igniken 🔺

Renaissance of Defi

[nash_su - e/acc @nash_su]

Anthropic 这篇文章不错，用 WisMe 改写为中文了：

如何用 Claude 实现自助式数据分析
https://t.co/28IiIGhtff

[Frad @FradSer]

我的 home lab 目前运行的 Docker 服务：

- AI 模型中转，CLIProxyAPI
- Futu 持仓，FutuOpenD
- 最聪明的 agent 之一，Hermes
- 简易 GUI，Krusader
- 媒体娱乐，Plex
- Android 模拟器，Redroid
- 机场管理，SubStore
- 交易数据获取，TradingAgents

[nash_su - e/acc @nash_su]

llm_wiki v0.4.14 更新发布🎉🎉🎉

主要做了以下两个更新：
- 优化超长内容文件的分析，加入智能 chunk split 和上下文关联分析，长文本即使切片也不丢失全局信息。
- DeepResearch 加入对 AnyTxt 的 API 调用支持，AnyTxt 一个高效的本地文本搜索工具，可以索引电脑上的全部文件，现在 llm_wiki 可以对这些文件进行查询和 Research 啦。

https://t.co/Xkd9oTNcIj

[老爸的AI联萌 @ChrisWangwy]

https://t.co/r401OnmwMj

[North@CreaoAI @anorth_chen]

https://t.co/tuhPesfxGp

[木马人2.0 @mumaren_2]

这条推文的含金量还在上升

Follow Builders, Not Influencers~

@karpathy
— 前 OpenAI/Tesla AI，现 Eureka Labs，AI 教育传奇
@swyx
— AI Engineer 运动发起人，Latent Space 播客主理人
@joshwoodward
— Google Labs VP，负责 Gemini App 和 AI Studio
@kevinweil
— 前 OpenAI CPO，前 Instagram/Twitter 产品负责人
@petergyang
— Roblox 产品领导，Behind the Craft 作者
@thenanyu
— Linear Head of Product，一线 AI 产品构建者
@realmadhuguru
— Google Gemini 产品领导，推动"快速构建"文化
@AmandaAskell
— Anthropic 哲学家，塑造 Claude 的人格与品格
@_catwu
— Anthropic Claude Code 产品负责人
@trq212
— Anthropic Claude Code 工程师，深度分享 AI Agent 实践
@GoogleLabs
— Google 官方 AI 实验账号
@amasad
— Replit CEO，AI 编程工具推动者
@rauchg
— Vercel CEO，Next.js 作者
@alexalbert__
— Anthropic Claude 团队 PM
@levie
— Box CEO，企业级 AI 与商业趋势洞察
@ryolu_
— Cursor Head of Design，前 Notion/Stripe
@garrytan
— Y Combinator CEO，AI 创业生态
@mattturck
— AI 投资人，MAD Podcast 主理人
@zarazhangrui
— follow-builders 项目作者，AI Builder & 策展人
@nikunj
— FPV Ventures 合伙人，AI 时代 SaaS 思考
@steipete
— iOS/macOS 开发传奇，现聚焦 AI 开发工具
@danshipper
— Every 创始人，探讨 AI 对工作与创造的影响
@adityaag
— South Park Commons GP，前 Dropbox CTO
@sama
— OpenAI CEO— Anthropic 官方 Claude 账号

@mumaren_2
—木马人，多年大厂经验，专注AI领域知识和工具分享

[Khushi Agarwal @Aicoder786]

ANDREJ KARPATHY COULD HAVE CHARGED $2,000 FOR THIS COURSE.

He put it on YouTube.

The full training stack. Tokenization. Neural network internals. Hallucinations. Tool use. Reinforcement learning. RLHF. DeepSeek. AlphaGo.

3 hours of the most comprehensive LLM education that exists anywhere at any price.

Not how to use the tools.

How the entire system was built from the ground up and why it behaves the way it does.

The engineers who understand this build things the ones who only use the tools cannot even conceive of.

The gap between those two groups is not 3 hours.

It is everything those 3 hours quietly unlock for the rest of your career.

