二月底和朋友喝茶才開始聊使用
AI Agent, 才剛聽說有OpenClaw
這樣新的AI 智能體，就像2023年聽見ChatGPT3.5 一樣新鮮又不理解。
三月計劃用一台七八年前的電腦加上一張
3050 6GB 去完成這件事，需要買一個新的機箱才能放下顯咭，還要一個新電源，不然電力不足，三月底才弄好，上手很快，一切也順利。當時只用google
acc 便能有些 千問和minimax的tokens。 有顯咭，當然就想建立自己的local LLM, 反正download 是開源的。
但這正是惡夢的開始，每改動一點，就死給你看，建個1.5
B, 一點壓力都沒有對那張顯卡，但想要個 Qwen3.5
4B, 則改完又死，回複後，改這改拿，及後因想裝Steam, 因一些lib, 結果把整台system 都搞死了，用豆包又折騰了三四天。結果重裝Ubuntu, 又再折騰OpenClaw, 當時也不記得搞些什麼了，反正又是搞 llm，又在學如何用 vLLM, 又學什麼是context window, 如何拆分成幾份輸入大模型，又學如何用swap ram 等等。總就是不滿意，事一點沒辦成，每天就是改了又死，死了裝和用其他工具去學習。
某天知道有一新Agent,
名Hermes
Agent, 說有什麼新功能，又即管試一試。反正裝了便能用，而且沒有之前那樣，改一改馬上死給你看，開始真能用了。
接下來才是開始，系統穩定了，只是對答一下，要求改善一下電腦配置設定這些，然後突然回到初心，把一些資料丟給他，讓他幫我整理，結合，對比。又後來，想把這些資料，以網頁的方式呈現，這些是我最開始希望
AI 能成為我的投資顧問，去解決自身一切解難能力。做著做著，一步步的，就有更多的發展，我和朋友們談
AI agent, 大家都有一個大疑問，他能為我做什麼，大家腦海裡本都是什麼也沒有，但用著用著，就有更多的可能。LLM
就是一個超巨大的圖書館，應有盡有，問題是你應如何應用。
當中問題也是有的，就是今天你聊得好好，做得好好，改天他可以什麼都忘了，也不知在做什麼。另，嘗試用local
LLM, 因只能用Qwen3.5 9b, Gemma4 E4B,
這些大約是display
card half size of VRAM models. 或者這就是為什麼24GB
的display
card 貴行多的原因。
Harness, 約束，每個 llm 的training 環境不一樣，表現也不一樣，如果想要一個代理，始終如一，在你使用過程，你還是要不停期去改要求寫進 memory. 其實一個人，或者一家公司都是一樣的。只是人的經驗就是制約自己的行為，例如胃痛了，才知不能胡吃海喝，跌過了，下次就不再犯同樣的錯。
小總結一下，先開始，慢慢地你才知道要ai
agent做什麼，有什麼能幫你，有什麼能改進你，你是和一個
llm 在互動，而他是一個超大型圖書館，什麼知識都有。有一個agent,
但暫時他不是萬能的，只能做你平日在電腦能做的事，例如管理一個database,
但首先你對database要有一個概念，知道是用來做什麼，可以點用，不然llm是不知道你的需求，不會平白無端給你提議的。有些事，經過一段時間，你會問，為什麼不一早告知，我們便不用這樣瞎折騰。但當初的要求是你提出的，他只按你要求行事，你想他像真人一樣，萬事都考慮多一層，暫時還做不到。你也是要從中學習的，學用
AI agent, 是2026年必要開始的事了。不然，你會被其他人拉開差距。學會學問。
AI agent 能做什麼
1)
找資料
2)
儲資料/整理資料/會合資料
3)
俾回饋/啟發/ --à進而內化自己
2026/06/09
因記憶不完整，LLM
+ Agent, 想完全取代人類起碼現在還是不可能的。
但這是一件很好的工具，只要用得好，一件一件事咁去處理，還是有其優勝之處。
人有慾望，這是一個DNA 的生存需求，但也不是每一個人都一樣的。很多國家都沒有組識能力，到了21世紀，還是很落後，和十九世紀可能分別不大。
你不可信任AI
等幫你完成工作，除非你驗收了。也不應投入任何感情，將來會發生很多悲劇，同打機是差不多的一回事。
AI Agent, 最出色的是資料搜集，交叉驗證，鋪陳事件，但啟發這一點，還是要人類自己。
