LabFromAbyss

summoning AI Agents from the abyss 🦑 | SDE → AI Infra |
Ships things with LLMs, RAG & MCP | 深渊工坊

[Angga Motion @MotionLonelines]

Here's the Rive source file and the code behind it.

The Rive file is available on the @rive_app Rive Marketplace, and I'll also share the code below.

Apologies in advance for the messy file structure and naming conventions.

At some point I stopped naming things properly and chose chaos instead.

[LabFromAbyss @LabFromAbyss]

@Tz_2022 “曼达洛人专座”哈哈非常贴切

[LabFromAbyss @LabFromAbyss]

@ThisisHan1_ 确实是这样，ui的部分我最近一直都让agent给我一个prototype html。和spec一样，互动交互效果都商量好了再开工。学习下也把这部分提炼出来

[Cursor @cursor_ai]

We're launching code storage and git hosting.

Origin gives teams and agents a place to host, review, and collaborate on code.

Available this fall. Join the waitlist.

https://t.co/uamaIarJXY

[LabFromAbyss @LabFromAbyss]

@mtrainier2020 这也有沙丘！马上就要圣战了有感觉吗

[LabFromAbyss @LabFromAbyss]

@SomeCharlieBear @m1ssuo 英文区昨天就用这张AI图蹭了一波流量了…刷推不积极🤪

[LabFromAbyss @LabFromAbyss]

@lashimao @m1ssuo 骗兄弟可以别自己都骗啊

[LabFromAbyss @LabFromAbyss]

@1999_eth 要使用不是codex那真就是L站那些白嫖党撸毛害的真无语

[LabFromAbyss @LabFromAbyss]

@syhily 一开始也接受不来 知道开始多个agents并行在同一个项目里跑才知道有多方便

[Xudong Han @Xudong07452910]

这篇论文让我感觉，我们对「AI 会取代程序员」这件事的讨论方向可能全错了。

核心观点：AI Agent 的出现不是让软件工程师工作效率更高，而是让「把决策逻辑永久编码进软件」这件事本身变得越来越不必要。

作者说的是一个更根本的范式变化：传统软件工程的本质是，人类把判断逻辑「固化」成代码——if-else、状态机、算法，这些都是把人类决策「提前写死」的方式。但在以 LLM 为核心推理引擎的 Agent 系统里，代码变成了「临时生成、用完即扔的工具」，每次任务，Agent 动态生成需要的代码，执行完就不需要了。决策不再被预先编码，而是在运行时由 LLM 推理循环动态产生。这不是增量改进，而是软件生产范式的结构性替换。

我觉得这个观点里最值得注意的细节是：这不只是生产力工具的升级，而是「软件」这个概念本身的角色在变。以前代码是「系统的中心」，Agent 框架是外壳。现在 LLM 推理循环是中心，代码变成了外壳里的临时辅助。如果这个趋势持续，软件工程的核心能力可能不再是「写出好代码」，而是「设计出可靠的推理约束边界」。

以前我们关注写出可维护的代码，以后可能更要关注设计出可靠的推理边界。

https://t.co/28rZe5qvBP

[Hwang @hwwaanng]

给大家一些 /goal 的用例，防止 token 用不完

1/ 产品说明文档

基于当前 commit 的产品功能，运行真实 App / 模拟器 / 使用 CDP 进行页面检查和截图，产出一份面向普通用户的产品说明文档。

文档需要用简洁清晰的语言解释每个主要页面、按钮、操作路径和点击后的行为，让用户能理解功能怎么用、为什么有用。

该文档应作为后续功能更新的持续记录基础，并在完成后沉淀为可复用的 Skill，方便之后按同一流程继续生成或更新产品说明。

验收标准

- 成功启动虚拟机或本地运行环境，并打开当前项目 App。
- 使用 CDP 或浏览器调试能力获取关键页面截图。
- 覆盖当前 commit 中已有的主要功能、页面和交互。
- 逐项说明按钮、入口、状态变化和点击后的结果。
- 文案面向普通用户，避免技术实现细节，表达简洁清楚。
- 文档能持续追加后续功能更新，而不是一次性说明。

