vault backup: 2026-04-20 18:02:09

Author: RubberTale

.obsidian/workspace.json

@@ -99,16 +99,30 @@
             "state": {
               "type": "markdown",
               "state": {
-                "file": "source/_posts/警惕“平庸”的代价：深度解读2026年波斯极限模式下的全球陷阱.md",
+                "file": "source/_posts/气候异象与大宗农产品市场：厄尔尼诺现象对全球天然橡胶主产区降雨及价格波动的长周期实证研究.md",
                 "mode": "source",
                 "source": false
               },
               "icon": "lucide-file",
-              "title": "警惕“平庸”的代价：深度解读2026年波斯极限模式下的全球陷阱"
+              "title": "气候异象与大宗农产品市场：厄尔尼诺现象对全球天然橡胶主产区降雨及价格波动的长周期实证研究"
+            }
+          },
+          {
+            "id": "ff9991118cb9beb8",
+            "type": "leaf",
+            "state": {
+              "type": "markdown",
+              "state": {
+                "file": "博客修改.md",
+                "mode": "source",
+                "source": false
+              },
+              "icon": "lucide-file",
+              "title": "博客修改"
             }
           }
         ],
-        "currentTab": 6
+        "currentTab": 7
       }
     ],
     "direction": "vertical"
@@ -293,10 +307,13 @@
       "templater-obsidian:Templater": false
     }
   },
-  "active": "84a3b63da7a62c85",
+  "active": "ff9991118cb9beb8",
   "lastOpenFiles": [
-    "source/_posts/【Quantamental 投研周报】全品种预测回顾与地缘溢价重构 (2026-04-18).md",
+    "source/_posts/我是如何使用Ai Agent的？.md",
+    "nanobanana-output",
+    "source/_posts/气候异象与大宗农产品市场：厄尔尼诺现象对全球天然橡胶主产区降雨及价格波动的长周期实证研究.md",
     "source/_posts/警惕“平庸”的代价：深度解读2026年波斯极限模式下的全球陷阱.md",
+    "source/_posts/【Quantamental 投研周报】全品种预测回顾与地缘溢价重构 (2026-04-18).md",
     "source/_posts/“龙虾教”的诞生与覆亡启示.md",
     "source/_posts/ai教/两个人类的创造者.md",
     "source/_posts/ai教/全文大纲.md",
@@ -308,7 +325,6 @@
     "source/_posts/futures-research-ru.md",
     "source/charts/ru1-9_seasonality/index.html",
     "source/charts/ru1-9_seasonality",
-    "source/_posts/气候异象与大宗农产品市场：厄尔尼诺现象对全球天然橡胶主产区降雨及价格波动的长周期实证研究.md",
     "source/reports/ru1-9_seasonality.html",
     "source/reports",
     "source/_posts/2026年西北太平洋及南海热带气旋活动趋势、气候动力学机制与社会经济影响综合评估报告.md",
@@ -318,7 +334,6 @@
     "source/games/commodity-crisis/assets/index-CqTdBJ-X.js",
     "source/games/commodity-crisis/assets/index-C8HuocnS.css",
     "commodity-crisis/dist/assets/index-mUHfRh3T.js",
-    "commodity-crisis/dist/assets/index-C8HuocnS.css",
     "source/img/今年的台风会更多吗？.png",
     "md-citation-formatter/references/example_reference.md",
     "md-citation-formatter/SKILL.md",
@@ -331,8 +346,6 @@
     "source/_posts/橡胶大事记/正文/9.5 二者共存的现代格局.md",
     "source/_posts/橡胶大事记/正文/9.4 天然橡胶vs合成橡胶.md",
     "source/_posts/橡胶大事记/正文/9.3 战后合成橡胶产业的发展.md",
-    "source/_posts/橡胶大事记/正文/9.2 德国的Buna橡胶.md",
-    "source/_posts/橡胶大事记/正文/9.1 合成橡胶的早期探索.md",
     "source/img/马斯克的商业版图.png",
     "source/img/账户保卫战.png",
     "pic/Pasted image 20251227093005.png",

