haoran.cv | 公众号：独立开发

[haoran.cv | 公众号：独立开发 @hr98w]

another 48 hours

[haoran.cv | 公众号：独立开发 @hr98w]

app store 审核好慢，已经接近 48 小时了，还没任何动静

[haoran.cv | 公众号：独立开发 @hr98w]

支持 OAuth 的 MCP 才是好 MCP

[haoran.cv | 公众号：独立开发 @hr98w]

@keyutian hiring？

[haoran.cv | 公众号：独立开发 @hr98w]

0. Codemode 是什么（图 1）

可以把它理解成一个让 LLM 用代码调用其他工具的“元工具”。模型提交一段 JavaScript，通过 tools.* 调用工具，再用循环、分支和数据处理完成任务。

例如“查询项目 → 查询任务 → 筛选逾期项 → 按负责人统计”，可以写进一段程序。外层仍然是一次工具调用，里面包含多个具体操作。

1. 优点：减少往返，控制上下文

传递 ID、遍历列表、排序和统计这些可以提前表达的步骤，交给代码执行，就不用每一步都把结果交回模型。多个工具也可以按依赖关系串行或并行调用。大量中间数据留在执行器里，最后只返回需要的字段或统计结果，可以减少模型往返和上下文占用。工具请求仍然会发生，节省的主要是模型参与中间处理的成本。

2. 缺点：对模型要求更高，也更难调试

模型除了选工具、填参数，还需要正确生成控制流、字段访问和异步逻辑。写错条件、忘记 await，都可能导致失败或错误结果。工具自己的 schema 仍然可以验证参数，但它无法保证整段程序的逻辑正确。如果下一步需要理解意外情况、重新判断目标，仍然需要回到模型。简单任务使用直接 Tool Calling 就可能足够。

3. 代码沙箱与工具执行是两层（图 2）

在 Pi 和 Codex 的这类实现中，裸 JavaScript 执行器没有直接的文件系统和网络入口。代码负责组织调用、处理数据；read/write、Bash、MCP client 等能力位于引擎外部，由宿主接收请求并分派执行。脚本可以通过工具读取文件，但能读哪些文件，取决于工具环境的权限。把编排层单独抽出来，也让授权和执行边界更容易管理。

4. Pi 和 Codex 分别怎么实现

Pi 使用 QuickJS：把这个 C 实现的 JavaScript 引擎编译成 WASM，在 Node worker 线程中运行。模型生成的 JavaScript 由 QuickJS 执行。Codex 使用 V8 isolate，通过 Rust 回调把工具请求送回 Harness。两者都给代码注入 tools.* 接口，再通过 Promise 返回结果。共同的思路是：引擎执行程序，宿主管理真实能力。

长文：https://t.co/8B3TojuNVP

[haoran.cv | 公众号：独立开发 @hr98w]

@turingou 真是个长难句，看完原文才理解什么意思

但是数据仍旧属于已经存在的垂直 app 中，是要等他们自己做 agent 吗？

插件体系已经存在了，但是并没有靠谱的 agent 出现，全都是 scraper

[haoran.cv | 公众号：独立开发 @hr98w]

@liangzhu_AI @wenhaoqi typo PDF 服务

[haoran.cv | 公众号：独立开发 @hr98w]

app store 审核好慢，已经接近 48 小时了，还没任何动静

[haoran.cv | 公众号：独立开发 @hr98w]

有不少产品采取了 single-session 的设计，这也是大家最常用的习惯

感谢 raft 分享宝贵的经验给大家借鉴

[stdrc @istdrc]

We cut Raft’s cold-wake cost by 60% without breaking continuity.

Update to the latest Raft Computer to save time and tokens. https://t.co/bkwhYE18Ae

[haoran.cv | 公众号：独立开发 @hr98w]

一个很酷的 mdx 组件库

https://t.co/8uJj98vQEs

[haoran.cv | 公众号：独立开发 @hr98w]

狠狠 vibe 了一整个假期的 app 终于提交 review 了

open-source, local-first, BYOK, personal agent

[haoran.cv | 公众号：独立开发 @hr98w]

@yaoraodeaosika @QuantumTransf @yifanxu_ephai 嗯 我是这么理解的

[haoran.cv | 公众号：独立开发 @hr98w]

@QuantumTransf @yaoraodeaosika @yifanxu_ephai 求教！

最近看这类 managed agent 看的非常混乱，我的理解是为了解决服务运行在 server 遇到的 crash recovery, durability 之类的问题。现在试图解决的是这个问题么，有没有更通用的解法？

[haoran.cv | 公众号：独立开发 @hr98w]

@QuantumTransf @yaoraodeaosika @yifanxu_ephai 对 我的意思是需要 tool/外部系统的幂等语义支持，才能做到，pi 就是帮忙做了工具执行前后的 intent + complete log

[haoran.cv | 公众号：独立开发 @hr98w]

@QuantumTransf @yaoraodeaosika @yifanxu_ephai 只靠 pi 做不到 exactly-once 吧，WAL + 接口幂等是必需的，我理解的是 pi-durable 主要就是为了解决 exactly-once 语义

[haoran.cv | 公众号：独立开发 @hr98w]

@yifanxu_ephai https://t.co/NnfOS9r8ux

按理说非 ultra，非 skill/prompt 明确要求，codex 不会派发 subagent

[haoran.cv | 公众号：独立开发 @hr98w]

@yifanxu_ephai agent 运行在本地和运行在云端去 serve 用户，要求是不一样的吧

你前几天推荐的文章有一部分感觉跟 pi-durable 做的很像
https://t.co/r4m1jjNg62

[haoran.cv | 公众号：独立开发 @hr98w]

@yueke 仓库里有 eval 的结果，取决于任务/prefill 的长度，上面这个任务大概200ms

[haoran.cv | 公众号：独立开发 @hr98w]

视觉版 Jev 来了

https://t.co/x0kzeE3hdx

仿照着社区的思路，把候选结果映射成固定标签，prefill 完直接采样，限制输出 token，采用多模态的 qwen-3.5-0.8B 4bit 量化部署在本地，16g m4 mbp 顺利运行

叠甲：这只是在 infer 层小小的复现一下 jev 的形式，肯定不如各种成熟推理框架效率高，也肯定不是 jev 的正在原理，但是作为 inference 的小入门仍旧是不错的

demo 如下 200ms 实现《三色货品分拣》

[haoran.cv | 公众号：独立开发 @hr98w]

所有的 agent 都应该有 YOLO mode！！！

[haoran.cv | 公众号：独立开发 @hr98w]

@dingyi 补一个我做的 也是想找点小地方塞点浮夸的

[haoran.cv | 公众号：独立开发 @hr98w]

@dingyi 偶尔来几个这种效果挺好的

最近打磨 app，感觉需要避免的是滥用 liquid glass，各种层次，动效叠的满屏幕都是，简直是灾难