Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

喵的太魔幻了，有点 Claude 干翻 Google 的感觉😂 这个程序员老哥 Tom Turney只用7天，就把谷歌砸翻全球内存股的十亿级算法，干成了比官方承诺还快的开源实现，谷歌只发了颠覆性的KV缓存压缩论文，半行代码都没放出来， Tom Turney啃完论文里的数学公式，打开终端靠着Claude辅助， 7天就走完了大厂几个月的路，前三天写完核心算法，搭好141个测试用例，跑通Python原型，中间两天直接移植到llama.cpp，写完Metal GPU内核，最后两天疯狂优化，把推理速度从739 tok/s干到了2747 tok/s，纯工程优化就实现了3.7倍的提速，他还在谷歌的方案上，加了三项自己的研究创新，长上下文跳过90%的value解压，非对称K/V压缩保留key精度狠压value，老token自动降低精度，最终成果是35B大模型，在普通MacBook上就能流畅跑，KV缓存直接压缩4.6倍，开源仓库上线一周就拿到613个星标，而谷歌到现在，都没放出自己的官方代码，说实话，这才是2026年最真实的写照，一个普通人加AI，就能把大厂攥在手里的核心技术，直接干成人人能用的开源工具，真的牛逼🤙 github 地址评论区自取👇

AYi

56,596 subscribers

520,738 Aufrufe • vor 3 Monaten •via X (Twitter)

Nachrichten & Politik Bildung Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

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 Aufrufe • vor 2 Monaten

学 AI的兄弟们，别再死磕调包了，现在从零写一个大语言模型，比学会怎么熟练使用PyTorch还简单😂 看看这两个19岁本科生，四个月从零造了完整的机器学习框架和大模型。两个19岁的滑铁卢大学本科小哥哥，四个月前对机器学习一窍不通，现在他们从零造了一套完整的机器学习框架，还训出了一个1200万参数的大语言模型，能直接在你的浏览器里跑。说明大多数人学AI的顺序完全搞反了，大家都是先学调包，再学模型架构，最后才敢碰一点点底层。这两人反过来，从梯度下降的微积分开始写，先写自动微分引擎，再写BPE分词器，然后一层一层搭Transformer，最后反而比绝大多数调了三年包的工程师理解得都要深。还有一个很少有人看出来的点，现在AI的真正门槛，早就不在模型架构了。 Transformer的论文2017年就发了，每一层的数学都是公开的，随便一个大学生都能背下来。真正难的是那些论文里从来不写的东西，怎么写Flash Attention把内存占用降一个数量级，怎么把加bias加激活加归一化合并成一个内核，怎么把整个数据集一次性扔进GPU，让训练全程零数据传输，这些才是决定你能不能真的把模型跑起来的关键。大厂也正在把简单的事情变复杂， PyTorch为了兼容所有情况，堆了无数层抽象，最后你都不知道自己写的一行代码在GPU上到底在干什么ಠ_ಠ 而开源正在把复杂的事情变简单，这两个人用Rust写后端，TypeScript写前端，底层跑得飞快，上层用起来和PyTorch一样简单，代码加起来不到一万行，还比任何一个主流框架都干净，这你受得了吗哈哈这才是最好的AI教育，不是看一百篇论文，或者刷十个在线课程，而是从第一性原理出发，自己造一个轮子。当你亲手写过一次自动微分，你就再也不会觉得AI是什么神秘的黑魔法了。它就是一堆精心优化的矩阵运算，加一点聪明的数据流管理，仅此而已。我觉得这个视频最恐怖的地方不是两个大学生有多厉害，而是它证明了两年前还只有大厂实验室才能干的事，现在已经变成了普通人的业余爱好项目。最后想说，我们处在一个最好的时代，科技平权的时代， AI的民主化不是大厂给你发API密钥，咱们任何人只要愿意花四个月时间，就能在自己的电脑上，造一个属于自己的大语言模型。想玩的直接去他们的GitHub仓库，npm install就能跑。浏览器demo的链接我放评论区了👇

