comaple zhang

极客行动派

building AI Agent that matters；

It doesn't matter to me if it's popular. What matters is if it helps you.

[comaple zhang @comaple123]

关于 jev 的应用与避坑思考：
应用分类：
1. 意图理解类任务-涉及负责判断和多轮澄清
a. 多标签分类任务（已知标签种类）
b. 多意图选择任务（已知系统意图字典）
c. 多模型选择任务（已知模型能力）
2. Router 类任务-一次性选择，后期迭代
a. 工具决策任务（已知工具明细）
b. workflow 决策任务（已知固定 workflow 的边界）
c. 分支选择任务（workflow内部子节点选择）
避坑：
1. jev 仍然没有业务知识和长期语境，所以仍然需要业务语义建模；
2. jev 有了可靠性（只是结构上的），但不一定分类准确。而效果保证依赖的是场景化的后训练，而非开箱即用；
3. jev 确实可以不断承接大模型的部分工作，但目前仍然有限；

[comaple zhang @comaple123]

🔥在具身领域，所谓“跨硬件本体的大脑模型”，到底跨到了哪一步？

讨论这个问题，必须区分三种能力：多硬件本体联合训练、面向未见本体的零样本迁移，以及依赖目标本体数据的微调适配。这三者的技术含义和落地成本，差别很大。

即便是 π0.5，换一套硬件本体，就歇菜，换一个未见过的任务也无法直接执行成功，即使探索后偶现的成功也无法达到人类要求的执行速度。

所以新任务适配与新本体适配，也不能混为一谈。如果一个新任务仍需采集3万～5万条轨迹，背后的采集、标注、训练和真机验证成本，显然不能轻描淡写地归为“少量数据适配”。

评价跨本体能力，需要同时交代：本体是否见过、任务是否见过、适配数据量，以及最终成功率。

“跨本体”值得期待，但至少还需要3到5年，你觉得还需要多久呢？

[comaple zhang @comaple123]

dsv5-flash啥时候发？这模型太有用了。

[Vepsi @vepsi__]

DeepSeek V5 is expected in September, and their performance claims have become outrageous.

Rumors state that DeepSeek is making V5 on an entirely new platform and not the old one of V4, which has better reasoning, coding, and agents.

However, the performance claim that needs verification is that of a Mythos-level performance despite being open-weight and significantly less costly.

It is far more impressive than outperforming V4.

As there is no benchmark for V5 publicly available, I do not claim it to be a Mythos-killer.

In case DeepSeek manages to get close enough to Mythos but remains an open-weight system, the entire open-weight world will change overnight.

Would you use V5 over Mythos in case it achieves 90-95% of Mythos' performance at a reduced price?

[comaple zhang @comaple123]

凡是告诉你一键完成某某任务的Agent 都不要信，根本用不起来，那只是完美的 Demo。

[comaple zhang @comaple123]

Model 没有区别，Harness 也逐渐趋同。这里还有一个决定因素：产品交互创新和数据资产打通(连接产生价值)。这有可能决定了谁先赢。至于数字化部分确实至关重要，但那属于企业自己的资产，不属于通用办公 Agent 产品的范畴。
https://t.co/8bC4aDJ0e7

[comaple zhang @comaple123]

当前 Agent 正在沿三条路线分化：通用办公 Agent、软件工程 Agent，以及进入具体业务流程和岗位的企业垂域 Agent。
对企业垂域 Agent 来说，真正的门槛不是通用能力有多强，而是它能否像一名新员工一样进入一家具体企业，理解其业务语言、组织关系、流程制度、系统工具、权限边界和异常处理方式，并在真实任务中稳定交付结果。品牌营销、销售、售后、生产制造、研发、财务经营、HR和流程中心虽然具有共性框架，但每家企业的产品、数据、规则、权责与协作方式都不相同。
因此，企业需要建立的不是一套简单的 Agent 使用教程，而是一套完整的 Agent 培训与任职体系：以通用能力作为准入门槛，以企业环境适应能力作为上岗标准，以真实业务绩效作为最终评价依据。Agent 的竞争也将从“模型能力竞争”，逐渐转向“谁能更快完成组织适应并形成稳定生产力”的竞争。
https://t.co/trN5rkgIxG

