jerrychaox

Ex-Bytedance

[jerrychaox @jerrychaox]

@chasen_liao 写个hook不就好了

[jerrychaox @jerrychaox]

@GenAI_is_real 分屏开一个PI 然后配上deepseek或者gemini 让他��给我传话给Claude🤣🤣

[jerrychaox @jerrychaox]

@BtreeWw AI的SSOT有时候和人不太一样

[jerrychaox @jerrychaox]

Fable处理大数据开发，竟然连先导出一��完整的Raw再处理都不会

[jerrychaox @jerrychaox]

@RonVonng supabase竟然��没有正式支持duck扩展，怎么蹦啊

[jerrychaox @jerrychaox]

@agentmail @bot i got banned when I use default domain of agent mail to sign in the app

[jerrychaox @jerrychaox]

@DottChen @modal 可以看下 bwrap

[jerrychaox @jerrychaox]

@akazwz_ deepseek多模态 + 飞书 + 自己注册刷社媒

[jerrychaox @jerrychaox]

@FiniYang 在code-mode上表现怎么样，比较在意agent能在harness层面一次编排多���骤rpa

[jerrychaox @jerrychaox]

@orca_build nice, but what's going on my Workspace panel does not show all my agent

[jerrychaox @jerrychaox]

@I_am_oil_oil @xin_pai88825 恭喜 兄弟！

[jerrychaox @jerrychaox]

最近经常需要做一些云端的agent，利用比较便宜的模型完成特定的任务

他们的开发过程，不知道算不算蒸馏，因为都是用本地的5.6 Sol或者Fable开发

过程中如果小模型干的不好，经常的做法是让5.6 Sol查看5.6 Luna的上下文呢，然后让Sol对Luna进行慰问，询问他遇到什么困难，从而得出优化方案

[jerrychaox @jerrychaox]

@GenAI_is_real +1，我的ai chat的需求都会在google浏览器的chat展开，而不是gpt和claude

[jerrychaox @jerrychaox]

@bojie_li damn 是类似Google的BBR的思路吗

[jerrychaox @jerrychaox]

LOL

[Sakshi @Sakshi50038]

Who's gonna tell vibe coders about...

> Rate Limiting
> Caching
> Load Balancing
> Reverse Proxies
> API Gateways
> CI/CD
> Docker
> Kubernetes
> Service Discovery
> Circuit Breakers
> Timeouts
> Retries
> Exponential Backoff
> Idempotency
> Message Queues
> Pub/Sub
> Event-Driven Architecture
> Distributed Transactions
> Saga Pattern
> Dead Letter Queues
> Cron Jobs
> WebSockets
> Long Polling
> Server-Sent Events
> Database Indexing
> Query Optimization
> N+1 Queries
> Connection Pooling
> Read Replicas
> Sharding
> Partitioning
> Replication
> Leader Election
> CAP Theorem
> Eventual Consistency
> Optimistic Locking
> Pessimistic Locking
> Distributed Locks
> Race Conditions
> Deadlocks
> Memory Leaks
> Garbage Collection
> Thread Safety
> Backpressure
> Autoscaling
> Horizontal Scaling
> Vertical Scaling
> CDN
> Edge Caching
> Cache Invalidation
> Feature Flags
> Blue-Green Deployments
> Canary Releases
> Rolling Deployments
> Rollbacks
> Health Checks
> Liveness & Readiness Probes
> Monitoring
> Logging
> Distributed Tracing
> Metrics
> Alerting
> SLOs
> SLIs
> Error Budgets
> Observability
> Secrets Management
> IAM
> OAuth
> JWT Rotation
> TLS
> Encryption at Rest
> Encryption in Transit
> WAF
> DDoS Protection
> CORS
> CSRF
> SQL Injection
> XSS
> SSRF
> Database Migrations
> Schema Versioning
> Disaster Recovery
> Backups
> Failover
> Multi-Region Deployments
> Chaos Engineering
> Cost Optimization
> Cold Starts
> Serverless Limits
> Latency
> Throughput
> P99 Latency
> Tail Latency
> Network Partitions
> Clock Skew
> DNS
> TCP vs UDP
> HTTP/2 & HTTP/3
> gRPC
> Webhooks
> API Versioning
> Semantic Versioning
> Infrastructure as Code
> Terraform
> Helm Charts
> Build Caching
> Dependency Hell
> Production Incidents
> On-call
> Postmortems

...until the app gets its first million users.

[Sakshi @Sakshi50038]

Who's gonna tell vibe coders about...

