Stephan

后端技术专家 | Learn to build with AI | 热爱开源精神 | 分享最前沿AI资讯，以及我的深度思考和实践

[Stephan @Stephan_Talk]

Claude Code 正在重构Agent系统的开发模式！

Claude Code远不仅仅是一个AI编程工具，它是一套可高度定制的Agent系统

它和LangGraph这类Agent框架最大的区别是，Claude Code本身就是一个自主选择执行路径的智能体

而Claude Code SDK干的事情，就是把这个智能体的全部能力封装成SDK，使应用内可以集成Claude Code，同时也就集成了：
1. 各种自定义prompt、memory、subagents
2. 各种tools和MCP的自动调用能力
3. 所有Claude Code可用的底层模型

当你拥有一个足够强大的agent core，你就不用再用代码的方式来"编排"agent的行为，而是提供一套自定义MCP Server给它，然后用prompt来"编排"agent的行为

举个例子，在LangGraph时代：
有一个小朋友，你送了他一套乐高玩具，但小朋友不够聪明，你需要手把手的教他怎么玩这套乐高玩具。这就是通过代码来“编排”agent系统

现在，有了Claude Code SDK：
这个小朋友现在长大些了，你再送他一套乐高玩具，然后你跟他说：“造个变形金刚出来”，他自己鼓捣鼓捣就搞出来了

以后，你再也不需要教小朋友怎么玩玩具了，只要造足够多的乐高送给他们就可以了

#ClaudeCode #ClaudeCodeSDK

[Stephan @Stephan_Talk]

@yetone Claude 接 deepseek-v4-pro 的话应该可以绕开这个限制吧

[Stephan @Stephan_Talk]

分享一下，zlibrary的免费捐书计划，��以把���己不看的纸质书免费寄给他们，邮费自付。他们会负责统筹登记。这些书如果能捐给贫困学生，或者有需要的人，那也是善莫大焉。回头我搬家的时候也寄一些。感谢志愿者的无私付出🙏

[朱无忌无忌 @Wujizhuzhu]

借@Pandatalk8 的的帖子，展开说一说Zlibrary。

Zlibrary有个Z-Points计划，就是大家可以将不用的书，免费寄送到Z-Points站点。

我是北京站的Z-Points，至今已服务了两年。

最开始，我其实对这个计划存疑。不用的书，很多人直接当废品卖掉了。很少有人愿意花邮费将书籍寄送到Z-Points来。

但事实上，过去两年，我差不多收到了两百多本书，全国各地的快递都有收到过。非常感谢大家对Z-Points的支持。

另外也想替Zlibrary多说两句。如果大家有不看的书，或者不需要的书籍，可以寄送给我，我会上传到Zlibrary网站上面去，供全球的读者阅读。

我觉得这是一个非常幸福的工作，完全义务服务。当然，我也愿意继续为Zlibrary服务下去。

[Stephan @Stephan_Talk]

转发，作为用户理性分析，确实难用。因为我也是曾经的用户，就是被宝玉老师说的这几点劝退了

另外，没必要搬出其他友商的产品来证明难用的合理性。这就好像我说你是预制菜不好吃，你说全行业都是预制菜。这个逻辑真的醉了😅

[Stephan @Stephan_Talk]

这个必须赞，我认为MCP就应该在垂直应用场景下发挥价值，比如听说最近前东家滴滴也推出了MCP服务

上下文是很宝贵的资源，在各种垂直场景下临时加载+使用特定的MCP服务，在使用完后卸载该MCP服务，或者将特定MCP服务和subagent绑定

[歸藏(guizang.ai) @op7418]

Figma 正式推出了官方的远程 MCP 服务器，现在不需要安装 Figma 客户端

只需要在支持的软件比如 Cursor、Cluade code 里面添加，并在打开的网页里面完成账户授权就行

而且现在设计组件和前端组件的映射信息也可以通过 MCP 获取到，如果你的团队有设计系统的话，然后你的设计稿组件采用程度高

前端可以一键用 AI 生成全部的前端代码，而且保证高还原度，设计师和前端协作会到一个新的时代

[Stephan @Stephan_Talk]

