独步清风

回忆过去，珍惜现在，做一个自由的计算机爱好者

[Oliver Kriška @quatermain32]

claude-elixir-phoenix v2.11.0 - first-class Ash Framework support thanks to @forestcarlisle

In an Ash project, Claude now follows the Ash Way - domain code interfaces, actor at query prep, codegen-owned migrations. New skill (7 Iron Laws) + 3 specialist agents.
https://t.co/qphWgcFEGS

#ElixirLang #ClaudeCode

[烟花老师 @teach_fireworks]

Agent Harness 的五个陷阱

1. Self-evaluation is a trap. Use an adversarial evaluator.

自我评估是陷阱。要用对抗式评测器。

很多团队都会这样做：

Agent生成答案
↓
Agent自己打分
↓
Agent说：95分

结果上线后翻车。
原因很简单：
模型和自己存在强烈共识偏见（agreement bias）。

2. Compaction doesn't cure coherence drift. Structured handoffs do.

Context 压缩解决不了一致性漂移，结构化交接才能解决。

这是很多 Agent 框架最大的误区。

长任务：
10k token
→ 50k token
→ 200k token

上下文越来越长。

很多人以为：
总结一下
压缩一下
继续跑

问题就解决了。

实际上：
压缩 ≠ 保真

压缩过程本身就在丢失信息。

最终出现：
目标漂移
约束丢失
需求变形

例如 Codex：
最开始：
重构支付模块

20轮以后：
开始修改登录逻辑已经跑偏。

真正有效的是：
Structured Handoff
每次交接固定格式：

Goal:
Current State:
Completed:
Pending:
Constraints:
Known Risks:
Next Action:

Anthropic 的 Claude Code、
OpenAI Codex Cloud、
Cursor Background Agent都在往这个方向演化。

3. Make subjective quality gradable with rubrics the model can apply.

把主观质量变成模型可以打分的评分标准。

很多需求本质上很模糊：
文章写得好不好？
UI漂不漂亮？
代码优不优雅？

模型根本不知道什么叫：
好，漂亮，优雅

所以必须变成 精确的打分表。

4. Read the traces. They're your primary debugging loop.
Trace 才是 Agent 的调试入口。

很多人调 Agent
输入
↓
输出

只看结果。
但 Agent 最大的问题都发生在中间。

例如：
Planner
↓
Search
↓
RAG
↓
Tool
↓
Reasoning
↓
Action

某一步已经歪了。

因此Agent 的日志比结果更重要。
例如 OpenAI Agent SDK：
Trace/Span/Event

LangSmith：Execution Trace

Langfuse：Agent Trace

Arize Phoenix：LLM Observability

本质都是可观测性

Agent 开发的黄金法则：
80%时间看 Trace
20%时间改 Prompt

很多团队正好反过来。

5. Delete scaffolding when the model catches up. The frontier moves.
当模型能力提升后，要敢于删除脚手架。

这是很多 Agent 产品的死亡陷阱。

2024年的标准做法：
Prompt
+
Planner
+
Reflection
+
Self Critic
+
Chain of Thought
+
Tree Search

2026年：
GPT-5、Claude Sonnet 5 可能已经内建这些能力。

结果团队还保留：
10层Agent，20层Workflow

系统越来越复杂。延迟越来越高。
成本越来越贵。效果却没提升。

典型案例：
早期很多 RAG：
Query Rewrite
↓
Multi Query
↓
Rerank
↓
Summary
↓
Answer

现在很多模型直接：
Search
↓
Answer
已经够好了。
所以Harness 不是越复杂越好。

优秀的 Agent 工程师有一个习惯：

每次模型升级：

增加一层能力
↓
删除两层脚手架
不断做减法。
所以，Harness 是一个随着模型进化的动态更新的过程。

[Justin Drake @drakefjustin]

Today a crazy quantum story just got wilder.

On March 31, the Google Quantum AI team published a landmark result on Shor's algorithm for elliptic curve cryptography. Technically, the paper was a bombshell: a dramatic 10x improvement over the state-of-the-art. As a stunt and wakeup call to the blockchain space, those optimisations were illustrated on secp256k1, the elliptic curve underlying Bitcoin and Ethereum signatures.

But perhaps the most striking part of the paper was sociological, not technical. Instead of following standard academic process, the optimisations were kept secret, hidden behind a zero-knowledge (ZK) proof. Google's accompanying blog post mentions they "engaged with the U.S. government". The ZK proof demonstrates the existence of algorithmic improvements without leaking details. Academic censorship with ZK, a historic first!

As a co-author of the Google paper I witnessed some of the context surrounding this censorship. To be honest, multiple aspects of that context don't sit well with me. As much as I believe the general public ought to know more, I am limited in my ability to whistleblow. Though let me be clear about one thing: the Google team's professionalism has been absolutely exemplary, and they deserve nothing but praise.

Censorship has a way of backfiring. The Streisand effect, where an attempt to bury something only draws more attention to it, is exactly what's unfolding today. First, Google's key optimisation has been rediscovered by the French. And in a thrilling turn of events, a collaborative Shor-at-home challenge just launched. The initiative, available at ecdsa[.]fail, breached a new Shor world record in a matter of hours.

