killo

[killo @30__million]

@youyumadd 我同意了吗！

[killo @30__million]

#sw

[killo @30__million]

@youyumadd 捏哪里

[killo @30__million]

压力大就喜欢拔胡子

[killo @30__million]

@PeamitL pdd的hr真是神了

[killo @30__million]

老大，秋招真能找到算法岗吗

[killo @30__million]

要学算法，要被八股，要刷立扣，还要推进论文，我真绷不住了😭😭😭

[killo @30__million]

这几天主页出现了很多美女

[killo @30__million]

@Gulan9724 什么

[killo @30__million]

考研考上了才发现，更加找不到工作

[killo @30__million]

@Lanncti 做科研更是

[Ruiteng Huang @huangruiteng]

开源项目 LoopX：超长程 Agent 自主运行 200+ hours，状态不漂移。

我的技术主张是：LLM 上下文有限，长程 Agent 需要外置状态，通过完备的状态管理、监督和规划，让 Agent 无人干预时跑得稳、持续有产出；有人干预时跑得更好，能吸收反馈继续演进。

两条真实 trajectory 分别跨越 220.7 / 272.9 小时，跨多轮执行、等待、人工决��、writeback 与 resume 后，整个 loop 仍能找回目标、证据和下一步。

目前 LoopX 已有 3 个 showcase：auto PR issue fix、AutoML experiment 和 auto coredump fix。

以 OpenViking 开源仓库的 PR issue fix 为例，Agent 不只是循环写代码。它需要持续理解 issue 的不同状态，判断何时开发、何时等待、何时请求 review，处理 CI、冲突和上游变化，并连续交付多个 PR。

这对应 LoopX 的 domain state 管理：领域系统决定真实状态，LoopX 负责把状态投影成下一步可执行的工作。

与此同时，Agent 还可以在干活过程中实现能力自进化。当它发现现有系统缺少某项能力时，可以提出 feature、完成开发与验证、发布新的离线或在线版本，再使用新能力继续原来的任务。

长程 Agent 天然适合自进化，“完成工作”和“升级完成工作的系统”可以在同一条长程轨迹中发生。

LoopX 把这些信息外置成结构化控制面：

• Goal / Vision：目标是什么，什么不能被局部优化牺牲
• Todo / Gate：当前执行的 frontier，以及必须留给人的关键判断
• Identity / Authority：谁能 claim、writeback、approve
• Evidence / Receipt：每次推进留下什么可回读证据
• Quota / Scheduler：何时继续执行，何时安静等待
• Handoff / Recovery：换模型、换会话、换 host 后如何恢复

你也可以把它理解为一块专门给 Agent 设计的可执行 Kanban。

普通看板只展示“谁在做什么”；LoopX 的状态会直接约束和驱动下一次 bounded turn，让看板本身成为执行系统的一部分。

这套系统最强的地方是通用性。它不只可以修 PR，还可以做 auto research、长期实验、自媒体运营、复杂 feature 开发和办公任务。

Agent 不再只是一次性的回答机器，而可以围绕一个人的 vision，长期工作、等待、吸收反馈、积累证据并持续演进。

LoopX 从一开始 build in public：状态协议、CLI、控制面实现和真实运行轨迹都进入了开源仓库；它也已经和 OpenViking、NoKV 等 agent infra 项目形成了开源合作伙伴关系。

我希望 LoopX 最终能放大每个人的 vision 和想象力。只要你有自己的目标、想法或技术主张，就能拥有一个全天候继续工作和探索的 Agent 系统，帮助你把愿景一点点变成现实。

欢迎试用、提 issue、贡献代码，或者用一个真实的 multi-day task 跑 LoopX。

https://t.co/ncHCZheYb7

[李韭二 @li9292]

前manus大佬的agent team的顶级洞见
我已经人类严肃阅读中

[RonnyHe @Ronny_MiniMax]

here is the link of deer-flow:https://t.co/hr69YYTE6o :)

[killo @30__million]

论文好难写

[Henry Li @henry19840301]

我的 Harness 101 系列课程，司内已经有超过 36 万、司外超过 20 万人阅读和播放过，今天是我第一次把它带到 X 中文社区。 https://t.co/eq8EquCG0M

[ali @waterloo_intern]

https://t.co/aivc7B4A7Z

[长明 @zcm1119]

焚决 GPT玻区谷歌PLUS只要85 https://t.co/481WfPukDz

[killo @30__million]

好吃！

[Bojie Li @bojie_li]

一个周末过去，《深入理解 AI Agent》star 数翻了3倍，7.2k 🌟 了。
社区已经把这本书翻译成了英文、泰米尔语、越南语，感谢 @nsdevaraj 和 @toanalien 两位贡献者。我也在英文版基础上用 Kimi K3 完成了一些精修。感谢几位贡献者提 PR 修复 bug。
在我老婆建议下，V1.2 版本增加了关于模型和 harness、The Bitter Lesson 的一些讨论，以及一些 harness 技巧（第五章）。
https://t.co/6VBSv9Mete