一群小羊说

数字媒体技术出身 · 非科班 Vibe Coder 🐑
少数派作者（23.7w+ 阅读）
小红书 @赛博一只羊
手搓 macOS 原生小工具（MenuBarMijia / DSH 鲸鱼与语音胶囊）
Building in Public 🛠️

[Basic Apple Guy @BasicAppleGuy]

New iPad mini just dropped!
https://t.co/6xf848SzKb

A20 Pro, OLED, Nano Texture Option, 8.5-inch display, water & dust resistance.

Comes in Starlight or Midnight.

Preorder: 10.28

[一群小羊说 @jryang1997]

@BasicAppleGuy 还是 60Hz 屏幕吗

[一群小羊说 @jryang1997]

@HiTw93 一期不落！用 folo 订阅收看体验很棒！

[一群小羊说 @jryang1997]

@LiuweijiaVip 别提了，我的项目 Contributor 里还被塞了个橘色菊花呢，a➗真的离谱😑

[一群小羊说 @jryang1997]

In case the translation fails and the Chinese doesn’t come through, here’s the English version: Musk’s Grok translation does feel like a Babel Tower attempt. But I’ve noticed a missing brick: some posts just won’t auto-translate, including in English and other common languages. Is this just me, or are others seeing it too?

[一群小羊说 @jryang1997]

老马搞的这个 Grok 翻译，确实有点在搭巴别塔的意思。但用下来发现塔缺了一块砖啊，有些推文自动翻译不了，评论区也遇到过。不知道是我个例，还是大家都这样？

[一群小羊说 @jryang1997]

@iblogc @jaywcjlove 已经修复了哦，还加了检测更新等功能～

[一群小羊说 @jryang1997]

300gb 的硬盘现在大概市场价多少啊，估计比游戏典藏版都贵了吧😂😂😂

[一群小羊说 @jryang1997]

喜闻影之刃零解锁在即，显卡算力另做他用，X 和小红书断更一周😘

[Phantom Blade Zero @pbzero_official]

Ready your blade!

Phantom Blade Zero pre-load begins October 26, 2026, at 7:00 PM PDT.

PC players, please check the system requirements and prepare for the journey:
1. Install the game on an SSD for a smooth experience.
2. The game is approximately 145 GB. Please reserve at least 300 GB of free disk space for the pre-load process.
3. Update your graphics drivers to the latest version.

Your journey begins October 28, 2026, at 7:00 PM PDT.

[一群小羊说 @jryang1997]

@LiuweijiaVip 他这个脚本写死确实方便，我周末让 antigravity 用 Android cli 自动化搞了类似操作，用了两小时🥲🥲🥲

[一群小羊说 @jryang1997]

文中提到的 3 个一手信源与开源工具指路 🧵👇

1. Anthropic 官方工程指南（Diane Sarkis，2026.10.22）《Building agents: When to fold subagents into your main agent loop》
https://t.co/5a4KqJYAgX

2. Anthropic 配套开源的单循环评测与迁移套件（Apache-2.0，支持 10 分钟跑通对比评测）
https://t.co/TJcP20vdp5

3. Mario Zechner 关于 pi 早期为何拒绝内置 Subagents 的架构复盘《What I learned building an opinionated and minimal coding agent》（见文中 No sub-agents 章节）
https://t.co/AJQpvaYiXl

[一群小羊说 @jryang1997]

以前自己买台 Mac mini 折腾 OpenClaw 的时代早就过去了，现在 OpenClaw 基本已经凉透没人玩了。今年下半年个人 Agent 彻底变天，最火的是 xAI 和 Cursor 合体推出的 Grok Bot。它在云端直接配好一台 24 小时不关机的共享电脑，大家都在顶上设一个幕僚长 Bot，底下建一堆找资料、写稿、比价、改代码的专职 Bot，拉个群让它们互相派活分工。

结果前两天，Anthropic 发了一篇 18 分钟长文《Building agents: When to fold subagents into your main agent loop》，还在 GitHub 开源了评测迁移套件 single-agent-loop-kit，直接劝大家别再拆那么多专职子代理（Subagents）了，干脆合回一个主 AI 循环里跑。

很多人习惯照着公司部门架构拆小 Bot，让 A 写代码，交接给 B 写测试，再交接给 C 审查。Anthropic 实测发现这会变成传话筒游戏。每个小 Bot 看不到别人干活的完整过程，交接（Handover）时只能传一段浓缩总结。写测试的根本不知道写代码时踩过什么坑、做过什么取舍，传几次话细节全丢了。