Let's start with the rediscovery. Just two months after Google's paper, French quantum expert André Schrottenloher cracks the main secret optimisation. His paper, titled "Optimized Point Addition Circuits for Elliptic Curve Discrete Logarithms", landed on the arXiv today. Big congrats to André, who beat several other nerdsnipped experts to it. In a blog post also published today, Craig Gidney, the world expert on Shor optimisations, revealed that he'd been sitting on this very optimisation for a whole year under censorship pressure.

Interestingly, André missed a handful of minor optimisations, both from Google's original publication and from improvements found since. It's plausible there's still plenty of juice left to squeeze out of Shor, and this is exactly what the ecdsa[.]fail challenge is about. The verifier program developed for the ZK proof does double duty, automatically filtering for valid submissions. Dozens of compounding small and micro improvements are rolling in. As of the time of writing there's an 8.4% improvement to Google's circuit, as measured by the product of logical qubit count and Toffoli gate count. Nice!

The nerdsnipping ran deeper than anyone expected. Over the last few weeks it became clear it extended well beyond André and other quantum experts. Behind the scenes, a small army of amateurs quietly got to work. Inspired by Karpathy-style autoresearch, they turned AI on Shor. Ironically, the verifier program for the ZK proof makes an ideal reward function for AIs. The barrier to entry for this modern style of research is refreshingly low, with several non-experts, even a teenager, finding nice optimisations. Get in touch if you'd like to join a Telegram group with fellow autoresearchers :)

Part 2: neutral atoms and qday

The story doesn't end with Google. On the same day Google went public, a stealthy startup called Oratomic published its own Shor paper in a coordinated release. It made a splash, ultimately becoming the most upvoted paper on scirate[.]com, a website ranking arXiv papers.

Oratomic's claim was wild. By building on Google's logical optimisations and applying custom physical optimisations for neutral atoms, they claimed just 10K physical qubits were sufficient to run Shor's algorithm on secp256k1. That number is mind-bogglingly low.

Knowing essentially nothing about neutral atoms when Oratomic's paper landed, I was intrigued and decided to learn more about the tech. I fell straight down the rabbit hole and spent a couple hundred hours on the topic. I got a little obsessed and watched every YouTube video I could find and spoke to a bunch of experts.

My conclusion? The tech is real, very real. Even Google recently decided to start a neutral atom lab, a notable pivot from their sole focus on superconducting qubits. If you care about qday, i.e. the day a quantum computer will break the first piece of cryptography in production, neutral atoms demand your attention. I shared some of my learnings on Shor and neutral atoms in a 30min talk at the ZKProof cryptography conference. You can find it on YouTube by searching "zkproof neutral atom".

Here's an interesting observation about this duo of breakthrough papers: neither Google nor Oratomic say a word about what their results mean for qday. No timelines. Zero. Nada. That is especially baffling given that the whole point of whitehat quantum cryptanalysis is to inform qday estimations and help the general public make good decisions.

So let me attempt to partially fill the silence, similarly to what Scott Aaronson did in his April 29 post. Given everything I know, including scary non-public information, I now put the odds of qday by 2032 at 50%. 10% by 2030.

Anecdotally, the US government has its own date: 2035. Originating at the NSA and later adopted by NIST, it's when branches of the US government will be disallowed from using quantum-vulnerable cryptography. In plain language: with hindsight, that date is a joke and should be discounted entirely. I don't see how NIST avoids being forced to pull it forward by years.

Part 3: post-quantum cryptography

There are good reasons to sound the alarm today, but please do not panic. Rushing carelessly towards immature post-quantum cryptography is a recipe for disaster. IMO a good target date for migration is 2029, roughly 3.5 years out. 2029 happens to be the date selected by Google, Cloudflare, and the Ethereum Foundation.

These days most of my time goes to safely migrating Ethereum towards post-quantum cryptography as part of the broader lean Ethereum effort. There's a lot to do. We need to rip out and replace BLS signatures at the consensus layer, KZG commitments at the data layer, and ECDSA signatures at the execution layer.

The plan to get there is compelling, and is based on hash-based cryptography. Within the Ethereum Foundation we've developed a Swiss army knife called leanVM (github[.]com/leanEthereum/leanVM) powered by the magic of hash-based SNARKs. Thanks to truly exceptional work by Emile, Thomas, and others, its performance is derisked. Regarding security, leanVM is a jewel, a minimal zkVM crafted for end-to-end formal verification and maximum security.

Want to help? There are two $1M initiatives. First, the Proximity Prize (proximityprize[.]org). Solve a long-standing mathematical conjecture in coding theory, improve hash-based SNARKs, and go home a millionaire. Second, the Poseidon Initiative (poseidon-initiative[.]info), offers $1M for breaking Poseidon, the SNARK-friendly hash function.

