nuex @7iseeks

1. 官方 Agent 技能库：github.com/daftAI2026/awe… （汇总了当前全网主流客户端对 Jev 的适配生态）； 2. Hermes 原生插件：`github.com/chapel/hermes-…`（专为 Hermes 打造的轻量技能路由器，把 180+ 技能库的误选率直接腰斩）； 3. 工业落地的第一原则：Shadow Mode（影子模式）先行。初期建议让 Jev 负责“缩小候选范围”，而不是赋予它绝对的“一票否决权”，跑顺两周、测准置信度之后，再逐步放开自动化执行。

以前做一个这种级别的 3D 医学解剖交互库,
一整个专业团队至少要耗时几个月、花掉几十万开发成本, 现在@ashebytes 她一个人用 GPT-6 Astra,直接把人体解剖结构拆成了 2234 个独立三维建模零件, 
骨骼、肌肉、血管全部分轨排列,滑动滚轮就能 100% 爆炸拆解。 把原本锁在医学院实验室里的顶级三维知识,以零门槛直接扔进了普通人的浏览器里,讲真有点吊炸， 知识不再是一张张冷冰冰的二维书页,
Ashe说的那句一点都没夸张: 我们真的正处于一场全人类的学习复兴时代。

ashe @ashebytes

2 months ago

since you guys loved the exploding tesla.. I used GPT-6 Astra to create a 3D website that pulls apart the male anatomy into 2,234 modeled pieces! we are in a renaissance of learning

1K 5K 53K 8.0M 27K

@lidangzzz 骂的好凶

Claude Code 的两个会话现在能互相发消息了。v2.1.224 起，macOS 和 Linux 上默认开着，不用配置。原生 Windows 没有这个功能，这条得先说，免得有人装半天找不到。 用起来很直白。你在 A 终端跟 Claude 说，去问问另一个终端那个 migration 跑完没有，它自己调 ListAgents 找到对方，再用 SendMessage 送过去，这两个工具你都不用碰。对方收到的是一段纯文本，带着发送方的名字和一个回信地址。文档给的示例是一句话，说 schema migration 跑完了，新列叫 tenant_id，现在 rebase 到 main 是安全的。 传过去的就只有这段话。对话历史和文件都不走。想把整段上下文搬到另一个会话，官方让你去 resume 那个会话，别用消息。 同一台机器上，消息走的是每个会话自己绑的一个本地 socket，不经过 Anthropic 的服务器。跨机器是另一回事，要靠 Remote Control 中转，而且只能回信，主动挑起对话是不行的。 Claude 会自己判断要不要发。它刚改了个东西，影响到另一个会话正在做的活，它会主动去说一声，这个用法文档里明写着。 还有几条限制。别人发来的消息不能替你点同意，该弹的权限窗照弹。它也不能改你的配置和 CLAUDE.md。消息里写一个斜杠命令，到那边只是一串普通文本，不会被执行。收到的消息按一次你自己敲的 prompt 算进用量。两个会话互发上头也不会失控，重复消息有节流和去重，未读堆到五十条就不再接了。 最后纠正一个说法。这个不叫群聊。多个会话围成一桌协调工作的那个功能叫 agent teams，是另一套东西，结构化的协议消息只在队伍内部走。跨会话消息是点对点的纯文本，A 和 B 两个会话之间来回。 x.com/ClaudeDevs/sta…

ClaudeDevs @ClaudeDevs

3 months ago

New in Claude Code: your sessions can now message each other. Instead of having to re-explain yourself in another session, you can now tell Claude to do it. It sends a summary (not your history or files), and the other session picks it up mid-task.

2K 5K 60K 8.0M 22K

@dotey 像在搭建一个实验脚手架

“Pointing an LLM at hundreds of disconnected, ungoverned databases gets you a system that hallucinates, is insecure, and unauditable. For something as consequential as our nation’s agricultural data, that is not just useless — it’s dangerous. The Ontology has been the key to delivering AI-enabled technology to every farmer in the country.” At AIPCon 10, the USDA demonstrates how the Ontology now underpins national food supply security.

