P.A.A.A.

我与我周旋久，宁作我。

[数字生命卡兹克 @Khazix0918]

完全重写了一版给GPT-6 Astra用的AGENT.md，个人用了一会以后感觉良好：

#AGENT.md

## 沟通

- 面向用户的叙述默认使用简体中文；代码、命令和技术标识保持英文。
- 先给影响与结论，再给行动、待决策和必要证据；没有对应内容就省略。
- 使用简洁、连贯的段落；只有确实适合并列比较或按步骤执行时才使用列表。
- 使用具体、简单的词，避免无意义术语、套话、重复总结和未经请求的对比。
- 技术细节只保留对理解结论、判断风险或复现结果有帮助的部分。

## 指令优先级

- 遵守系统、平台和安全约束。
- 用户当前明确指令优先于 Skill、历史记忆和默认偏好。
- 项目目录中的 `AGENTS.md` 只在该项目范围内补充或覆盖全局规则。

## 执行方式

- 用户表示要开始新工作或修复现有问题时，持续推进，直到用户的目标完成，在目标方向上自主推进。
- 向用户提问之前，先完成上下文里已经授权、并且能把下一步变成可审查结果的工作。用户批准的应该是具体、可检查的结果。
- 用户建议不适合目标时直接说，不要迎合。
- 不要因为假想风险，主动加警告、免责声明、审批流程或安全/合规清单。

## 测试与验证

- 不要为可逆、影响小、只是复述实现的改动写测试。
- 跑与本次改动相称的测试，并完成必要检查。这些通过之后，只有出现新改动、新失败或尚未解决的疑点时，才扩大或重复测试；否则继续把任务做完。
- 收尾删掉本次产生、之后用不上的临时文件。

## 工具与并行

- 搜索文件或文本优先使用 `rg`、`rg --files`；独立的读取和查询尽量批量执行。
- 网页控制台无 CLI/API 时用已登录的Chrome浏览器；飞书优先 `lark-cli`。
- 只有存在真正独立的工作流，且委派能节省时间或提升质量时才使用子 Agent。
- 共享状态、连续决策和简单任务由当前 Agent 直接完成；委派任务必须有明确输入、输出和完成判据，最终结论由主 Agent 汇总并验证。

## 规则来源

- 全局规则维护在当前生效的 canonical `AGENTS.md`；`CLAUDE.md` 只作兼容入口，不复制规则正文。
- 项目事实、生产状态、历史决策和对外契约以项目级 `AGENTS.md` 及其指定的脚本、探针、决策记录和合同文件为准。

[Bojie Li @bojie_li]

《深入理解 AI Infra》开源发布了！

写完《深入理解 AI Agent》后，在与读者交流的过程中，我越来越感到，要开发好基于模型的应用，还需要理解它赖以运行的基础设施。

最近几十年系统领域最重要的变化是编程抽象的上移：从操作系统到模型上下文。传统的操作系统、编译器和硬件要为事先未知的各种程序提供通用能力，系统优化总要在可编程性与性能之间取舍。

如今 LLM 成了最重要的应用，可以针对特定的模型和加速器架构优化；模型设计也开始反过来适应硬件，DeepSeek V4/V4.1 重新设计长上下文的表示方式，就是一例。

从某种意义上说，模型成了 LLM 时代的操作系统，AI Infra 成了 LLM 时代的计算机体系结构。《计算机体系结构：量化研究方法》是我在体系结构领域的入门书，而 AI Infra 领域还缺少一本从硬件约束和模型架构出发、量化推导系统设计的书，这是我写作本书的动机。

全书约 500 页，包括 12 章：
1. 初识 AI Infra
2. 模型架构
3. 推理与训练负载
4. 加速器架构
5. 算子与运行时
6. 超节点
7. 数据中心网络
8. 推理优化
9. 分布式推理
10. 训练系统
11. 资源调度与运行环境
12. 端边云协同

