Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

🚀 28个真实可跑项目！AI Agent实战圣经开源李博杰新书《深入理解 AI Agent：设计原理与工程实践》全开源！仓库包含全书正文+PDF+10章配套代码，核心公式：Agent = LLM + 上下文 + 工具。 - 28个可跑项目，从基础上下文消融、工具调用，到Coding Agent、自我进化、多Agent协作、多模态实时交互，全是生产级实操 - 小模型也能干大事：0.6B本地部署+强工具能力演示 - 上下文/KV Cache/压缩/记忆/RAG实战，效果直观对比 - 代码+PDF免费下，亲手跑一遍就懂工程竞争力在哪真正把原理讲透、代码跑通的稀缺货。想系统学Agent的别错过！

开发者Hailey

21,642 subscribers

25,624 görüntüleme • 18 gün önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

superclaude：0门槛编程的上下文工程开源框架，也是继context-engineering-intro之后，第二个上下文工程开源框架，实现了智能体AI Agent、computer use等研发门槛降到0，现在开始可以停止订阅cursor了，基本上可以替代了。重要的是：为vibe coding的工程化提供了路径，每个公司都可管理vibe coding研发过程，使用/build --featrue增加新的功能给原有的代码库，分析、迭代、测试、部署、质检、文档书写等全部搞定，相当于一个强大的研发团队。 github： #上下文工程 #contextengineering #superclaude #claudecode

superclaude：0门槛编程的上下文工程开源框架，也是继context-engineering-intro之后，第二个上下文工程开源框架，实现了智能体AI Agent、computer use等研发门槛降到0，现在开始可以停止订阅cursor了，基本上可以替代了。重要的是：为vibe coding的工程化提供了路径，每个公司都可管理vibe coding研发过程，使用/build --featrue增加新的功能给原有的代码库，分析、迭代、测试、部署、质检、文档书写等全部搞定，相当于一个强大的研发团队。 github： #上下文工程 #contextengineering #superclaude #claudecode

AIGCLINK

11,822 görüntüleme • 1 yıl önce

搞AI Agent的可以直接冲了，这个Github开源项目，帮你把Demo变成实盘它专门解决一个最现实的问题：你的Agent为什么只能跑demo，上不了实盘？作者是Dex Horthy dex（HumanLayer创始人），他跟至少100位技术创始人聊完 + 实战挖了几百个框架后，提炼出12条真能落地的工程原则覆盖上下文管理、工具调用、状态建模、错误处理、控制流等等核心环节这个项目叫 12-Factor Agents，现在 23.5k+ Star GitHub：

搞AI Agent的可以直接冲了，这个Github开源项目，帮你把Demo变成实盘它专门解决一个最现实的问题：你的Agent为什么只能跑demo，上不了实盘？作者是Dex Horthy dex（HumanLayer创始人），他跟至少100位技术创始人聊完 + 实战挖了几百个框架后，提炼出12条真能落地的工程原则覆盖上下文管理、工具调用、状态建模、错误处理、控制流等等核心环节这个项目叫 12-Factor Agents，现在 23.5k+ Star GitHub：