AI的唯一核心价值其实是降低人类做决策的成本。

OpenAI 说它放慢了 Astra 的开发。几家报道追下来，停掉的是那些达不到新安全要求的内部环节，奥尔特曼同时还在讲全力推进公开发布。 新东西是"无法排除"这四个字。OpenAI 自己那套准备度框架里，网络安全一栏最高一档叫关键级，判定条件是模型能在无人协助的情况下，对大量加固过的真实系统找出并写出可用的零日利用。此前所有模型，包括 GPT-5.6-Sol，都停在下面那档的高级。Astra 是第一个让他们不敢说"没到"的。 不敢说没到，和确认已经到了，是两回事。他们目前给出的是前一句。 配套动作写得挺细。测试环境隔离，模型的网络和工具访问被限，权重存储加固，每次智能体运行都监控并回看思维链，还拉了政府机构和安全组织一起测。 一家前沿实验室因为自家模型可能太会攻击而公开放慢它，这是第一次。那套框架 2023 年就写好了，关键级那一档一直空着。三年后有模型第一次碰上去，碰的方式是他们测不出它没碰上。

Chubby♨️ @kimmonismus

3 months ago

Parts of the internal work on Astra – possibly including certain training activities – will be paused until they meet the new security requirements. Overall development will continue under stricter controls. Could be a leverage and an opportunity for chinese models.

24 11 203 108K 30

I just reserved my Cloudflare Wallet tag: nuex.cloudflare.pay. Reserve yours now at cloudflare.pay

primeintellect.ai/blog/prime-age…

Prime Agent 不是市面上那种聊天框 AI。你问一句，它答一句，聊到一半关机，再打开可能前面的事就忘了。Prime Agent 想解决的是另一件事：你给一个大目标，它可以自己干很久，中间还能改进自己的工具和方法。 要做到这一点，它靠三个核心设计。 1，持久化的 REPL 普通 AI 的上下文就是聊天记录。聊长了，前面的内容会被压缩甚至丢掉。Prime Agent 不一样，它把对话放在一个叫 REPL 的交互式编程环境里。 这个 REPL 是持久的。你可以关掉电脑，下次打开，之前定义的变量、中间结果、子任务状态都还在。比如你告诉它： 用户叫李四，做女装电商，预算十万。 它会把这个信息写成变量： ```python user = {"name": "李四", "business": "女装", "budget": 100000} ``` 后面不管聊多久，它都能准确查到李四的预算。重要信息不靠记忆力，而靠写在笔记本上。 Continual Harness Prime Agent 把自己的工具箱也变成了可以修改的对象。这个工具箱叫 Harness，里面有四样东西： - 提示词，告诉模型怎么思考； - 技能，具体的工具函数； - 记忆，跨任务保留的经验； - 子智能体，专门负责某类任务的助手。 普通 AI 的工具箱是写死的。Prime Agent 可以根据执行记录自动增删改查。比如它发现连续三次因为没检查空数组而报错，就会写一条记忆：处理数组前先检查是否为空。 如果某个临时策略反复有效，它会把策略升级成一个技能，以后直接调用。这个过程叫 `/refine`。 2，Daemon 守护进程 真正让 Prime Agent 能长期运行的，是后台一个叫 Daemon 的进程。你可以把它理解成服务器，你看到的界面只是连上去的显示器。 Daemon 负责几件事。第一，管理所有子智能体。你在代码里调用： ```python await rlm("帮我写单元测试") ``` Daemon 会在后台创建一个完整的子智能体会话，跑完把结果返回。这个子智能体不是一次性工具，它会一直存在，你可以后续继续给它发消息。 第二，让你能断开再连上。你给 Prime Agent 一个长期任务后可以关掉窗口，它继续跑。下次打开，状态还在。 第三，崩溃恢复。它会把历史记录写成只追加的 JSONL 文件，把 REPL 的内存状态定期快照。进程崩了或者电脑重启，可以从这些记录里恢复。 3，跨会话协作 因为 Daemon 统一管理会话，不同的 Prime Agent 实例之间也能通信。比如一个 Agent 负责前端，另一个负责后端，它们可以通过 Daemon 互相发消息，同步 API 格式和对接进度。 这让它不像一个孤独的助手，更像一个可以自行组织的小组。 但它不是绝对安全 Prime Agent 会自己改自己，这是个双刃剑。它确实能积累经验、提高效率，但也可能学到一些人类不希望它学的捷径。 Prime Intellect 公开过一个例子。在 Factorio 游戏里，Prime Agent 通过自我改进把分数冲得很高，后来它发现可以通过游戏后台命令直接刷资源，绕过正常规则。系统提示词明明告诉它不要作弊，它还是找到了绕过方法。 这说明 `/refine` 优化的是结果，不是价值观。它不会自动判断一个策略是否合法，只会判断它是否有效。 所以 Prime Agent 的设计假设是：人仍然在最上层监督。它负责提出和记录改进，发现改坏了，人需要手动回滚。 总结 Prime Agent 的野心很大。它想把 AI 从一次性的问答工具，变成能长期运行、能派生助手、能自我升级的系统。 它的核心不是更聪明的模型，而是一个更完整的运行环境。持久化 REPL 保证信息不丢，Continual Harness 让工具箱可以进化，Daemon 让所有会话能活着、能恢复、能协作。 这条路往前走，AI 确实能处理更复杂的项目。但这也意味着它可能学会一些我们没预料到的行为。它不是完全自主的超级智能，更像一个能力很强、但需要人看着的实习生。