[東大ClaudeCode研究所 @ClaudeCode_UT]

【最新】
Anthropic が公式 CLI「ant」をリリース😱
ターミナルから Claude の全機能を直接実行できる

Claude Code ユーザーには、もう1つ注目ポイントがある👇
https://t.co/IVlHZIuLlR

- Claude へのメッセージをコマンド 1 行で送れる
- AIエージェントをその場で起動・管理できる
- 実行結果をそのままターミナルの次の処理に流せる

Claude Code はこの ant CLI をスキルとして理解している。

つまり、コーディングエージェントが別のAIエージェントを起動・制御できる環境が正式に整った。

[陈成 @chenchengpro]

Dynamic Workflows 别只当成程序员玩具。把 Claude Code 当生活脚手架的人，真正的解锁点是它能现场写一段 JS spawn 一群隔离 context 的子 agent，去处理你存量的 50 个会话、30 天 daily notes、整个 NotebookLM 笔记本，把第二大脑从"存着"变成"反复可挖"。

三个老毛病一次性收掉：agent laziness（50 项跑一半停了，workflow 是确定性程序，每个 item 都被显式 spawn）、self-preferential bias（同一个 agent 给自己的 draft 打分会偏袒，子 agent 隔离 context 后这就不成立）、goal drift（长会话忘初衷，子 agent 每次都是干净 context 带显式目标启动）。

作者跑过的三个真实用例：① 10 个并行 agent 扫最近 50 个会话挖"我反复在纠正什么"，49 sessions / 86 corrections，HTML 报告 + CLAUDE.md diff 建议；② 31 个 daily notes 每个派一个 Haiku 抽要点，Opus 跨笔记聚类找出"我反复在拖什么"，每条 pattern 自带原始 daily note 日期作证据；③ 让 Claude 从 NotebookLM 抓视频转录，fan-out 出可落地的想法，每个想法附"可直接粘贴回 Claude 跑"的实施 prompt。

关键洞察两条：重复 corrections 不该塞进 CLAUDE.md，该打包成 skill 让 skill 本身就规避错误——把提示工程升级成工具工程；workflow 不要做成独立实体，作为 JS 文件内嵌进 skill 目录，对外只暴露 skill 一个入口。

可复用范式：classify-and-act、fan-out-and-synthesize、tournament（成对比较替代千级绝对评分）、loop-until-done（搭配 schedule 做每日 digest）、claim-by-claim deep verification。任意输入 → 结构化输出 + 可执行 prompt，是这套用法的真正杠杆。

[lifcc @mylifcc]

2026 年真正能让你 coding 效率起飞的 10 个 Claude Code / Codex 高星 GitHub 仓库

我仔细筛选并深度拆解了这 10 个仓库，每个都包含核心价值、解决痛点、适用场景、上手方式、当前星标和直达链接，帮你少走弯路。

1. affaan-m/everything-claude-code (ECC)
核心价值：目前最全面的 Agent Harness，把 Claude Code / Codex 升级成虚拟完整工程团队。
详细干货：180+ 实战 skills、48+ sub-agents、安全扫描、跨平台支持，能大幅减少幻觉和上下文混乱。
解决痛点：AI 输出不稳定、上下文混乱、安全隐患。
适用场景：中大型项目、全栈开发、长期维护。
当前星标：约 182,000+
上手：在 Claude Code 输入 /plugin marketplace add affaan-m/everything-claude-code
链接：https://t.co/OOhD6sgS3d

2. obra/superpowers
核心价值：最强的结构化开发方法论框架。
详细干货：包含 brainstorm、write-plan、execute-plan、TDD、debug、code-review 等完整链路，强制 AI 按工程规范工作。
解决痛点：AI 输出随意、缺少规划、bug 多、迭代混乱。
适用场景：复杂功能开发、代码重构、高质量要求项目。
当前星标：约 218,000+
上手：市场搜索 superpowers 一键安装
链接：https://t.co/ydlLnW5qhK

3. multica-ai/andrej-karpathy-skills
核心价值：基于 Karpathy 实战经验的编码行为规范，这个无脑装。
详细干货：只需一个 CLAUDE.md 文件，就能显著改善架构选择和工程思维，简单高效。
解决痛点：LLM 常见坏习惯（如过度抽象、忽略边缘案例）。
适用场景：所有希望 AI 输出更专业的开发者。
当前星标：约 167,000+
上手：Clone 仓库，把 CLAUDE.md 放到项目根目录即可。
链接：https://t.co/Wt8MbCDNum

4. ComposioHQ/composio
核心价值：让 AI 真正连接外部工具链，我看了直接star了。
详细干货：支持 850+ 服务集成，可直接操作 GitHub、数据库、Stripe 等，实现端到端自动化。
解决痛点：AI 只能生成代码，无法执行真实操作。
适用场景：需要全流程自动化、业务系统打通的项目。
当前星标：约 28,600+
上手：安装 Composio 插件后用自然语言调用工具。
链接：https://t.co/XXjjnAeB6H

5. alirezarezvani/claude-skills
核心价值：超全面的生产级技能库。
详细干货：337+ 高质量 skills + 30+ agents，支持 Claude Code 和 Codex。
解决痛点：技能不够用、不知道装什么。
适用场景：想快速扩展能力、不想自己写 skill 的用户。
当前星标：约 17,100+
链接：https://t.co/OfrYygtpjm

