John Wen03

[Xudong Han @Xudong07452910]

今天已经看到不少人在分享 Stanford 新开的 CS329Z: Engineering AI Agents。

不想再重复介绍课程，我反而更好奇：

Stanford 到底把什么算作 2026 年的「Agent Engineering」？

看完整 syllabus，RAG、Tool Use、MCP、Agent Framework 基本都放在前半程，更像 Agent 的基础能力。

真正让我注意的是后半段。

第一节课就把 Agent Engineering 的核心工程问题概括成：

Decomposition、Data、Evaluation。

后面的课程也沿着这条线展开，从 Agent Data、Trajectory、Memory、Optimization，一直讲到 Evaluation、Coding Agent、Long-running Agent 和 Reliability。

作业设计也很值得关注。

第一个作业让学生从零搭 Agent；第二个直接变成 Evaluate an Agent：自己设计 benchmark、grader、LLM-as-Judge 和 error analysis。

Evaluation 甚至连续讲了两周。

一个很有意思的细节，是课程专门讲 pass@k 和 pass^k：前者看「多试几次能不能成功一次」，后者看「连续跑很多次能不能都成功」。

对 Agent 来说，这其实对应两种完全不同的可靠性。

Multi-Agent 那一节也挺克制。

一边讲 orchestration、handoff 和 collaboration，一边专门讨论协调失败和错误传播，reading 里甚至放了一篇：

《Don't Sleep on Single-agent Systems》

至少从这份 syllabus 看，「更多 Agent」并没有被默认等同于更好的系统。

所以我更愿意把这门课看成 Stanford 对 2026 年 Agent 技术栈的一次切片。

RAG、工具调用这些能力正在变成底座，后面更值得继续往下挖的，是 数据怎么来、系统怎么评、Agent 怎么优化，以及它能不能在复杂、长时间的真实环境里稳定跑下去。

这几个问题，感觉也会是接下来一两年 Agent 研究持续关注的方向。

https://t.co/s3i3GISGWb

[Phoenix Yin @Phoenixyin13]

一个人科研的长期成长应该有意识地超越优秀高中、名校、顶级PhD、成功的线性流水线，而应该打造一个循环：

兴趣产生行动，行动形成能力，能力让你看到更深的问题，更深的问题迫使你形成新的能力，然后再进入下一层。

学校、奖项、论文、机构，不过是这个隐藏过程在某几个时刻留下来的观测值。

一个学生最容易获得关注的时候，往往是在极强的导师、机构和研究网络内部；
困难的是，当你离开导师以后，学术共同体还会不会继续认为你的问题值得追踪。

所有青年研究者迟早都会面对同一个问题：你究竟是某个伟大学者研究计划中的一个优秀执行者，还是可以建立属于自己的研究程序。
从student of X变成一个能够让别人看到某个方向就联想到你的人，这是学术独立真正发生的时刻。

围绕一件事默默无闻地展开工作，本质上就在完成这种身份转换。
这个转变的难度远大于进入一个名校，因为进入名校至少还有明确规则，而建立一个新的 intellectual territory 没有人能告诉你怎样做，也没有任何 guarantee。

你要努力从导师建立的问题体系中逐渐形成自己的研究方向。
它应该超越一张不断叠加 prestige 的履历，成为一个不断向知识底层递归的过程。

喜欢飞机并不罕见，喜欢宇宙也不罕见，喜欢AI、计算机科学、脑科学更不罕见，甚至数学和物理成绩非常好的人，在最顶尖的中学生里也并非凤毛麟角；
稀缺的是一个人在很年轻的时候就开始形成一种把抽象知识压进现实系统的习惯。
真实工程和考试题的根本区别在于，考试题的边界是别人提前规定好的，变量是有限的，错误通常也是局部的，而工程涉及大量无法预先穷举的问题。

训练自己，不断面对一个开放系统。
你不知道问题会从哪里出现，也没有标准答案，
你只能不断定位、修改、验证。这种能力后来进入理论物理以后看似与工程完全不同，但底层其实是一致的。
它都是面对一个尚未被你完全理解的系统，然后逐渐建立模型。