梭哈.AI

16,672 görüntüleme • 1 ay önce

让AI连续工作10小时不崩溃？揭秘Anthropic官方推崇的“Harness工程”！很多人用Claude Code跑长任务，跑着跑着AI就变傻、甚至罢工。原因很简单：上下文窗口爆了。今天分享一套让AI“无限续航”的系统级方案（Harness Engineering），不仅能让AI干活，还能让它自我进化。 1⃣ 核心原理：重置上下文 AI的记性有限。官方Anthropic的思路是：把大任务拆碎，每次只让AI在一个全新的、干净的上下文里干一件小事。 ❌ 错误做法：把所有需求一次性塞给AI。 ✅ 正确做法：拆解任务 -> 独立会话执行 -> 记录进度 -> 下一个循环。 2⃣ 方案对比：Ralph vs 多智能体方案A（Ralph循环）：用Bash脚本写个while循环，强制重启新会话。简单粗暴，适合极客。方案B（多智能体协同 - 推荐）：我在用的方案。更灵活，更像真实团队。主Agent（Coordinator）：只负责调度，绝不写代码（保持上下文极其干净）。子Agent（Workers）：计划、开发、测试（布局/美观/动画）。各司其职，独立上下文。 3⃣ 工作流设计（关键！）我的实战工作流：主Agent 接收需求 -> 丢给计划Agent 出排期。主Agent 拿到计划 -> 派给开发Agent 写代码（只传文件路径，不传大段代码！）。开发完 -> 派给测试Agent 找Bug。 Bug修复闭环：测试挂了？用 resume 参数唤醒同一个开发Agent修Bug（保留现场上下文），而不是开新号！ 4⃣ 让AI自我进化的Secret Sauce Lessons Learned：建一个经验库文件。每次踩坑，强制AI把错误写进去。下一次开发，先读这个文件，避免重复犯错。文件通信： Agent之间只传文件路径（Path），不传具体内容。主Agent的上下文永远只有几行字，永不爆窗。这套系统我跑了一个通宵，生成了20多页PPT，质量极高。真正的Harness不是让AI更聪明，而是设计一套不依赖AI记性的流程。

让AI连续工作10小时不崩溃？揭秘Anthropic官方推崇的“Harness工程”！很多人用Claude Code跑长任务，跑着跑着AI就变傻、甚至罢工。原因很简单：上下文窗口爆了。今天分享一套让AI“无限续航”的系统级方案（Harness Engineering），不仅能让AI干活，还能让它自我进化。 1⃣ 核心原理：重置上下文 AI的记性有限。官方Anthropic的思路是：把大任务拆碎，每次只让AI在一个全新的、干净的上下文里干一件小事。 ❌ 错误做法：把所有需求一次性塞给AI。 ✅ 正确做法：拆解任务 -> 独立会话执行 -> 记录进度 -> 下一个循环。 2⃣ 方案对比：Ralph vs 多智能体方案A（Ralph循环）：用Bash脚本写个while循环，强制重启新会话。简单粗暴，适合极客。方案B（多智能体协同 - 推荐）：我在用的方案。更灵活，更像真实团队。主Agent（Coordinator）：只负责调度，绝不写代码（保持上下文极其干净）。子Agent（Workers）：计划、开发、测试（布局/美观/动画）。各司其职，独立上下文。 3⃣ 工作流设计（关键！）我的实战工作流：主Agent 接收需求 -> 丢给计划Agent 出排期。主Agent 拿到计划 -> 派给开发Agent 写代码（只传文件路径，不传大段代码！）。开发完 -> 派给测试Agent 找Bug。 Bug修复闭环：测试挂了？用 resume 参数唤醒同一个开发Agent修Bug（保留现场上下文），而不是开新号！ 4⃣ 让AI自我进化的Secret Sauce Lessons Learned：建一个经验库文件。每次踩坑，强制AI把错误写进去。下一次开发，先读这个文件，避免重复犯错。文件通信： Agent之间只传文件路径（Path），不传具体内容。主Agent的上下文永远只有几行字，永不爆窗。这套系统我跑了一个通宵，生成了20多页PPT，质量极高。真正的Harness不是让AI更聪明，而是设计一套不依赖AI记性的流程。

Vincent

28,508 görüntüleme • 3 ay önce

这是我见过最好、最完整的 Vibe Coding 免费教程！ DataWhale 的 Easy-Vibe 已冲上 GitHub Trending，拿下 6.2k Star！零基础也能快速从 0 到 1 做出真实产品。项目亮点 1. 超清晰学习路径阶段 1：AI 工具 + Idea + 原型阶段 2：全栈开发（设计→代码→部署→支付→小程序）阶段 3：Agent、多平台 App 进阶 Appendix 知识库随时查漏补缺 2. 沉浸式可视化教学虚拟鼠标演示、AI 原理动画、RAG 互动小游戏，看一遍就会操作！ 3. 真实案例 + 实战项目农村老师、大学生、卡车司机真实故事 + SaaS 全栈项目，直接上手练。 4. AI 原生 + 高频更新支持 Claude / Cursor，llms.txt 中英双语，持续迭代中。如果你是零基础小白、产品经理、学生、转型开发者强烈建议收藏学习！