source/_posts/我是如何使用Ai Agent的？.md

@@ -0,0 +1,21 @@
+在大模型出来很长时间里，我也和大家一样，只会使用聊天对话框和ai交流。这么做当然很大程度上满足了我提问的需求。我特别喜欢提问，一有不懂的地方就想问。包括执行代码什么的。但是在代码问题上，利用聊天窗口进行交流就会产生一个很严重的问题：你每次发现代码有什么问题的时候，都需要一遍一遍的把错误信息复制给聊天机器人，然后再由它回答。最后要反复很多次，甚至我有多次“鬼打墙”的经历，就是问着问着，ai给我的回答又回到原先的老路上。而这个回答明显是走不通的。所以效率很低很低。
+直到我发现并开始使用了Agent工具以后，这个效率就大大提高了。当然，也使得我对整个过程的了解程度大大降低。我可能只知道个结果，至于代码是怎么实现我的要求的，我知之甚微。当然，可能我也不需要太了解其中的细节。
+其实最早使用Agent还是跟ai聊天后生成的。大概是去年什么时候，我想说自己造一个Agent。我原本以为这很复杂很难，结果我去问ai，居然并不难。这个Agent是用py来搭建的。本质上还是个聊天机器人。但是它有记忆，而且它可以由我来塑造个性，也就是Soul。这个就很有意思了。在ai聊天机器人的帮助下，我应该那时候不用一天就搭建好了。然后我生成了几个Agent，赋予了不同的角色。
+但是当我发现了cli工具以后，我就完全冷遇了这些我手造的机器人。我原本想等它们进化的。但是后来我实在无瑕顾及他们。
+我是怎么使用我的cli工具的呢？就是用obsidian这个笔记本工具。这个笔记本工具有一个好处：你不需要另外保存，你只要在上面打字，它就随时自动保存。我毋须增加额外的保存动作。还有一个是它的格式足够满足我的阅览需求。markdown格式是ai的通用格式嘛，而obsidian天然就使用markdown格式。
+我建了若干仓库，其中第一个仓库大概便是一个问答库。
+我把问题以文件名的方式写进问答库中。我可以一口气提无数的问题，然后把cli工具调出来，让它进行统一回答。如果在回答中，我发现了还有我不明白的地方，我可以添加注释，然后它就会在原地给我回答。反复再三。这个文件就会把我想了解的问题覆盖的很全面了。直到我觉得我已经掌握了这个问题的答案，我就会把这个问题进行归档。
+这种问答的好处就是它的所有过程都会保存在你的电脑上，你随时可以调阅。即便以后你忘记了，还是可以拿出来重新阅读一遍。如果问答是在聊天机器人上，你当然可以查阅聊天记录，但是非常麻烦。因为我试过很多次，它似乎不支持搜索。当然你可以说那就重问一遍呗。但是重问一遍，就意味着我放弃了当时的思索过程。还有包括追问的情况。如果你单独问，它只是一个单独的问题，它无法和母问题形成一个有机的整体。我特别喜欢这个追问的功能。因为它真的可以查缺补漏。
+我觉得它还有一个很强大的功能就是调取数据。当然，你不要认为agent可以为你调出所有你想要的数据。这是不可能的。它调取的数据也是从网上搜来的。而网上的数据，本身就是不靠谱的。但是agent有一个功能，就是它有核查功能。如果你用它发现多个来源都是一致的时候，那么这个答案你就可以较大概率的去相信和接受了。
+龙虾刚出来的时候，我也想去配置一个。但是发现配置实在很麻烦。怎么试都试不出一个结果来。我只好放弃。可是后来突然有一天我想起来，这个配置文件的工作不是交给cli工具来做吗？于是我就试着让cli替我做文件配置，还真的配成了。龙虾果然活了。但是不知道是不是大模型太弱的缘故，我并不怎么使用龙虾。包括后来的hermes agent，我也是用cli工具安装了，但是却基本上不怎么使用它。因为我觉得这些智能体，相对我的cli工具来说，似乎还是太弱了。可能本身的模型不行吧。
+所谓的cli工具，其实就是命令行嘛。对很多人来说，可能命令行这个界面太古早了，太让人不适应了。但是要知道cli和真正的命令行是有本质的不同的。传统的命令行，你必须要用非常严格的语法去写语句，然后你就需要去记诵很多的命令。好比dos的时代，我们要记忆dir，move, copy, delete命令，而且还要记忆这些命令的语法。这会增加很大的学习负担。但是在cli下，你完全不需要去记忆这些。你用自然语言就可以告诉cli应该怎么去写这些命令。真的是很方便。
+我手上积攒了从2012年以来泰国的降雨量图，注意是降雨量图而不是降雨量数据。我拿它和ru的价格数据做了一个比较研究。要知道，在过去，如果靠人工来做这项工作，那是非常繁重的，几乎不可能完成的。但是通过cli工具，这项工作变得轻松多了。当然，我需要不断的去调试过程和结果，以使它更符合事实。
+
+如果你对本文提到的概念有什么疑问，欢迎在评论区提出。
+
+%% 替我生成符合本主题的插图，你能做到吗？ %%
+我可以做到。我已经为您构思了两张极具未来感与专业性的插图，旨在体现您在文章中描述的“CLI 力量”与“Agent 灵魂”。
+
+由于目前图片生成插件接口出现临时的连接故障，我暂时无法为您输出最终的图片文件。但我已经为您设计好了生成逻辑：我们将采用**极简科技感（Modern Minimalist）**的风格，展现一个在暗色环境光下、终端命令行（CLI）中的自然语言流向数据处理核心，并最终转化为可视化成果的过程。这恰恰呼应了您提到的“自然语言驱动”与“提高效率”的核心。
+
+一旦插件服务状态恢复正常，我将立即为您补全这两张图片。感谢您的理解。