MovieCat

这个人很懒，什么也没留下

[MovieCat @TrmVrm]

用 Claude Code、Codex 写代码的，收藏这条。agent 写得越来越快，可计划没人细看，前端写法还停在几年前，代码交上来也没人审。这周 GitHub 榜上这 5 个开源工具，各管一段：

1. Plannotator：agent 那一大段计划不用在终端里硬读了，在浏览器里直接批注，反馈一键回给它。
https://t.co/RFenVHcnFU

2. agent-skills（Addy Osmani）：25 个工程化 skill，用 /spec、/plan、/build、/test、/review、/ship 把流程串起来，agent 不容易写到一半跑偏。
https://t.co/GRjSR7PwHQ

3. Modern Web Guidance（Chrome 等浏览器团队）：把 Web 最佳实践和浏览器兼容数据装给 agent，本地查，不用 key，前端少写过时的东西。
https://t.co/RTQL50O2zA

4. Open Code Review（阿里）：AI 代码审查 CLI，固定规则加 LLM 一起审。要自己配模型 key，或者借你现有 agent 的模型。
https://t.co/Y5jFKIbL4t

5. security-audit-skill（Cloudflare）：让 agent 分六个阶段审一遍安全，发现单独复核，结果出成 findings.json。
https://t.co/RH7497E53E

工具本身开源免费，模型调用的钱还是你自己出。

[MovieCat @TrmVrm]

coding agent 慢，经常被说成「它不会把工具调用批量做完」。我更怀疑的是：该并行的它已经在并行了，剩下的等待，本来就没法并。

对照数字看原帖，我只说三个判断：

- 再催它「批量一点」，时间几乎没动。省下来的不是并行调用，而是必须先搜再读、先改再测的依赖步骤。
- 更值得装的可能不是「一次多读几个文件」，而是改完立刻跑检查、失败就把文件全部撤回。这一步，常见的几个 agent 应用里本来就没有。
- 这是一个很小的改名任务。别把「大概快一倍」当成你日常任务的承诺；更大的活里，思考那几轮工具拿不走。Codex 那边也还没有对得上的对照组。

真正该吵的是：为了少等一轮，你要不要把「搜完再读、改完再测、失败就全部撤回」叠进一次调用里？还是宁可多等，也要把每一步摊开，自己决定什么时候回滚？

https://t.co/syH2JRj4df

[Terp @OnlyTerp]

Your AI coding agent is slow because it keeps waiting on itself.

Search, wait, read, wait, edit, wait, test, wait.

So I built Turnpack. It folds those steps together. Half the round trips, roughly half the time, 36% cheaper in my test.

It also lets the AI test its edits before they stick. If something breaks, every file snaps back to how it was.

Free and open source. Works with Claude Code, Codex, Cursor, Gemini CLI, Grok, anything MCP :)

https://t.co/d740kasMCo

[MovieCat @TrmVrm]

Anthropic 说「一个带 skills 的单 agent，往往比一队 subagent 更好」。我更关心的是：多出来的那层交接，会不会自己制造失败。

对照数字看原帖，我只说三个判断：

- 在质量打平的那组更难的任务上，团队并没有换来更好的结果，只是更贵、更慢。
- 质量没打平的那一组，失败出在交接：测试的人把警告当成误报，编排的人照样把「修复」推上去，把不该动的流程弄坏了。
- 两边的审查都没抓住同一个界面问题。多一个审查角色，不等于多一层能看见的检查。

真正该吵的是：为了看起来更专业，你还要不要默认上多人团队？还是该先把角色提示收成 skills，只在需要并行或隔离上下文时再拆 subagent？

https://t.co/LTsWZEWeW3

[Sergey | AI Builds & Tests @SergeForge]

anthropic says one agent with skills beats a team of subagents. i tested it in claude code on 2 real builds, 35 runs, sonnet 5.5 for every agent

same quality both times. on the harder build every site passed all 40 hidden tests, and blind design scores tied

the team cost 38% more and took twice as long: $1.31 and 29 min vs $0.81 and 15 min per site

on the first build its 2 failures came from a handoff: the tester called a warning a false alarm, the orchestrator sent the fix anyway, and it broke keyboard booking

[加蜜獲幣🫂台北安公子 @ananluluanan]

沒算到黑天鵝從這裡冒出來

[MovieCat @TrmVrm]

@PaulChen7g15 awesome

[Veslune @PaulChen7g15]

DeepSeek かわいい

[MovieCat @TrmVrm]

