@ch3nweiii：这正变得他妈的危险：Anthropic 把其中每个部分都分别记录了下来，却没人注意到它们加在一起……

这正变得他妈的危险：Anthropic 已经分别记录了这里的每一个环节，却没人注意到它们组合起来意味着什么 1. 在你的电脑上创建一个文件夹——这就是你的智能体能看到的全部世界 2. 在里面启动 Claude Code，并在根目录放一个写着你的规则的 CLAUDE.md——它会在每次会话中加载，你再也不用粘贴上下文 3. 创建一个 MEMORY 文件夹，并在 CLAUDE.md 中添加一条规则：把所有需要长期保留的事实写在那里，做任何规划前先读取它 4. 创建 .claude/agents/，定义三个只读的 Haiku 5.5 子智能体——它们负责探索文件，你的主模型再也不用在搜索上消耗上下文 5. 给它一个真正的浏览器：claude mcp add playwright – npx -y @playwright/mcp@latest 6. 在 http://claude.ai/customize/connectors… 连接 Gmail、Calendar 和 Drive——使用同一账号时，它们会自动加载到 CLI 中 7. 把整套流程封装进 .claude/skills//SKILL.md，让整个流程通过一个命令运行：/ 整套配置大约需要 20 分钟 现在来说说没人串起来的那一环。上述每一步都有同样的效率瓶颈：一个不需要深度思考的微小分支选择。选哪个文件。用哪个工具。重试还是停止。保留这段还是丢弃。这就是 Jev 的用武之地。它一个字也写不了。它会在 70 到 500 毫秒内返回选择及其概率，价格为每百万输入 token 0.042 美元，输出免费。也就是说，一次 LLM 调用的费用就够做数千次决策。> 让 Claude 思考。> 让 Jev 决定什么值得交给 Claude。> 让代码完成实际工作。你最终得到的是：在自己电脑上运行的全套 Anthropic 技术栈——持久记忆、并行探索的智能体群、真正的浏览器、你的邮件和云盘，以及在各环节之间做出数千次微小决策的 Jev 逐步配置教程就在下面的文章里。下次会话前先把这篇存下来。> Hanako (@hanakoxbt)： > REA 是目前 GitHub 上最危险的仓库 > > 它给你的 AI 智能体配上了真正的反汇编器，让它能深入到二进制层面读懂任何应用 > > 每一项结论都会附上其依据所在的地址 > > 我详细拆解了这 8 个具体步骤：