欢迎 star & 提 issue/PR！

https://t.co/R1DAPLMWVq

[Miles Ma @miles_mazy]

如果你想从零开始学习 Agent 架构，这三个 GitHub 项目一定不能错过：

1. all-agentic-architectures：看懂不同架构怎么工作

收录了 35 种 Agent 架构，覆盖工具调用、任务规划、记忆、RAG 和多 Agent 协作，配有代码、Notebook 和评测工具。适合拿同一个任务换几种架构运行，观察它们怎么拆任务、调用工具、检查结果。

https://t.co/RXONb3WnmD

2. ai-agents-from-scratch：亲手搭出一个 Agent

用 JavaScript 和本地模型，从基础的模型调用开始，逐步加入工具、记忆和 ReAct 循环。跟着示例，可以看清 AI 如何选择工具、读取执行结果，再决定下一步。适合有一点编程基础、想弄懂 Agent 运行过程的人。

https://t.co/fOJcWDvD3z

3. harness-books：理解编程 Agent 背后的工程设计

两本围绕 Claude Code 和 Codex 的第三方架构分析书，讲模型之外的系统怎么组织：任务如何持续执行、工具权限怎么管、上下文太长怎么处理、出错后如何恢复。适合开始思考「自己的 Agent 怎样才能稳定干活」时阅读。

https://t.co/rsj4dvQujV

建议学习顺序：先跟第二个搭出基础 Agent，再用第一个对比架构，最后读第三个补上工程设计。

[P.A.A.A. @MayNotbe_RealMe]

简单总结下：
1. 在网页版ChatGPT 里一键退出所有设备。
2. 切换到相对干净、稳定的亚洲节点。
3. 桌面Codex 端会自动退出原登录、重新登录授权。重新登录后，先一次只跑一个任务，不要同时开两个对话并发测试。

[P.A.A.A. @MayNotbe_RealMe]

最近Codex频繁提示“模型繁忙”的一个临时解决方案。

报错这句：
Selected model is at capacity. Please try a different model.

文字长度非订阅用户有限制，附图中：

[P.A.A.A. @MayNotbe_RealMe]

@Khazix0918 @sama @thsottiaux 可以尝试下，但每个人的情况有可能不同，不保证一定有改善。

[P.A.A.A. @MayNotbe_RealMe]

@MaxForAI 应该大概率是降智了，用之前先测下鹈鹕是不是降智可能会好一些。

[KC @ScarletKc]

OpenAI 的 GPT-6 Astra 使用文档很有意思，连它容易停下来问问题、过度测试、写作有 AI 腔这些行为，都专门写了提示词教你调整。

我觉得用 Astra 的人，尤其是给 Agent 配了很多 Skill 和 AGENTS.md 的，值得看看这篇。

官方明确提到，Astra 对指令更敏感，旧 Skill 里模糊或冲突的规则，可能直接让它暂停工作。升级模型之后，这些文件也需要重新检查。

它也更倾向于澄清问题。有些地方你期待它自行判断、继续完成，它可能会停下来等你回答。文档建议明确告诉它，根据上下文理解意图，把已经授权的工作做完。

另外，子代理可能用得偏少，小改动可能测得过多，回答偏详细、爱用列表和固定句式。这些都可以在提示词里具体调整。

API 这次也有几个实用变化。工具执行期间可以继续推理和处理其他事情，任务执行中可以追加要求，会话中调整推理强度也能保留缓存。

看完感觉，升级 Astra 时，提示词和 Agent 的工作方式都值得一起检查。以前针对旧模型加的规则，到了新模型上，效果可能已经变了。

OpenAI 官方文档：https://t.co/MIgP55u9iM

[Max For AI @MaxForAI]

官方配置指南：

https://t.co/IY52U1m3y5

[P.A.A.A. @MayNotbe_RealMe]