你要保持不断拒绝停留在上一层解释的倾向。
很多聪明人的问题并不是不够聪明，只是太早找到了一个自己擅长、社会也愿意奖励的位置，于是开始在那里反复优化。
竞赛厉害的人继续竞赛，写论文厉害的人建立 publication machine，工程厉害的人不断做更复杂的工程，最后获得了非常高的局部效率，却失去继续改变问题尺度的能力。
稀缺的研究者往往相反。
一个答案，不会让他们停下来，而会自动产生更深一级的问题。

PhD 以后，评价你的方式其实也必须发生变化。
本科以前，我们很容易用学校、奖项、实习、竞赛来衡量一个人，因为那个阶段一个人的原创工作还很少，外部筛选结果就是最容易观察的 proxy；
可一旦进入科研前沿，这些东西的价值会迅速下降。你会遇到或拥有非常强的 signal，但科学最终并不保存 signal，科学保存的是 idea，一直如此。

一个研究者到了博士和博士后阶段以后，每天只需要问自己三个问题：
1.你究竟发现了什么？
2.你建立了什么新的联系？
3.有没有一个问题，在你介入以后发生了实质性的变化？

也正因为如此，我其实并不喜欢媒体经常给这种人贴的“新爱因斯坦”一类的神童标签。
拥有传奇履历和完成历史级科学贡献完全是两回事。Einstein、Dirac、Feynman、Yang 之所以进入科学史，从来不是因为他们上过什么学校、拿过什么 fellowship、在什么机构做过博士后，而是因为他们留下了相对论、Dirac equation、QED、Yang–Mills 这类改变整个知识结构的东西。

伟大的科学家最后会发生一个很有意思的现象：
他的思想会把他的简历吃掉。
几乎没有人介绍 Einstein 时还需要花大量篇幅证明他的 GPA 和 internship 有多优秀，因为那些在理论本身面前已经失去了意义。

所以，不要让符号停留在符号，不要让兴趣停留在兴趣，不要让知识停留在考试，不要把已经擅长的事情误认为自己的边界，也不要因为获得了一个足够体面的局部位置，就停止继续寻找更大的问题。

若你已经在研究的道路上，并且想要留下什么，愿你能拥有属于极其罕见的成长轨迹，而且将会形成相当清晰的研究身份；你在这个领域中的位置，只能由未来几十年后的科学贡献决定，永远不会由今天你手中的这张CV定义。

[ClaudeDevs @ClaudeDevs]

With Fable 5.1 out today, we've also reset 5-hour and weekly limits for all users.

[Kyrie @KyrieCheungYep]

Codex 有几个很值得养成的收尾习惯

分享一个 AI 长会话收尾三件套：`HANDOFF.md` + 反思机制 + 经验记录。三句话解决“AI 失忆”问题，直接复制提示词就能用。

1、`HANDOFF.md`｜跨天任务必备

什么时候用？长会话要结束、跨天推进的大任务、项目中间状态复杂，必须留给下一个新会话看。

直接复制这段：

这个会话要结束了。请写一份交接文档存到 `HANDOFF.md`：我们在做什么任务、已经完成了什么、当前卡在哪、下一步计划是什么、有哪些踩过的坑绝对不要再踩。写给一个完全没有上下文的新会话看。

下回开新会话，第一句：

请先读取 `HANDOFF.md`，了解项目上下文，再继续推进。

2、反思机制｜把踩过的坑变成下一轮输入

让模型把这次协作里被纠正过的地方逐条列出来，再判断是信息不够，还是判断逻辑出了问题。这样下次开局，模型不会重复踩同一个坑。

直接复制这段：

回顾我们这次协作，你的输出里，哪些内容是我给你纠正的，逐条列出，判断是我给的信息不够导致你判断缺失，还是信息够了但你的判断逻辑有问题，思考如果下次做同样的任务，我在开头多说哪几句话，你就能避开这些问题？复盘结果用表格输出三列，包括我修改的内容，归因，下次的开头指令建议。

3、经验记录｜把纠错变成长期资产

什么时候用？每当你发现一个值得记住的教训、一个好用的审查顺序、一种有效提问方式，或者纠正了 AI 一个判断，让你觉得“下次还用得上”，就该录入错题本。

直接复制这段：

把我们刚才的经验录入错题本/系统记忆，只记纠错与有效方法，错题本里已有类似记录的，更新旧条目，不新建，审查规则或提示词模板里已经明确写了的内容，不重复记录。

使用顺序：

1、长会话收尾：先写 `HANDOFF.md`，只记任务进度，不堆经验
2、中间发现偏差：跑反思机制，把表格存进经验记录 / 错题本
3、错题本攒出高频规律：提炼最通用的几条进 Memory 常驻