最后总结并沉淀为一个可复用 Skill，包含运行、截图、梳理、撰写和更新文档的标准流程。

[LabFromAbyss @LabFromAbyss]

@lolieatapple @ZeroZ_JQ electron也可以用rust sidecar，参考codex；当然如果觉得Tauri莫名其妙的渲染bug排查起来很有成就感那就选1😅

[LabFromAbyss @LabFromAbyss]

@Balloon_Capital 他的投行背景据说也有水分24年看到过

[LabFromAbyss @LabFromAbyss]

现在就和搭乐高似的真好玩。我现在这个project的review基本就都是auto fix auto merge顺带还能在linear里面同步状态让agent的动作留痕，等折腾完aws之后merge分支之后打算单独提取出来方便deploy和分享，下一步就是我提linear issues让agents auto impl 然后自动提交完成证据啥的。

https://t.co/ul1VCpkJTz

[实践哥MinLi @MinLiBuilds]

离谱，这个光头强者，演讲时还在写代码。

Bun 作者Jarred 边分享边跑 agent 改代码,旁边Boris 都忍不住吐槽他又趁演讲在干活😅

Jarred 4 月底跑通将 workflow：

复现 bug → 写测试 → 提 PR → code review → 自动修改。

听了演讲后，Claude 5 月底就推出了 dynamic workflows.

学习 workflows，这会是你今年做的最好的投资。

02:08 现场演示自动修GitHub Issue
03:00 Agent自动复现 Bug、写测试、提交 PR
10:00 如何让 Agent 读懂整个项目
23:00 Auto Mode 让 Agent 连续几小时自动干活

[LabFromAbyss @LabFromAbyss]

@afoo_me @null12022202 @cholf5 github的kanban太难用了，我最近改用linear：ui好看，cc和codex可以多设备同步进度，agent的自动review和任务变更都在里面做，兼具了人的阅读和agent的状态留痕

[LabFromAbyss @LabFromAbyss]

@YT_laoshishuo @Balder13946731 拿到黎明来临前，不应该是拍断大腿吗

[LabFromAbyss @LabFromAbyss]

@PpLam343962 @qinbafrank 联想到十年前cuda赔钱也要加载消费级别显卡上到后来的绑定开发者生态，就知道英伟达又在下棋了

[LabFromAbyss @LabFromAbyss]

受到启发了！我也一直思考这个问题，在本地orchestrator|coder|review 三个模型协作之上每一个pr的auto review还是会发现很多问题。特意做了一个review的skill和slash指令，但还是需要花费大量我的时间去细看每一个reviewer的feedback。正好最近打算结合linear和linear agent把这个这个review的工作流再automate一下。借鉴这个思路，在项目中实践出来继续更新在这里 https://t.co/yACGzfdw8C

[Viking @vikingmute]

写了一篇干货新文章：《我是怎样使用 AI 来做 Code Review 的？》

https://t.co/SOAwhs2jz8

将我之前总结的 AI Code Review 做一个总结，并且更详细的添加了一步步的流程。

因为 AI 代码产出太快了，假如长时间不干预，很快整个系统有可能都不受控制，质量严重下降，变成一个黑盒，我实践了一个叫 Review Forge 的流程来规范我的项目中 Code Review 的方式和流程，同时让我对项目中每次的代码改动更有信心。

如果你也是用 AI 写大部分代码，review 跟不上了，可以试试类似的流程。

[LabFromAbyss @LabFromAbyss]

@feltanimalworld 解释一下@grok

[LabFromAbyss @LabFromAbyss]

@yetone 时至今日我还是有Claude code输出文字的时候ghost texts的问题，真是绝了