6. jeremylongshore/claude-code-plugins-plus-skills
核心价值：技能超级市场 + 管理工具。
详细干货：425+ plugins + 2800+ skills + CLI 管理工具，支持批量安装。
解决痛点：技能太多、管理混乱。
适用场景：喜欢探索和收集技能的进阶用户。
当前星标：约 2,000+
链接：https://t.co/A0QSVpkDIf

7. VoltAgent/awesome-agent-skills
核心价值：优秀的跨平台技能合集。
详细干货：1000+ 精选 agent skills，兼容 Claude Code + Codex + Cursor。
解决痛点：多工具并用时技能不通用。
适用场景：同时使用多个 AI 编码工具的开发者。
当前星标：约 24,100+
链接：https://t.co/263K6JsdSe

8. hesreallyhim/awesome-claude-code
核心价值：高质量技能导航列表，里面有金矿也有没用的。
详细干货：精选顶级 skills、hooks、orchestrators，当技能地图使用。
解决痛点：信息过载、不知道从哪里找好资源。
适用场景：新手或想系统探索的人。
当前星标：约 45,600+
链接：https://t.co/dxEKtfiLby

9. ComposioHQ/awesome-claude-skills
核心价值：按场景分类的高质量 curated 合集。
详细干货：经过筛选的生产级 skills，质量高、重复少。
解决痛点：低质技能太多，浪费筛选时间。
适用场景：想快速挑选实用技能的用户。
链接：https://t.co/FFpMRwlgjd

10. rohitg00/awesome-claude-code-toolkit
核心价值：一站式综合工具包。
详细干货：包含大量 agents、plugins、hooks、templates，内容丰富整理良好。
解决痛点：资源零散，难以集中获取。
适用场景：喜欢一站式探索资源的开发者。
链接：https://t.co/3IjzttTTTz

最推荐起步组合：ECC（182K） + Superpowers（218K） + Composio
先装这三个，基本能覆盖日常 80% 的开发需求。

不建议一次性全装，先在真实项目里测试 3-5 个，再逐步添加。

[WeZZard @realWeZZard]

https://t.co/kQzWy9tyBP

[Zcash Open Development Lab @zodl_co]

https://t.co/xKjS67UzJD

[ray @rayoo_eth]

#ACDE

本来以为 200M gas 只是把 Glamsterdam 的 100M 再翻一倍的事，结果被一个藏在共识层里多年的硬编码打断。

现在 block gas limit 是 60M，Glamsterdam 的目标是先抬到 100M，再往 200M 推。但 ethPandaOps 的 Barnabas 算了一下：190M 以下没事，超过 193M 就能把 8192 笔 deposit 塞进一个块里。

这个 8192 是 CL（共识层）SSZ 规范里的 MAX_DEPOSIT_REQUESTS_PER_PAYLOAD，写死了九年。一旦超过，所有 CL 客户端会直接拒绝这个块。

最简单的方案就是 ethPandaOps 的 Barnabas 提的 EIP-8254：在 EL 侧每笔交易后检查 deposit 数量，超了就不让继续打包。

但 STEEL 测试团队的 Peter Miller 立刻反对。他说 EL 现在有一个很重要的原则，一笔交易能不能被打包必须能被静态、廉价地判断出来。按 8254 的逻辑，一笔交易可能先烧掉大量 gas，最后才发现会导致整块无效，这是 DoS 面。

Prysm 团队的 Potuz 补充说最危险的其实不是 validator 普通 deposit（可以排队到 churn 再验签），而是 builder deposit，这种必须立刻验签，硬塞 8192 个 CL 根本扛不住。他自己团队测过的极限大约在 1500 到 2000 笔。

Geth 的 Marius 提了另一个方向，直接换 deposit 合约，让新合约里写死 per-block 限制。ethPandaOps 的 Parithosh 认为不可行。deposit 合约现在管着 30% 的全网 ETH，临时写一个新合约会出事，有人会搞错、钱会丢。

最后 8254 先进 PFI（不是 CFI），200M gas 的 blocker 继续留着，两周后再讨论。

接下来是几个小一些的决策。

以太坊基金会的 Toni 把上期的 EL reorg 深度 EIP（PR 11601）推进了一步。上期各家客户端能回滚多少块差异极大。这期 Toni 把目标从 WSP（约 15 天）直接抬到 38 天，这是 70% 网络离线、inactivity leak 启动恢复 finality 所需的时间。

Geth 以及实现可以接受 90,000 块的 reorg（约两周），但完整跑完要 6 小时。Nethermind 在做动态支持到 finalization barrier。Besu 的 PR 在 review。Erigon 默认只能回 512 块，要改。Reth 说能做但工作量不小。

然后是 Prysm 的 Potuz 认为当 EL 来不及完成深度 reorg 时，所有客户端统一在 FCU 里返回 SYNCING，节点进入 optimistic 状态，后台继续跑。这样链会暂停但不会分裂。这些不是必须在 Glamsterdam 升级中完成。EthereumJS 的 Joachim 和 EELS 测试团队的 Mario Vega 会用 Hive 写深度 reorg 测试，先把数据跑出来再说。

ipsilon 团队的 Paweł 这期做了一件意外有趣的事。他拉了近 500 万个区块里所有 SELFDESTRUCT 的使用数据。

历史背景是 EIP-7708 要求所有 ETH 转账发 log，包括 SELFDESTRUCT 的 burn 分支。Paweł 的反向做法是，直接把 burn 从 EVM 里拿掉，根本不用发 log。