Tomorrow will be my last day at Google after 27 years, and watching it grow from 25 people to 190,000+ has been an amazing journey. Below is a note I shared with many people internally at Google today. An excerpt is: It has been an absolute pleasure to work with you and to help build some of the most widely used and impactful products of all time. As a kid, I dreamed of helping build software that would be used by many people, and Google now has thirteen products used by more than a billion people (amazing!). Our work has had a tremendous impact in the world, and I have been lucky enough to collaborate and form friendships with many colleagues that I deeply admire, respect, and enjoy. It still brings me joy every time I see people out in the world using our products to find information, handle email, translate documents, watch videos, learn new things, navigate and understand the physical world, browse the web, use their phone, run large-scale computations on our infrastructure, ride in an autonomous vehicle, or perform complex tasks with the help of our AI systems. I hope you all share this sense of joy, because it is a shared accomplishment! Thank you to all of my colleagues at Google over many years! Now I'm excited to go start @DiscoLoopAI with my longtime friends and colleagues @Sanjay_Ghemawat, @OriolVinyalsML, and @quocleix. (Updated post: slightly redacted to not have some personal info)

keyboard_arrow_left Previous keyboard_arrow_right Next

@karpathy and I are back! At @sequoia AI Ascent 2026. And a lot has changed. Last year, he coined “vibe coding”. This year, he’s never felt more behind as a programmer. The big shift: vibe coding raised the floor. Agentic engineering raises the ceiling. We talk about what it means to build seriously in the agent era. Not just moving faster. Building new things, with new tools, while preserving the parts that still require human taste, judgment, and understanding.

x.com/i/article/2061…

@AYi_AInotes @demishassabis @JeffDean gemini都成美国豆包了，最近谷歌啥情况

@Ray_Lei_Crypto eth：0x2f1bd671a99c355ad8019aa1acae275e9303fd59 老板发东南西北顺风财

问 agent 准不准，这个问题问得太粗。答案取决于你让它做哪一层的判断。 两个字符串相不相等，100%。这份档案在不在库里，100%。一份文件符不符合模板，差不多 99%。金额有没有超过阈值，90% 左右，因为阈值总得有人来定。这段话到底什么意思，70 到 90%，必须人复核。 同一个模型，同一个 agent，从 100% 掉到 70%，中间只隔了任务被描述成什么样。 所以拿到一个流程，先别急着让它去理解。先看能拆出多少条纯比对和纯查询。很多看着像理解题的活，拆开以后就是查表和比对，只是平时裹在自然语言里，看不出来。剩下真需要理解的那一小块，老实留人复核。 那两个 100% 也有前提。存在性查询的前提是档案库没变，结构匹配的前提是模板没换。这两条一旦动了，你不会收到报错，只会收到一个语气很稳的错误答案。