[Vaayne @LiuVaayne]

#TIR
BabyAGI 作者 Yohei Nakajima 的新论文 "The Log is the Agent" 提出了一种非常彻底的架构反转：把 Agent 的状态管理从「改内存」变成「写日志」。

传统 Agent 框架是围着 LLM 转的——先搭对话循环，再加工具、规则，最后 bolt-on 一层日志和向量记忆。日志是副产品，不是真相本身。

ActiveGraph 反过来：append-only event log 是唯一真相来源，工作图只是日志的确定性投影，行为（函数/LLM 调用/边逻辑）响应图的变化并生成新事件。没有 orchestrator，协调完全通过共享图完成。

论文给出了 diligence pack（投研尽职调查）的完整例子：671 个 events、93 个 objects、76 条 relations、103 次 model call、48 次 tool call——零行 orchestration 代码，纯靠 reactive behaviors 的触发链自动完成。

三个核心概念：
事件日志 = 唯一真相所有事情都是事件，一条一条追加。goal.created、object.created、llm.requested/llm.responded、behavior.completed……就像 Git 的 commit history，代码文件只是 commits 的一个投影。ActiveGraph 里，图也只是日志的一个投影。
图是确定性投影给定同样的日志，永远得到同样的图。Replay 时 model/tool 响应被 content-addressed cache 记录下来，直接返回 cache，不产生新调用，结果 byte-reproducible。
行为是反应式的没有主循环说「先做 A 再做 B」。行为只是订阅者：看到图里多了个公司 → 触发 question_generator → 写事件回日志 → 图更新 → 可能触发下一个行为。控制流是「涌现」出来的。
这带来三个传统架构很难同时拥有的特性：

Replay：日志就是全部状态，重放时 byte-for-byte 一致。传统框架几乎不可能，因为状态散落在各处。

Fork：在任意 event 处切一刀，前半段共享（从 cache 读，不花钱不耗时），后半段独立运行。可以做 A/B 测试、对比改进效果。传统框架没有这个概念。

Lineage：每个对象自带 provenance——谁创建的、因为哪个 event、哪次 LLM 调用产生的。从顶层 goal 到每一个 artifact 的完整因果链都可以在日志里重建。传统框架需要额外插桩，还不完整。

论文还讨论了 self-improving agents 的天然适配：规则修改本身就是 event，可以 fork 出来测试改进效果，structural diff 对比结果，共享前缀免费。

这种「软件工程反哺 AI 架构」的思路挺有意思的——event sourcing + CQRS + reactive dataflow 在 agent 领域的应用。

🔗 https://t.co/5CUJDjdGxa
🛠️ pip install activegraph | activegraph quickstart

[Labrin @quant_sheep]

如果你的 coding agent 在一个稍大些的项目上工作，强烈推荐安装 CodeGraph 使用

用它可以清晰看到代码的依赖关系和范围，是重构和维护的最佳工具。

效果远远优于 claude code 的 explore agent

我几乎用它取代了大部分的 explore ，提高了效率，也降低了成本
https://t.co/jhJl32gpv5

[Erdal @ErdalToprak]

https://t.co/VV4ZNgb4Dz

[AlphaSignal AI @AlphaSignalAI]

https://t.co/V4CJXy7esB

[huangserva @servasyy_ai]

Karpathy 的 CLAUDE.md 登上了 GitHub Trending 第一。

22 万星标，但大多数开发者还没读过。

它只有 65 行。

却把 AI 编码准确率从 65% 提升到了 94%。

里面的 4 条规则：

→ 先思考再编码
明确你的假设。不确定就提问。绝不猜测。

→ 简单优先
只写解决问题的最少代码。不要做没人要求的抽象。

→ 外科手术式修改
不要动与需求无关的代码。每一行修改都必须能追溯到需求。
→ 目标驱动执行
在写任何代码之前，把模糊的指令转化为可验证的成功标准。

就这些。
65 行。4 条规则。94% 准确率。

趁别人还没看到，先收藏。

[igniken 🔺 @igniken1]

@Panoptic_xyz Has panoptic been launch yet?

[nash_su - e/acc @nash_su]

代码安全扫描的方法竟然可以用在知识检索提升置信度上！

今天看 sec-af 这个项目，WisMe 就给我说这个项目里的方法可以借鉴给提升知识库的检索置信度，我是没想到一个做代码安全扫描的项目的方式竟然能跟知识检索和AI问答挂钩，于是让 WisMe 帮我综合分析写了个完整的流程。

相关文章如下：
知识检索 vs. 知识证伪：对抗性智能体对提升检索置信度的原理与方法论
https://t.co/mU5FqX0R2q

[小盖 @xiaogaifun]