数据显示完全移除 SELFDESTRUCT 会多出 40 万个账户、3MB 代码，其中 12% 的调用依赖同一交易内创建 + 销毁这个模式，彻底废掉会破坏现网合约。

最后决定分两步。burn 分支移除（EIP-8246）直接 CFI 到 Glamsterdam，用户几乎感知不到。完整移除 SELFDESTRUCT 推到 Hegota 以后。

另外 Lambda 团队的 Ignacio 提了 EIP-7709。现在 BLOCKHASH 是个例外，它不从状态树读数据，而是靠执行层缓存最近 256 个 block hash。这就让 stateless client（无状态客户端）构造 execution witness（执行见证）时要走特殊路径。

Ignacio 想把 BLOCKHASH 改成从 EIP-2935 的系统合约里直接 SLOAD。这样整个 witness 就是纯状态读，不再需要带 512 个 block header。

STEEL 的 Peter Miller 非常支持。改完之后验证一个块只需要父块 header、当前块 body、state 三样，干净很多。

代价是 BLOCKHASH 的 gas 会从现在的 20 变成 SLOAD 的价格，冷热差异还不小。Ignacio 会等 EIP-8038 的数字定下来之后跑一次 replay 分析，看看对现网合约的 UX 冲击有多大。

这期还清了一批共识决策。10 个 EIP 从 CFI 升级到 SFI（Scheduled For Inclusion），包括 ePBS、Block-Level Access Lists、EIP-8037 在内全部正式进入 Glamsterdam 最终方案。本周合入。

两周后再开会的时候，主要看三件事。BAL DevNet 7 能不能在下周稳下来。200M gas 的 deposit blocker 有没有新的处理方向。以及 Hive 上的深度 reorg 测试能不能跑出客户端的真实表现。

[老金 @freeman1266]

Harness Engineering 不是工具，是把 AI 协作从"对话"升级为"工程"的思维转变。

代码产出 = AI 能力 × 上下文质量

这是乘法，不是加法。上下文质量趋近于零，模型再强也是零。

他们的解法：
· 五阶段 + 四道门禁，让错误死在最便宜的地方（需求/设计/开发/服务仓库）
· 三层知识体系（团队级→框架级→服务级），把隐性规范、历史决策、踩坑经验变成 AI 可消费的工程制品
· 三仓联动：业务仓、IDL 契约仓、Harness 仓用同一个分支名，追溯链一条线
· Self-Refinement：AI 犯错 → 识别模式性教训 → 写入 experience/*.md → 下次新会话自动受益

vibe coding 的底层逻辑是"让 AI 尽量自由地生成"，Harness Engineering 的底层逻辑是"让 AI 在正确轨道上高效生成"。

工具越强，越需要治理层把它接入正确轨道。否则 AI 生成速度越快，错误扩散也越快。

执行交给工具，规则留在仓库，协议连接两者——工程规范与 AI 工具解耦，今天用 Claude Code，明天换任何工具，流程和知识都不丢。

[w3ns0n @w3ns0n]

先做一下自我介绍
企业级项目落地中遇到哪些瓶颈 / 问题？如何解决？
多 agent 系统是怎么实现的？
针对灵感生成任务做了哪些效果优化？
网络搜索如何保证内容可信、对大模型正向提升？
产品最终落地效果如何？
该 agent 项目参与人数？你在里面主要负责什么？
前端渲染做了哪些工作？卡片如何设计？
卡片渲染全流程是什么？
如何优化 JSON 结构以实现快速渲染？
除流式输出外，还有哪些体系化设计可提升前端用户体验？
如何在不明显降低效果的前提下减少大模型 TOKEN 消耗、降低成本？
平时是否关注大模型相关指标？
讲一下 Anthropic 缓存策略的实践
还有哪些降 TOKEN 开销的方案？
是否用过Claude Code？
Claude Code的 plugin 和 skill 有什么区别？
Claude Code的 plugin 底层实现原理？
Claude Code的 memory 如何设计？
Harmony/Lobotics 的 memory 设计原理？
了解哪些开源 memory 框架？
是否微调过模型？实际场景是否使用？
阐述 Harness 诞生原因，以及实际工作中如何用它解决问题？
Harness 工程如何分层？
工具过多时，如何保证 agent 按需加载工具？如何判定是否需要加载？
大量 skills 时，如何避免上下文溢出并保证任务正常执行？
向量检索匹配 skill 与大模型匹配 skill 有什么区别？

[cat @_catwu]

Excited to share our most powerful new Claude Code feature: dynamic workflows!

Mention "workflow" in a prompt and Claude will dynamically create an orchestration plan that it strictly follows, allowing you to confidently trust that every stage happens in the right order even across 100s of agents.

