@Toong

Intelligent Symbiosis - All Things Connected, A Light in the Rift.
智能共生——万物互联，裂隙有光。

[Rust all in Tsla @Rustallintsla]

操！我啊哈哈啊哈！

[宝玉 @dotey]

Anthropic 把 Claude Code 的每周用量上限提了 50%，即刻生效，截止到 7 月 13 日下午 6 点（太平洋时间）。

覆盖 Pro、Max、Team 和按席位计费的 Enterprise 用户，命令行、IDE 插件、桌面端、网页端，所有入口都一样涨。账号已经自动调整，不用做任何操作。

这 50% 是叠加在上周刚宣布的 5 小时窗口翻倍之上的，两个维度���天花板一起被抬。

【注：Claude Code 有两套限额。5 小时滚动窗口管的是短时间内能写多少，写��猛的人一下午就能撞顶；每周总额管的是一周能写多少，防止你某天突然把整周配额刷光。两个一起放宽，等于哪头都松了绑。】

过去几个月 Claude Code 用户最常吐槽的就是 Pro 套餐限额触发太勤，跟 Cursor、Codex 这些竞品比，"用着用着就停"的体感差不少。短期内连开两次额度，留人的意图挺明显。

7 月 13 日之后是否延续，没说。

[夸克说 @quarktalksss]

看完这段视频，你就知道华为是家什么公司，奉行什么文化了。将等级制发展到奴才文化的典型特征之一，就是掌权者生活不能自理，哪怕喝水这样的小事，��需要奴才拧好了瓶盖递到嘴边。从余承东到习近平，都是这个德性。

[@Toong @TianDatong]

@wey_gu 我是发现记忆管理相关的没啥用还占上下文🤣

[金尘马 @jinchenma_ai]

亲测 OpenCLI / BB-browser 搞不定 Boss 直聘的网页自动化操作。

Boss 直聘的反爬做得非常狠，尤其针对 CDP 远程控制。

Boss 网站会检测 Console 函数被 Hook 后的时间差 + 函数 toString() 特征。

一旦有外部 CDP 会话附加到浏览器，Chrome 的 Console 就会被 CDP 接管，console.log、Function.prototype.toString 等函数的执行就会产生可被 JS 检测到的微小延迟。

Boss 页面会埋点监控这个时间差，一旦发现就认为“这是被自动化工具远程控制的浏览器”，直接把页面强制回退或��关闭。

[Leo｜一个人 + AI @runes_leo]

Claude 悄悄送了 $200 额度，藏在后台 Settings → Usage 里。

可以用在 https://t.co/h4fd77gkSu、Claude Code、Claude Desktop、第三方 App，4 月 17 号过期。

注意：直接点 Claim 可能报错，先往下滑把 Extra usage 开关打开，再回去领就行了（app store订阅、没绑卡也成功哦）。

又可以开心的烧token了 ！

[宝玉 @dotey]

好莱坞女星 Milla Jovovich（《第五元素》女主角）和开发者 Ben Sigman 联合发布了一个开源 AI 记忆系统 MemPalace，声称在 LongMemEval 基准测试中拿下满分，是有史以来第一个做到这个成绩的系统。项目完全本地运行，不需要云服务和 API 密钥，免费开源。

【1】它想解决什么问题

每次和 AI 对话结束后，所有上下文都消失了。你花几个小时跟 Claude 或 ChatGPT 解��你的项目架构、技术选型、调试过程，第二天它全忘了。半年下来可能积累了近 2000 万 Token 的对话，但没有一个系统帮你把这些东西管起来。

现有的记忆方案（比如 Mem0、Zep）让 AI 自己决定记什么，提取出“用户喜欢 Postgres”这样的标签，但把你解释为什么选 Postgres 的那段对话丢掉了。MemPalace 的思路相反：全部存下来，靠结构让它可搜索。

【2】怎么做的

借鉴了古希腊“记忆宫殿”（方位记忆法）的概念：把对话按项目和人物分成“翼”（wing），每个翼里按主题分成“房间”（room），房间之间有“走廊”（hall）按记忆类型分类，不同翼的同名房间通过“隧道”（tunnel）互相关联。