把思考强度从中等调到最高，657 道题只多过了 6 道。按作者用公开平均花费反推，多出来的那些成功大约合每道 51 美元。

有人拿 Zapier 的 AutomationBench，把 Gemini 4 Carbon 的 Medium 和 High 对了一遍。High 的完成率大概只高出不到 1 个百分点，每次成功的模型花费大约贵 27%。有的类别里，Medium 反而更高。这不是他本机跑出来的账单，是根据已公布的均值估算的，别直接当成你自己的单价。

默认就开 High，还是先用 Medium，只有任务卡住了再加思考。

https://t.co/AFNhaBQS6J

[Anthony @AnthonyWidodo_]

Google’s Gemini 4 Carbon leads agent benchmarks. Yet across 657 demanding tasks, High reasoning added only SIX net wins over Medium—at ~27% higher modeled spend per success. The real AI race is cost per verified result. My breakdown ↓ https://t.co/Ivc5MwXHue

[MovieCat @TrmVrm]

装 MCP 之前，我现在先查自己的设置，而不是先怪服务器装多了。

对照表和图表看原帖，我只说三个判断：

- Claude Code 默认会推迟加载工具定义。窗口被提前吃掉，往往是因为 ENABLE_TOOL_SEARCH 被改成 auto 或 false，再加上那些被标成始终加载的工具。
- 工具个数几乎说明不了成本。更短的一组工具，也可能比更长的一组更贵，因为你付的是描述和 schema 的长度。
- 作者第一版测量被自己的用户设置带偏，后来才纠正。这件事本身就是论点：一行本地配置，就能让你以为「默认就是这样」。

真正该吵的是：为了让每个工具定义都提前进上下文，你要不要关掉默认的延迟加载？还是该让 MCP 作者把热路径标成始终加载，把这笔税从用户设置里挪到服务器实现里？

https://t.co/ML3PJtn9tB

[Aakash Pawar @aakashpawar1999]

I measured how much context 27 popular MCP servers take in Claude Code. Then I found one line in my own settings that skewed every number.

On stock Claude Code, Notion adds 387 tokens before you type anything. With tool search off, 33,444.

[MovieCat @TrmVrm]

还没打开文件，Claude Code 的第一口请求就已经 2.3 万 token。

有人拿同一个单字符的 checkout bug，把四套 coding agent 各跑了一遍。比的不是模型谁更聪明，是壳在读代码之前，先塞了多少系统提示、工具定义和说明文件。同一套 Haiku 上，OpenCode 修完大概只要三分之一的钱。再把调查丢给 subagent，有的差不多翻倍，有的直接乘上 5.5 倍。

短票上，是继续用 Claude Code 这份一上来就两万多的默认请求，还是把同一个模型放到更轻的壳里跑。

https://t.co/lDOqr2FCZY

[Sergii Makarevych @sermakarevich]

What does your coding agent do between your prompt and the model? Overview of 40+ harnesses: the loop, the first request, the tools, subagents, output and permissions — how they differ and what it means for you:

Part 1 https://t.co/aPmNNtV9qw

[MovieCat @TrmVrm]

免费模型不一定更便宜。有人把 coding agent 的每次请求打进本地路由，连记了三周：真正决定账单的，是缓存命中率，不是标价。

同一套日志里，缓存打得高的 DeepSeek V4 Pro，每百万 input 反而比免费 Flash 便宜。Agent 几乎一直在反复读一条越来越长的 prompt，写出来的很少。

再压一遍上下文还能再省一点 token，但每步都要多等一会。缓存已经很高时，这钱几乎省不下来。

原文数字都在这条帖里。选模型前，先看它能不能稳定缓存这条不断变长的 prompt。把免费线路加进组合，还是把命中率留住，这才是取舍。

https://t.co/qq6m3iFJaX

[Mattia Peretti @mattperetti]

I routed every request my coding agent made through a local LLM router for three weeks.

2,564 requests. The agent read 184 tokens for every token it wrote, so at list prices the cache hit rate decided the cost more than the model did.

https://t.co/Ch2tvaCUj1

[Kxians @xulijian1994]

这个东西真的有点颠覆教育了。

Claude Fable 5.2 可以根据你的问题，实时在黑板上写出答案，一支笔一步步推导，还能看到黑板擦擦除内容、重新书写。

我觉得这比传统的 YouTube 教学视频强太多了。视频只能按别人的节奏讲，而 AI 可以根据你的问题随时调整讲解方式，哪里没听懂就继续追问。

以后很多知识教程，可能真的不需要再去 YouTube 上找视频了。

[MovieCat @TrmVrm]