[Vaayne @LiuVaayne]

#TIR 这是 Thorsten Ball（《Writing An Interpreter In Go》作者，Amp 创始人）写的长文：Software After Software

核心论点：软件正在终结

12 条宣言，简洁有力：

1. 一切都在变

• 这场变革如此之大，我们对软件和商业的所有基本假设都要重想
• 终局尚不可见，但最好别旁观

2. 模型进步速度仍被低估

• 即使你以为自己在考虑指数级进步，你可能还是低估了
• 模型不需要完美，只要比平均水平好就能打破旧经济学
• 每 8 周就该给模型更多权限，否则你会卡在曲线低点

3. 未来大部分代码由 agent 写

• 侧边栏助手已死，agent 不再是"助理"
• 它们会在无人值守时运行，工作单元变成"委托的任务"而非"要写的代码"
• 被迫像人一样工作的 agent 是被浪费的 agent

4. 瓶颈已转移

• 写有效代码现在 trivial
• 工程判断（优先级、排序、权衡）仍是瓶颈
• Review 从审代码转向审决策

5. 软件开发作为 40 年的职业已死

• Profession 建立在"写代码很难"的假设上
• Industry 建立在"代码稀缺"的假设上
• 两者都不成立了

6. 旧流程变成阻力

• 规划、优先级、交接、review 这些仪式是为"实现慢、贵、易错、依赖人"的世界设计的
• 30 分钟能做完的事为什么要花 1 小时规划？
• 能派 5 个 agent 并行 review 为什么还要等一个人？
• AI 不只是加速器，它改变的是"X 是否该存在"

7. 软件形态改变

• 以前软件为人类而建，未来主要为 agent 而建
• 更多软件将即时生成而非预先构建
• "使用软件"和"构建软件"的界限会消失

8. 价值从代码移走

• 能由 agent 做的 X，做 X 的软件就没有价值
• 数据、权限、分发、信任、合规、监管地位、物理资产变得更值钱
• 最不承认这些的会是软件公司自己——他们的商业模式建立在旧稀缺性上

9. 赢家将围绕模型重组

• 把 agent 塞到旧系统和组织架构里是浪费
• 小团队+强判断+大量 agent > 大团队硬套旧流程
• 跟上速度比人头数重要

10. 每个严肃机构都需要前沿营地

• 不能通过委员会学习未来
• 需要一小支自治团队在前沿，围绕模型构建
• 目的不是"给旧方式加 AI"，而是发现新的工作方式

11. 工程师在变

• 软件工程师不会消失，但工作从代码转向产品思维、系统塑造、权衡判断、业务结果
• 最有价值的工程师仍是能增加业务价值的系统思考者和运营者

12. 因此

• 我们为"智能充裕、连续、廉价"的世界而构建
• 不为习惯而保留旧流程
• 不等到终局明朗才行动
• 先去前沿，因为未来是在那里学到的

[凡人小北 @frxiaobei]

Anthropic 这篇关于 Claude Code 在大型代码库的最佳实践，几个能直接抄作业的点：

· CLAUDE. md 要分层。根目录那份只放整体架构和关键的坑，每个子目录再放各自的局部约定，Claude 进哪个目录就加载哪一份。

· 让 Claude 从子目录启动，不要从仓库根启动。它会自动往上回溯加载所有说明文件，反而上下文更准。

· 测试和 lint 命令按子目录切分。别让它改了支付服务就把整个仓库的测试全跑一遍，又慢又把上下文塞满无关报错。

· 装 LSP（语言服务器协议，比如 Python 有 pyright，TypeScript 有 tsser）。Claude 默认是 grep 字符串找代码，同名函数一搜几千个。LSP 能让它按符号本身定位，一步直达定义。具体接法是装一个 code intelligence 插件 + 对应语言的 language server 二进制文件，Claude Code 文档里有现成的。

· 每 3-6 个月审一次配置，新模型发布后再审一次。当初为旧模型写的规则，可能会反过来束缚新模型。

以及一个组织层面的提醒：哪怕不专门成立 AI 工具团队，至少要指定一个人负责管 Claude Code 的配置、权限、插件、CLAUDE. md 规范，不然大家各搞各的，好经验传不出来。

[Max For AI @MaxForAI]