同时开发了一种叫 AAAK 的压缩语法，号称能把上下文压缩 30 倍，让 AI 用大约 120 个 Token 就加载几个月的关键信息。支持所有主流模型，包括本地运行的 Llama 和 Mistral。

通过 MCP 协议接入 Claude 等工具后，AI 会自动调用 MemPalace 的 19 个工具来搜索历史对话，用户不需要手动操作。

【3】争议

项目发布当天就遭到多方质疑，其中最系统的一篇来自 Penfield Labs，逐条拆解了 benchmark 数据的问题：
LongMemEval 的“满分”实际上只做了检索这一步，没有生成答案，也没有经过评判。

标准排行榜上的成绩是端到端的问答准确率，MemPalace 测的只是“能不能找到正确的对话片段”，难度低了一个量级。项目自己的文档也承认，最后三道题的修复是针对特定题目写的补丁代码，属于“teaching to the test”。

LoCoMo 基准测试的 100% 更离谱：10 段对话最多 32 个会话，但检索参数设成了 top_k=50，等于把所有内容全部丢给 Sonnet 做阅读理解，检索层完全被绕过了。项目自己的 BENCHMARKS.md 文件里白纸黑字写了这一点。而且 LoCoMo 数据集本身的标准答案就有大约 99 道题是错的，理论上不可能 100%。

“无损压缩”也站不住脚。AAAK 模块把句子截断到 55 个字符，decode 函数不能还原原文。项目自己跑的测试里，用 AAAK 压缩后的检索准确率从 96.6% 掉到了 84.2%，差了 12 个百分点。无损压缩不会导致质量下降。

宣传材料里提到的“矛盾检测”功能，在代码里也找不到实现。知识图谱模块只做了完全匹配的去重，矛盾的事实可以无限累积。

【4】该怎么看

项目��部文档其实还比较靠谱，大部分方法论缺陷在 BENCHMARKS.md 里都有披露。问题在于发布推文把所有限定条件都去掉了，只留下了最炸裂的数字。

抛开 benchmark 争议，MemPalace 的核心想法有可取之处：用结构化的方式组织对话记忆，全部本地运行，不依赖云服务。仅靠宫殿结构分层检索，准确率就提升了 34%，这个数字是实测的。纯本地无 API 的基线成绩 96.6% R@5 也确实是同类系统中最高的。

简单来说：明星光环制造的传播效果远超工程本身的分量。

[@Toong @TianDatong]

@lxfater USER_TYPE=ant
1. 核心特权：解锁了 BASH_CLASSIFIER（Bash 命令自动审核）和 TungstenTool（Tmux 终端管理）。
2. 自动化：启用了 Magic Docs（自动文档维护）和 Unattended Retry（无限次 API 重试）。
3. 身份控制：支持 Undercover 模式，可隐��� Claude Code 身份并修改 Git/PR 流程。
4. 调试增强

[@Toong @TianDatong]

@blackanger https://t.co/ySZwSdRZKh

[Rachel🥥 @Zesee]

ClaudeCode意外流出的代码可以说是当前 AI Agent 工程领域最好的一本架构教科书。

基于这份还原的源码，我深度硬核拆解了Claude Code 的记忆架构。

1. 核心理念：受限式、结构化的人类式记忆
过去很多Agent的记忆系统是大而全，不管什么聊天记录、代码片段都往向量数据库里塞，最后导致相似度检索混乱、上下文爆炸。 而从源码可以看出，Claude Code 采取的是一种受限式的、结构化且具备自愈能力的记忆机制。它完全模拟了人类优秀高级程序员的工作习惯——随手记笔记、列提纲、定期做总��。