这套流程超级适合放在长任务、跨天协作和Agent 工作流里，尤其是你不想每次都从零解释上下文的时候

今晚就试试看吧👀

[Xudong Han @Xudong07452910]

Codex 有个很适合复杂任务的用法：

不要只让它「写完以后自己检查」。

更稳的做法是，给它加一个独立审查线程。

直接输入：

「这是一个难度较高的任务。请先制定计划并完成开发。完成后，启动一个独立审查线程，不要直接修改代码，只负责从需求完整性、逻辑正确性、边界情况、代码质量、测试覆盖和实际运行结果六个方面验证。

请把发现的问题整理成修复清单交回主线程。主线程修复后，再让审查线程复验。持续循环，直到通过验证，或者明确说明还卡在哪里。」

这一步比简单说「请仔细检查代码」有效很多。

因为同一个线程写完代码后，很容易沿着自己的实现思路继续检查，最后变成自我证明。

独立审查线程更像一个测试员：

它不负责证明刚才的方案对，而是专门找遗漏、边界情况、逻辑漏洞和测试缺口。

再进一步，还可以拆成三个角色：

Builder 负责实现；
Critic 负责挑错；
Evaluator 负责判断是否真的完成了最初目标。

这其实是一种受控的多 agent 迭代验证机制。

对于复杂开发任务，真正有价值的不是让 Codex 一路猛冲，而是让它在执行、挑错、复验之间形成闭环。

越难的任务，越需要一个独立验收线程。

[美酱AI @meijiangAI]

我让Claude设计了我的logo。

效果看起来花了50万美元。

实际成本：0美元。

我用的7个提示词（拿去用）:

收藏⭐

[Phoenix Yin @Phoenixyin13]

在计算机科学里，解决一个复杂问题有两种搜索算法：

深度优先（DFS）和广度优先（BFS）。

考研、拼命考级的人，是在做极端的深度优先。他们在一个极小的垂直领域死磕，代价是失去了对整个系统大局的感知。

而有些人做的事情，是在对全人类的尖端知识库进行Broad Sampling。有些人今天去听火箭科学，明天去研究脑机接口，后天看资本与社会。这看似走马观花，但大脑其实在做非常棒的事情，即Cross-pollination。

颠覆性创新，往往不来自在一个领域死磕了一辈子的人，而来自那些把 A 领域的思路、带到 B 领域去解构的外来者。

广度，可能会为未来的那个终极目标搭建一个庞大的跨学科神经网络。

[Xudong Han @Xudong07452910]

这可能是人类写给 AI 看的最后一篇论文了。

最近刷到Stanford、CMU、Michigan 等 37 位作者联名的论文：《The Last Human-Written Paper》。

核心观点很狠：沿用几百年的论文，在 AI 时代可能已经过时了。

作者点出了两个被我们忽视已久的“隐形税”：

一个是叙事税。为了讲一个漂亮故事，我们把失败实验、死路、被推翻的假设都删掉了。AI 读到的是“通关攻略”，却看不到真正有价值的“踩坑记录”。

另一个是工程税。论文里的实现细节通常足够说服审稿人，但不够让 Agent 直接复现。很多关键 tricks 还藏在作者脑子、代码注释和 Slack 记录里。

所以作者提出 ARA，直接把论文改造成 Agent 能读取和执行的“研究包”：不只告诉你结论，还把怎么想到的、代码怎么跑、证据链在哪、哪些路走不通都打包进去。

我觉得这篇最有意思的地方是，它不是在讨论 AI 怎么帮人写论文，而是在问：

当 AI 也变成论文读者和执行者时，论文还应该长成今天这样吗？

未来科研输出的核心，可能不再是“写得多像一篇 paper”，而是能不能被 AI 理解、复现、追踪和继续扩展。

人类写论文写了几百年，接下来可能要开始写给 Agent 执行的研究包了。

https://t.co/2wwkWV9Ox4

[Phoenix Yin @Phoenixyin13]