学 AI的兄弟们，别再死磕调包了，现在从零写一个大语言模型，比学会怎么熟练使用PyTorch还简单😂 看看这两个19岁本科生，四个月从零造了完整的机器学习框架和大模型。两个19岁的滑铁卢大学本科小哥哥，四个月前对机器学习一窍不通，现在他们从零造了一套完整的机器学习框架，还训出了一个1200万参数的大语言模型，能直接在你的浏览器里跑。说明大多数人学AI的顺序完全搞反了，大家都是先学调包，再学模型架构，最后才敢碰一点点底层。这两人反过来，从梯度下降的微积分开始写，先写自动微分引擎，再写BPE分词器，然后一层一层搭Transformer，最后反而比绝大多数调了三年包的工程师理解得都要深。还有一个很少有人看出来的点，现在AI的真正门槛，早就不在模型架构了。 Transformer的论文2017年就发了，每一层的数学都是公开的，随便一个大学生都能背下来。真正难的是那些论文里从来不写的东西，怎么写Flash Attention把内存占用降一个数量级，怎么把加bias加激活加归一化合并成一个内核，怎么把整个数据集一次性扔进GPU，让训练全程零数据传输，这些才是决定你能不能真的把模型跑起来的关键。大厂也正在把简单的事情变复杂， PyTorch为了兼容所有情况，堆了无数层抽象，最后你都不知道自己写的一行代码在GPU上到底在干什么ಠ_ಠ 而开源正在把复杂的事情变简单，这两个人用Rust写后端，TypeScript写前端，底层跑得飞快，上层用起来和PyTorch一样简单，代码加起来不到一万行，还比任何一个主流框架都干净，这你受得了吗哈哈这才是最好的AI教育，不是看一百篇论文，或者刷十个在线课程，而是从第一性原理出发，自己造一个轮子。当你亲手写过一次自动微分，你就再也不会觉得AI是什么神秘的黑魔法了。它就是一堆精心优化的矩阵运算，加一点聪明的数据流管理，仅此而已。我觉得这个视频最恐怖的地方不是两个大学生有多厉害，而是它证明了两年前还只有大厂实验室才能干的事，现在已经变成了普通人的业余爱好项目。最后想说，我们处在一个最好的时代，科技平权的时代， AI的民主化不是大厂给你发API密钥，咱们任何人只要愿意花四个月时间，就能在自己的电脑上，造一个属于自己的大语言模型。想玩的直接去他们的GitHub仓库，npm install就能跑。浏览器demo的链接我放评论区了👇

AYi

63,190 Aufrufe • vor 2 Monaten

谷歌的AI，已经开始做人类没教过它的事了。它自己学会了一门全新的外语。谷歌CEO把这称为“黑箱”。什么意思？就是他们自己也搞不明白AI的运作原理。举个例子。一个谷歌AI项目，本来没接受过孟加la语的训练。研究员只是用孟加拉语对它进行了几次提示。结果，它自己学会了翻译整个孟加拉语。现在谷歌的研究重点，变成了让AI去掌握上千种语言。但那个最核心的问题还在。为什么AI会这么做？没人能完全解释。当被问到为什么AI会出错时，他们也只有一些模糊的想法。最关键的一点是，谷歌CEO承认，在不完全理解工作原理的情况下，已经将这项技术释放给了全社会。他的解释是，我们也不完全理解人脑是如何工作的。把一个实验室里诞生的、行为不可预测的技术，与经过数百万年进化的人类大脑相提并论。这是一种合理的解释，还是一种推卸责任的说法？当创造者都无法完全控制其创造物时，我们普通人应该思考什么？

谷歌的AI，已经开始做人类没教过它的事了。它自己学会了一门全新的外语。谷歌CEO把这称为“黑箱”。什么意思？就是他们自己也搞不明白AI的运作原理。举个例子。一个谷歌AI项目，本来没接受过孟加la语的训练。研究员只是用孟加拉语对它进行了几次提示。结果，它自己学会了翻译整个孟加拉语。现在谷歌的研究重点，变成了让AI去掌握上千种语言。但那个最核心的问题还在。为什么AI会这么做？没人能完全解释。当被问到为什么AI会出错时，他们也只有一些模糊的想法。最关键的一点是，谷歌CEO承认，在不完全理解工作原理的情况下，已经将这项技术释放给了全社会。他的解释是，我们也不完全理解人脑是如何工作的。把一个实验室里诞生的、行为不可预测的技术，与经过数百万年进化的人类大脑相提并论。这是一种合理的解释，还是一种推卸责任的说法？当创造者都无法完全控制其创造物时，我们普通人应该思考什么？

墓碑科技

48,664 Aufrufe • vor 5 Monaten

holy shit，Warp这次真的是把整个行业的桌子给掀了。发布一天多，GitHub直接冲到31.9k星，速度快到系统都卡了。兄弟们，这可不是简单把代码扔到GitHub，相当于带来了人类历史上第一个AI原生的开源协作范式🤯🤯🤯 以前开源是靠热情开发者周末肝代码，现在Oz代理会自动写代码，跑测试，做code review，甚至生成完整的技术文档。未来人类只需要做最值钱的三件事，提想法，把关品味，拍板最终方向。更有意思的是，前几天而且你现在甚至能去我感觉这可能是未来十年软件开发方式的一次预演。

holy shit，Warp这次真的是把整个行业的桌子给掀了。发布一天多，GitHub直接冲到31.9k星，速度快到系统都卡了。兄弟们，这可不是简单把代码扔到GitHub，相当于带来了人类历史上第一个AI原生的开源协作范式🤯🤯🤯 以前开源是靠热情开发者周末肝代码，现在Oz代理会自动写代码，跑测试，做code review，甚至生成完整的技术文档。未来人类只需要做最值钱的三件事，提想法，把关品味，拍板最终方向。更有意思的是，前几天而且你现在甚至能去我感觉这可能是未来十年软件开发方式的一次预演。