社区高赞评论也吐槽，大家拆出来的所谓专职子代理，十有八九只是套了件马甲的技能说明书。那不拆多 Bot，一个主 AI 怎么干完所有活？以前大家怕一个窗口塞超过 30 到 50 个工具会让 AI 挑花眼变笨。现在只留一个主 AI 从头盯到尾，各个岗位的操作手册都做成技能包（Skills），工具也改成用时再去搜。主 AI 干到哪一步再翻哪本手册，平时不占脑容量。靠这招，Anthropic 把 Claude Code 给新模型的系统提示词砍掉了 80% 以上，好几家企业合回单主循环后质量更高、花钱更少，有一家客户的运行速度直接快了约 2 倍。

报告里只给子代理留了三条活路。第一是单窗口东西塞太满实测确实变笨了，第二是几个规矩或工具放一起互相打架，第三是需要同时干几件一次性杂活，干完只要结果、过程直接扔掉。

看到这篇指南，很容易联想到极简终端编程工具 pi 在子代理上的态度转变。去年 11 月底 pi 作者 Mario Zechner 写复盘长文时，专门列了一节拒绝内置子代理。他当时痛批早期 Claude Code 派发子代理是黑盒套黑盒，你根本看不见子代理在里面干嘛，主从交接上下文也很差，出了错没法调，甚至直言半路开子代理去搜集上下文纯粹是前期没做好规划。

后来到了重度实战里，情况还是变了。社区很火的 pi-subagents 扩展，还有安全研究员 Can Bölük 基于 pi 打造的 oh-my-pi（OMP，我现在的主力工具），最后全都深度补齐了子代理。OMP 支持 default、smol、slow、plan 等多档位模型，用 APFS 写时复制克隆隔离并发工作区，还加了能随时切进去看实时对话的 Agent Hub，把当年的黑盒改造成了透明可控的并发工兵。

为什么官方劝大家合回单循环，而一线极客工具却补齐了子代理？背后原因其实很清楚。从 Opus 4.5 到如今默认开启思考、边写边自检的 Opus 5.5 和 Fable 5.1，旗舰大模型已经能自己写计划并在同一个窗口里看着报错动态改计划。面对写核心代码和修 Bug 这种讲究前后连贯的活，按部门拆子代理纯属添乱。而一线工具拥抱子代理，是为了让便宜小模型去干并发探路的脏活。

我自己用下来也是这个体会。Subagents 在深度推理过程里确实不一定是最优解，因为每次子代理干完活往回交接（Handover），一定会做摘要压缩，肯定伴随着信息折损。真正讲究上下文连贯的核心重活，还是得留在一个主循环里让旗舰模型从头干到底。

但一到日常干活要抢速度、应付量大面广的探索任务，比如同时去翻十几个网页信源、在陌生代码库里大海捞针探路、或者并发洗一批初稿，我还是会毫不犹豫地派 Flash 或 Smol 级别的轻量小模型去做广撒网。让便宜又飞快的小模型并发去干一次性探路的脏活，哪怕交接回来丢一点边角料，也比让又贵又慢的旗舰主模型在一个窗口里排队死磕划算得多。

大家平时用 Agent 干活，现在是喜欢像 Grok Bot 那样组多 Bot 团队分工，还是让单主模型加轻量小模型广撒网？

[一群小羊说 @jryang1997]

@stackedlol Your ascii-sharks was the spark for this. Made whales out of any text you type, diving and resurfacing. Thanks for the idea, @stackedlol 🐋

[一群小羊说 @jryang1997]

@JasonPang0720 我现在会停了以后直接用 matt pocock 的/retro，前面进程先冻结，把这个死循环搞定再继续，retro 这个技能是真好用🤩

[一群小羊说 @jryang1997]

我平时在 macOS 和 Windows 两端写代码，偶尔也折腾一下安卓端。因为手里订了一大堆 Coding Plan 套餐，接触的模型特别杂，所以试遍了各种 Coding Agent Harness。日常测基准我会拿精简的 Pi Agent 做对照，以前重度用过 ZCode，现在主力用得最多的就是 OMP（oh-my-pi）和 DeepSeek Harness。

骨子里我是很喜欢终端界面的，干净利落，写起代码来足够专注。OMP 之前一直只有纯终端界面，单次干活很爽，但也带来了不少麻烦。当手里的订阅套餐一多，想在 OMP 里给 default、smol、slow、plan、advisor 这 9 种角色分别调模型，或者设置子智能体和回退规则，没有图形界面纯靠改配置文件和敲命令，确实挺苦恼的。

