Sir Hu

A cybersecurity engineer who like to get horny

[凯迪（Starlight） @kaidkeji]

Mac搭建静态住宅ip方法和iphone完全一样，Shadowrocket真强大。

[双行 @subdai9]

被老外调教出来的女孩，技术可还行？

[小互 @xiaohu]

https://t.co/uYh4KNpDqs

[Tz @z95_t]

穿素T也可以澀澀😝

[Sir Hu @angle_nigoles]

https://t.co/TwKqXHRblg

[南小北 @nanxiaobei]

我不太喜欢黄仁勋这种纯表演式企业家

[Sir Hu @angle_nigoles]

https://t.co/cekZt3o7Pt

[ilay (18+) @cravedromance]

this would fix us

[7h3h4ckv157 @7h3h4ckv157]

AdStrike

Terminal-based Active Directory attack framework. It helps operators move through discovery, enumeration, exploitation, credential access, lateral movement, persistence, and reporting while keeping session state in one place.

Source: https://t.co/4bNWO2VB3E

[小互 @xiaohu]

兄弟们，这个产品理念好啊，我之前也做了的工作流商店demo，但是没解决的一个痛点，它解决了…

就是，现在Skills 很火，但是创建者却赚不到钱

为什么？

因为目前的 Skill 生态默认是开源的

你一发布，任何人都能复制它、转卖它。所以你只能开源赚赚名声...

还有很多人他们有很多好的 Skill ，根本也不敢发

私藏自己用...

这就是当今Skill 生态现状

Capafy改变了这件事：

在 Capafy 上一键就能用任何一个 Skill，不用安装、不用配置、不用离开对话...

Skill 闭源在云端运行，用户拿到的是产出，永远拿不到里面的文件、代码或逻辑。

你发布技能后，每一次别人的调用，都给你付钱。

而且你做的 Skill 自己定价，自己保留 know-how 所有权。

[yibie @yibie]

多 Agent 系统炒了一年，生产环境里真正活下来的只有三种模式。剩下的都在坟墓里。

这个结论不是我的。它来自三份今天同时浮出水面的证据——一份是 Cognition（Devin 背后的公司）工程负责人的内部复盘，一份是 Manning 作者 Micheal Lanham 的行业全景报告，还有一份，是 GitHub 上一个叫 metaswarm 的项目。

我把它们放在一起看，发现一件很有意思的事：它们说的竟然是同一句话。

---

## 三个信号，同一个判断

**信号一：metaswarm——18 个 Agent，127 个 PR，一个周末**

今天 HN 上最火的项目。一个人 + 18 个 AI agent + 一个周末 = 127 个 PR 推到生产。MIT 开源。看起来是多 Agent 协作的终极案例。

但如果你仔细看它的架构，你会发现一个被刻意隐藏的细节：**它的 18 个 Agent 不是在对等协作。它是 map-reduce-and-manage。**

一个管理者拆任务，17 个子 Agent 各干各的，管理者收结果、合并、push。Agent 之间不互相聊天、不互相审查、不互相投票。每一个子 Agent 面对的是自己那一小块独立的上下文。

它看起来像 swarm，但其实是流水线。

**信号二：Walden Yan 的内部复盘——「写入保持单线程」**

Walden Yan 是 Cognition 的工程负责人。他 10 个月前写了一篇《不要构建多 Agent 系统》，今天又写了一篇《多 Agent：什么真的有效》。

核心结论原话：「多 Agent 系统在今天最有效时，写入保持单线程，额外的 Agent 贡献智能而不是行动。」

他们试了三种模式：

1. **代码审查循环**——编码 Agent 写，审查 Agent 读。审查 Agent 拥有**完全干净的上下文**，不看编码过程，只看 diff。平均每个 PR 能发现 2 个 bug，58% 是严重的。关键发现：两个 Agent **不共享上下文**效果反而更好。因为上下文衰减——编码 Agent 工作几小时后积累了巨大的上下文窗口，注意力已经稀释了。干净的审查 Agent 反而更聪明。

2. **智能朋友**——主模型遇到棘手问题，调用一个更强（也更贵）的模型作为「朋友」。关键难点不是推理能力，是**沟通**：弱模型怎么知道自己到极限了？该传给强模型什么上下文？强模型怎么回话才能让弱模型真正理解？

3. **管理者-子 Agent**——一个管理 Devin 拆任务，子 Devin 各干各的，管理者综合。遇到的问题全是**沟通问题**：管理者默认过度规定（因为它缺乏代码库上下文）、子 Agent 不主动报告该让兄弟姐妹知道的信息、Agent 之间默认不传消息。

三种模式，同一条规则：**写操作的 Agent 只有一个。**

**信号三：Micheal Lanham 的行业全景——「多 Agent 失败是结构性的，不是提示词问题」**

Lanham 是 Manning《AI Agents in Action》的作者。他今天的文章标题就说明了一切：《Multi-Agent in Production in 2026: What Actually Survived》。

他把多 Agent 系统分成三种拓扑：

- **Agent-flow（流水线）**：顺序传递。A 做完交给 B，B 做完交给 C。这是生产环境里**存活率最高**的形态。
- **Agent-orchestration（编排）**：一个管理者调度多个执行者。map-reduce-and-manage。最实用的复杂任务形态。
- **Agent-collaboration（对等协作）**：Agent 之间互相通信、协商、投票。**几乎全死了。**

