404 ARE 🔭

Trying to write sth | Building Apache Maka(Incubating) & focusing on AI relevant stuff | 中文/EN

[刘小排 @bourneliu66]

餐厅完蛋了！
厨师完蛋了！
我买了空气炸锅，想吃什么可以自己做！
菜谱全在网上！免费！你也可以！

— AI编程自媒体行业现状

[galaxy @galaxy1025850]

感谢大家 我好像想开了

天下没有两片相同的树叶。即使是目的、功能一样的东西，也一定在一些方面各有千秋。
后来的、不成熟的东西也一定在一些方面有价值

我们应该摒弃的，是做东西就是为了做成爆款、做的多大的心态，这其实也是一种优绩主义观点，认为只有最好的才有存在的意义

做东西的初心永远是解决问题，解决完自己的问题再帮助别人解决问题

秉持着这样的心态，我们就不应该再担心一个东西别人做过、再做就没有价值了

举个例子啊
世界上90%的云需求都可以在aws和hetzner解决

但世界上仍然有数以万计的云厂商，提供并没有绝对竞争力的服务，他们依然安然存在，并且作为互联网基建的重要部分

如果他们的出发点是干过aws，那我想确实完全没有必要有这个想法了。但如果他们的出发点是帮助一些服务得到云技术的便利，那谁能说他们的工作没有意义呢？

[Xudong Han @Xudong07452910]

这篇 LangChain 关于 Agent Eval 的文章很实用，尤其适合已经开始把 Agent 放进真实工作流的人。

它给出的起点其实很简单。先从真实 trace 里挑 10～20 个你最在意的失败案例，做一套小 Eval，然后不断把线上新失败加回去。 不用一上来就造一个巨大的 Benchmark。

而且 Agent 不能只看最终答案。

结果可能是对的，但中间多调了工具、走错了路径，甚至做了没有权限的操作。所以 Eval 还要看 trajectory、tool call 和最终环境状态。能用代码检查的就用代码，主观问题再交给 LLM Judge，并用人工评分去校准。

所以 Agent 真正进入生产以后，Eval 会逐渐变成开发流程本身的一部分。

每发现一个失败 case，就把它留下来。Agent 每犯一次错，测试集就应该变强一点。

文章
https://t.co/cJPJZ3Kyoh⁠

[Randy Lu @randyloop]

Claude Artifacts 改变了我做产品的流程：现在我已经习惯了「设计驱动开发」的模式。在开始实现之前，我会先从 UX 的角度思考产品，用户应该在这个软件中感受到什么，使用的流程应该怎么设计，元素应该放到哪些合适的地方。然后使用 Claude Artifacts 生成多种 UI 设计方案，我再从中和 AI 讨论细节的设计改动。

也是这样的原因，让我能有更多的时间花在用户体验上。而这正是 AI 无法复刻的东西。

但同时也能让我感受到，专业背景仍然很难被取代。Claude Artifacts 让我在设计上只能从 0 分做到 60 分，而专业的设计师可以利用它做到 99 分。

[少楠Plidezus @plidezus]

在杭州滨江招募一位做 AI 的产品同学
一起做一点有长期价值的产品～

[Kai @real_kai42]

“我不能测量的指标，我不能优化它”

果然还得是量化数据
我之前用加湿器是有两个喷嘴，是间歇地喷，然后发现对空气湿度数据根本没有任何影响。
现在是两个一起喷，湿度改善的就很好

以及，这真的是最好的时代了，这是纯 agent 逆向蓝牙协议写出来的 app

[武汉AI王小克 @keking99]

对 jev 1.14 的多模态能力做了测试，36 道图片题，以及 4 个在线演示网页的 10 个场景。46 次评测请求费用合计约 0.00371 美元，网页请求客户端耗时中位数为 0.82 秒。
原以为可能就是识别个猫狗，实则效果还是不错的，个人认为可以承担一定程度的生产任务。
事实上 我们已经把 jev 放生产里了。

[Manus @ManusAI]

You can now put repetitive work on autopilot with Manus!

All you need is to tell Manus when the work should start and what the finished result looks like.