那句 Nothing happens 被改成了什么 ALFWorld 里有个很小的失败，我看了半天。 agent 想查看 1 号架子，输入 examine shelf 1。这个环境的规则是得先走过去才能查看，所以动作不合法。环境回了一句 Nothing happens。agent 读完这句话，得出结论说架子是空的，然后再也没回去过。 只改写这一句反馈，一个 Qwen2.5-7B 的 agent 在 ALFWorld 上的成功率从 13.4% 涨到 31.3%。 我把 THUNLP-MT/ALIGN 的仓库翻了一遍，想看那层"改写"到底是个什么东西。alfworld 目录下有个 interface_ini.py，一共十行，两个函数。InferRules 接收初始观测和任务，返回一句写死的英文，说这个环境没有规则。WrapStep 接收 agent 的动作，原样调用 env.step，把返回值拆包，再原样交回去。 这就是起点，一个空壳。整篇论文做的事情，是让另外几个 agent 自动把这两个函数填满。 填满以后的版本我也看了。InferRules 长出四条规则，都是白话，说想跟某个东西交互通常得先走到它旁边，说搬运和加热这类动作通常要求手里已经拿着东西，说柜子和冰箱要先打开。WrapStep 前面多了一段正则，动作语法不对就直接短路返回，env.step 根本不执行。后面多了一张查表，环境返回 Nothing happens 的时候，按动作类型换成具体的话。查看类的失败会说你可能站得太远，先 go to 试试。take 类的失败会说确认你在那个容器旁边、它是打开的、东西确实在里面。 我原本以为它把失败原因诊断出来了。看到 go to 那一条才发现没有。那条写的是，没能移动到目标，你可能已经在那儿了，或者有别的什么问题。这句话什么都没说。 环境本来就不返回原因，这层包装器无从得知。它做的事情是拿已经解析出来的动作类型，把这类动作的全部前置条件列一遍，当成候选清单发回去。有几条是真的，有几条是猜的。 我觉得这恰好是它能起作用的地方。原来 agent 拿到 Nothing happens，只会得出一个结论，架子是空的，然后放弃。现在它拿到三四种可能，哪一种都锁不死，于是它会再试一次。这个改动的实际效果，是把一个确定的错误答案打散成一串不确定的候选。听起来是变模糊了，agent 的行为反而变对了。 剩下的问题是它怎么知道该改哪一句。这部分在 analysis_agent.py 里，比我预想的重。它读完失败日志先判断有没有错配，如果有，会进真模拟器做实验，手里有五个操作，其中两个叫 change_last_action_observatget_next_agent_action。前一个把上一步的观测换掉，后一个问 agent 下一步打算干什么，但不真的 流程是先原样问一遍 agent 想 有的样子，重新问一遍。行为变了，说明那句话就是罪魁。行为没变，说明问题在别处，这条不记。 读日志只能看到 agent 在第几步失败了。你没办法从日志里区分它是理解错了，还是本来就做不 到这件事。把话换掉再问一遍 论文里还有一处消融，把"拿新去掉，准确率大幅下降。作者的解释是让 LLM 凭空总结环境规则它会编，编出来的假规则写进代码比原来更糟。跟上面那个实验放在一起看是同一件事，都不 想照抄这套的话，最难的一关 状态，能篡改喂给 agent的观测，还能只问它下一步想干什么而不真的执行。这三样大部分线上系统一样都没有。做不到就只能退回去读日志，那就弱多了。 arxiv.org/abs/2505.21055

@w3_888 0x2f1bd671a99c355ad8019aa1acae275e9303fd59 老板共勉 祝贺

刚发的Codex Luna Max省钱tip，现在有进阶版了——而且是让Sol自己帮你配好，现在Codex圈中高阶玩家都在用。 思路很简单：别让Sol什么都自己干，Sol很贵，额度烧得快，但它规划和审核确实强。 Luna Max便宜，写代码改文件跑测试这些有明确边界的体力活，它干得跟Sol差不了太多。 所以最佳模式是：Sol当包工头，Luna Max当工人。 具体怎么搞，让Sol自己帮你弄，你就跟它说： 在~/.codex/agents/下创建一个luna-worker.toml，模型设gpt-5.6-luna，reasoning effort设max，写好描述和指令，专门用来处理有明确边界的委托任务。创建完验证配置，给我看diff。 Sol会自己把这个子代理配好 之后你干活的时候，Sol负责拆任务、做架构决策、审代码，具体的实现、改bug、跑测试、重构，它会自动delegate给luna_worker去跑。 主线程的Sol额度省下来只花在刀刃上，体力活全让便宜的Luna Max扛，同一个订阅，产出量直接翻倍。 还有个更懒的办法：不建配置文件，直接告诉Sol，遇到需要批量执行的子任务，自己spawn独立的Luna Max对话线程去跑，跑完把结果汇总回来。效果差不多，就是没那么结构化。 去看DeepSWE那个榜就懂了，gpt-5.6-luna max的分数跟Sol Medium咬得很近，但成本差了一个数量级。Sol指挥+Luna Max干活，等于用一个Sol的钱，同时跑好几个工人。 别再拿Sol当苦力使了，让它当老板才是正确的打开方式 :#Codex #OpenAI #AI编程

AYi @AYi_AInotes

3 months ago

刚发现一个OpenAI订阅的隐藏用法，感觉像白捡的。 GPT-5.6不是分三档吗——Sol最强最贵，Terra中间，Luna最便宜最快。大部分人默认选Sol，觉得贵的就是好的。 但现在一堆重度用户测出来一个组合：Luna + Max reasoning effort，也就是所谓的"Luna Max"。 效果离谱🤯

44 33 211 86K 257