> Rate Limiting
> Caching
> Load Balancing
> Reverse Proxies
> API Gateways
> CI/CD
> Docker
> Kubernetes
> Service Discovery
> Circuit Breakers
> Timeouts
> Retries
> Exponential Backoff
> Idempotency
> Message Queues
> Pub/Sub
> Event-Driven Architecture
> Distributed Transactions
> Saga Pattern
> Dead Letter Queues
> Cron Jobs
> WebSockets
> Long Polling
> Server-Sent Events
> Database Indexing
> Query Optimization
> N+1 Queries
> Connection Pooling
> Read Replicas
> Sharding
> Partitioning
> Replication
> Leader Election
> CAP Theorem
> Eventual Consistency
> Optimistic Locking
> Pessimistic Locking
> Distributed Locks
> Race Conditions
> Deadlocks
> Memory Leaks
> Garbage Collection
> Thread Safety
> Backpressure
> Autoscaling
> Horizontal Scaling
> Vertical Scaling
> CDN
> Edge Caching
> Cache Invalidation
> Feature Flags
> Blue-Green Deployments
> Canary Releases
> Rolling Deployments
> Rollbacks
> Health Checks
> Liveness & Readiness Probes
> Monitoring
> Logging
> Distributed Tracing
> Metrics
> Alerting
> SLOs
> SLIs
> Error Budgets
> Observability
> Secrets Management
> IAM
> OAuth
> JWT Rotation
> TLS
> Encryption at Rest
> Encryption in Transit
> WAF
> DDoS Protection
> CORS
> CSRF
> SQL Injection
> XSS
> SSRF
> Database Migrations
> Schema Versioning
> Disaster Recovery
> Backups
> Failover
> Multi-Region Deployments
> Chaos Engineering
> Cost Optimization
> Cold Starts
> Serverless Limits
> Latency
> Throughput
> P99 Latency
> Tail Latency
> Network Partitions
> Clock Skew
> DNS
> TCP vs UDP
> HTTP/2 & HTTP/3
> gRPC
> Webhooks
> API Versioning
> Semantic Versioning
> Infrastructure as Code
> Terraform
> Helm Charts
> Build Caching
> Dependency Hell
> Production Incidents
> On-call
> Postmortems

...until the app gets its first million users.

[jerrychaox @jerrychaox]

@kalasoo agent A share session url, agent B read, humanity recap

[jerrychaox @jerrychaox]

@_licgu @labuladong_cn 怪不得 闷声不吭 特别奇怪🤣 现在过程都没法看了

[jerrychaox @jerrychaox]

这几天深度使用loopx，多深度呢直接在codex轨迹盯着loopx的每个toolcall在干嘛，写了什么参数

为什么loopx是对的���有效的：感觉核心是记录了长程任务的语义状态，并且通过心跳等机制刷新agent的最新注意力，始终保持next token prediction在任务的正轨上

当然了任务质量仍然依赖你的Skill是否提供给Agent更好的任务拆解思路和认知

Agent不需要你定义 1 2 3 4…的相关步骤，后训练强化学习已经让agent能自己很好的推理和拆解轨迹了，如果死记硬背流程反而适得其反

Harness要做的就是给Agent更好的拆解思路Skill，tool，注意力反馈，LoopX我理解是让agent的对目标的推理始终保证在正轨上

Next Token Prediction Machine

[Ruiteng Huang @huangruiteng]

开源项目 LoopX：超长程 Agent 自主运行 200+ hours，状态不漂移。

我的技术主张是：LLM 上下文有限，长程 Agent 需要外置状态，通过完备的状态管理、监督和规划，让 Agent 无人干预时跑得稳、持续有产出；有人干预时跑得更好，能吸收反馈继续演进。

两条真实 trajectory 分别跨越 220.7 / 272.9 小时，跨多轮执行、等待、人工决策、writeback 与 resume 后，���个 loop 仍能找回目标、证据和下一步。

目前 LoopX 已有 3 个 showcase：auto PR issue fix、AutoML experiment 和 auto coredump fix。

以 OpenViking 开源仓库的 PR issue fix 为例，Agent 不只是循环写代码。它需要持续理解 issue 的不同状态，判断何时开发、何时等待、何时请求 review，处理 CI、冲突和上游变化，并连续交付多个 PR。

这对应 LoopX 的 domain state 管理：领域系统决定真实状态，LoopX 负责把状态投影成下一步可执行的工作。

与此同时，Agent 还可以在干活过程中实现能力自进化。当它发现现有系统缺少某项能力时，可以提出 feature、完成开发与验证、发布新的离线或在线版本，再使用新能力继续原来的任务。

长程 Agent 天然适合自进化，“完成工作”和“升级完成工作的系统”可以在同一条长程轨迹中发���。

LoopX 把这些信息外置成结构化控制面：

• Goal / Vision：目标是什么，什么不能被局部优化牺牲
• Todo / Gate：当前执行的 frontier，以及必须留给人的关键判断
• Identity / Authority：谁能 claim、writeback、approve
• Evidence / Receipt：每次推进留下什么可回读证据
• Quota / Scheduler：何时继续执行，何时安静等待
• Handoff / Recovery：换模型、换会话、换 host 后如何恢复

你也可以把它理解为一块专门给 Agent 设计的可执行 Kanban。

普通看板只展示“谁在做什么”；LoopX 的状态会直接约束和驱动下一次 bounded turn，让看板本身成为执行系统的一部分。

这套系统最强的地方是通用性。它不只可以修 PR，还可以做 auto research、长期实验、自媒体运营、复��� feature 开发和办公任务。

Agent 不再只是一次性的回答机器，而可以围绕一个人的 vision，长期工作、等待、吸收反馈、积累证据并持续演进。

LoopX 从一开始 build in public：状态协议、CLI、控制面实现和真实运行轨迹都进入了开源仓库；它也已经和 OpenViking、NoKV 等 agent infra 项目形成了开源合作伙伴关系。

我希望 LoopX 最终能放大每个人的 vision 和想象力。只要你有自己的目标、想法或技术主张，就能拥有一个全天候继续工作和探索的 Agent 系统，帮助你把愿景一点点变成现实。

欢迎试用、提 issue、贡献代码，或者用一个真实的 multi-day task 跑 LoopX。

https://t.co/ncHCZheYb7

[jerrychaox @jerrychaox]

@siddontang manus是不是tidb