AYi

108,768 Aufrufe • vor 2 Monaten

👏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

26,809 Aufrufe • vor 1 Monat

Damn，这可能是2026年最被低估的开发者生产力工具💻🤖！ The harness is the bottleneck，喵个咪，同样的Claude，换个壳，内存省20倍，启动快245倍。所以信息差不仅省钱，还省 token 啊，你如果觉得用Claude慢，其实不是Claude的问题，是这个harness的问题。 Claude Code单开一个会话吃掉230MB内存，启动一次要3.4秒，你说它慢，它也没法辩解，但换掉harness，同样的Claude，启动快245倍，10个并行会话总内存只用260MB。这是一个叫jcode的开源项目做到的，作者1jehuang，Rust写的，GitHub repo就在那摆着，benchmark数据完整可查，没有任何营销成分。有意思的是，它还支持一个叫Self-Dev的模式，代理可以直接改jcode自己的源码，编译，重载，用来迭代自己，这不是demo，作者每天都在把这套跑在生产上。说白了就是，Anthropic把最好的模型卖给你，但没人说harness必须用他们的，开源社区的进化速度，从来不输大厂，只是他们不打广告。当然风险是真实的，Anthropic明确禁止OAuth第三方接入，封号灰色地带，建议先拿API Key跑，不要用主号赌，但这个方向依然值得盯着。

Damn，这可能是2026年最被低估的开发者生产力工具💻🤖！ The harness is the bottleneck，喵个咪，同样的Claude，换个壳，内存省20倍，启动快245倍。所以信息差不仅省钱，还省 token 啊，你如果觉得用Claude慢，其实不是Claude的问题，是这个harness的问题。 Claude Code单开一个会话吃掉230MB内存，启动一次要3.4秒，你说它慢，它也没法辩解，但换掉harness，同样的Claude，启动快245倍，10个并行会话总内存只用260MB。这是一个叫jcode的开源项目做到的，作者1jehuang，Rust写的，GitHub repo就在那摆着，benchmark数据完整可查，没有任何营销成分。有意思的是，它还支持一个叫Self-Dev的模式，代理可以直接改jcode自己的源码，编译，重载，用来迭代自己，这不是demo，作者每天都在把这套跑在生产上。说白了就是，Anthropic把最好的模型卖给你，但没人说harness必须用他们的，开源社区的进化速度，从来不输大厂，只是他们不打广告。当然风险是真实的，Anthropic明确禁止OAuth第三方接入，封号灰色地带，建议先拿API Key跑，不要用主号赌，但这个方向依然值得盯着。

AYi

133,602 Aufrufe • vor 2 Monaten

Anthropic CEO 刚抛出个暴论。 AI 领域的开源，全都是伪命题。别拿以前的开源常识来套。传统软件开源，源代码一览无余。 AI 开源？那只能叫开放权重。那个黑盒里面到底长什么样，你根本看不见。拿最近大火的模型来说。开不开源根本不重要。唯一重要的指标只有性能好坏。不管打着什么旗号，最后都得老老实实上云。大模型跑推理，门槛极高。算力烧的都是真金白银。天下根本没有免费的 AI。极具戏剧性的是。这位 CEO 的话音刚落，自家后院就起火了。 Anthropic “意外”泄露了 Claude 的完整代码。底裤直接被扒个精光。这出乌龙，直接把硅谷巨头的底牌翻在了桌面上。大厂从来不怕你抄代码。代码这东西本来就不值钱。把所有人逼上云端交算力税，顺便扒光你的数据，硅谷只剩这一种玩法。

Anthropic CEO 刚抛出个暴论。 AI 领域的开源，全都是伪命题。别拿以前的开源常识来套。传统软件开源，源代码一览无余。 AI 开源？那只能叫开放权重。那个黑盒里面到底长什么样，你根本看不见。拿最近大火的模型来说。开不开源根本不重要。唯一重要的指标只有性能好坏。不管打着什么旗号，最后都得老老实实上云。大模型跑推理，门槛极高。算力烧的都是真金白银。天下根本没有免费的 AI。极具戏剧性的是。这位 CEO 的话音刚落，自家后院就起火了。 Anthropic “意外”泄露了 Claude 的完整代码。底裤直接被扒个精光。这出乌龙，直接把硅谷巨头的底牌翻在了桌面上。大厂从来不怕你抄代码。代码这东西本来就不值钱。把所有人逼上云端交算力税，顺便扒光你的数据，硅谷只剩这一种玩法。

墓碑科技

73,323 Aufrufe • vor 3 Monaten

这是一个真实的故事，关于一个房产经纪团队怎么用内容营销卖出了一套130万美元的房子。重点不是这130万，而是他们用的方法特别实在。具体是怎么做的？首先，他们特别清楚自己的地盘。不是到处写写写，而是就选了3个他们最熟的区域。这就像你在一个小区住了十年，对那儿的一草一木都了如指掌 - 哪个单元采光好，哪个位置停车方便，连物业的老张什么性格都门儿清。他们写内容的方法也很实在： 1. 就写两种文章： - 给想买房的人写"在这儿住是啥感觉" - 给想卖房的人写"这片子现在行情咋样" 2. 文章写得特别接地气： - 不是写得特别长，一般也就一两千字 - 就跟跟邻居聊天似的，用"你"来说话 - 说的都是实打实的事，不罗嗦 3. 他们特别会找话题： - 上网看看大家在问什么问题 - 逛逛社区论坛，看看住户在聊什么 - 把这些实际问题都写进去 4. 内容不光是写，还要配图： - 自己开无人机拍照片 - 画个地图，标注下重要的地方 - 再配个视频，让大家更直观 5. 最实在的是，他们是慢慢来的： - 开始就写个千把字，放几张图 - 发现这文章有人看了，就往里加内容 - 别人问什么，就补充什么 - 最后每个区域写个二三十篇文章 6. 最后就是要主动一点： - 文章里放个联系方式 - 加个表格让人填联系方式 - 有人问就赶紧回复 - 多问问别人觉得哪写得好，哪写得不够好说白了，他们就是把自己知道的，别人关心的，都老老实实写下来。时间长了，这些文章就变成了他们的"销售小助手"，天天24小时都在帮他们找客户。最后提醒一句：这事儿要有耐心，不是写几篇文章就能见效的。但只要你持续写，写实在的内容，总能慢慢攒出口碑来。

