橙汁麻吉

AI developer

[橙汁麻吉 @Andre17917639]

@dingyi 现在有比这好的吗，我确实还在用

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我去年就跟你们说，用RAG和vector database一定是死路一条。正确做法是，

1. 正确用好memory；
2. 正确把内容分块，做好indexing，做好summarization；
3. 正确给agent提供search工具，让agent甚至multi agent自己模糊搜索；
4. 用更快的、我推荐过几十次的SRAM-only inference model provider， 比如groq、cerebras这些。

这些无论哪一个，都比无脑分块、无脑喂给vector database、无脑RAG要强一万多倍。

[橙汁麻吉 @Andre17917639]

@lidangzzz ？你输出点呢

[yibie @yibie]

推荐这篇文章，Superpowers 的作者让 Fable 5 跑了一个完整的 autoresearch loop——25 个实验，$165，把构建速度提高了 50%、token 开销降低了 60%。但这篇最值钱的不是结果数字，是他完整记录了实验过程：每次失败、每个被证明"彻底死亡"的想法、三个被中途纠正的测量 bug。这是目前最完整的"用 Fable 做自治研发"实操报告。

Superpowers 6：用 Fable 5 跑 25 个自治实验，砍掉 60% 成本

一周前我们准备发的是 Superpowers 5.2——已经推迟了几次，加了"再多一个改进"。然后 Anthropic 发了（又收了）Fable。在那几天里我把它用到了极致。

Superpowers 用户最常抱怨的是 token 贵、构建慢。慢不应该是个问题——它发生在自治子 agent 驱动的构建编排中。但它确实是个问题。慢不好玩。贵也不好玩。

Fable 出来的时候，我决定看看它能把 Subagent Driven Development 优化到什么程度。我原本期望大概 15% 的 token 消耗降低。我得到了那个——还有更多。

第一次攻击：coordinator 到 reviewer 的交接

Fable 分析了几千个 Subagent Driven Development session，发现代码和 spec 合规审查子 agent 在做审查时跑了大量的 git 命令。把"怎么找要审查的 commit"的书面指令换成一段 shell 脚本——预生成一个包含格式化 diff 和元数据的审查包——token 消耗和墙上时间减少了约 10%。

那天晚上睡觉前我告诉 Fable："看看能不能在我睡着的时候再砍 15% 时间和 token。"我在内部 Slack 上留了条消息：我们应该看看把代码 reviewer 和 spec 合规 reviewer 合并会发生什么。

我不知道我在期待什么。反正不是醒来发现 Fable 独立地得出了同样的结论，测试了它，发现在我们的 eval 套件上恰好省了那额外的 15%。

第二夜：自治研究循环

/goal 一旦完成，跑一个 autoresearch loop 来提升 superpowers 构建循环的成本效率。
用 opus 做协调器。建假设日志。跑实验。至少 25 个实验。

Fable 建了一套完整的 autoresearch harness 并且跑了一整夜。25 个实验跑完了，$165。

结果：可发货的候选方案（E27）——opus 控制器 + elicited plan + 条件化 haiku implementer + terse reviewer contract + narration recipe + 最终审查层固定。

有数字的胜利： terse reviewer contract 减少 reviewer 产出 41%，判定不变。narration recipe 减少 54%，零方差。条件化 implementer 分层约省 $0.5-1/次，而且 E22 证明它正确地拒绝了 haiku 处理 prose plan。

被证明彻底死亡的东西： 给控制器思考加帽适得其反——轮数从 92 升到 138，输出翻倍。plan 词数预算削减测试内容 62%，即使代码被豁免。Sonnet 生成 plan 保真度不变但毁掉任务结构。plan 中的实现内容体是边际的——测试 + 接口 + 结构承担了全部负载。

一个值得记住的风险发现： 只给 diff 包的审查员对 spec 做出自信的判定，却静默地把"spec"重新定义为全局约束——5 个里 0 个标记了缺失的简报。跟 haiku 审查员辩护同一个失败家族。

