约 46%。
值得关注的是把“经验捕获—技能注册—评估监控—修复/共享”做成闭环；这比仅保存提示词更接近可复用的 Agent 工程资产。
上述能力、基准、收入和节省比例均来自视频 OCR 与转写，未获独立验证。技能自动执行、云端共享和凭据处理还可能带来权限、供应链、隐私泄露及错误经验扩散风险；应审查仓库、评测设置、数据隔离和人工审批机制后再采用。