一张嘴就让大模型给你吐个创新的科研idea，得到的绝对是100%的废话。

大模型的预训练权重是过去人类知识的统计平均值。你跟它闭眼瞎聊，它只能给你吐出最符合统计概率的、最平庸的陈词滥调。

想落地、不讲官话地搞出硬核idea，得把AI当成一个拥有无限带宽、但极度缺乏上下文的顶级工具人。

比如你想研究交叉学科。
别问：“AI和心理学结合有什么新方向？”
这种大而无当的问题，无法获取任何信息。

正确做法是把最近顶级会议或期刊里最硬核的20篇相关论文全文本、或者最新的实验数据集丢进它的上下文，利用大模型联网检索或长文本RAG。
让AI去干一件事：找冲突。
提示词工程：“对比A论文的方法论和B论文的结论，找出他们在解释某种认知表征或感知边界时，在实验边界上有什么不可调和的矛盾？”
好的idea，永远诞生在两条已知铁轨发生剧烈撞击的断裂带上。
基础文献调研没做透，跟AI聊再多都是空中楼阁。

好的idea，要有程序员思维。
高阶选手写代码前先花大量时间出框架、写开发文档。
搞科研idea也一样，在动手前，你得先让大模型帮你把Constraints做成铁板一块。

01
核心变量是什么？
是否可量化？
如果无法用数据或高维特征向量落地，直接毙掉。
02
评估的Metric是什么？
用AI去疯狂攻击你初步构想的实验设计，让它扮演一个最刻薄的审稿人Reviewer，比如 从实验控制和统计学角度，指出你这个实验框架最致命的3个逻辑漏洞。

在idea孵化阶段，就被打成筛子的点子，总比你花几个月做完实验才发现是垃圾要强。

如果帖文反馈不错，下一期，我会出方法论。

[John Wen03 @JohnWen03]

@iclr_conf The leak severely undermines academic fairness. The loss of reviewer anonymity discourages critical feedback. Authors gain potential for off-the-record lobbying, violating equitable debate. The credibility of all acceptance decisions is fundamentally questioned.

[双层牛肉汉堡 @Nohomework0]

博士（PhD）这个title真的太棒了，就算能力不行，也可以被其他人认为是“专精一个领域，没空管细枝末节的技术，正常”

太棒了，这样的title太有价值，我一定要读。

[Siddarth @siddarthv66]

> Be AI PhD student
> Submit paper to conference
> LLM slop reviews
> Rejected
> Concurrent paper with same method accepted
> Resubmit to next conference
> Reviewer points to concurrent paper which was accepted by last conference
> Lack of novelty
> Rejected

[Sam Altman @sama]

This is exciting; I expect we are going to see a lot more things like this and it will be one of the most important impacts of AI. Congrats to the Future House team.

https://t.co/Cxeh8UlWdk

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

20年前流行SQL注入，随便找个网站，密码里面就构建一个' or '1'='1进去，试图拼接一个永远是true的sql query进去。

现在到处都用LLM，于是人们又开始折腾prompt injection attack了。

注入才是人类永恒的小手段。

[Chi Zhang @dr_chizhang]

🚀 Introducing AppAgent X – the next-generation of AppAgent, a self-evolving GUI agent that gets smarter and more efficient over time!
🔓 Open-sourced with a Gradio interface!
📂 Check out our code & models at: https://t.co/K1PSX9oC5l
Paper: https://t.co/MqKUf6VgSK

[John Wen03 @JohnWen03]

@elonmusk wow!

[John Wen03 @JohnWen03]

@elonmusk wow !

[Rey｜英语自由与判断 @ReynoldDai]

对，高中和大学真正应该教的三大类知识：
1. 思考和决策：怎样判断和选择
2. 科技：怎样创造价值
3. 商业：怎样赚钱
缺了这三样，只能老老实实打工，画地为牢

[Robinson · 鲁棒逊 @python_xxt]

问：大家是否有想过，立党 疯狂推荐年轻人选择计算机的本质原因是什么？

答：计算机=无限的需求*无限的杠杆

计算机行业是人类历史上首个突破物理世界约束的生产方式，它将价值创造从对物理资源的依赖中解放出来，为普通人提供了一条摆脱传统生产关系束缚，通过纯粹的智力投入就能获得高回报的通道，并且这种回报是建立在数字经济的底层逻辑之上，具有长期的可持续性。