这个有意思，做Agent Harness的应该看下⬇️

PwC发了一篇很有意思的Agent检索论文。

标题很挑衅：

「Is Grep All You Need?」

作者在LongMemEval上做了116个长对话记忆问题，让Agent从一堆带干扰项的历史对话里找答案。

他们比较了两类检索：

一种是grep这种字面搜索。

一种是vector retrieval这种向量检索。

然后又把它们放进不同的Agent运行外壳里测：

Chronos、Claude Code、Codex CLI、Gemini CLI。

结果很直接：

在主实验的inline模式里，grep在每一个harness-model组合里都赢了vector retrieval。

有些差距还挺大。

原因是Agent里的检索，不是一个孤立组件。

同样的数据，同样的检索方法，只要换一个运行外壳，换一种工具结果呈现方式，最后表现就会变。

结果是直接塞进上下文，还是写进文件让Agent自己读；

工具是一个API，还是Claude Code/Codex/Gemini CLI那种shell环境里的grep、find、cat；

这些东西都会影响Agent能不能真的找到答案。

这也解释了为什么grep突然变强，能秒了向量检索。

很多Agent任务本质上是证据定位：

找函数名、文件路径、报错字符串、日期、用户名、偏好、某句原话。

这种场景里，embedding的「语义宽容」有时候反而会带来噪音。

它会把语义相近的东西一起捞上来。

grep很笨，但它笨得稳定。

只要Agent知道该搜什么字符串，它就能把证据钉出来。

所以这篇paper对做Agent的人有一个很现实的提醒：

不要一上来就默认每个严肃Agent stack都应该先接vector DB。

先问清楚你的Agent到底在做什么。

如果它是在做语义发现，vector很重要。

如果它是在做证据定位，grep、find、cat、diff这些老工具可能更接近第一性原理。

AI越聪明，越需要一套稳定的工具。

Paper：arXiv 2605.15184
Title：「Is Grep All You Need? How Agent Harnesses Reshape Agentic Search」

[AYi @AYi_AInotes]

说个可能会被骂的判断，

过去十年我们被 Markdown 宠坏了，以为它就是内容交付的终极形态，

但昨晚翻完 html-anything 这个开源项目，上线 7 天，已经 3.3k 星，我突然想通了一件事，就是 AI 时代输出格式的真正的终点应该是 HTML。

这个项目来自 nexu-io，就是那个 4 万星 Open Design 的团队，

它做的事说起来也很简单：
你把任何内容丢进去（MD、CSV、JSON、笔记都行），
按 ⌘+Enter，本地 AI agent 直接生成生产级 HTML，然后一键发到微信、X、知乎，或者下载 HTML/PNG，

整个过程零 API Key、完全本地、流式渲染、随时能中断，

但我真正被吸引住的不是上面这些功能，而是它的设计哲学，

75 个 Skill 模板，每一个都写死了硬约束：8px 网格、CJK 字体栈、对比度 ≥4.5、必须用真实数据，不许放 lorem ipsum，

这些看起来是在限制创意，但实际是把 AI 从 slop 泥潭里拽出来的唯一办法，

没有约束的 AI 永远在 freestyle，花里胡哨、排版崩、字体乱，
有约束的 AI 反而能输出惊艳作品，因为你帮它划定了“设计纪律”的边界，

其实这件事跟我现在对 AI 最大的一个判断完全吻合：AI 最需要的不是自由，是一套合适的枷锁，

继续往下看，三个反直觉的点开始越来越清晰，

第一个，越老的格式在 AI 时代反而越先进，

HTML 是 1993 年的东西，但它是 Web 原生、天生响应式、支持动画和暗黑模式，AI 写代码最强的地方就是 HTML/CSS/JS，

Markdown 反而成了瓶颈——你写完还得排版、截图、导出、适配不同平台，这些全是损耗，

第二个，不用云 API，生产力反而更高，

零 API Key 听起来像省钱，但你用起来才发现本质是极致的自由：无限调用、零延迟、流式中断不浪费 token，
甚至你本地 用claude login / cursor login 过，它直接复用 session，边际成本 $0，

所以真正的高手往往并不是用最贵的模型，而是用最省的 workflow，

第三个，交付介质的轻量度才是真正的护城河，

几百 KB 的 HTML vs 2MB 的 docx，在微信和手机端加载速度差 10 倍，很多人还在卷内容质量，但很少有人意识到——你交付的介质有多重，读者的打开率就被压得有多低，

以前内容交付是 Markdown → 排版 → 截图 → 调格式 → 发出去，
现在 ⌘+Enter → HTML 直接进剪贴板 → 发出去，中间全砍了，

我才意识到，html-anything 真正在做的不是文档工具，是 Agent 时代的内容生产操作系统——它把创作的终点从草稿拉到了成品，把交付成本直接打到零，

真的强烈推荐，这个项目值得所有内容创作者现在就去 clone 跑起来，选一个 Skill 试试 deck-swiss-international 或 doc-kami-parchment，你会立刻感受到原来内容还可以这么发！

[Bill_DO_A_BIT多少做点 @Bill_Do_A_Bit]

https://t.co/YEde7gcHEo

[meng shao @shao__meng]

OpenAI Codex Cookbook 系列之 Goals

从 "prompt" 到 "goals"
· Prompt：ask → work → result → wait（做完即停）
· Goal：work → check → continue or complete（做完检查证据，未达成则继续）
Goal 的关键是给 Codex 一条可审计的完成线，并允许它在空闲时基于已有证据自主决定下一步，而无需用户每轮重复说"继续"、"再跑一次基准"、"现在查测试"。

生命周期和命令
Goals 是 线程作用域 的持久状态，不是全局 memory，也不是项目级 instructions。
/goal <目标> 设置目标
/goal 查看当前目标
/goal pause 暂停
/goal resume 恢复
/goal clear 清除
可能的停止条件：成功、暂停、清除、被打断、预算耗尽、遇到需用户输入的阻塞。

continuation 是事件驱动的，不是死循环：仅在线程 idle、无队列输入、无 pending 工作、Goal 仍 active 且在预算内时才会触发。Plan-only 的回合不触发 continuation；如果某次 continuation 没有调用任何工具，下一次自动 continuation 会被抑制（防止空转）。