2. 双轨记忆系统：CLAUDE.md 与 自动记忆 (Auto-Memory)
系统在每次对话启动时，会加载两个互补的记忆模块，且绝不盲目吃Token：
•静态/显式记忆（CLAUDE.md）： 这部分由用户定义，类似于传统系统提示词的延伸。源码显示，启动时系统会自动读取主分支、当前分支、最近提交记录，再加上 CLAUDE.md（里面通常包含构建命令、代码规范、项目架构），构建出一个动态的项目全景。
•动态/自动记忆（Auto-Memory）： 这是最亮眼的部分。Claude会在工作时“自己给自己写工作日志”。它通过一个 MEMORY.md 文件作为“记忆目录索引”，并且代码中硬性规定将其控制在极其精简的 200行以内。它不会把所有细节都塞进这个主文件，而是将详细的Debug记录、架构分析抽离到独立的主题文件中（如 debugging.md 或 patterns.md）。需要用到时，再通过专属的文件工具（File Tools）按需读取。

3. Memory Type System：四分类与绝对不记清单
源码中定义了一个严格的记忆类型系统，将记忆精准分为四类：
1User（用户画像）： 用户的偏好和工作流习惯。
2Feedback（纠正反馈）： 用户过去指出的错误和纠正方向，防止在同一个坑里跌倒。
3Project（项目状态）： 任务规格、当前进度、错误与修正日志。
4Reference（引用指针）： 指向外部文档或大文件的索引。

代码中硬编码了一个**「绝对不记清单」**！ Claude Code 明确限制写入以下内容：具体的代码实现细节、Git提交历史、可以直接用 grep 或 git log 搜到的具体报错日志。 为什么？ 因为工程团队认为：“能通过现成工具低成本现查的东西，就不该占用宝贵的长效记忆空间”。这极大地减少了上下文污染和记忆冗余。

4. 极致的上下文压缩术 (Context Compression)
如何防止Agent工作时间一长就“失忆”或突破Token上限？源码给出了教科书级别的解法：
•结果截断与落盘： 当调用命令行或搜索工具返回巨大的结果时，Claude Code 不会将其全部塞入上下文。源码逻辑是：将过大的输出写到本地磁盘，大模型上下文中只保留预览摘要和文件引用指针。
•滚动摘要机制： 当对话轮次接近清除阈值时，系统会触发警告通知。在旧的对话内容被上下文窗口剔除前，Claude 会主动将当前的关键进展浓缩，并写入持久化的记忆文件（如 refactoring_progress.xml）。

5. AutoDream 系统：令人惊艳的后台反思与梦境
内置的 AutoDream (梦境机制) 会在用户闲置或会话结束时悄悄激活。它会指挥 Claude Code 运行在一种后台Agent模式下，执行对记忆文件的“反思性处理”：
•扫描与提取： 翻阅当天的会话日志，寻找值得长期保存的通用新知识。
•去重与整合： 将新知识与旧记忆进行合并，消除矛盾和重复片段。
•遗忘机制： 主动删除或归档过时的记忆（��如已经废弃的旧架构讨论）。
这就相当于 AI 在你下班后，自己默默在后台整理当天的“工作日记”，并将其提炼为高浓度的知识库，供第二天的会话随时调用。

总结：对 AI 开发者们的启示
1不要盲信向量检索：结构化的 Markdown/XML 笔记加按需文件读取，往往比纯 Vector DB 更有逻辑、更不容易产生幻觉。
2让 AI 学会“记目录”而不是“背全文”：用层级索引来管理信息。
3增加“后台反思与GC(垃圾回收)”机制：好记忆是靠整理和定期清理出来的，不是靠无限堆砌出来的。

[毒猫猫 | 量化摸鱼师 @NekoStranding]

我一直认为：研究多 Agent 团队结构是邪路

研究记忆、知识结构、上下文管理，和工作流就行了。非要说的话加个异步并发

大模型本来就只有一个，上下文窗口和文件记忆都是流动的

生搬人类的组织结构就只会学到中层病。要透过现象看本质。Agent 编排更像操作系统，而不是人类组��结构

[@Toong @TianDatong]

@whyyoutouzhele remote id

[Viking @vikingmute]

