Liki Du

Head of Product @PingCAP, Opinions @own.

[Liki Du @likidu]

不知道为啥Codex 竟然用起了Ruby...

[0xAA @0xAA_Science]

传统的 Agent 沙箱方案会给每个 Agent 一个完整的 Linux 环境，成本高，C端产品难规模化。
这篇文章探索了另一个极端，完全放弃 Linux 沙箱，成本降低几个数量级，操作更简单：
- 把 Agent 搬到自带 SQLite 的 Cloudflare Durable Object
- 原先的文件系统落在 SQLite 和 R2 上
- 移除 bash，改为使用 CF 的 code mode + dynamic worker 执行 JS 代码
- 如果仍需要 Linux 系统，则按需调用 CF sandbox SDK 启动沙箱，运行后关闭。

[Liki Du @likidu]

@repsiace @bubdotbuild @yetone TiDB 我们也最近添加了native file system 能力：https://t.co/NHu0N8RTic

[Liki Du @likidu]

@HiTw93 特地来感谢作者。目前电脑内唯一保留的清理软件。

[Liki Du @likidu]

最真实的用户访谈 😀

[沐阳 @yyyole]

现下很多AI产品都是一厢情愿的自嗨，还是离用户太远了！！

摩尔线程新发布的家庭AI中枢，产品经理直接被一大哥问懵了！

合着卖一万多，就只是“比闹钟好”。

[Liki Du @likidu]

现象不了一点，QQ / Wechat 是人和人的沟通，人性的必需品。怎么，牛马也在也算是必需品了？

[meng shao @shao__meng]

真的假的？！

WorkBuddy 月活 2000 万，日活 1300 万？

腾讯内部，QQ 和微信之后，第三款现象级产品？

相比 Codex，Workbuddy 除了 🪜 的优势，还有什么能让它成为现象级产品呢？

或者相比国内另外两大厂字节跳动 TRAE 和阿里 Qoder，它的优势是什么？

[Zayn Hao @ZaynHao]

前两天看到一个网站，除了网站本身的设计非常简洁出色外，还有一个非常好看的手写风格标注的部分。

没想到现在开发成一个单独的开发库了。

[Liki Du @likidu]

Matt Skills 的确慢慢替代了 Superpowers 在我每天工作流中的位置。

[承越.Chase @CY_Chase_AI]

https://t.co/uq8cxLF2fG

[Lenny Rachitsky @lennysan]

Great read

[Liki Du @likidu]

@shadcn I don't need a 800 pounds IDEditor, so I go with Zed.

[shadcn @shadcn]

TIL /cd in Claude Code. Moves to a different path. Same context.

[Liki Du @likidu]

今日最佳！

[生姜Iris @WeiYipei]

我在 LinkedIn 上给一个陌生人发了私信。

那是 Mattermost 的创始人。

开源 Slack——只做 KA，一单从 10 万美金做到 100 万美金。

他当天下午临时有空，约了硅谷一家咖啡馆，聊了两个小时。

那两个小时里我学到的东西，比看 100 篇增长文章都多。

他说了一句话让我至今印象很深——

开源项目的 B2B 定价，不是线性增长的。

是当你跟客户建立了足够深的信任之后，价格会突然跳一个量级。

10 万美金的那一单，你卖的是产品。
100 万美金的那一单，你卖的是「出了事有人兜底」的安全感。

所以开源不是把代码白送——
是用免费建立接触，用接触建立信任，用信任跳到那个 100 万的台阶。

（我后来帮客户做 B2B 增长咨询的时候，发现大部分团队卡在 10 万那一层上不去。不是产品不够好，是信任资产没攒够。）

一波流有一波流的智慧，长期主义有长期主义的复利。

[Liki Du @likidu]

@WeiYipei 今日最佳！

[Boris Cherny @bcherny]

As engineering, product, design, DS, etc. melt into a new kind of role, I was reflecting on what roles might look like in the future. For example, when I look at the Claude Code team I see what I think is five archetypes:

1. Prototyper: comes up with brand new ideas; churns out many ideas, most of which don't ship
2. Builder: quickly turns a prototype/idea into production-grade product/infra
3. Sweeper: cleans up the UI, simplifies the code and system, unships, optimizes performance
4. Grower: takes a product that has been built and iterates on it to improve Product-Market Fit
5. Maintainer: owns a mature system to make it secure, reliable, fast, and efficient as it scales

Many people span across 2 roles, and sometimes 3 roles. I also notice that these roles are not really tied to job function -- eg. across Anthropic, some designers match category 1, some 2, some 3; same for engineers, PM, DS.