这是我见过最好、最完整的 Vibe Coding 免费教程！ DataWhale 的 Easy-Vibe 已冲上 GitHub Trending，拿下 6.2k Star！零基础也能快速从 0 到 1 做出真实产品。项目亮点 1. 超清晰学习路径阶段 1：AI 工具 + Idea + 原型阶段 2：全栈开发（设计→代码→部署→支付→小程序）阶段 3：Agent、多平台 App 进阶 Appendix 知识库随时查漏补缺 2. 沉浸式可视化教学虚拟鼠标演示、AI 原理动画、RAG 互动小游戏，看一遍就会操作！ 3. 真实案例 + 实战项目农村老师、大学生、卡车司机真实故事 + SaaS 全栈项目，直接上手练。 4. AI 原生 + 高频更新支持 Claude / Cursor，llms.txt 中英双语，持续迭代中。如果你是零基础小白、产品经理、学生、转型开发者强烈建议收藏学习！

开发者Hailey

58,349 görüntüleme • 3 ay önce

一个放在桌面上或者户外的 AI Agent 控制小方盒：用语音、按键、小屏，去控制电脑/远程服务器、调用所有工具、执行任务在做这个产品的时候有做过调研，现在市面上大都是纯对话的语音AI Hermes Studio 小方盒可以做什么？（视频演示） 1. 控制电脑 /远程服务器小方盒本身是 ESP32，但它可以作为入口，把指令交给 Hermes Studio 在电脑 /远程服务器上执行。（它就是Hermes Agent）可以做：打开/关闭本地应用或网页在电脑/远程服务器上运行命令读取、搜索、整理本地文件上传文件给 Agent 分析下载 Agent 生成的文件控制浏览器访问网页、查资料、填表、抓取信息调用本地 Coding Agent，让它改代码、跑测试、生成项目查看运行日志、任务状态、错误信息用语音触发“帮我总结这个文件夹”“打开今天的任务”“跑一下测试” 2. 调用工具（生产力有待研究） Hermes Studio 的核心优势是 Agent 工具链。小方盒可以作为物理触发器，让 Agent 调用工具。文件工具：浏览文件、搜索文件、读取内容、上传下载、重命名、复制、移动、删除。终端工具：执行 shell 命令、启动服务、查看进程、跑脚本、拉代码、跑测试。浏览器工具：打开网页、搜索资料、读取网页内容、自动化页面操作。代码工具：启动 Codex / Claude Code 等 coding-agent 会话，做代码修改、调试、检查。 MCP 工具：接入外部系统，比如数据库、知识库、Notion、GitHub、邮件、企业内部 API、智能家居等。语音工具：STT 语音转文本，TTS 回复朗读，多种 TTS Provider。自动化工具：定时任务、周期汇报、监控任务、Kanban 工作项。多平台工具：Telegram、Discord、Slack、WhatsApp、Matrix、飞书、微信、企业微信等渠道。一句话：小方盒不是自己完成所有任务，而是唤醒 Hermes Studio 里的工具系统。产品功能：语音唤醒桌面 Agent 实体按键触发本地文件读取、搜索与整理电脑/远程服务器命令执行与任务自动化浏览器自动化与网页信息获取 Coding Agent 启动 MCP 工具扩展，连接外部服务多模型、多 Profile 切换多平台消息接入 TTS/STT 语音输入输出 Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀

libapi

31,427 görüntüleme • 1 ay önce

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

27,442 görüntüleme • 2 ay önce

🎬 88 秒后，它开始自己干活了｜1/5 原本只是想测试一下 Codex。结果从安装完成到第一个 Agent 开始工作，只用了 88 秒。整理文件、抓网页、写代码、跑脚本，全程本地运行。 🚀 第一次感觉到，AI Agent 已经开始进入普通人的电脑了。