讲 Harness 最透彻的一个演讲。

这应该是我看到过的、关于 Harness Engineering 最透彻的一次分享，推荐大家看一下。

视频链接：https://t.co/kxo2ZjvqKk

整场演讲就 20 分钟，IBM 的工程师 Tejas Kumar 用一个例子，挺巧妙的把 Harness 的价值讲清楚了，通俗易懂。

整场分享的观点其实就一句话，模型只是大脑，真正让 AI 进入真实世界工作的是 Harness。

这句话经常听到，但通过这个例子，能直接看出来为什么是这样。

把我的笔记分享出来，希望对大家有启发。

1
让一个没有怎么做 Harness Engineering 的 Agent 去给 Hacker News 上的帖子点 upvote。流程看起来非常简单。

打开链接，如果没登录就跳到登录页，登录后再返回帖子页面，点一下 upvote，任务结束。

但裸模型的 Agent 碰到登录页就不知道怎么办了。它搞不定登录，却稀里糊涂告诉用户任务已经搞定，upvote 成功。

实际上根本没点，Agent 撒谎了。去年大家但凡用过 Agent，一定碰到过类似的情况。

面对这个问题，把提示词写得再细，或者换一个更强的模型，都未必管用。问题在于这个 Agent 根本没有 Harness。

说到这里，顺带讲一下到底什么是 Harness。

其实可以这么理解，Harness 就是包裹在模型外面的一整套基础设施。一个完整的 Harness 一般包含下面这几部分。

1）工具注册表，决定模型能调用哪些工具。

2）上下文管理，控制哪些信息继续留在上下文里，哪些信息该压缩或丢掉。

3）护栏，给 Agent 运行过程设定边界，比如最多执行多少轮、最多调用多少次工具，或者遇到异常状态就立刻停止。

4）Agent Loop，让模型一轮一轮地观察、思考、调用工具、接收结果。

5）验证步骤，任务结束后核对结果到底有没有真的完成。

为什么需要这层东西？因为模型不像程序那样，给定输入就一定沿着固定路径执行。

它可能正常完成任务，也可能中途跑偏、忘记目标、误判状态，甚至任务都失败了还声称自己搞定了。

Harness 的作用，就是在模型外面加一层确定性的控制系统。哪些工具能调用，任务什么时候该停，上下文怎么压缩，结果到底算不算完成，都交给确定性的代码来管理。

像 Claude Code、Cursor、Codex 这些产品，都是 Harness 包裹起来的 Agent。它们之所以好用，不全是因为背后接的模型聪明，更因为外面这层基础设施做得比较到位。

2
回到刚才的案例。开始在 Agent 外面一层一层加 Harness。

先加两层最基础的运行控制。

一层是迭代上限。一个没有任何约束的 Agent，很容易陷入死循环。有时候碰到卡点，它会反复点同一个按钮，然后在一个死循环里绕不出来。

Harness 可以给 Agent 设一个明确的运行边界。比如执行轮数超过阈值，就直接中断，标记失败。这样至少能保证，一个失败任务会在可控成本内结束。

另一层是上下文管理。浏览器返回的 HTML 本来就长，几轮工具调用日志一叠加，上下文窗口很快就塞满了。

一旦塞满，Agent 就开始被自己的历史淹没，越往后越糊涂，连最初的目标都记不清。

Harness 可以定期压缩历史上下文，只保留对下一步决策还有价值的信息。这样就可以避免 Agent 因为上下文过长，被历史信息拖垮的问题。

加完这两层后，Agent 至少开始变得可控。但还有一个更关键的问题没有解决。它说任务完成了，这件事系统怎么才能确认是真的。

3
所以下一层的 Harness，就是要解决 Agent 结果验证的问题。

之前的流程中，Agent 跑完一圈任务回来说搞定了，系统也就默认任务真的已经完成。

但其实模型说自己完成，很可能是幻觉，跟它实际做了什么是两码事。

所以这层 Harness 要做的事，就是把判断权从模型的单一输出，转移到对真实执行记录的核查上。

在 Hacker News 的例子里其实很简单，加一层单独的验证逻辑就行。任务结束后，Harness 再跑一轮额外的验证，从执行过程中的工具调用历史里看一遍。

它访问了哪些 URL，点了哪些按钮，DOM 状态有没有真的发生变化。如果 DOM 变了，比如 upvote 按钮被点亮，任务就算成功。

如果没变，那任务肯定执行失败了，不管模型最后怎么总结。

这一步看起来简单，但其实是所有 Agent 必加的环节。模型自己说什么不重要，重要的是有一套任务是否完成的标准。

我知道，很多人面对 Agent 不靠谱的第一反应是模型不够强。但很多时候问题真不在模型。

再聪明的模型，只要没有一个机制去核对它到底有没有完成，这事就无解。

4
有了验证之后，再回头解决 Hacker News 登录的问题。前面那些 Harness 策略，不管是迭代上限、上下文压缩还是验证步骤，都是在给 Agent 本身加约束、加监督。

