Jackson C.

Developer first. ByteDancer second. Previously building open-source coding agents at TabbyML. Undergrad, occasionally

[Jackson C. @Sma1lboy]

用了两天magpie直接爆炸了 这种infra侧的产品 内存泄露是p0吧😭 幸好今天在家 要不电脑重启就完蛋了。。。 @yetone

Vibe出来的产品最难排查的也是内存泄露 至今没有什么好的monitor逻辑方式.. 当初rove排查泄露问题排查了快一周😵‍💫

anyway 补充个修复https://t.co/wodla5VMLr

[Jackson C. @Sma1lboy]

这也是为啥我做rove相关需求的时候很克制 因为一旦涉及到某个具体的coding harness相关就完全是因人而异的使用方法了

[yetone @yetone]

这条推文的建议很好，但"把压缩调到 400K"对每个人都成立吗？不一定。

这就是 magpie 要做本地 agent 可观测性分析的原因。每个 agent 都有自己独特的行为，每个用户也有自己的使用习惯，任务难度也因人而异，所以不存在一份对所有人都最优的配置。

更麻烦的是，每个 agent 的配置项又多又复杂，还藏得很深。大多数人压根儿不知道有这些开关，就这么不知不觉地用着最不适合自己的配置，浪费了大量时间和 Token，甚至牺牲了完成任务的质量。

magpie 新功能「为你调优」：在本地用你自己的真实调用，按每个 agent、每个模型去回放压缩阈值和缓存时长，算出对你最省 Token 的那一组。千人千面，但对每个人都是最省的。

[Jackson C. @Sma1lboy]

@yifanxu_ephai 期待一下 打算在现在的项目里用上这个仓库了 让我研究下

[KC @ScarletKc]

最近在 X 上刷到好多人被 GitHub 无理由封号，看得有点慌。

这个影响真的太大了，开源项目、commit 记录、issue 和 PR，这些年攒下来的东西说没就没。

本来放在中心化平台上的东西就不完全是自己的，平台想怎么搞你就怎么搞，连个理由都不用给。

我的东西基本也全在 GitHub 上

[Jackson C. @Sma1lboy]

@jakevin7 同意 同时我认为AI训出Ego比训不出来难 很明显oai没做到

[Jackson C. @Sma1lboy]

@polebug 同感 痛苦死我了

[Jackson C. @Sma1lboy]

这也太cooooooool了我要借鉴了

[Oriku @Oriku175]

interactive poster experiment 002

[Jackson C. @Sma1lboy]

@ZacharyZhang 喜欢 佬可以顺便提供cli支持么🙋‍

[Jackson C. @Sma1lboy]

虽然但是 为什么要天天拉屎然后拉28天？
btw我非常喜欢openai，但是根本看不懂你们的营销策略🫤

[Tibo @thsottiaux]

Day 2.1/

We have made Auto-review free for all users signed in through a ChatGPT account. You can enable it in settings > permissions > auto-review. Auto-review improves upon the default sandbox setting that requires you to approve everything, which is prone to decision fatigue unless you spend a lot of time configuring specific rules.

It allows you to run long tasks while having a second agent review all actions taken by the primary agent. Its only goal is to prevent high-risk actions from being taken and to protect against unwanted actions that are not aligned with the original user intent. This Auto-review feature is now free and does not draw usage from your plan.

[Jackson C. @Sma1lboy]

@ScarletKc 下次大胆点 把sonnet5.5完全干掉不用了😋

[Jackson C. @Sma1lboy]

@calebfahlgren I’m genuinely curious — do you actually read through the content you generate with pi-1.0, or do you just hand it off to a review agent once it’s done and move on?

[Jackson C. @Sma1lboy]

@itsNintu @BrahmaD111 @thsottiaux They’ve got better models using fewer tokens to solve the same problems. Both the model and the coding harness have improved a ton in the meantime.🤦

[Jackson C. @Sma1lboy]

@zhallen122 @loki_yan_seo 给agent单独的支付钱包 + 不同金额的授权方式 or 做类似支付宝的免密支付

[Jackson C. @Sma1lboy]

虽然我很喜欢这个产品 但是为啥大家的宣传跟没见过cpa or任何的反代repo一样...? 充满疑惑

[MATH FOURNITY @math_fournity]