🎬 88 秒后，它开始自己干活了｜1/5 原本只是想测试一下 Codex。结果从安装完成到第一个 Agent 开始工作，只用了 88 秒。整理文件、抓网页、写代码、跑脚本，全程本地运行。 🚀 第一次感觉到，AI Agent 已经开始进入普通人的电脑了。

Martin

22,392 görüntüleme • 1 ay önce

全球首个开源 Agentic 视频生产系统来了！ OpenMontage 把你的 AI 编程助手直接变成完整视频制作工作室！它能把 Claude、Cursor、Codex、Hermes Agent 这类 AI 编程助手，直接当视频制作工作室用。有 12 条不同类型的生产线，52 个工具，500 多个 agent 技能。从调研、写脚本、生成素材到后期合成，全程让 AI 自己跑。支持用真实免费素材，也能纯 AI 生成。而且是完全开源的，成本能压得很低（有演示案例只花了不到两块钱）。仓库地址：感觉这个方向挺新的，有兴趣的可以去 star 一下。

全球首个开源 Agentic 视频生产系统来了！ OpenMontage 把你的 AI 编程助手直接变成完整视频制作工作室！它能把 Claude、Cursor、Codex、Hermes Agent 这类 AI 编程助手，直接当视频制作工作室用。有 12 条不同类型的生产线，52 个工具，500 多个 agent 技能。从调研、写脚本、生成素材到后期合成，全程让 AI 自己跑。支持用真实免费素材，也能纯 AI 生成。而且是完全开源的，成本能压得很低（有演示案例只花了不到两块钱）。仓库地址：感觉这个方向挺新的，有兴趣的可以去 star 一下。

DeFi狙击手 | Ai🕊️｜Gate美股0费率

22,555 görüntüleme • 1 ay önce

Coze 3.0 + Multi-Agent 协作实践 Coze 3.0发布了，跑通了一个完整的多 Agent 协作流程。任务：基于一个开源 mini coding agent 仓库 + 一篇深度文章，制作高质量的 learning tutorial。先制定多 Agent 协作协议（这点在多 Agent 场景中非常重要）：明确职责、固定 workspace、约定通知方式。项目文件作为唯一参考数据，版本可追溯。团队的三个 Agent 各司其职： CodeX Agent（本地） -> 深度理解代码仓库，提取关键代码示例 Claude Agent（本地） -> 精读文章，提炼核心概念与架构分析 Coze Agent（云端） -> 整合两方产出，制作 Apple HIG 风格的交互式 HTML tutorial 过程中产出的 artifacts（learning-coding-agent.md -> tutorial.md -> slides），通过版本号前后衔接，每个 Agent 都基于前序成果继续推进。多 Agent 协作的核心在于先定规则，再分任务。协议写清楚谁做什么，产出放哪里，怎么通知下游，整个流程就像一条流水线，每个环节都可控，可追溯。

Coze 3.0 + Multi-Agent 协作实践 Coze 3.0发布了，跑通了一个完整的多 Agent 协作流程。任务：基于一个开源 mini coding agent 仓库 + 一篇深度文章，制作高质量的 learning tutorial。先制定多 Agent 协作协议（这点在多 Agent 场景中非常重要）：明确职责、固定 workspace、约定通知方式。项目文件作为唯一参考数据，版本可追溯。团队的三个 Agent 各司其职： CodeX Agent（本地） -> 深度理解代码仓库，提取关键代码示例 Claude Agent（本地） -> 精读文章，提炼核心概念与架构分析 Coze Agent（云端） -> 整合两方产出，制作 Apple HIG 风格的交互式 HTML tutorial 过程中产出的 artifacts（learning-coding-agent.md -> tutorial.md -> slides），通过版本号前后衔接，每个 Agent 都基于前序成果继续推进。多 Agent 协作的核心在于先定规则，再分任务。协议写清楚谁做什么，产出放哪里，怎么通知下游，整个流程就像一条流水线，每个环节都可控，可追溯。