这是一个真实的故事，关于一个房产经纪团队怎么用内容营销卖出了一套130万美元的房子。重点不是这130万，而是他们用的方法特别实在。具体是怎么做的？首先，他们特别清楚自己的地盘。不是到处写写写，而是就选了3个他们最熟的区域。这就像你在一个小区住了十年，对那儿的一草一木都了如指掌 - 哪个单元采光好，哪个位置停车方便，连物业的老张什么性格都门儿清。他们写内容的方法也很实在： 1. 就写两种文章： - 给想买房的人写"在这儿住是啥感觉" - 给想卖房的人写"这片子现在行情咋样" 2. 文章写得特别接地气： - 不是写得特别长，一般也就一两千字 - 就跟跟邻居聊天似的，用"你"来说话 - 说的都是实打实的事，不罗嗦 3. 他们特别会找话题： - 上网看看大家在问什么问题 - 逛逛社区论坛，看看住户在聊什么 - 把这些实际问题都写进去 4. 内容不光是写，还要配图： - 自己开无人机拍照片 - 画个地图，标注下重要的地方 - 再配个视频，让大家更直观 5. 最实在的是，他们是慢慢来的： - 开始就写个千把字，放几张图 - 发现这文章有人看了，就往里加内容 - 别人问什么，就补充什么 - 最后每个区域写个二三十篇文章 6. 最后就是要主动一点： - 文章里放个联系方式 - 加个表格让人填联系方式 - 有人问就赶紧回复 - 多问问别人觉得哪写得好，哪写得不够好说白了，他们就是把自己知道的，别人关心的，都老老实实写下来。时间长了，这些文章就变成了他们的"销售小助手"，天天24小时都在帮他们找客户。最后提醒一句：这事儿要有耐心，不是写几篇文章就能见效的。但只要你持续写，写实在的内容，总能慢慢攒出口碑来。

Yangyi

56,646 Aufrufe • vor 1 Jahr

谷歌创始人Larry Page在2007年就看透了AI的底牌。那个年代学术界还在黑板上死磕精妙的算法。他预判了一切。实现真正的AI根本不需要多聪明的设计。算力规模才是唯一的壁垒。这个结论比Rich Sutton发表那篇著名的《苦涩的教训》早了整整十二年。 Page的推演视角直击本质。他扒开了人类自身的系统架构。把人类的全部DNA数据压缩一下，只有区区600MB。体积比普通的Linux小。更比不上动辄几十G的Windows。但就是这不起眼的600MB，装下了启动人类大脑的完整引导程序。造物主从不用复杂的代码炫技。自然界只给出极简的基础规则。剩下的工作全交给庞大的算力去穷举。沉迷于在白板前写优雅公式的天才们全绕了远路。计算量压制才是通往智能的唯一捷径。

谷歌创始人Larry Page在2007年就看透了AI的底牌。那个年代学术界还在黑板上死磕精妙的算法。他预判了一切。实现真正的AI根本不需要多聪明的设计。算力规模才是唯一的壁垒。这个结论比Rich Sutton发表那篇著名的《苦涩的教训》早了整整十二年。 Page的推演视角直击本质。他扒开了人类自身的系统架构。把人类的全部DNA数据压缩一下，只有区区600MB。体积比普通的Linux小。更比不上动辄几十G的Windows。但就是这不起眼的600MB，装下了启动人类大脑的完整引导程序。造物主从不用复杂的代码炫技。自然界只给出极简的基础规则。剩下的工作全交给庞大的算力去穷举。沉迷于在白板前写优雅公式的天才们全绕了远路。计算量压制才是通往智能的唯一捷径。

墓碑科技

79,014 Aufrufe • vor 4 Monaten

Uber 在一个季度内，把全年的 AI 预算烧光了。但这钱没白花，换来了反常识的结果。CEO Dara 发现，自家的工程师用上 AI 后效率暴增，产出简直像"超人"一样。于是 Uber 做了一个极其现实的决定：既然现有人手这么能干，那就不招新人了。他们开始严格控制增员节奏，用高昂的算力成本，直接锁死了未来的人力扩张。而且这场改造根本不局限于写代码。从工程开发、找 bug、平台迁移，一直到法务和营销团队，AI 已经钻进了 Uber 的每一根毛细血管。Dara 给团队下了死命令：自下而上，用 AI 把系统和流程彻底重构一遍。就算第一步只是让 AI 提升个两三成的效率，那也是赚的。最聪明的还是他们在成本上的算计。搞探索和研发时，闭着眼睛用最贵的 OpenAI 和 Claude，因为前沿模型确实聪明，适合试错。但只要某个场景跑通了、要大规模铺开，他们会立刻切回按 token 算更便宜的模型，或者是开源模型。为什么这么抠细节？因为 Uber 一年哪怕跑出远超 100 亿次的行程，手握 100 多亿自由现金流，本质上依然是个低毛利的苦生意。他们只能靠榨干内部的每一滴效率，来换取终端降价的空间。这就是现在顶尖科技公司的真实玩法。没有空喊口号，算力直接替代人力，用最贵的工具探路，用最省的方案落地。一场冷酷又高效的生产力洗牌，已经在看不见的地方完成了。