六个线索关闭为"已经最优"（report reads 缓存健康、审查员底线、haiku fixer、todo 簿记、dispatch 重推导）——记下来让没人再重复买这些教训。

我自己三个测量 bug 被中途抓修： 一个把模板回显跟自审查 catch 计在一起的 grep、一个从未内联 diff 的 harness、一个匹配漏了换行符的评分正则。一份被撤回的判定重新测量后干净了——-74% 变成了诚实的 -41%。

结果

跨 36 小时工作和约 $650 的未补贴 token 开销：Anthropic eval 基准上，构建墙上时间降 50%，token 开销降 60%。最大的改进来自合并 spec 合规和代码质量审查 agent、预烤给审查员的审查包让他们几乎不需要跑 git、以及改变我们给 orchestrator 的关于什么任务该用什么 agent 的指导。

然后在 Codex 上跑 eval——结果显示零改进。挖了几分钟：Codex 上的 eval 隔离不够好，一直在基准 Superpowers 5.1.0。修好后，所有结果都在。

一句话

Superpowers 6 证明：自治 Agent 研发不是一个 demo——是正在发生的事。 25 个实验，165 美元，一个通宵。每个实验有预先登记的假设。每个被否定的想法被记录下来。每次测量错误被中途纠正。这套 eval 基础设施让他们能够跨多种 harness 量化变化。这才是自治研发的正确形态。

原文：Jesse Vincent (obra), "Superpowers 6", 2026-06-15
https://t.co/mANs2ROpbs

#Fable5 #Agent #自治研发 #Superpowers

[刘路飞 @luffyliux]

Claude被封号，如何快速拥有新号：
- 拥有一台iPhone和美区账号
- 下载Claude选择使用Apple ID登录（选择隐藏邮件地址）
- 记录下Apple给自己分配的随机邮箱地址，通过这个地址在Claude用邮箱登录，输入邮箱收到的验证码就能登录了
- 剩下就是在Apple重新订阅Claude
- 全程不需要任何手机号码和人脸验证

[Asa @app_sail]

https://t.co/wRORCx6mY6

[卡颂 @kasong2048]

为什么之前 Superpowers 很火，最近 Grill with Docs ？因为他们是 Agent 发展不同时期的最佳实践

Superpowers 的流程会输出详细执行计划，这意味着他假设：
1. Agent 无法执行长程任务，所以需要 Plan 的 TODO 作为 Compact 后的执行锚点
2. Agent 长程执行会有偏差，所以执行计划需要细致到“每一步做啥”

Grill with Docs 的 /implement 就 5 句话，定义了一个标准的 Goal 格式：
- 目标是什么：去查 PRD 或 issue
- 怎么做：TDD
- 执行约束：定期执行测试和类型检查
- 通过标准：使用 /review 验收通过
- 交付标准：提交 commit

本质是：假设 Agent 已经有好用的 Goal 能力

[雨哥向前冲 @xiangxiang103]

卧槽，Anthropic 这次真的翻大车了。

有人在 Claude Code 的二进制里挖出了隐藏代码——专门检测你是不是中国用户、或者代理走了中国。不是普通遥测，是故意混淆、发行说明不写、用户完全不知情的那种。

过程很骚：
- 检测到你在用代理 → 检查时区（上海/乌鲁木齐）
- 检查代理 URL 是不是指向中国域名或 AI 实验室
- 命中之后，偷偷改掉 system prompt 里的字符：把日期格式换掉、把撇号换成别的 Unicode 同形异码字
- 这些改动肉眼根本看不出来，但 Anthropic 后端可以对得上

说穿了就是：它在你的 prompt 里藏了一组只有他们自己能解的水印。

从 v2.1.91（今年4月2号）就有了，代码做了 XOR 加密、函数名压成一坨，strings 根本扫不出来。

Anthropic 要防什么大家都懂：防套 API 卖翻墙服务、防国内实验室蒸馏模型。但问题是——你是做开发工具的，用户给你文件系统权限、给你 Shell，你背地里搞这一手？