[comaple zhang @comaple123]

@stevencheng @Xudong07452910 一样的选择，有机会可以交流交流。RLT 的效果不知道你们验证的怎样？

[comaple zhang @comaple123]

@stevencheng @Xudong07452910 硬规则可以提升执行效率，但处理不了复杂情况，你在做机械臂控制时，模型用是 pi0 系列么？

[comaple zhang @comaple123]

prompt throughput peak : 9338 tok/s
total throughput peak : 9353 tok/s

[comaple zhang @comaple123]

2 节点 GB10 部署 deepseek-v4-flash 单通道解码速度达到 46.7 toks/s 两节点 2 并发部署没有问题。基于 codex 实测完成个人日常任务足够。处理速度也比 GPT-5.5 和 claude-opus4.x 要快。妥妥的成本洼地呀。按照现阶段个人在 AI 领域的支出每个月至少 200 美元，不到一年就能回本，剩下的都是赚。

[comaple zhang @comaple123]

@DrJimFan ASPIRE, AutoResearch for physical AI, is awesome.

[Jim Fan @DrJimFan]

ENPIRE -> ASPIRE, our 2nd work in the series for Physical AutoResearch. We are building the components for robot self-improvement, one /skill at a time.

[comaple zhang @comaple123]

@Tech2Wild output toks or prefill toks？

[comaple zhang @comaple123]

Claude Code 产品和工程团队负责人 @Nerdi_Yogi 在一次内部分享里提到一个很关键的判断：

AI 让代码验证变快了，但不能让技术决策变成“提交竞赛”。

代码生成能力提升后，团队确实可以更快用 PR、原型和实现方案验证想法。

但这不等于：

谁最后提交代码，谁就赢。
谁熬夜抢最后一版，谁就有话语权。
谁 PR 发得快，谁的方案就更正确。
AI 时代，抽象争论应该减少，代码验证应该增加。
但技术决策仍然要回到：

目标是什么？
方案是否合理？
取舍是否清楚？
风险是否可控？
团队是否对齐？

实现成本越低，团队文化越重要。

否则 AI 不会消除坏模式，只会放大坏模式。

[comaple zhang @comaple123]

When AI makes implementation cheap, abstract debates become expensive.
Teams should stop arguing in slides and start validating ideas with prototypes and code.

[comaple zhang @comaple123]

@vivekgalatage Agreed. Quality is the prerequisite for AI Coding.

[comaple zhang @comaple123]

看惯了 AI 的粗制滥造，还是喜欢返璞归真的手动发推。“古法酿造”才是稀缺品，坚持亲自思考，是多么的稀缺。

[comaple zhang @comaple123]

AI Coding Harness 工程，首先要控制写代码的质量然后才是速度，才是并行。
敏捷开发的 AI 化可能是最佳实践。
业务目标要进 PRD，
PRD 要拆 Epic，
Epic 要落 Story，
Story 要绑定代码，
代码提交要绑定 Issue，
CI 要验证文档、实现、测试、证据是否一致。

[comaple zhang @comaple123]

AI 时代，代码成本越来越低。

但信任成本越来越高。

Agent Harness 工程真正要解决的，不只是“让 Agent 写代码”。

而是让每一次改动都能回答四个问题：

为什么改？
改了什么？
怎么验证？
谁负责？
回答不了这四个问题，AI 写得越快，风险越大。

[comaple zhang @comaple123]

Harness 的“自动化”主要是把 agent 的工具调用治理做成
中间件流水线，而不是自动生成一个新 agent。
https://t.co/qzKhvqLKgT