Uber 在一个季度内，把全年的 AI 预算烧光了。但这钱没白花，换来了反常识的结果。CEO Dara 发现，自家的工程师用上 AI 后效率暴增，产出简直像"超人"一样。于是 Uber 做了一个极其现实的决定：既然现有人手这么能干，那就不招新人了。他们开始严格控制增员节奏，用高昂的算力成本，直接锁死了未来的人力扩张。而且这场改造根本不局限于写代码。从工程开发、找 bug、平台迁移，一直到法务和营销团队，AI 已经钻进了 Uber 的每一根毛细血管。Dara 给团队下了死命令：自下而上，用 AI 把系统和流程彻底重构一遍。就算第一步只是让 AI 提升个两三成的效率，那也是赚的。最聪明的还是他们在成本上的算计。搞探索和研发时，闭着眼睛用最贵的 OpenAI 和 Claude，因为前沿模型确实聪明，适合试错。但只要某个场景跑通了、要大规模铺开，他们会立刻切回按 token 算更便宜的模型，或者是开源模型。为什么这么抠细节？因为 Uber 一年哪怕跑出远超 100 亿次的行程，手握 100 多亿自由现金流，本质上依然是个低毛利的苦生意。他们只能靠榨干内部的每一滴效率，来换取终端降价的空间。这就是现在顶尖科技公司的真实玩法。没有空喊口号，算力直接替代人力，用最贵的工具探路，用最省的方案落地。一场冷酷又高效的生产力洗牌，已经在看不见的地方完成了。

墓碑科技

53,152 Aufrufe • vor 1 Monat

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

Vincent

69,334 Aufrufe • vor 22 Tagen

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

阿蔺A-Lin

27,925 Aufrufe • vor 4 Monaten

前两天，谷歌搜索的流量掉了一点，就有人质疑谷歌是不是会在AI时代掉队。殊不知，谷歌反而是最强的AI公司。Deepmind的老板，2024年的诺贝尔化学奖得主戴密斯哈萨比斯，包括Deepmind的天才团队，这帮人简直太bug了。大语言模型，强化学习，模拟器，样样精通，都积累了很多年，并且有很多成功案例。不得不感慨，谷歌从2014年收购Deepmind以来就在持续大力投入AI，这个战略选择实在是太明智了。经过10年的积累，谷歌现在的状态就是走自己的路，让别人无路可走，因为谷歌的模型和产品都太强了。另外，谷歌在AI for science上，也取得了很多进展。2024年谷歌的前员工和现员工获得诺贝尔物理学和化学奖。但我敢肯定，未来，Deepmind团队还会获得更多的诺贝尔奖。谷歌现在唯一的弱点就是CEO有点肉，我感觉皮柴应该干不久了，如果能换个更好的CEO，谷歌会飞得更高。详情请见视频。

前两天，谷歌搜索的流量掉了一点，就有人质疑谷歌是不是会在AI时代掉队。殊不知，谷歌反而是最强的AI公司。Deepmind的老板，2024年的诺贝尔化学奖得主戴密斯哈萨比斯，包括Deepmind的天才团队，这帮人简直太bug了。大语言模型，强化学习，模拟器，样样精通，都积累了很多年，并且有很多成功案例。不得不感慨，谷歌从2014年收购Deepmind以来就在持续大力投入AI，这个战略选择实在是太明智了。经过10年的积累，谷歌现在的状态就是走自己的路，让别人无路可走，因为谷歌的模型和产品都太强了。另外，谷歌在AI for science上，也取得了很多进展。2024年谷歌的前员工和现员工获得诺贝尔物理学和化学奖。但我敢肯定，未来，Deepmind团队还会获得更多的诺贝尔奖。谷歌现在唯一的弱点就是CEO有点肉，我感觉皮柴应该干不久了，如果能换个更好的CEO，谷歌会飞得更高。详情请见视频。

Ben X

27,251 Aufrufe • vor 1 Jahr

前几天黄仁勋刚拍着胸脯说我们已经实现AGI了，谷歌一个测试直接把这话的底裤都扒了😂 3月25号谷歌悄无声息发布了ARC-AGI-3基准测试，没有铺天盖地的炒作，没有新品发布的噱头，就只有一个测试网格和一个计时器，结果48小时后出来的成绩，直接把整个AI圈都看傻了，万众期待的GPT-5，正确率只有0.26%，同梯队的Claude，只拿到了0.25%，马斯克的Grok更离谱，直接挂零交了白卷，更打脸的是，一个开发者花几周时间搭出来的4层简单CNN，直接干到了12.58%的正确率，吊打所有千亿级的顶流大模型，更扎心的还在后面，旧金山街头随便找的无业人员，面对这套测试，直接拿到了100%的满分，后续的发展更是离谱，有开发者只用了一个周末，就完整复现了那个获胜CNN的方法，主办方设下的70万美金大奖，至今依旧无人能拿走，眼看大模型集体翻车，分析师们急着跳出来说这个基准测试不公平， DRAM相关股票应声下跌，AI泡沫的讨论再次席卷了整个行业，记住0.26%这个数字，下次再有人跟你说AGI已经来了，就把这个数甩给他😁