但登录需要 Agent 像人一样，真的可以输入用户名和密码，完成登录这一步。

具体做法是，Harness 在每一轮循环里，单独检查一下浏览器当前的 URL。如果发现当前页面进入了登录态，就不再把控制权交给模型，而是触发预先写好的登录逻辑。

这段逻辑完全不依赖模型推理，而是确定性的程序执行，从环境变量里拿账号密码，定位到输入框，填进去，点提交。

登录成功之后，把浏览器导回原来的页面，再把控制权交还给 Agent，让它继续做原来的任务。

整个过程，Agent 完全不知道发生了什么。它只是发现自己刚才在 A 页面，现在还在 A 页面，但身份状态变了，可以继续往下走了。

这个设计背后有一个很重要的认知，不是所有事情都该让模型来做。

模型适合处理开放问题。需要理解、判断、泛化的场景，它很强。但登录不是。

更准确的说法是，Harness 在这里做了一件事，识别出哪些场景是模型不擅长的，然后用代码把这些场景接管掉，做完之后再把世界恢复到模型能继续发挥的状态。

加上这一层之后，整个 Agent 终于能跑通了。同样的模型，同样的 prompt，没有任何改动，但它现在可以稳定地打开 Hacker News，跳到登录页，登录，回到原帖，点 upvote，确认完成。

从一个连登录都过不去的 Agent，变成一个能跑通完整流程的 Agent。

5
回过头看这四层 Harness，会发现一个挺有意思的事情。

第一层迭代上限，处理的是会不会失控。第二层上下文压缩，处理的是能不能跑完。

第三层验证步骤，处理的是有没有真的做成。第四层登录接管，处理的是哪些事情根本不该让模型自己做。

这四层加起来，做的其实是同一件事。用确定性的工程系统，去约束和支撑一个非确定性的模型。

这就是为什么模型是大脑，Harness 是身体这个说法成立。

模型本身只负责推理，但真实世界是一个由状态、权限、页面、网络和异常流程组成的系统。只有推理能力，是无法稳定进入真实工作流的。

Harness 做的，是把这些复杂性重新收敛成模型能够稳定处理的运行环境。

这个例子最值得琢磨的一点是，从头到尾，Agent 的模型没换，Prompt 没改，改的全是它外面的执行框架。

但 Agent 的表现，已经从一个连登录都过不去的系统，变成了一个能稳定跑通完整流程的 Agent。

这件事翻译过来就是，很多时候，真正决定 Agent 稳定性的，其实是 Harness。

模型进步当然重要。但很多 Agent 的问题，并不是模型能力问题。

更重要的是，Harness 不是玄学。它是一整套可以被拆解、被测试、被优化的软件工程问题。

[anshuman @athleticKoder]

https://t.co/MXQq4VIz2L

[Anatoli Kopadze @AnatoliKopadze]

instead of watching 2 hours of Netflix tonight, watch this Stanford lecture

it's the clearest explanation I've seen of how ChatGPT and Claude actually work

useful whether you've never touched AI in your life or have been using it every day for the past year

I took the key ideas and turned them into a practical guide on how to actually get 100% out of Claude

find it below

[KK.aWSB @KKaWSB]

Karpathy 在一次采访里说了个很扎心的点：

很多人每月花 20 美元订 Claude，但其实还停留在“问答使用”阶段。

真正拉开差距的，是会不会用 AI 构建东西。

他提到，自己发现过 4 类会把 Claude 写代码搞崩的行为，并整理成一个文件。后来有开发者把它扩展成 21 条规则发布，拿到 8.2 万星，还登上 GitHub 第一。

更夸张的是，按这套规则调整后，代码准确率从 65% 提升到 94%。

这说明 AI 编程的门槛已经变了。

会不会写代码只是一层。

会不会给 AI 建规则、拆任务、设边界、做反馈，才是下一层能力。

[0xAA @0xAA_Science]

https://t.co/Zrb0jBka64

[Leo｜一个人 + AI @runes_leo]

这篇最值钱的不是 Hermes Agent 本身，而是 control room 这个概念。

单 Agent 解决执行问题；
Agent fleet 解决组织问题。

真正难的是记忆、权限、路由、runbook、状态和人工审批边界。

没有 control plane，多 Agent 只是把混乱并行化。