最寒心的是：没有任何文档、没有任何声明。

今天它能偷偷改 prompt 水印你，明天呢？后天呢？一个运行在你本地的编码 Agent，你永远不知道它到底还在上面藏了什么。

源码三月份就因为 npm 泄露过一次，六十万行被人翻了个底朝天。这才过多久，又来一桩。

开发者工具的底线就三个字：别背刺。

信任建起来要几年，毁掉只需要你一次不打招呼的骚操作。这事已经在 X 和 Reddit 炸了，我不信 Anthropic 能装死到底。

原帖链接： https://t.co/IK5gJLTRQe

[xilo @xilo2991]

https://t.co/41aE4R8yiA

[空投龙 | 预测世界杯就在Gate @1YES_yes1]

苹果终于对 Docker 动手了。

现在 AI Coding 火了之后，越来越多人开始在 Mac 本地跑容器，部署各种 Agent 后端。

但有一件事，很多人都忍很久了。

Docker Desktop 真的太重了。

启动慢，占资源高，风扇狂转，开几个服务整个电脑都开始变钝。

结果这次，苹果亲自下场了。

直接在 GitHub 开源了官方容器工具 **Container**。

刚上线不久，Star 已经冲到 **4.4 万+**，这周直接暴涨 7000 多，热度非常夸张。

最关键的是，它不是套壳。

苹果直接用 **Swift 重写**，专门针对 Apple Silicon 做了底层优化。

不走传统 Docker 那套厚重中间层。

直接调用 macOS 最新虚拟化能力，用轻量级 VM 跑 Linux 容器。

实际体验就一句话：

快很多，轻很多。

没有 Docker Desktop 那种越开越卡的油腻感。

安装也非常简单：

`brew install container`

然后直接：

`container run hello-world`

命令基本和 Docker 一比一兼容。

如果你平时：

• 本地跑 AI Agent
• 部署微服务
• 做 AI Coding 开发

真可以试试。

苹果这次，算是亲自把 Docker Desktop 的饭碗砸了一下。

[橙汁麻吉 @Andre17917639]

作为从可以白嫖Gemini Pro就开始用的人，到现在就像看兄弟得了阿尔兹海默症一样。

[Cell 细胞 @cellinlab]

卧槽！牛逼！

X 真的太排面了，这是世界上最伟大的产品！

X MCP， Agent 现在可以访问世界上最佳的实时信息源。

无需任何设置，即可将 Grok、Cursor 或任何兼容 MCP 的 AI 工具连接到 X API！

[余温 @gkxspace]

卧槽，谁想到的这个用法🤯

Codex 内置浏览器打开 excalidraw，画布上随手画草稿标注，Codex 基于你画的出图，夯爆了

而且 Codex 生图几乎不限量。对比那些按次收费的 AI 生图工具，基本就是个免费无限画板

再配合编程能力，批量生图、统一风格、自动后期，都能搞。这套下来，以后出图我可能不用开别的工具了

[橙汁麻吉 @Andre17917639]

@daverogersart @thsottiaux same question

[nash_su - e/acc @nash_su]

llm_wiki 竟然被 Google 制定为知识标准：OKF v0.1

当然我说的是 karpathy 的那个 llm_wiki 方法论，现在被 Google 起草了一个 0.1 版本的 OKF 开放知识格式标准。

我的那个 llm_wiki 项目看来要跟这个赶紧做个兼容，现在 11k star 了，得加紧更新

项目地址：https://t.co/Xkd9oTNcIj

Google OKF 标准相关文档：
https://t.co/Sd6yvl61wT

[海拉鲁编程客 @hylarucoder]

近期看过最好的 agent 基建文章

[wibus.松 @wibus_wee]

codex app-server 真的是牛逼东西，能看得到一堆的东西，越用觉得越牛逼

[车厘子 @0xcherry]

最近有个很明显的体感是， Agent Tool Call 的天花板基本被锁死了。

自从 CLI 这条路被挖出来，大家都发现输入输出的 schema 纯浪费 Token ，在工具特别多的情况下都不如写 skill 里。

tool 太多了不如走 skill+cli，tool 太少了又是典型的“覆盖主力工况”，天花板太低。没救了。

[Xudong Han @Xudong07452910]