前几天黄仁勋刚拍着胸脯说我们已经实现AGI了，谷歌一个测试直接把这话的底裤都扒了😂 3月25号谷歌悄无声息发布了ARC-AGI-3基准测试，没有铺天盖地的炒作，没有新品发布的噱头，就只有一个测试网格和一个计时器，结果48小时后出来的成绩，直接把整个AI圈都看傻了，万众期待的GPT-5，正确率只有0.26%，同梯队的Claude，只拿到了0.25%，马斯克的Grok更离谱，直接挂零交了白卷，更打脸的是，一个开发者花几周时间搭出来的4层简单CNN，直接干到了12.58%的正确率，吊打所有千亿级的顶流大模型，更扎心的还在后面，旧金山街头随便找的无业人员，面对这套测试，直接拿到了100%的满分，后续的发展更是离谱，有开发者只用了一个周末，就完整复现了那个获胜CNN的方法，主办方设下的70万美金大奖，至今依旧无人能拿走，眼看大模型集体翻车，分析师们急着跳出来说这个基准测试不公平， DRAM相关股票应声下跌，AI泡沫的讨论再次席卷了整个行业，记住0.26%这个数字，下次再有人跟你说AGI已经来了，就把这个数甩给他😁

AYi

233,315 Aufrufe • vor 3 Monaten

说个扎心的真相，90%的AI工程师，其实什么都没做出来 Cluely的CEO Roy Lee在NYU做活动，当场掏500美元现金，问在场所有学AI的学生和工程师，谁在LinkedIn上真正上线过一个公开的项目，结果全场几乎没人举手。太真实了，现在的AI圈就是这样，人人都能跟你聊大模型，聊Agent，聊世界模型，刷过几百篇论文，调过几十个demo，但你问他有没有上线过一个能让别人用的东西，大部分人都沉默了。我们总以为AI时代拼的是谁懂的多，谁的技术深，其实根本不是。 LLM能帮你写80%的代码，能帮你解决大部分技术问题，但剩下那20%的脏活累活，部署，边缘case，用户体验，成本控制，才是真正能区分你和别人的地方。所以别再当那个只会看教程的工程师了，去做去实践，去解决实际问题，，离线小模型App，自我迭代的代码Agent，个人生活OS，哪个都行。不用等你学完所有东西，不用等完美，这个周末开干，下周就公开上线。哪怕做的很烂，哪怕只有几个人用，也比你藏在电脑里的一百个demo强一万倍。在AI时代，知识已经变成了最不值钱的东西，到处都是教程，到处都是论文，真正稀缺的，是把知识变成公开可验证的产品的执行力。别当那个坐在NYU教室里，连500美元都拿不到的人，动起来兄弟们

说个扎心的真相，90%的AI工程师，其实什么都没做出来 Cluely的CEO Roy Lee在NYU做活动，当场掏500美元现金，问在场所有学AI的学生和工程师，谁在LinkedIn上真正上线过一个公开的项目，结果全场几乎没人举手。太真实了，现在的AI圈就是这样，人人都能跟你聊大模型，聊Agent，聊世界模型，刷过几百篇论文，调过几十个demo，但你问他有没有上线过一个能让别人用的东西，大部分人都沉默了。我们总以为AI时代拼的是谁懂的多，谁的技术深，其实根本不是。 LLM能帮你写80%的代码，能帮你解决大部分技术问题，但剩下那20%的脏活累活，部署，边缘case，用户体验，成本控制，才是真正能区分你和别人的地方。所以别再当那个只会看教程的工程师了，去做去实践，去解决实际问题，，离线小模型App，自我迭代的代码Agent，个人生活OS，哪个都行。不用等你学完所有东西，不用等完美，这个周末开干，下周就公开上线。哪怕做的很烂，哪怕只有几个人用，也比你藏在电脑里的一百个demo强一万倍。在AI时代，知识已经变成了最不值钱的东西，到处都是教程，到处都是论文，真正稀缺的，是把知识变成公开可验证的产品的执行力。别当那个坐在NYU教室里，连500美元都拿不到的人，动起来兄弟们