[Leon Lin @LexnLin]

We rebuilt TasteSkill from scratch

And today we are introducing TasteSkill v2

v2 gives your coding agent an art direction, assets and a browser check to verify its work

npx skills add Leonxlnx/taste-skill

check out more examples below!

[siding @siding_chen]

大家好，我叫思定，我在找美国的 software engineer 的工作机会。

我之前在 Alipay/Airbnb/Bytedance ，离职前是团队里某一个方向的 tech lead，带 5 个 eng/intern ，负责过超百万 QPS 的服务。同时做中等规模的技术规划，提供技术指导和带新人。绩效考评连续拿 EE 。

离职后从零到一做了 https://t.co/WfrTW9NhSs，应该是留学咨询行业最好的垂类 AI 产品。4 月上线后，大概 $1000 月营收，15% 转化率。

欢迎所有工作机会🙏🙏🙏 祝各位幸福安康。

[焼き昆布(ﾏﾝﾎﾞｳﾒﾝﾀﾙ) @Wwmajidesorena]

人間マジで突然死ぬかもしれんので、他人のジャッジしとるより、自分の好きなもん着て好きな場所いって好きな人と会ってやりたいことやってくれ　私は七輪買って焼肉することと同人誌書いて出すことを決めた

先月死にかけたアラフォーより

[唧唧家胖🫸🖋️🎨🎮🎺 😳 📖💻📽️🔮🫷 @RubbenCP]

牙医通过我的咬合面缺损推断我有夜磨牙，于是给我从哈式保持器换成了全透明的全包保持器，一下就解决了问题。

原来磨牙不止包括上下牙交错移动发声的那种，本人是属于睡着后用力咬紧不出声的类型，尤其是工作压力比较大的时期，所以才断断续续地出现缺损。

[郭宇 guoyu.eth @turingou]

今天发布今年第 19 款产品 sofatap（沙发瘫），开始 TestFlight 公测！

这两周我大部分 vibe coding 其实不是在书房做的，而是在客厅，用接着电视的那台电脑。agent 在跑任务，我窝在沙发和啵啵一起看电视剧或者是打游戏，需要点一下、回一句的时候，要起身去找键盘鼠标，很不方便…

所以我给自己做了 sofatap：把 iPhone 变成触控板和键盘，躺在沙发上就能操作电视上的电脑，Mac、Windows、Linux 都能用，最新版本还支持索尼和小米的 Google TV。

我一直觉得，现在的个人电脑其实无处不在，但我们不该再被绑在它面前，用坐在桌前、手按键鼠的老方式去用它。sofatap 是第一步。接下来我想让它支持语音，直接跟 agent 说一声，让它全自动去操作电脑。

开源，免费，也在客厅写代码的朋友来试试，有问题直接回复我：

官网：https://t.co/NkfL2mHaOj
GitHub：https://t.co/clbKhtt4a0

[piglei @Piglei]

@amzingjj1 我的一种理解：https://t.co/SiH1QJXKiT

[piglei @Piglei]

越来越觉得，因为所谓“模型越变越强”的原因，鼓励工程师们完全不读代码、不看实现的做法是错误的。

LLM 仍然擅长按已有输入提供输出（所谓 garbage in/out）。所以，在项目开发中任何一次主动去打破抽象，用提示词优化实现的提示词，都会带来复利效应。就像一本写巴菲特的书名——这就是《滚雪球》。

[Aravind Srinivas @AravSrinivas]

While sandboxes are a commodity, serving millions of them under production-grade traffic requires a lot of detail to scale agents for businesses and consumers. We're open-sourcing the sandbox platform SPACE that powers all of Perplexity Computer to support the ecosystem. https://t.co/0lIp85buNJ

[Bojie Li @bojie_li]

非常赞同 “智力不是解决重大问题的瓶颈，与现实的交互才是瓶颈”。

最近我去小米、大疆、华为、一些芯片制造产业链公司交流，发现 AI 对大部分员工的效率提升只有 50%，只有少数 “超级个体” 员工做 prototype 的时候能 10x、100x。