🚨 毁灭Harness世界的力量！magpie(by @yetone)会让所有厂商的Coding Plan变成了打折后的API

magpie可以把所有AI Harness中的私有API，代理出来变成magpie支持的各类其他厂商的API

大家会把在不同厂商处的订阅，对接到自己喜欢的平台，可惜只有两家：Codex & Claude

这对于其他平台，就很尴尬了😂

[Jackson C. @Sma1lboy]

共勉

[Drew Jin @drew_jin_0827]

最近有一个挺难受的感触：agent 让我同时推进了远超过去规模的项目，oral paper、基模实习、极限加速的方法，结果都不错，但我好像很久没有真正学到东西了。
以前我一直坚信边做边学，写代码、debug，被一个问题卡住，顺着它往下挖，慢慢就懂了（我曾经真是身边人中使用 debugger 最溜的那个）。
现在卡住了就交给 agent，回来时问题已经解决，我也切去看另一个项目了。最后代码能跑，指标达标，但好多状态机我没理清，corner case 我没亲手修过，甚至还得回头读懂“我做的项目”的代码。
我依旧忙得要死，却很久没有进入过那个专注到忘记时间的 zone。
说起来也不全是进度逼的，我自己也越来越习惯这种轻松得到结果的感觉，不愿意静下心啃东西了。
我当然不想回到所有代码都得手写的时代，但开始意识到，过去那套靠项目顺便学习的方法，现在可能真的不够了。
有些时间得专门留给自己，学基础、手操、把一个复杂问题想到底，不然项目越做越多，我可能还是停在什么都懂一点、什么都没懂透的地方。
这和我当初想做的事，差得还很远。

https://t.co/iJ7eMei6xy

[TechVerser @realfxw]

很多人还没意识到，MCP Events 可能是近期 AI Agent 领域最被低估的核心更新。

目前绝大多数人的 Agent 本质上仍然是“被动型”的： 要么是你主动去聊天框敲一句 Prompt 把它们叫醒； 要么是通过死板的定时任务（Cron Job）不停轮询。
但事件驱动（Event-Driven）的标准化，正在彻底重塑 Agent 的唤醒逻辑——从“人去找 AI”转向“环境状态主动触发 AI”。
有人可能会问：“这不就是存在了多年的 Webhook 吗？” 原理上类似，但关键在于协议与大模型上下文的标准化打通。过去你很难让外部业务事件直接、原生且低门槛地唤醒 ChatGPT 或 Claude。一旦事件总线与协议铺平，几个场景将迎来质变：

工作流中的原生协作者：在 Notion、Google Docs、Figma 或 Linear 中直接 @Agent，它不再只是个死板的机器人脚本，而是能立刻捕捉上下文并直接执行复杂编辑与任务。

智能分流与前置执行：监听 Slack 消息、紧急邮件或 GitHub PR。Agent 不仅做通知，还能在打扰你之前，就完成优先级研判、草拟回复或前置跑完初步检查。
“子代理即服务”（Subagent-as-a-Service）生态：主 Agent 充当统筹中枢，垂直领域的专业 Agent（如法律合规、特定领域数据校验）作为事件驱动的专属模块按需介入，形成真正的多智能体异步协作。

从“问答式工具”跨越到“自主数字员工”，真正的分水岭不仅在于底层模型有多聪明，更在于它究竟是永远在等人类下令，还是具备了对环境变化做出响应的神经反射弧。

https://t.co/tMcIUD5D3R

[Jackson C. @Sma1lboy]

主要还是bash tool可以代替99%的tool了

同时评测后发现通过codemode 能output更少token解决同样的问题 看起来大部分coding agent都在往codemode做

[Yifan Xu @yifanxu_ephai]

apply_patch和edit tool可以说是名存实亡了。

在Codex上写了7个文件，只有一个上通过apply_patch写的。其他全是exec_command + python script。

昨天在Claude Code上面发现，Opus 5.5也基本都在调用bash + python script 去改写文件。

[Jackson C. @Sma1lboy]

@Rove_Officia1 cards moving on their own is the part i wanted, no more tabbing through panes to see which agent actually finished

[Rove_Official @Rove_Officia1]

kanban for your coding agents, in the terminal

hand each card to claude code, codex, gemini cli, or whatever agent cli you have installed. cards move on their own as the agents work, and the ones waiting on your review get flagged

[Jackson C. @Sma1lboy]

@yifanxu_ephai 大部分都用... 相信他们的产品审美吧 他们做之前也做过调研的