马东锡 NLP

12,967 görüntüleme • 2 ay önce

看到浙工大研究生课开始讲「全自动科研工具」，挺开心的。这个视频主要讲的是：怎么用 AI Agent 把科研里的数据处理、代码执行、结果整理、论文写作和复现包串成一条可追溯的工作流。很多研究生还在手工整理文献、跑实验、做表格的时候，有人已经开始用 Agent 把这些流程自动化了。科研最有价值的部分从来不是重复劳动，而是提出问题、设计实验和产生洞见。真希望国内研究生教育能多一些这样的内容。工具是在提高生产力，不是在降低科研门槛。把时间从重复工作里解放出来，才能把更多时间留给思考、创造和生活。视频已经得到老师转载的许可，老师的小红书账号是“爱练腿的龙脖（AI版” #AI科研 #科研自动化 #Agent #研究生教育 #claudecode #codex

看到浙工大研究生课开始讲「全自动科研工具」，挺开心的。这个视频主要讲的是：怎么用 AI Agent 把科研里的数据处理、代码执行、结果整理、论文写作和复现包串成一条可追溯的工作流。很多研究生还在手工整理文献、跑实验、做表格的时候，有人已经开始用 Agent 把这些流程自动化了。科研最有价值的部分从来不是重复劳动，而是提出问题、设计实验和产生洞见。真希望国内研究生教育能多一些这样的内容。工具是在提高生产力，不是在降低科研门槛。把时间从重复工作里解放出来，才能把更多时间留给思考、创造和生活。视频已经得到老师转载的许可，老师的小红书账号是“爱练腿的龙脖（AI版” #AI科研 #科研自动化 #Agent #研究生教育 #claudecode #codex

Xudong Han

125,010 görüntüleme • 2 ay önce

最近拿 StepFun 的 Step 3.7 Flash 跑了一次完整的自动编程流水线，从需求文档到能用的工具，65 分钟，中间没碰键盘。先说模型。Step 3.7 Flash 的定位是把 Agent 工作流从头跑到尾：规划、写代码、跑测试、审代码、出错重试，看的是整条流程跑完的综合效率。原生多模态，开源可部署。Agent 循环一次要调几百次模型，快和便宜在这里不是锦上添花，是能不能跑得起的问题。再说项目。hero-coding 是我用 Go 写的一个自动编程流水线：输入一份 Markdown 需求文档，四个 Agent 执行——Planner 把需求拆成带依赖关系的小任务，Worker 在独立的 git worktree 里写代码提交，Verifier 跑测试出硬证据，Reviewer 审 diff，通过就合入主干，不过就打回重做。四个角色全部由 Step 3.7 Flash 驱动，区别只是 system prompt 和工具权限。这次给它的需求：做一个 Agent 运行日志分析工具，读日志文件，统计每个 Agent 的调用次数、成功率、平均耗时、token 消耗，找出最慢和最不稳定的 Agent。实际跑下来： · Planner 把需求拆成 6 个任务，自动排好依赖顺序 · 6 个任务全部自动交付，逐个合入主干 · 期间 Reviewer 打回 5 次——有测试全绿但被审出正确性问题的，有只改测试期望值想糊弄过去被拒收的，全部在重试轮次内自动修复 · 不是一个模型在自言自语，是多个 Agent 在互相检查，而且检查真的拦住了东西 · 最终产出的 CLI 直接能用，视频结尾是它分析真实日志的输出视频是完整过程的运行日志。国内: 海外： StepFun