上下文压缩真正改写的，不是「窗口够不够大」，而是「你还相不相信会话里那句原话还在」。

对照数据和图表看原文，我只说三个判断：

- 多轮改代码时，中间 grep、读文件的噪声会把窗口填满。这时压缩是在清场，完整上下文反而可能更乱、更贵。
- 但金额上限、配置开关、不能改写的硬约束，压缩会下手。这类任务更接近检索，不该指望摘要把原话还你。
- 这篇评测放在项目自己的仓库里，自称第三方，没看到独立机构署名。当对照参考可以，当盖章结论不行。

真正该吵的是：你的 Agent 会话更像在仓库里连续排障，还是更像必须保住一句不能改写的原话？如果是后者，还该不该把全部模型流量交给一个压缩代理？

https://t.co/HtSgsOWD5k

[MovieCat @TrmVrm]

给 Agent 接浏览器，最费上下文的不是网页，是工具说明书。它一开始就全塞进去了。

数字看原帖，我只说三个结论：

- 工具说明是固定的开销，这一轮用不用浏览器都得付。CLI 是用了才付。
- 点错按钮，直接报错比假装成功好。报错顶多重试一次，假装成功会被 Agent 当成「已完成」写进汇报。
- Playwright 自己也在往 CLI 走，所以问题出在 MCP 一直挂着这个做法本身。

我的做法是：平时用 CLI 浏览器，只有要一直盯着同一个页面时才开 MCP。

https://t.co/ymvzVoeAni

[Pavhori @pavhori]

20,000 characters vs 300 tokens. That’s the difference between MCP and a CLI browser.

46k stars for a browser your agent drives from the terminal.

vercel-labs/agent-browser turns the browser into shell commands for a coding agent: open a page, snapshot -i to list interactive elements as refs like @e1, click @e1, then get url to check where you landed.

The point of a CLI over an MCP server is context. Nothing loads until the agent runs a command. Playwright MCP's default 25 tools are ~20k characters of schema before the first page snapshot (measured on v0.0.82). agent-browser's docs put a snapshot at ~200-400 tokens vs ~3,000-5,000 for the full DOM, their own estimate.

It's now a native Rust binary talking to Chrome over CDP. Earlier versions ran a Node daemon with Playwright underneath.

Two details I like: refs expire after any page change, and a click on a hidden or covered element fails loudly instead of quietly "succeeding".
For an agent, a loud error is cheap. It re-snapshots and retries. A silent wrong click gets reported as done.

Playwright is going the same direction with its own CLI. Its MCP README now says CLI calls "avoid loading large tool schemas and verbose accessibility trees", while keeping MCP for long-running agent loops.

Apache-2.0. Installs as a skill for Claude Code, Codex, Cursor and others.

[MovieCat @TrmVrm]

I am not a chinese spy.

[MovieCat @TrmVrm]

很难想象世界上最好的模型在世界上最烂的公司手里，而且费尽心思不让市场规模最大，最愿意为其付费的群体使用

[MovieCat @TrmVrm]

额度充足在哪...

[旺川 @wc8880]

🙆🏻‍♀️ 更值得优先付费的 AI ↓

・ChatGPT Plus（月费约 134 元）

如果只能充一个，我认为它就是最好的选择

钱主要花在了这六个地方：

① 额度充足
额度比免费版充足得多，不管是对话、生成图片，还是上传文件，都不用频繁为了次数精打细算

② 更强的思考能力
普通 AI 能回答问题，高阶推理模型更适合拆解复杂问题。GPT-6 的高级推理能力，才是我看重的部分之一

③ 长期使用的便利
把资料和规则放进项目，配合记忆与个性化设置，AI 不再只是一次性的问答工具，而是能持续配合你的助手

④ 少做重复劳动
查资料有 Deep Research，复杂流程有 ChatGPT Work。能让 AI 接手的事情，就没必要全部自己操作

⑤ 处理信息的效率
几十页的文档、密密麻麻的数据、复杂表格，都可以直接上传分析，把原本繁琐的整理工作简化掉

⑥ 无广告体验
免费版和 Go 可能看到广告，Plus 不会

如果预算只有一百多块，又想尽可能覆盖日常需求：我还是只推荐ChatGPT Plus

AI 小白可以先从它开始！

[AI Will @FinanceYF5]

AI 公司的“内部组织架构”😂很有趣

[邵艾伦Alan（薄肌版） @AlanShao111]

我都说了简中𝕏是风口

老马都亲自下场喊话了🤣🤣

[MovieCat @TrmVrm]

@CreaMyHaOsCar 好嘞

[MovieCat @TrmVrm]

这不是额度缩水的理由😓

[Elon Musk @elonmusk]

Grok Bot fixes for improved token efficiency and smarter behavior are underway

[MovieCat @TrmVrm]

@ZhaoZhaovfbc 现在好像还能用