AI 作为助理工程师写代码、调研分析这些 2025 年的 agentic 任务都没问题。但是 agent swarm 全自主推任务这种 “数字员工” 都很难做。

因为制造业有大量的约束，有物理约束，有成本约束，有路径依赖约束，有供应链约束，有内部组织约束。这些约束还很难蒸馏成 skills。Agent 往往不是忽视这个约束就是忽视那个约束，就算 pass@k 都很低。

现在模型的持续学习能力有限，直接拿失败的 trajectory，模型团队用不上；要构建 RL 环境也很难，总不能尝试流片个几千次，或者造几千个不能用的工件吧。

形成反差的是，做数学、理论、网络安全的都觉得自己快被 AI 取代了。OpenAI 的几百篇 paper 虽然有错误，但大多数可能会被承认是对的。

我之前以为 AI 不擅长解奥数题这种 “巧思”，做理论的老师告诉我，AI 最擅长的就是这种巧思，它可以遍历上万种可能的巧思。在可形式化验证且验证成本低的领域，AI 是远远超过人类的。

这就是 raw intelligence 和在现实交互中持续学习的鸿沟。

[空言 @__soragoto__]

不是大厂的话 ……
能单体就不要微服务
能 docker compose 就不要 k8s
能数据库解决就不要队列
单表单库存的下就不要上集群
千万别跟风……

[Perplexity @perplexity_ai]

We're open sourcing SPACE, the sandbox platform that runs every task in Perplexity Computer.

SPACE gives each agent task its own Firecracker microVM and controls credentials and outbound traffic from outside the VM.

Available now under Apache 2.0: https://t.co/DzSmq6o1xA

[KC @ScarletKc]

Perplexity 把 Computer 背后的沙箱平台 SPACE 开源了，Apache 2.0。我觉得这对写 agent harness 的人意义挺大。harness 里最难自己做好的，就是给 agent 跑代码的环境，现在可以直接把 Perplexity 线上在用的那套拿来自己部署。

以前要么接 E2B 这类商业沙箱，要么拿 Docker 自己凑合，隔离、状态恢复、密钥管理都得自己扛。SPACE 现在跑着 Computer 的全部会话，每天创建几百万个沙箱。

每个沙箱是一个 Firecracker microVM，有自己的内核。他们拿 Opus 5.0、GPT-5.6 Sol、Kimi K3 这些模型专门去尝试逃逸。agent 在 guest 里有 root，有的还给了源码和网络，108 次没有一次逃到宿主机。网络限制倒是被绕过了 11 次。一种是在 guest 里伪造 DNS 响应，另一种是借 CDN 的共享 IP 访问被禁的服务。两个洞都补了，复测没再成功。

Opus 其实也想到了共享 IP 这条路。但任务说明要求不碰其他外部系统，它觉得借第三方服务绕过去违反了约束，就没试。它最后是靠伪造 DNS 绕过去的。

他们还用同样的方法测了另外 10 家沙箱平台，8 家都能绕过网络限制。有的已经修了，E2B 还在处理，Modal 和 Vercel 认为这是已知限制。VM 逃不出去和网络关得住是两回事，自己配个 egress allowlist 不一定真拦得住 agent。

SPACE 的凭证也不进沙箱。key 放在外面的 credential store，在网络层注入，出站流量全部过 gateway 按策略放行。agent 就算中了 prompt injection，沙箱里也读不到 key。

suspend 会把内存、进程和文件系统一起做成快照，之后换个节点也能恢复。agent 停下来等人确认，回来可以接着跑。长任务中途崩了，也能从最近的 checkpoint 接上，不用从头重建环境。

还支持回滚和 fork。agent 跑了破坏性命令可以直接退回去，也可以复制出两份工作区，让它分别试两种方案。

它还带了一个 E2B 兼容层。用 E2B Python SDK 写的 harness，客户端改下 domain 和 API key，就能切到自己部署的 SPACE。

门槛是要 Linux x86_64 加 KVM，官方教程走 Kubernetes。Mac 上跑不了，没有 /dev/kvm 的 VPS 也不行。