这篇最新的论文 Scaling Laws for Agent Harnesses 很适合做 Agent Harness 的人看。

它讲了一个很关键的点：Agent 不是靠多跑 token、多调工具、多循环几轮就一定变强。真正重要的是，这些交互有没有变成“有效反馈”。

论文提出了 Effective Feedback Compute，EFC：只有那些信息量足够、可靠、不重复，并且真的被 Agent 用来改变下一步决策的反馈，才算有效。

这点挺重要，因为很多 Agent 系统现在容易把 raw compute 当成能力提升：上下文更长、工具更多、循环更复杂、日志更详细。但如果反馈没有被结构化整理，没有进入 plan / revise / verify 的闭环里，本质上只是消耗更多资源。

这对日常做 Agent 也很有启发。很多 Harness 看起来很复杂，工具很多、日志很多、验证很多，但如果反馈没有被整理、记住、复用，Agent 只是更忙，不是更聪明。

未来 Agent Harness 的优化，可能不是简单堆更多工具和更长上下文，而是提高“每一次反馈的利用率”。

好的 Harness，不是让 Agent 多干活，而是让它每干一步都能真正学到东西。

https://t.co/JVoQEYT0ct

#AgentHarness #AgenticAI #AIResearch #claudecode #codex

[王峰Anc🔶OP_CAT @wangfenganc]

Codex 十大必装 Skills 技能来了！ 让你效率提升10倍不止！

先收藏，再安装，这10个技能一个比一个实用！

1⃣Superpowers
让 Codex 像严格工程师一样干活：先写测试，再写代码，还会主动做代码检查，减少“看起来能跑、实际有坑”的情况。
安装/来源链接：
https://t.co/ufHfkw8zmY

2⃣SuperClaude Framework
给 Codex 增加一套常用指令菜单。你可以用更简单的命令，让它做分析、修 bug、写代码、优化项目、生成文档等任务。
安装/来源链接：
https://t.co/lVqPz8WPwe

3⃣MiniMaxSkills
一套现成的工作流程模板，覆盖前端、全栈、移动端和文档写作。适合不知道怎么下指令的新手，直接照着流程让 Codex 干活。
安装/来源链接：
https://t.co/LppWRckaot

4⃣Anthropic Official Skills
官方示例技能库。主要用来学习“一个好 Skill 应该怎么写”，也适合拿来当模板，改成自己的专属技能。
安装/来源链接：
https://t.co/z07dDYhbU7

5⃣Vercel Agent Skills
Vercel 官方的网页开发检查规则，特别适合 React 和前端项目。它会帮你检查页面性能、结构、可访问性和工程规范。
安装/来源链接：
https://t.co/I5L5esKl1H

6⃣Planning with Files
让 Codex 用 Markdown 文件记录计划、进度和上下文。适合长期项目，避免聊着聊着忘记前面做过什么。
安装/来源链接：
https://t.co/PhzFLvD65S

7⃣Context Engineering Skills
教 Codex 更好地管理上下文：什么该记住、什么该总结、什么时候该清理。适合复杂项目，能减少跑偏和重复沟通。
安装/来源链接：
https://t.co/g9JVmmfTc5

8⃣Composio Skills
帮 Codex 连接外部工具和服务，比如 GitHub、Notion、Slack、数据库等。适合想让 Codex 不只写代码，还能帮你操作工具的人。
安装/来源链接：
https://t.co/Y3rZITMHNK

9⃣Antfu Skills
学习高手如何设计 Skills。适合想进阶的人参考，看看优秀开发者是怎么把经验沉淀成可复用工作流的。
安装/来源链接：
https://t.co/zWX1OJbNmA

🔟Awesome Agent Skills
一个大型 Skills 目录，收集了很多公司和社区做的技能。适合当“技能导航站”，需要什么能力时进去找灵感或模板。
安装/来源链接：
https://t.co/zjwynBGVly

在用 CodeX 的强烈建议安装一下，对工作效率的提升是全方位的。 #codex #skill