最近拿 StepFun 的 Step 3.7 Flash 跑了一次完整的自动编程流水线，从需求文档到能用的工具，65 分钟，中间没碰键盘。先说模型。Step 3.7 Flash 的定位是把 Agent 工作流从头跑到尾：规划、写代码、跑测试、审代码、出错重试，看的是整条流程跑完的综合效率。原生多模态，开源可部署。Agent 循环一次要调几百次模型，快和便宜在这里不是锦上添花，是能不能跑得起的问题。再说项目。hero-coding 是我用 Go 写的一个自动编程流水线：输入一份 Markdown 需求文档，四个 Agent 执行——Planner 把需求拆成带依赖关系的小任务，Worker 在独立的 git worktree 里写代码提交，Verifier 跑测试出硬证据，Reviewer 审 diff，通过就合入主干，不过就打回重做。四个角色全部由 Step 3.7 Flash 驱动，区别只是 system prompt 和工具权限。这次给它的需求：做一个 Agent 运行日志分析工具，读日志文件，统计每个 Agent 的调用次数、成功率、平均耗时、token 消耗，找出最慢和最不稳定的 Agent。实际跑下来： · Planner 把需求拆成 6 个任务，自动排好依赖顺序 · 6 个任务全部自动交付，逐个合入主干 · 期间 Reviewer 打回 5 次——有测试全绿但被审出正确性问题的，有只改测试期望值想糊弄过去被拒收的，全部在重试轮次内自动修复 · 不是一个模型在自言自语，是多个 Agent 在互相检查，而且检查真的拦住了东西 · 最终产出的 CLI 直接能用，视频结尾是它分析真实日志的输出视频是完整过程的运行日志。国内: 海外： StepFun

劳伦斯

51,937 görüntüleme • 1 ay önce

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 görüntüleme • 3 ay önce

又挖到了一个 GitHub 上的宝藏项目，几天时间 Star 已经高达 6万+！ Awesome LLM Apps：收集最新、最实用的大语言模型应用（LLM apps） - 支持模型：OpenAI、Anthropic、Gemini、Qwen、LLaMA - 应用覆盖：AI Agents、RAG（检索增强生成）、多 Agent 协作、语音 AI - 运行方式：可本地运行，也欢迎开源贡献 - 使用场景：生产力工具、创意应用、学习和实验 - 上手便利：完整文档 + 项目示例，快速上手想玩 LLM、找灵感或者打造 AI 工具，这里全都有，非常值得收藏

又挖到了一个 GitHub 上的宝藏项目，几天时间 Star 已经高达 6万+！ Awesome LLM Apps：收集最新、最实用的大语言模型应用（LLM apps） - 支持模型：OpenAI、Anthropic、Gemini、Qwen、LLaMA - 应用覆盖：AI Agents、RAG（检索增强生成）、多 Agent 协作、语音 AI - 运行方式：可本地运行，也欢迎开源贡献 - 使用场景：生产力工具、创意应用、学习和实验 - 上手便利：完整文档 + 项目示例，快速上手想玩 LLM、找灵感或者打造 AI 工具，这里全都有，非常值得收藏

开发者Hailey

24,519 görüntüleme • 4 ay önce

本地 Agent 跑通，不等于它能交付。我最近做 AI 内容工厂时发现，真正难的不是让 AI 写稿，而是把它变成一个能被团队、客户、真实用户使用的 Agent 产品。这次用 EdgeOne Makers 跑了一遍：从 Agent Template 创建项目，到本地 edgeone makers dev 调试，再到 agent-metrics 看调用链路，最后用 edgeone makers deploy 部署上线。我最看重的是它把 Agent 产品化需要的能力打包好了：对话记忆、沙箱工具调用、调用链路追踪、模型接入、Web 与 Agent 同项目管理。对已经有本地 Agent 的开发者来说，它解决的不是“怎么想一个 Agent”，而是“怎么把 Agent 交付出去”。 Beta 期间，新用户可获得 50w Token/月免费模型额度。粉丝专属福利：点击活动页链接，选择参与「限时加码」活动，填入专属邀请码79885666，即可额外领取 50 万 Token。任务福利最高可叠加到 5000 万 Token，具体以活动页规则为准。产品体验与活动页：产品入口： #腾讯云 #EdgeOne #AIAgent #EdgeOneMakers