非常赞成，这就是开源精神，大家一起把蛋糕做大，而不是守着故纸堆内卷

[Jackywine @Jackywine]

一个暴论：以后会有越来越多的零基础人，成为程序员或者设计师，而现在已经是这个职业的人，不应该成为他们的拦路虎，而应该成为引路人

[Stephan @Stephan_Talk]

看完了老罗采访周鸿祎的三个半小时的播客，能听出来老周是确实有很多切实的行业经验的，可惜老罗问的问题不够深入和专业，有点遗憾

比如老罗说到海外顶尖模型是gemini这个观点，我觉得是有些偏颇了。因为不同领域有不同的最佳模型，比如在编程领域目前claude-4和gpt-5-codex可能都优于gemini；又比如老周不止一���提到的LLM幻觉问题，在360是如何优化的？并没有追问下去

听完整体感觉最有价值的点就是老周说到的垂直+订阅的收费模式，老周还提到收费模式上应该是token按量计费+membership会员费的方式，这种方式确实是一种长期看更可行的收费模式。单纯卖token的模式壁垒太低，用户付费的动机应该是在LLM之上，产品提供的垂直Agent的能力

[Stephan @Stephan_Talk]

看着看着老周突然跳出来这么一句话：“推荐一个人，在推特上有个自然语言处理界的马东锡”，说明老周确实是在紧跟AI领域的前沿知识的

具体时间点在 2:01:10 左右提到了 @dongxi_nlp 马老师

[马东锡 NLP @dongxi_nlp]

太惊喜了，在罗永浩和周鸿祎的对谈中，发现了我自己被提到。约等于上罗老师的节目了！

网上有一个人，叫 马东锡 NLP , 你可以交一下这个朋友！

开心！

[Stephan @Stephan_Talk]

@dongxi_nlp 哈哈nb，马老师当之无愧

[Stephan @Stephan_Talk]

扩展一下，不仅openrouter，只要是符合OpenAI协议规范的模型提供商，都可以通过以上方式配置进 ~/.codex/config.toml 配置文件，可以配置多个 [model_providers.xxx] 和 [https://t.co/AVFA8kfadY] 段落到配置文件中，然后把 profile = "openrouter" 改为你希望默认指向的profile段落即可

这个配置文件的官方文档：
https://t.co/Nk6sEArkMK

[Stephan @Stephan_Talk]

分享一下如何配置OpenAI Codex接入OpenRouter的任意模型

Codex可以通过修改配置文件的方式改变默认使用的模型及模型提供方，只需要两步��

1⃣修改 ~/.codex/config.toml 配置文件，增加如下配置:
profile = "openrouter"

[model_providers.openrouter]
name = "OpenRouter"
base_url = "https://t.co/7uT3wMHjv1"
env_key = "OPENROUTER_API_KEY"
wire_api = "chat"

[profiles.openrouter]
model = "openai/gpt-5-codex"
model_provider = "openrouter"
model_reasoning_effort = "high"

注意这里的 model="xxx" 定义，可以配置任意支持推理的openrouter模型

2⃣在环境变量中增加OPENROUTER_API_KEY:
export OPENROUTER_API_KEY="你的OpenRouter API KEY"

启动 codex 即可看到，model已经指向配置文件中的模型：

[Stephan @Stephan_Talk]

以下是 yupp 的官方链接：
https://t.co/1a79EC5bpy

[Stephan @Stephan_Talk]

yupp 这个网站有点意思，它能免费使用和对比最领先的AI模型

在 yupp 上的每次对话都有至少两个AI大模型同时给你回答，你可以从其中选择你认为更好的回答，并分享你的使用反馈给yupp

用户反馈可以获得积分，更优质的反馈可以获取更多积分，更多积分意味着你可以使用更多高级模型，甚至将积分提现

这个网站之所以能免费使用大模型，与它建立的用户反馈机制直接相关。这些反馈数据会提供给模型厂商用来优化模型

这个商业模式之所以可行，我认为是因为大模型的token价格会越来越低，而用户真实反馈会更有价值，尤其是跨厂商的比较。对于模型厂商来说用token换用户反馈是很划算的买卖

