jett

人生 PRD 只有一条：赚够钱，早退休，坐着发呆
📝 排期待定，欢迎评审

[jett @jett0910]

@Baihuashuh 我好像只有几十

[jett @jett0910]

The number that matters here isn't 2.8T parameters. It's that a frontier-class checkpoint is now a download. We build knowledge services where the retrieval layer has to respect permissions, and the day the model stops being a vendor API is the day the control plane becomes ours to build. That's the part nobody benchmarks.

[jett @jett0910]

@AndresDancausa @harleyf @Shopify Exactly. This is the sentence we keep coming back to in our own work: the agent's visible set has to be a subset of the user's visible set. Same for spending. A merchant doesn't need a smarter agent. It needs a verifiable one — identity, scope, limits — before it can say yes.

[jett @jett0910]

We learned this the hard way building knowledge services: if the agent can see a piece of data, it will eventually use it. A note in the prompt saying "never send this" is not a control — it's a wish. The real fix isn't a filter on top. It's taking the email out of the context entirely.

[jett @jett0910]

Same experience here, from the other side. We build agents that are supposed to act for people, and the last mile is always the same wall: the merchant can't tell who the agent is, who it's buying for, or what it's allowed to spend. So the fraud system does its job and blocks it. The model isn't the bottleneck. The trust layer is.

[jett @jett0910]

@Tinarpp2 这个建筑好熟悉

[jett @jett0910]

@Alexvhyn @grok 有点黑神话那种感觉，厉害

[jett @jett0910]

Read-only is the whole story. The banks didn't ban AI — they banned the borrowed password. Scoped, revocable access is the difference between a tool and an insider threat. We learned the same rule building knowledge services: the agent's visible set must sit inside the user's visible set.

[jett @jett0910]

@yellomao 慢慢来，说不定那天等来了泼天的流量

[jett @jett0910]

@ZX2023225 给力，祝贺

[jett @jett0910]

@a10025250 会越来越好的

[jett @jett0910]

@BullTheoryio The headline misses the point. Evasion was the assignment, not an accident — and it worked every time. A monitor nobody tries to fool is a monitor you can't trust. We test ours the same way: assume the agent is trying to get around it.

[jett @jett0910]

@AnthropicAI Not secretly — Anthropic assigned the evasion and published it. The scary part: it worked every time, using training data that looked harmless. A monitor that's never been red-teamed by the thing it's meant to catch isn't a monitor. It's a hope.

[jett @jett0910]

@wellzhiai 还是觉得Claude最懂我

[jett @jett0910]

@0xTanlang 新人报道

[jett @jett0910]

从“看图猜坐标”到“原生无障碍树”，AI 桌面自动化（Computer Use）正在经历一场静悄悄的架构突变 🧵 过去几个月，我们见证了以 Anthropic 为代表的“纯视觉流”（看全屏截图预测像素坐标）的震撼，但在实际落地中也深陷痛点：单步高昂的 Token 成本、多屏与 Retina 坐标漂移、物理光标强行被夺舍、且遇到深层控件极易坐标幻觉。 最近深入拆解分析了业界代表性的开源实现，看到了截然不同的演化路线：
1️⃣ @vercel / agent-desktop (https://t.co/Tqxa9RaLx6) 纯 Rust 打造。彻底抛弃截图，全量拥抱操作系统原生无障碍树（macOS AX / Win UIA）。通过“骨架剪枝”把单步 Token 消耗压缩 90% 以上；支持 `--root @ref` 容器子树下钻（杜绝全局递归卡死）；更绝的是把条件等待（predicate wait）下沉到 Rust 驱动层 100ms 轮询，不用 LLM 在 Agent Loop 里盲跑 sleep。
2️⃣ trycua / cua-driver (https://t.co/njvlP5xHdF) 主打“后台多光标（Multi-Cursor）”，利用系统 Pattern 与消息分派实现静默无感执行，并维护了一套抹平 Win32 / WPF / Qt / Electron 兼容性怪癖的框架矩阵。
3️⃣ can1357 / oh-my-pi (https://t.co/wdErOpCxvL) 将单步交互做成对象化 Eval Prelude，强调紧凑的 Inspect-Act-Verify 即时回读验证闭环。 💡 核心思考： • 纯视觉是通用的（Canvas/游戏都能点），但极其昂贵、延迟大且脆弱； • 纯无障碍树是极速、稳定且低成本的，但遇到自绘界面会直接失明。
未来的终局一定是“混合分层漏斗”： 以 OS 原生紧凑无障碍树为主干（零光标抢占、稳定 Ref）
➡️ 遇到自绘/无无障碍支持应用时，无缝降级为本地 OCR + Set-of-Mark 视觉兜底
➡️ 驱动层内置状态断言等待。 告别低效截图轮询，真正的 OS Agent Infra 才刚刚拉开序幕。你怎么看？👇
#AI #ComputerUse #Agents #Rust #ClaudeCode #LLM #DevTools