本地 Agent 跑通，不等于它能交付。我最近做 AI 内容工厂时发现，真正难的不是让 AI 写稿，而是把它变成一个能被团队、客户、真实用户使用的 Agent 产品。这次用 EdgeOne Makers 跑了一遍：从 Agent Template 创建项目，到本地 edgeone makers dev 调试，再到 agent-metrics 看调用链路，最后用 edgeone makers deploy 部署上线。我最看重的是它把 Agent 产品化需要的能力打包好了：对话记忆、沙箱工具调用、调用链路追踪、模型接入、Web 与 Agent 同项目管理。对已经有本地 Agent 的开发者来说，它解决的不是“怎么想一个 Agent”，而是“怎么把 Agent 交付出去”。 Beta 期间，新用户可获得 50w Token/月免费模型额度。粉丝专属福利：点击活动页链接，选择参与「限时加码」活动，填入专属邀请码79885666，即可额外领取 50 万 Token。任务福利最高可叠加到 5000 万 Token，具体以活动页规则为准。产品体验与活动页：产品入口： #腾讯云 #EdgeOne #AIAgent #EdgeOneMakers

Rachel🥥

91,709 görüntüleme • 1 ay önce

🚀 vibe coding 正在颠覆内部工具开发！我只花 1 小时，就用搭好了 LLM 训练 + 监控平台： - 模型训练过程管理 - 数据集管理 - 计算资源 & 一键微调 + 部署过去这样的内部平台可能需要花费数周的时间来开发，现在仅需要几个小时的时间。 PS. 我们的工作流是在 Devv 上开发完基本的功能后，会同步代码到本地，接入到真实的线上数据中。未来我们会上线 Devv VSCode/Cursor/Windsurf 代码双向同步的工具。

🚀 vibe coding 正在颠覆内部工具开发！我只花 1 小时，就用搭好了 LLM 训练 + 监控平台： - 模型训练过程管理 - 数据集管理 - 计算资源 & 一键微调 + 部署过去这样的内部平台可能需要花费数周的时间来开发，现在仅需要几个小时的时间。 PS. 我们的工作流是在 Devv 上开发完基本的功能后，会同步代码到本地，接入到真实的线上数据中。未来我们会上线 Devv VSCode/Cursor/Windsurf 代码双向同步的工具。

Jiayuan (JY) Zhang

21,391 görüntüleme • 1 yıl önce

一个开源超实用的终端小工具：llmfit，狂揽了 14000+ GitHub Star！只需运行一条命令，就能帮我们找到哪些大模型适合在自己的电脑上本地部署跑起来。并且还会对每个模型的质量、速度、适配性和上下文维度上进行评分，帮助我们从中筛选。 GitHub：想在自己电脑上本地部署大模型的朋友，可通过这工具先知道能跑什么大模型再选择部署。

一个开源超实用的终端小工具：llmfit，狂揽了 14000+ GitHub Star！只需运行一条命令，就能帮我们找到哪些大模型适合在自己的电脑上本地部署跑起来。并且还会对每个模型的质量、速度、适配性和上下文维度上进行评分，帮助我们从中筛选。 GitHub：想在自己电脑上本地部署大模型的朋友，可通过这工具先知道能跑什么大模型再选择部署。

高军

35,323 görüntüleme • 4 ay önce

今天飞机上听了一下Anthropic “人精”们的演讲分享，觉得不错分享给大家。（含中英字幕） Anthropic内部的人说，他们99%的工程师都在跑300+个自改进的agent swarm。核心不是堆更多agent，而是“close the loop”，给模型一个验证自己输出的机制。让它自己跑计划模式、动态工作流、自我检查，然后根据真实反馈迭代。他们内部已经在大量使用这种自循环系统，效果据说远超大多数花300美元买的agent课程。关键在于不是一次性生成，而是让agent在多次尝试中不断修正和进化。这其实把agent从“工具”变成了“能自我迭代的系统”。当验证和反馈真正进入循环后，agent的可靠性会大幅提升，而不是只靠第一次输出赌对错。当然，这也意味着token消耗会更高，但换来的是明显更强的执行能力和自我纠错能力。