他的原话：「大多数看起来像『更多 Agent = 更聪明』的东西，其实只是相同信息的冗余重排列。」

三份报告，三个作者，没有互相引用。但结论完全一致。

---

## 为什么「对等协作」全死了？

答案藏在两个技术细节里。

**第一个，Walden 说的「操作携带隐式决策」。**

当一个 Agent 写代码时，它在做选择——用什么设计模式、怎么处理边界情况、变量命名风格、错误处理策略。这些选择不是显式的，是「隐式」的。

两个 Agent 同时写，就会对同一个问题做出互相冲突的隐式决策。最后合并的时候不是 merge conflict，是**设计哲学冲突**。这种冲突没有 diff 工具能自动解决。

**第二个，Lanham 说的「级联表面」。**

对等协作的失败不是线性的，是指数级的。Agent A 的误差传给 Agent B，B 放大后传给 C，C 再放大传给 A。三个循环下来，输出和输入的语义距离已经大到不可恢复。

这解释了为什么 2024 年所有那些「Agent 团队自动开发 App」的演示都停在了 demo 阶段。

---

## 那活下来的三种模式长什么样？

**模式一：流水线（Agent-flow）**

最简单的形态。A → B → C，一个接一个。像工厂流水线。

适用场景：需求明确、步骤可分、输出可验证。比如：需求分析 Agent → 代码生成 Agent → 测试生成 Agent → 代码审查 Agent。

活下来的原因：每一步的输入和输出是明确的、可检查的。出问题能定位到具体环节。

**模式二：编排（Orchestration = map-reduce-and-manage）**

一个强 Agent 做规划 + 拆解 + 综合，多个弱 Agent 并行执行子任务。

适用场景：复杂任务需要并行加速，但决策权必须集中。比如 metaswarm 的 18 个 Agent，比如 Devin 的 manager-worker。

活下来的原因：写入操作只有管理者一个。子 Agent 贡献的是「智能」（分析、生成、搜索），不是「决策」。

**模式三：生成-验证（Generator-Validator）**

一个 Agent 写，另一个 Agent 读 + 挑刺。写的不看读的过程，读的不看写的过程。干净的上下文。

适用场景：代码审查、安全检查、内容审核。Walden 说他们在生产环境已经跑了很久。

活下来的原因：验证 Agent 的上下文是干净的。没有历史包袱，不会被编码 Agent 的错误假设带偏。

---

## 一个反直觉的结论

看了这三份报告，我最大的感受不是「多 Agent 不行」，而是一个更微妙的东西——

**多 Agent 系统真正解决的问题不是「更聪明」，是「更便宜 + 更可靠」。**

用同样的钱，跑 5 个便宜模型的并行流水线，比跑 1 个贵模型做全流程，出活质量更稳定、容错率更高、速度更快。

这不是 AGI 的突破。这是系统设计的胜利。

Walden 在文章最后说的：「我们正在构建一个世界，智能被注入软件开发生命周期的每一个阶段——不是作为一群自主行动者，而是作为一个协调的系统，扩展人类的品味。」

注意这个词：「协调的系统」，不是「自主的行动者」。

---

## 所以，别再造 Agent Swarm 了

如果你现在准备做一个多 Agent 项目，问自己三个问题：

1. **写入操作能不能只有一个人？** 如果能，继续。如果不能，单 Agent 可能更好。
2. **Agent 之间传什么上下文？传多少？** 这不是提示词问题，这是架构问题。传多了淹没接收者，传少了接收者无法做正确决策。
3. **失败会怎么级联？** 如果 Agent A 错了，Agent B、C、D 会跟着错到什么程度？有没有断路器？

如果你对这三个问题没有清晰的答案，你就还没有准备好上生产。

多 Agent 的未来是真实的。但不是你想的那种未来。

不是一群 Agent 在聊天室里讨论怎么做。是一个指挥，多个执行者。是一种结构设计，不是魔法。

---

**参考来源：**
- Walden Yan (Cognition): [Multi-Agents: What's Actually Working](https://t.co/Pc1hk1M33u)
- Micheal Lanham: [Multi-Agent in Production in 2026: What Actually Survived](https://t.co/1VXEpxjDE4)
- metaswarm: [18 AI agents, 127 PRs to prod in a weekend](https://t.co/GAmTJPN0Pd)
- Anthropic: [anthropics/skills](https://t.co/sM8iiNTC8U) ⭐

[libapi @libapi_]

https://t.co/fBRQ3khp1d

[Starlight✨ @Starlight4You_]

如果我在三年前知道Jump Desktop的话我会少走很多很多的弯路🫠

这个东西真的太厉害了，在外面走公网也能Retina高清流畅操作，真的就完全是把Mac捧在手上的感觉！

[Ren @FakeMaidenMaker]

中小团队想要一套完整 ERP，SAP / Oracle / 用友 / 金蝶一开口就是几十万一年，小公司根本吃不消。

我给大家安利一个开源项目 frappe/erpnext，100% 免费、模块齐全的企业 ERP 系统，自己部署就能替代那一套昂贵的商业软件。开源免费，支持自托管或云托管，生产环境完全可用。

https://t.co/KzBr3viyx3

主要功能：
1️⃣ 会计全套——从日常记账、财务报表到现金流分析一条龙
2️⃣ 订单与库存——销售订单、客户供应商、补货出货、订单履约全覆盖
3️⃣ 生产制造——BOM 物料清单、产能规划、外包管理、物料消耗追踪
4️⃣ 项目管理——内外部项目交付、任务工时问题追踪一体化
5️⃣ HR、CRM、采购、零售、POS、客服支持，全都在一个系统里

适合正在为公司选 ERP、想低成本数字化的中小团队收藏使用。