AYi

82,722 Aufrufe • vor 2 Monaten

真是开了眼了——一个还在读量化专业的大学生，只花了10天，自己搭了个AI集群引擎，结果在GitHub上火得一塌糊涂，直接拿下13000多颗星，还顺手融了400万美元。最近有个叫MiroFish的项目特别火，它其实是个多智能体模拟器，主要干的事就是帮你预测——不管是交易、公关，还是别的什么领域。 MiroFish到底是个啥？简单说，它就是一个数字版“沙盒世界”。里面跑着几千个AI代理，每个代理都有自己的“记忆”和行为模式，像真人一样在里面互动、讨论、站队。你随便扔一个场景进去——比如某条新闻突然泄露、政策突然变了，甚至一部没写完的经典小说——它就能模拟出这些人会怎么反应、怎么吵、最后得出什么结果，帮你预判现实里可能发生的情况。做这个项目的人叫郭汉江，2025年底的时候还是个本科生。他当时用AI工具帮忙写代码，把核心功能跑通之后，一发到网上就爆了。盛大集团直接砸了3000万人民币进来。后来他把宿舍退了，自己出来开了家公司，现在正带着这方向往前走。这东西能干嘛？目前用得比较多的几个场景：交易方面，你把金融新闻或者财报往里一丢，它就能模拟出市场会不会恐慌、价格大概怎么走，给你个预判的参考。公关测试也很实用，公司或者团队写了个声明，先扔进去跑一遍，看看会不会翻车，再调整措辞。还有人有拿来玩的，比如把一本没结局的中国小说放进去，里面的代理就会“扮演”角色，自己推一个合理的结局出来。部署也不麻烦，用Docker几分钟就能搞定，自带对接各种大模型的API密钥。给大伙支个招：你甚至可以整点“骚操作”——比如模拟马斯克突然发推说“狗狗币2.0来了”，然后看里面的交易员、大V、散户怎么炸锅，整个过程还能生成视频，完全无风险体验一把什么叫“起飞”或者“崩盘”。已经有交易员靠这个赚到钱了。比如有个案例在Polymarket上，有人用MiroFish跑历史数据，模拟完之后去押注SPX 500，最后净赚12万多美元。他的地址是：如果你想省点事，直接跟着高手走，也可以试试Kreo的跟单交易，自动复制他这类人的操作，借力上车。在PolyCop上添加他的钱包 [0x17559efac103ac7f361be37ec0b93888d4c55aac] 到就能开始跟踪或者复制他的交易了。代码在这：

真是开了眼了——一个还在读量化专业的大学生，只花了10天，自己搭了个AI集群引擎，结果在GitHub上火得一塌糊涂，直接拿下13000多颗星，还顺手融了400万美元。最近有个叫MiroFish的项目特别火，它其实是个多智能体模拟器，主要干的事就是帮你预测——不管是交易、公关，还是别的什么领域。 MiroFish到底是个啥？简单说，它就是一个数字版“沙盒世界”。里面跑着几千个AI代理，每个代理都有自己的“记忆”和行为模式，像真人一样在里面互动、讨论、站队。你随便扔一个场景进去——比如某条新闻突然泄露、政策突然变了，甚至一部没写完的经典小说——它就能模拟出这些人会怎么反应、怎么吵、最后得出什么结果，帮你预判现实里可能发生的情况。做这个项目的人叫郭汉江，2025年底的时候还是个本科生。他当时用AI工具帮忙写代码，把核心功能跑通之后，一发到网上就爆了。盛大集团直接砸了3000万人民币进来。后来他把宿舍退了，自己出来开了家公司，现在正带着这方向往前走。这东西能干嘛？目前用得比较多的几个场景：交易方面，你把金融新闻或者财报往里一丢，它就能模拟出市场会不会恐慌、价格大概怎么走，给你个预判的参考。公关测试也很实用，公司或者团队写了个声明，先扔进去跑一遍，看看会不会翻车，再调整措辞。还有人有拿来玩的，比如把一本没结局的中国小说放进去，里面的代理就会“扮演”角色，自己推一个合理的结局出来。部署也不麻烦，用Docker几分钟就能搞定，自带对接各种大模型的API密钥。给大伙支个招：你甚至可以整点“骚操作”——比如模拟马斯克突然发推说“狗狗币2.0来了”，然后看里面的交易员、大V、散户怎么炸锅，整个过程还能生成视频，完全无风险体验一把什么叫“起飞”或者“崩盘”。已经有交易员靠这个赚到钱了。比如有个案例在Polymarket上，有人用MiroFish跑历史数据，模拟完之后去押注SPX 500，最后净赚12万多美元。他的地址是：如果你想省点事，直接跟着高手走，也可以试试Kreo的跟单交易，自动复制他这类人的操作，借力上车。在PolyCop上添加他的钱包 [0x17559efac103ac7f361be37ec0b93888d4c55aac] 到就能开始跟踪或者复制他的交易了。代码在这：