另一方面对于用户来说，现在模型太多，在不同领域、不同场景下，哪个模型表现最好？哪个模型最适合自己的应用场景？ yupp 可以帮我们进行免费的比较

目前 yupp ��要支持文本聊天、图像生成、图像理解等场景，看起来编程领域还不是它的主要应用场景

[Stephan @Stephan_Talk]

@sujingshen 另外，NotebookLM有着很不错的召回率和长上下文能力���这对于LLM的幻觉问题是很大的一个补齐，基于此的RAG系统应该会很快诞生

[Stephan @Stephan_Talk]

NotebookLM一直以来都是我最喜欢的知识库预研工具

另外，结合它可以分析Youtube视频的特性，在其API开放后，视频内容可以有更丰富的交互形式了

比如可以做一个针对某个油管课程的NotebookLM知识库，这种能力可以泛化成一个独立产品了

[SagaSu @sujingshen]

notebooklm的API开放了。是个机会。
NotebookLM api
- Create a notebook
- Retrieve a notebook
- List recently viewed notebooks
- Delete notebooks in batch
- Share a notebook
- Add data sources to a notebook
- Delete data sources from a notebook
信息源：👇

[Stephan @Stephan_Talk]

之前我有些精神洁癖，总喜欢把关注数维持在200以下😅，现在看没太大必要

X最新开源的推荐算法说明，只要关注数<500，或 关注数/粉丝数 的比例小于0.6即可

对于需要添加大量关注的推友，建议关注数不要超过2500，如果必须超过，也要把比值稳定在<0.6

这个算法的目的也很明显，就是惩罚换粉的行为。你的粉丝应该是因为你的优质内容而关注你，而不是无意义的换粉

附图是我在Cursor中基于这份开源仓库的聊��内容，供参考

你想了解哪些X的推荐算法机制，可以评论区告诉我，我可以基于X的开源仓库来回复你

[Stephan @Stephan_Talk]

X开源了他们的推荐算法，以下是会影响你的账号影响力排名的因素：

1.优先让“高质量账号”关注你
被更多高质量账号关注，权重值更大，且对方"出边"数越少，你得到的份额越足

"出边"指的是每个账号对其他账号的关注及互动强度，可以理解为每个账号是一个图节点，账号之间的关注及互动是节点之间的边

建议：深耕垂直领域，主动合作/互动头部或中腰部优质作者，参与高质量话题与空间

2.争取来自优质账号的“强互动”
被转推/回复/提及时的权重更高；多元互动可拉升你在对方出边上的占比

建议：做可被引用/讨论的内容，发起问答/共创；在热点中输出被引用的“原始资料/观点”

3.控制“关注/粉丝”比，避免触发惩罚阈值
平台对“高关注、低粉丝”的账号会有严重降权，早期尽量让关注数 ≤ 500；中长期尽量远离 2500 上限

建议：维持关注/粉丝比 < 0.6；避免“批量关注换粉”

4.提升账号“先验质量”
蓝V认证能够拿到稳定的10%先验权重，能稳定抬高“随机跳”部分，帮助冷启动与整体稳定性

其他提升先验的手段：绑定有效设备；保持账号安全不受限；平稳运营超过 30 天

5.结构优先于数量
一百个普通新号关注，不如 3–5 个“高质量、低出边”的账号关注更有效

6.内容与节奏
- 聚焦“可被引用/二次传播”的内容形式（数据图解、清单、教程、观点源头）
- 固定发布节奏与系列化主题，降低对方关注门槛、提高复访与外链引用概率

避坑清单：

1. 不要大量“先关注后取关”或扫粉；极易触发先验与后处理惩罚

2. 新号��� 30 天预期偏低属正常；平稳积累与“精准高质量关注”比短期爆量更有效

3. 若你发现互动很强但排名无明显提升，可能当前作业是“仅关注边、未加权”；这时“被谁关注”更关键

---
如果你想深入了解X的整体推荐算法原理，以及对内容创作者的最佳实践建议，可以点赞+转发我这条推文，我会私发你一份《X推荐算法深度解析：机制、权重与创作者策略》的1万字DeepResearch报告