这篇文章是今天看到最精彩的文章，是一篇技术深度逆向工程实验，成功从 Codex CLI 的 compact() API中提取出了隐藏的系统提示。

非常好地解释了 Codex CLI 在使用自己模型，在长上下文管理上的实际运行方式，几乎把黑箱内部机制扒得一清二楚。

1 当上下文太长时，不是简单丢弃历史，而是调用 compact() API
2 服务器用一个专用的 compactor LLM，把整个对话历史总结成一个精炼的“handoff summary”。
3 这个 summary 被 AES 加密成 blob 返回给客户端
4 下次 responses.create() 时，客户端把 blob 传回去，服务器解密后总结，一起喂给 codex 主模型。
5 模型无缝接力继续工作，不会因为压缩而严重失忆或漂移。

这解释了为什么 Codex 在长任务上连续性特别强。

配图也很棒，非常好的科普文章。

[LotusDecoder @LotusDecoder]

造孽啊，
不知道qwen团队的年轻人是不是顶着压力，抱着被裁的决心，咬着牙胸怀热爱上班的。🥲

最新的一款27B的qwen3.5，

匿名竞技场里和上代的claude haiku 4.5，glm-4.5，gemini flash 2.5这些一个层次。
而且分数还在上升。

相当于64G显存放家里，实现前沿闭源小杯模型自给自足。

[yetone @yetone]

长久以来大家一直在嘲笑的独立开发者的三件套：笔记、记账、TodoList 可能是在 AI Agent 时代最重要的三件事情。

首先 AI 要依赖笔记存储记忆，也要通过记账来管理 token，最重要的是 TodoList 带来的 mission 系统，尤其是现在很多 Coding 相关的 Agent 完全把 goal 给定错了，它们把 goal 定成了提一个 GitHub PR，其实它们真正的 goal 应该是把这个需求 ship 到用户面前。再加上现在缺少一个 agent less 的 mission 系统，导致各个 Agent 各自为营，人类为了在各个 Agent 中同步 mission 消耗了太多。

[Wey Gu 古思为 @wey_gu]

一直以来有一些感慨：qwen 团队、junyang 这��宝贵的理想主义的前沿团队领导者在一些偶然与必然下形成了，非常不易。
那时 glm 已经放弃了开放权重，除了 deepseek 有 coder 模型亮眼，一直是 qwen 团队在持续给社务贡献可用的模型，再就是 mistral 和 llama。

我记得 yihong 感慨过阿里云应该是没人瞎管理才造就了 qwen 团队，我很同意。

qwen3.5 之前有观察到团队的沉寂和 听到 toC/ 商业化压力的传言，还是有点担心的，next 模型还不算成熟，然后这两波 3.5 collection 刚刚让我松了口气，并且非常期待下一个 collection 的工作。

现在的百家争鸣开放权重的形式不是理所当然，这中间是 junyang 们的理想、努力所共同凝结。

期待 junyang 团队的下一段征程🫡

[iGeekbb @igeekbb]

把我笑够了，最近环保博主 渔猎齐哥 曝光了重庆奉节县长安乡溶洞地下暗被养猪场污染的问题，其中第一个洞叫鱼儿洞属于奉节，粪污量不是很大只有一个小猪场排污，第二个洞叫蛤蟆洞，天坑底部污染物较多，猪��来自巫山的猪场，两个洞相通。

当时曝光了第一个洞，奉节官方迅速回应猪粪污染并立即派人整治，在整治过程中发现是上面巫山县猪场排下来的污染，网友开玩笑说巫山刚刚笑完投了抖+ 就迎来暴击，惊呆了，哈哈哈哈。

[沉浸式翻译 @immersivetran]

https://t.co/n0vNZdTKw1

[光锋 @Lustre_Blade]

qwen3.5-0.8B这么小的模型还带视觉，我个破笔记本都能丢显卡上跑，qwen真王朝了🖐🏻️😭🖐🏻️

[Tabbit @TabbitBrowser]

https://t.co/g1SkSbFAbc