[jett @jett0910]

@finkd Fun — until a Space touches your files or calendar. Then the real question shows up: what can it see, and who decided that? Every agent demo is smooth right up to the permission layer.

[jett @jett0910]

成本确实转移了：从“运行时的 Token 费用和概率幻觉”转移到了“底层的工程适配成本”。视觉是“开发者写得爽，用户和钱包遭罪”；无障碍树是“开发者掉头发做框架适配，换取运行时极速、省钱和确定性”。
覆盖率差距极大：macOS 生态规整、Windows 是 30 年地质断层，很多老旧/自绘软件在 UIA 里就是一个空白壳子。
所以纯无障碍树绝不是银弹：纯无障碍遇到自绘应用直接失明。看到的业界解法是**“无障碍树走高速路，本地 OCR/视觉做降级备胎”的混合漏斗**。平时省钱省 Token 不抢鼠标，遇到硬骨头无缝切视觉兜底。

不过整体方案还在持续的调研，等我们做自身产品的改造后，可能会有详细的结果了。

[jett @jett0910]

从“看图猜坐标”到“原生无障碍树”，AI 桌面自动化（Computer Use）正在经历一场静悄悄的架构突变 🧵 过去几个月，我们见证了以 Anthropic 为代表的“纯视觉流”（看全屏截图预测像素坐标）的震撼，但在实际落地中也深陷痛点：单步高昂的 Token 成本、多屏与 Retina 坐标漂移、物理光标强行被夺舍、且遇到深层控件极易坐标幻觉。 最近深入拆解分析了业界代表性的开源实现，看到了截然不同的演化路线：
1️⃣ @vercel / agent-desktop (https://t.co/Tqxa9RaLx6) 纯 Rust 打造。彻底抛弃截图，全量拥抱操作系统原生无障碍树（macOS AX / Win UIA）。通过“骨架剪枝”把单步 Token 消耗压缩 90% 以上；支持 `--root @ref` 容器子树下钻（杜绝全局递归卡死）；更绝的是把条件等待（predicate wait）下沉到 Rust 驱动层 100ms 轮询，不用 LLM 在 Agent Loop 里盲跑 sleep。
2️⃣ trycua / cua-driver (https://t.co/njvlP5xHdF) 主打“后台多光标（Multi-Cursor）”，利用系统 Pattern 与消息分派实现静默无感执行，并维护了一套抹平 Win32 / WPF / Qt / Electron 兼容性怪癖的框架矩阵。
3️⃣ can1357 / oh-my-pi (https://t.co/wdErOpCxvL) 将单步交互做成对象化 Eval Prelude，强调紧凑的 Inspect-Act-Verify 即时回读验证闭环。 💡 核心思考： • 纯视觉是通用的（Canvas/游戏都能点），但极其昂贵、延迟大且脆弱； • 纯无障碍树是极速、稳定且低成本的，但遇到自绘界面会直接失明。
未来的终局一定是“混合分层漏斗”： 以 OS 原生紧凑无障碍树为主干（零光标抢占、稳定 Ref）
➡️ 遇到自绘/无无障碍支持应用时，无缝降级为本地 OCR + Set-of-Mark 视觉兜底
➡️ 驱动层内置状态断言等待。 告别低效截图轮询，真正的 OS Agent Infra 才刚刚拉开序幕。你怎么看？👇
#AI #ComputerUse #Agents #Rust #ClaudeCode #LLM #DevTools

[jett @jett0910]

@SwordXyj 我现在是相当于4倍 日常写代码不够 用来做做测试验收还可以