现在的折中解法是把 OMP 放在同作者开发的 Rust 原生新终端 Tern 下面跑。Tern 自带后台守护进程，关掉窗口或重启都不会丢会话，还能通过原生的图形协议直接在终端里画出代码 Diff、Mermaid 图表和状态块，把终端的快和图形的直观结合到了一起。前面我也尝试过用开源的 Paseo 来做多智能体编排，把不同工具放进独立的 Git worktree 并行干活，还支持桌面和手机跨端接力。但用下来还是觉得太复杂了，而且现在 OMP 自己就已经非常全面，原生内置了 60 多家供应商路由、APFS 克隆隔离的 task 子智能体和旁路审阅模型，实在没必要在外面再套一层编排器。

把 OMP 和 DeepSeek Harness 放在一起高强度跑了一阵子，两边的体感差异也越来越清晰。先说省钱和上下文缓存命中率，现在两边都做得非常到位。在 DeepSeek 模型下，两者的缓存命中率基本都能达到 99% 以上。甚至自从 ChatGPT 放开了缓存的时效限制，最长支持 24 小时保留之后，两边跑 GPT 模型也能做到近乎 98% 以上的命中率。只要客户端在拼装请求时锁死系统提示词前缀，中途停下来喝杯茶也不会让缓存失效。

两边拉开体感差距的地方，在于执行速度、效率以及长任务的 Loop 一致性。我的体感是 OMP 在长任务的一致性和循环推进上非常厉害。它底层塞了约 8 万行 Rust 原生代码，把 ripgrep、ast-grep、内置 brush shell 和 58 个常用命令行工具全做成了进程内直接调用，在 macOS 和 Windows 上都省去了反复拉起系统子进程的开销。同时 OMP 用独创的 Hashline 行哈希锚点代替传统的文本替换，不会因为几处空格或缩进对不上就报错重试，再加上流式规则半路拦截和旁路审阅模型盯梢，一口气跑几十轮循环也很少跑偏。

相比之下，DeepSeek Harness 在长任务上还是差一口气。最让我头疼的是它特别喜欢开启雷霆大思考，一旦某一步测试卡住或者条件拿不准，模型就会吐出几千字的长篇推理自我怀疑，接着在同一个坑里反复打转，自己陷入死循环。

不过即便如此，我每天开工依然高频开着 DeepSeek Harness，还给它写了一堆插件。因为它的优势同样非常明显，Web 和桌面图形界面做得很顺手，而且底层基于 Cordis 框架，官方设计理念就是一切皆插件。从模型适配、工具注册、会话日志到前端界面组件全都是插件，改几行 cordis.patch.yml 就能顺着自己的习惯去调优。

因为实在太好改了，我陆陆续续给它搓了好几个小插件。比如在输入框按住直接说话的语音胶囊 dsh-hold-to-dictate，在输入框上方游动的像素鲸鱼 dsh-ascii-whales，还有本地算账用的费用统计和图片数量守卫。以前在 ZCode 里配好的供应商数据，我也写脚本一键搬了进来。

前阵子甚至一度上头，想把 DeepSeek Harness 对标 OMP（oh-my-pi）做一个叫 oh-my-dsh 的项目，把 OMP 那套体验全搬过来。后来发现消耗实在太大，而且想通之后觉得完全没必要让一个工具包打天下，就果断停手了。现在重度长任务交给 Tern 里的 OMP，想要舒服的图形界面和随手魔改交互时就开 DeepSeek Harness。

折腾了一圈，想听听社区的看法，大家现在写代码是用终端 TUI 多还是图形界面 GUI 多？遇到 Agent 陷入雷霆大思考死循环时都怎么救场？

[一群小羊说 @jryang1997]

@leon7hao 恋恋不舍啊，开了俩 plus，没有一次能用完的🤣🤣

[一群小羊说 @jryang1997]

文中提到的几个自研开源插件与工具指路，都在 GitHub 开源了，欢迎顺手点个 Star 交流：

1. dsh-hold-to-dictate（DeepSeek Harness 按住说话 & 免提语音输入胶囊）
https://t.co/yNoK5uHpZj

2. dsh-ascii-whales（DeepSeek Harness 输入框上方游动的 ASCII 像素鲸鱼背景）
https://t.co/Bi1T6rZLt0

3. omp-bot（基于 OMP 内核与 QEMU 硬件虚拟化隔离的常驻多智能体工作台）
https://t.co/kPfCSQNDdU

我的 GitHub 主页：https://t.co/GWzPnSt3Oh

[一群小羊说 @jryang1997]

Plugin for DeepSeek Harness (DSH), install from Releases:
https://t.co/6WFYYIojzS
Original idea: https://t.co/1Urq0NqHmC

[一群小羊说 @jryang1997]

Watch the nose go under first, then the tail lifts and slaps. Text whales that dive and resurface behind your chat window. Built on the idea from stackedlol/ascii-sharks. 🐋