@fxmqs @imwsl90 还是你懂哈哈哈

[Adrian Punk @AdrianPunk115]

https://t.co/C3sEAMGsu1

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

AI 做出来的网页总有一股模板味，不一定是模型不够强。

你可能只是少给了它一个文件：`DESIGN.md`。

Awesome DESIGN.md 收录了 70 多套从真实网站整理出的视觉规则，覆盖 Vercel、Apple、Stripe、Airbnb、Notion、Figma、Tesla 等品牌。

不需要安装依赖，也不需要导出 Figma 或配置 JSON。

说到底，就是给 AI 一份真正能执行的视觉说明书。

100% 开源，完全免费。

[Orphis @Anrahya]

the only serious competition is china and why in the world would they listen to anything the usa has to say?
also this only ristricts llms access to civilians while labs like ant/openai do whatever the f they want internally.
this is not pacing the Frontier but controlling the public

[Adrian Punk @AdrianPunk115]

https://t.co/eC1mkWh1GT

[黄赟 @huangyun_122]

x，我已无语。首次意识到，Codex + Claude Code 已经可以完全替代我这样资质平庸的程序员了

我让 Codex 出了一版 BitBrowser 多代理池 + yt-dlp 替我自动挖掘 Youtube AI KOL 的监控系统

Claude 去 Review Codex 的执行计划，提出了若干重大缺陷。而 Codex 尝试修复，又反向纠错 Claude.

几个回合下来，虽然有 md 做记录，但没完没了

于是我直接给 Codex 下任务：你去主导吧，做好来回沟通存档，启用母子 Agent, 直到任务完成

20分钟回来，他俩 sign off agreement 了

之前我一直以我的视角去约束，去左右AI Agent 的思考空间，没想到让他们放飞自我，可以跑更远。我恰恰是那个阻碍他们的瓶颈

[数字生命卡兹克 @Khazix0918]

AIHOT的月活突破了60万，我也终于把AIHOT优化到，敢发在X上给大家安利一下我自己做的这个小破东西的时候了。

这玩意也几乎代表了我自己做了三年AI内容，对AI领域资讯的品味。

谁能想到，这个看着小小的AI资讯站，背后的后端逻辑有这么复杂呢，数百个信源5分钟级别的抓取 - 数据清洗 - 结构化 - 预筛 - 精选 - 聚类 - 展示，这还只是大流程，这流程里面，大模型介入的地方就有不下10个了。。。

如果是每个大块里面的细节流程，光一个聚类算法的工程化我感觉我都可以写好几篇万字长文来分享了，更别提最核心的精选了。真的，最近5年的关于新闻聚类的论文全扒了一遍，没有一个结构能达到我的准确性要求的，最后是花了无数个日夜回测了不知道多少轮的数据，又不知道标了多少的数据，硬生生自己造的。

任何东西想把它做好，真的感觉，花费的心力不是一丁点两点。

网址在此：https://t.co/ZF7HGbfco9
这可能是当今无论是对人类、还是对Agent，都是体验最好的AI资讯网站了。
而且我也承诺，永久免费，因为我也不靠这玩意挣钱，主要，还是太喜欢做产品了，也太喜欢看到自己的产品被别人喜欢了。

希望。
能对大家有用就好。
（PS：还有好多好多新功能还在开发中，希望大家再给我点时间...）

[P.A.A.A. @MayNotbe_RealMe]

@Bunnyloustin 有木有逆向特供~

[轩帅 @MarshalXuan]

指南针优于地图（Compass Over Maps）的原则是在不确定或快速变化的环境中，你应该信任你的核心原则和方向直觉（指南针），而不是 rigidly 遵循详细计划（地图）。

指南针给你方向；地图给你具体路线。当地形变化时，指南针能适应但地图会变得无用。

https://t.co/kCCLMffHhu

[P.A.A.A. @MayNotbe_RealMe]

@huang_java @manateelazycat 可以账号直接用吗 还是要api接入

[娜美知识库 @fhwofjow51260]

我最喜欢的油管博主，不良林，谁知道为啥都停更半年了

学不到新东西，好难受啊