A healthy team needs a mix of these, depending on the product:

- A product that is new and pre-PMF needs people that are strong at 1+2+3
- A product that is growing and has found PMF needs 2+3+4 and some 5
- A product that has strong PMF needs 3+4+5 and some 2

Maybe product roles of the future will look more like this, and less like the domain-specific roles of today?

[陈成 @chenchengpro]

给 LLM Agent 堆越花哨的"记忆"架构，效果不一定越好。一篇新论文实测了 12 个记忆系统，没有通用赢家。

它把 Agent 记忆当成数据库来拆——表示与存储、抽取、检索与路由、维护四个模块，拉来 Mem0、Letta、Zep、Cognee、MemOS、MemTree、A-MEM、LightMem 等 12 个系统，外加 Long Context 和 Embedding RAG 两个基线，跑 5 类负载、11 个数据集。

几个反直觉的点：

1）在数据库操作类任务 DB-Bench 上，裸的 Long Context（48.20 EM）和最朴素的 MemoChat 反而赢过一众精致记忆系统。强记忆看的是它对主导瓶颈的对齐程度，而不是用了多花哨的表示。

2）检索的关键是怎么组织证据供后续重建，而不是把最相关那条排第一。证据拉远时图/层级结构碾压扁平：A-MEM Recall@10 达 85.9，而 Embedding RAG 的 Answer-F1 从 37.1 断崖跌到 7.4。

3）成本由"维护范围"而非"结构本身"决定，局部维护远胜全局重组。LongBench 上 LightMem 稳在 17.3 秒，而做全局协调的 Mem0/MemoChat/MemoryOS/A-MEM 飙到 374~552 秒，20~30 倍延迟差。

4）别急着压缩：保留原文胜过摘要，压一压 Substring-EM 就从 26.0 掉到 10.7；抽取要保上下文（MemOS Fast 25.5 EM vs Fine 2.5）；维护要保守整合，激进的延迟刷新反而把分数拉低。

还有个普遍毛病叫"过去的幻觉"：事实更新后系统照样返回旧值。所以论文标题才会问，我们真的准备好迎接 Agent 原生的记忆系统了吗。

https://t.co/T6hYrIp9Xg

[Zed @zeddotdev]

🚀 Zed v1.8 is out!

The new `agent.terminal_init_command` setting runs a command automatically whenever you open a new terminal thread in the agent panel.

[PA13L0 @Fluyeporlaweb]

DBeaver lleva 15 años siendo el cliente de base de datos por defecto.

Es potente. Y también es un dinosaurio de Java que tarda 20 segundos en arrancar.

Alguien lo construyó desde cero en Rust y añadió lo que DBeaver nunca tuvo.

Se llama Tabularis. 2.5k estrellas. Apache-2.0. Activo hace 17 horas.

El detalle que más me ha flipado:

Lo construyó una sola persona (@debba_92 ) como experimento de desarrollo asistido por IA.

Quería ver hasta dónde podían llegar los agentes construyendo una herramienta real.

El resultado: 55 releases, 1.192 commits y un cliente de base de datos que compite con herramientas de empresas con decenas de ingenieros.

Lo que tiene que DBeaver no tiene:

✅ Servidor MCP integrado - Claude, Cursor y Windsurf pueden leer tu esquema y ejecutar queries directamente desde el chat
✅ SQL Notebooks con gráficos inline y variables entre celdas
✅ Visual EXPLAIN con análisis de IA del plan de ejecución
✅ Constructor de queries visual con JOINs drag-and-drop
✅ Diagramas ER generados automáticamente
✅ Compatible con PostgreSQL, MySQL/MariaDB, SQLite y ClickHouse via plugin
✅ Editor Monaco con autocompletado inteligente
✅ Sin telemetría, sin cuentas, sin suscripción

Lo que DBeaver sí tiene y Tabularis todavía no:

SQL Server y Oracle. Si los necesitas, DBeaver sigue siendo la opción.

Para todo lo demás: esto arranca en 2 segundos, pesa menos y tu agente de IA puede consultarlo directamente.

el enlace 👇

[Zed @zeddotdev]

🚀 Zed v1.7 landed yesterday, here's what's new!

The agent now automatically compacts your thread context.
Adjust the `https://t.co/gETm5p8Wyw_compact.threshold` setting to control when compaction occurs, and run `/compact` to trigger it manually.

[siddontang @siddontang]

https://t.co/OJGYxYIFFg

[Liki Du @likidu]

A cron job in Hermes with Opus easily burnt my $3 daily, token is really expensive nowadays...