区块链行情研究

157,850 Aufrufe • vor 3 Monaten

Damn，OpenAI刚刚扔出的这个开源仓库，直接把语音交互的未来砸到了所有人脸上🤯🤯🤯 他们发布了gpt-realtime-1.5的官方语音控制组件，现在你真的可以用自然语音，直接控制应用的UI状态，而不是转成文本再下命令。视频里的演示蛮震撼的，说一句切换深色模式，整个界面瞬间变黑。对着表单念你的姓名生日，字段自动填充，进度条实时更新。最绝的是下棋，说骑士走到F3，棋子直接移动，说重置棋盘，一秒清空，就好像模型永远知道当前屏幕上是什么状态，语音操作和鼠标键盘完全等价。讲真这么玩的话，这就不是简单的语音转文字的小升级了，我理解属于交互范式的真正转折。以前语音是输入层，现在语音变成了应用的顶层控制层。就是科幻电影里那种，对着屏幕说一句话，东西就自己变了的感觉🤩 更狠的是他们直接把整个实现开源了🤯🤯🤯 这个realtime-voice-component不是一个半成品demo，是一个完整的React参考实现。一行代码加个浮动按钮，用Zod定义几个工具，十分钟就能给你现有的Web应用加上语音控制。最聪明的设计是工具完全由应用拥有，模型只能调用你预定义的窄动作，不能乱动浏览器，安全又可控。这比之前的Computer Use靠谱一万倍。 Computer Use是让AI瞎点屏幕，而这个是让AI直接调用你写好的接口。一个是黑箱，一个是完全可控的白箱，这才是能真正落地到生产环境的方案。现在已经有人用它接了蛋白结构可视化工具，接了设计软件，接了企业内部仪表盘。未来你能想到的所有需要双手操作的场景，开车，做饭，做设计，做手术，未来都可以用语音控制。这意味着语音正在成为操作系统级别的接口。而OpenAI已经把所有的轮子都给你造好了。想玩的直接去fork仓库，配个API Key，跑demo就能感受到那种说一句世界就变了的魔力。老规矩GitHub地址评论区自取👇

Damn，OpenAI刚刚扔出的这个开源仓库，直接把语音交互的未来砸到了所有人脸上🤯🤯🤯 他们发布了gpt-realtime-1.5的官方语音控制组件，现在你真的可以用自然语音，直接控制应用的UI状态，而不是转成文本再下命令。视频里的演示蛮震撼的，说一句切换深色模式，整个界面瞬间变黑。对着表单念你的姓名生日，字段自动填充，进度条实时更新。最绝的是下棋，说骑士走到F3，棋子直接移动，说重置棋盘，一秒清空，就好像模型永远知道当前屏幕上是什么状态，语音操作和鼠标键盘完全等价。讲真这么玩的话，这就不是简单的语音转文字的小升级了，我理解属于交互范式的真正转折。以前语音是输入层，现在语音变成了应用的顶层控制层。就是科幻电影里那种，对着屏幕说一句话，东西就自己变了的感觉🤩 更狠的是他们直接把整个实现开源了🤯🤯🤯 这个realtime-voice-component不是一个半成品demo，是一个完整的React参考实现。一行代码加个浮动按钮，用Zod定义几个工具，十分钟就能给你现有的Web应用加上语音控制。最聪明的设计是工具完全由应用拥有，模型只能调用你预定义的窄动作，不能乱动浏览器，安全又可控。这比之前的Computer Use靠谱一万倍。 Computer Use是让AI瞎点屏幕，而这个是让AI直接调用你写好的接口。一个是黑箱，一个是完全可控的白箱，这才是能真正落地到生产环境的方案。现在已经有人用它接了蛋白结构可视化工具，接了设计软件，接了企业内部仪表盘。未来你能想到的所有需要双手操作的场景，开车，做饭，做设计，做手术，未来都可以用语音控制。这意味着语音正在成为操作系统级别的接口。而OpenAI已经把所有的轮子都给你造好了。想玩的直接去fork仓库，配个API Key，跑demo就能感受到那种说一句世界就变了的魔力。老规矩GitHub地址评论区自取👇

AYi

121,406 Aufrufe • vor 2 Monaten

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。有个代码迁移项目，原本要4个工程师干满一个季度。现在一个人，三周搞定。结果就是：专家团队变成了“一个专家+一堆规则和agent”。这哥们跟Claude Code创始人聊了25分钟，全是干货。看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。效率低到离谱。真正的玩法早就不一样了。

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。有个代码迁移项目，原本要4个工程师干满一个季度。现在一个人，三周搞定。结果就是：专家团队变成了“一个专家+一堆规则和agent”。这哥们跟Claude Code创始人聊了25分钟，全是干货。看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。效率低到离谱。真正的玩法早就不一样了。

淘沙者(TheSandPicker)

91,165 Aufrufe • vor 9 Tagen

啊？AI可以自己找活干了？给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。项目地址：

啊？AI可以自己找活干了？给大家介绍一个炸裂的开源项目 Hephaestus - 这玩意儿让AI Agent自己规划工作，自己发现问题，自己创建任务！抽象到什么程度？它内嵌了个kanban....让AI自己拆解card自己做.... 传统的Agent框架都是你提前写死所有流程，遇到没预料到的情况就傻眼。Hephaestus 直接换了个思路：只定义三个阶段（分析-实现-验证），然后Agent自己看着办。举例：测试Agent在跑测试时，发现了一个性能优化机会，它不是记个log就完事，而是自己创建了一个新的调查任务，然后放到kanban里，然后另一个Agent接手去研究，确认可行后又自己创建实现任务。整个工作流就这么自己长出了一个分支。你给它一个PRD，它分析出5个组件，创建5个并行任务。其中一个Agent干完了发现bug，自己创建修复任务。另一个Agent发现可以优化，自己创建优化分支。工作流是实时生成的，而不是一开始就预测好的。我有空也会测一下试试，看看它能不能真的从0到1自己把活干完。总之先增加到待测试列表。项目地址：

karminski-牙医

41,543 Aufrufe • vor 8 Monaten