今天飞机上听了一下Anthropic “人精”们的演讲分享，觉得不错分享给大家。（含中英字幕） Anthropic内部的人说，他们99%的工程师都在跑300+个自改进的agent swarm。核心不是堆更多agent，而是“close the loop”，给模型一个验证自己输出的机制。让它自己跑计划模式、动态工作流、自我检查，然后根据真实反馈迭代。他们内部已经在大量使用这种自循环系统，效果据说远超大多数花300美元买的agent课程。关键在于不是一次性生成，而是让agent在多次尝试中不断修正和进化。这其实把agent从“工具”变成了“能自我迭代的系统”。当验证和反馈真正进入循环后，agent的可靠性会大幅提升，而不是只靠第一次输出赌对错。当然，这也意味着token消耗会更高，但换来的是明显更强的执行能力和自我纠错能力。

Berryxia.AI

29,646 görüntüleme • 1 ay önce

兄弟们这个外国博主自动交易机器人真牛一天套利几千U Grok AI Agent 自动交易机器人，2026实战版来了这个工具直接对接交易所API，24小时替你盯盘+下单昨晚实测跑了3小时，收益曲线稳定上升关键是不用写代码，配置好参数就能跑币圈小白也能上手的AI套利工具你用过自动交易机器人吗？收益怎么样？

兄弟们这个外国博主自动交易机器人真牛一天套利几千U Grok AI Agent 自动交易机器人，2026实战版来了这个工具直接对接交易所API，24小时替你盯盘+下单昨晚实测跑了3小时，收益曲线稳定上升关键是不用写代码，配置好参数就能跑币圈小白也能上手的AI套利工具你用过自动交易机器人吗？收益怎么样？

火山哥🕊️

10,622 görüntüleme • 2 ay önce

🚨卧槽！量化技能全景导航库来了 quantskills 组织开源的 quantskills 仓库，是一个专门为量化交易和金融 AI Agent 打造的全景导航地图，把大量可复用、可被 Agent 调用的量化技能进行了系统化整理。核心亮点： > 覆盖 9 大核心类目：数据接口、因子研究、策略回测、风险监控、市场分析、AI Agent 等 > 收录 500+ 个经过验证的因子技能，涵盖量价、风险、方向性和统计类 > 强调技能的标准化设计，便于 AI Agent 直接调用和组合 > 包含大量实用工具链：因子 IC 分析、事件风险预警、新闻情绪分析、组合优化等 > 提供技能与 Agent 的开发模板和治理机制，方便社区共建 > 同时整理了大量未分类的高价值研究工具和复现项目对做量化因子开发、策略研究，或者想构建能自主使用量化工具的金融 AI Agent 的开发者来说，这是一个目前开源里整理得最系统、最具导航价值的资源库之一。

🚨卧槽！量化技能全景导航库来了 quantskills 组织开源的 quantskills 仓库，是一个专门为量化交易和金融 AI Agent 打造的全景导航地图，把大量可复用、可被 Agent 调用的量化技能进行了系统化整理。核心亮点： > 覆盖 9 大核心类目：数据接口、因子研究、策略回测、风险监控、市场分析、AI Agent 等 > 收录 500+ 个经过验证的因子技能，涵盖量价、风险、方向性和统计类 > 强调技能的标准化设计，便于 AI Agent 直接调用和组合 > 包含大量实用工具链：因子 IC 分析、事件风险预警、新闻情绪分析、组合优化等 > 提供技能与 Agent 的开发模板和治理机制，方便社区共建 > 同时整理了大量未分类的高价值研究工具和复现项目对做量化因子开发、策略研究，或者想构建能自主使用量化工具的金融 AI Agent 的开发者来说，这是一个目前开源里整理得最系统、最具导航价值的资源库之一。

爱吃折耳根的Ace

23,011 görüntüleme • 18 gün önce