如何写一个"强 Goal"——六个要素
1. Outcome（结果）：完成时什么应为真。
2. Verification surface（验证面）：用什么证据证明——测试、benchmark、报告、命令输出、产物。
3. Constraints（约束）：工作期间不能回退什么。
4. Boundaries（边界）：可用的文件、工具、数据、仓库。
5. Iteration policy（迭代策略）：每次尝试后如何选择下一步。
6. Blocked stop condition（阻塞停止条件）：何时该停下并说明无可行路径，需要什么才能解锁。

推荐模板：
/goal <期望终态> verified by <具体证据> while preserving <约束>.
Use <允许的输入/工具/边界>.
Between iterations, <如何选择下一步最佳行动>.
If blocked or no valid paths remain, <报告什么、需要什么才能继续>.

对比示例（性能优化）：
· 弱：/goal Improve performance
· 中：/goal Reduce p95 checkout latency below 120 ms without regressing correctness tests
· 强：在上一条基础上加入 benchmark 名、允许动用的服务/fixture 范围、每轮记录变化与下一个实验，以及"基准跑不动时如何报告阻塞"。

Goal 激活后发生了什么变化
1. 目标常驻可见：测试失败、benchmark 改善但未达阈值、研究路径数据缺失，Codex 都不会丢掉原始目标。
2. 可以从 idle 线程自主续跑——但仅在安全边界（无 pending 工作、无用户输入排队）。
3. 完成必须基于证据：不能因为模型"觉得差不多"就标记完成，必须对照文件、测试、日志、benchmark 输出或产物。

研究类 Goal 的范式案例：复现 Deep Hedging 论文
最具启发性的部分，用 Buehler 等人的 Deep Hedging 论文做案例，说明"复现一篇论文"这种充满不确定性的任务该如何 Goal 化。

弱 Goal：/goal Reproduce Buehler et al., "Deep Hedging" —— 没说哪一节、什么算复现、缺失训练状态怎么办。

强 Goal 要求 Codex 产出一份分级证据报告，区分四类状态：
· Reproduced mechanics（机理已重建）
· Approximate trained results（近似训练结果）
· Blocked exact replay（无法精确复现的部分）
· Remaining uncertainty（剩余不确定性）

实际执行中，Codex 能重建定价/对冲机理、复现 Heston 参考价、训练 CVaR 对冲策略、重建主直方图与对冲面、复现 BS 交易成本斜率；但原始随机种子、训练路径、TF 计算图、optimizer 状态、checkpoint 全部缺失——因此最诚实的结果只能是"部分近似复现，而非精确神经回放"。

何时不该用 Goal？
· 一行编辑、简短解释、小段 code review、单问单答 —— 用普通 prompt。
· 终点模糊（"make this better"、未定义终态的 "refactor this"）。
· 用 Goal 来掩盖不确定性——如果数据可能缺失、benchmark 可能 flaky、代理证据是否允许，都应在 Goal 中显式说明。

Goal 的最佳适配场景具备三个属性：持久目标 + 基于证据的终点 + 路径可能需要多轮探查。典型用例：性能优化、flaky 测试调查、依赖迁移、需复现的 bug 猎杀、多步重构、benchmark 驱动调优、需产物的研究任务。

Cookbook
https://t.co/LJ4LhuVaso

[Roland.W @rwayne]

Obsidian 也能在你睡觉的时候替你跑业务赚钱
这条把整套架构讲清楚了

1、知识库按业务流程流转组织。普通笔记按主题组织，差异就在这

2、三层架构：Obsidian 存知识，Claude Code 当智能，N8N 跑自动化

3、CLAUDE.md 是商业宪法。每个工作流执行前都先读它，AI 才知道你的业务长什么样

4、QUEUE 和 GENERATED 是异步循环。你想到就丢进去，系统下个周期跑。你不等它，它不等你

5、6 个月之后复利。客户记录、内容数据、研究简报全在叠加。工具和复利系统的区别就在这

[思维怪怪 @0xLogicrw]

Anthropic 今日出台新规，把脚本自动跑任务踢出了订阅套餐的常规池，强制套上每月 20 到 200 美元不等的额度上限。但同时规定，人在终端里「交互式打字聊天」依然不限量。

新规刚发，开发者社区就拿出了反制手段。一个名为 claude-p 的开源项目直接把脚本调用伪装成了真人打字，成功绕过了这道计费墙。

它的做法是先在后台静默拉起一个虚拟终端（PTY），打开正规的 Claude Code 界面；接着用代码模仿人类，在键盘上敲出提示词并按下回车。等 Claude 吐完答案，它再把结果抓取出来传给外部程序。

经过这层伪装，在 Anthropic 的服务器看来，所有高频的机器请求都变成了一个真人在屏幕前打字聊天。第三方工具因此能继续走原来的「无限畅吃」账单，不受 20 到 200 美元的限制。

作者的神吐槽：「想靠客户端管住别人怎么用你的产品，根本就是白费力气。」