哈斯日志

[哈斯日志 @loverty]

宏观层不直接替代微观决策，而是给微观决策提供约束、信息和协调条件；微观层不只是被动执行宏观目标，而是持续产生新的输入输出状态和问题信息和运行状态。

[哈斯日志 @loverty]

@Smartpigai 不同的harness runtime在运行中对不同模型兼容的封装策略导致的冗余，尤其是智力、安全和context window的处理会增加不少冗余

[哈斯日志 @loverty]

@SicanianSun 是的，我们正在整理1662个职业岗位，在不同行业协作工作流，目前整理到324个。

[哈斯日志 @loverty]

很多人以为 Coding Agent 最先成熟，是因为模型更擅长写代码。

其实不是。

真正原因是：代码早就被软件工程压缩到极致了。

有明确结构、可执行、可测试、可回滚。Agent 进入的不是原始现实，而是一个已经高度数字化的世界。行动—结果—修正的循环可以极短。

[哈斯日志 @loverty]

@meetshah6565 Agreed. Model = compressed cognition; productivity needs harness to shorten action-result-correction cycles. Coding Agent leads because code is structured, executable, testable, reversible. Others stall: digitization, callability, verification. Check five agentization conditions.

[哈斯日志 @loverty]

@zcswl7961 很多坑，其实不是模型不够强，而是场景压缩不够完整。
代码生成快，但缺少「结果可验证」和「快速反馈」这两个条件时，Agent 只会加速制造技术债。
Coding 最成熟是因为代码世界本身已经高度数字化、可测试、可回滚。其他场景慢，往往卡在对象没被充分压缩，或验证闭环没建起来

[哈斯日志 @loverty]

https://t.co/Q2eYynRvjB

[哈斯日志 @loverty]

其他场景为什么慢？不是模型不够强，而是对象还没被充分压缩。

判断一个场景能不能快速 Agent 化，先看五个条件： 对象是否数字化、规律是否稳定、动作是否可调用、结果是否可验证、反馈是否足够快。

条件越完整，Agent 越容易形成生产力。
你所在的行业，目前卡在哪一个条件上？

[哈斯日志 @loverty]

AI同质化复制的“广度陷阱”：复制模型只增吞吐不增能力广度

[哈斯日志 @loverty]

传统认知习惯将智能视为单一标量（如IQ、基准分），无法解释「模型极强却经济社会价值影响微弱」的悖论。将经济产出分解为单位规模下的产出水平和规模扩大时的边际产出变化，二者决定经济转型的「幅度」与「性质」，前者平滑重塑工资/价格，后者引发结构性相变（市场集中、工资断崖）。

[哈斯日志 @loverty]

深以为然

[哈斯日志 @loverty]

每个片段看起来貌似都有深意，连在一起又谁都说不出有什么意义

[哈斯日志 @loverty]

sigh，，。。

[哈斯日志 @loverty]

按照openai的研究，每 1 个人类工作日，编码代理就能完成 3.1 个工作日。也就是1个AI日等于3个人类工作日。给我干蒙了？不是24小时工作的意思吗？https://t.co/B940nnhbJJ

[Xudong Han @Xudong07452910]

一个 Coding Agent 连续开发 70 轮之后，会发生什么？

这篇 Harness-of-Harness 给了一个很好的答案：

项目确实在变完整，但已经修好的问题，也会被后续修改重新弄坏。

上海 AI Lab 这篇论文，研究的是怎么让 Coding Agent 在长时间开发里保持持续进展。

它把 Codex、OpenCode、Pi 这类现有 Coding Harness 组织成一个反复迭代的开发循环：

每轮先规划下一步，再实现，然后交给独立 QA 验收。测试结果、失败证据和项目历史都会留下来，下一轮继续接着做。

作者还让 Agent 连续开发一款 FPS 游戏 70 轮，一共记录了 81 个问题。到最后关闭了 65 个，其中 17 个问题曾经修好，又因为后续改动重新出现。

这个细节很有意思，因为它很像真实软件工程里的 regression。

长时 Coding Agent 难的地方，是几十轮修改之后，系统还能保住已经验证过的进展，不会一边加功能，一边把旧问题重新放回来。

实验里，HoH 在三个 benchmark 上相对 standalone harness 平均提升 52.25%；在 FrontierSWE 上，Codex + GPT-5.5 从 22% 提升到 72.67%。

看完这篇，我会更关注 Coding Agent 的「工程连续性」。

每一轮都留下可验证的进展，下一轮知道哪些地方已经做对、哪些问题还没解决，出了 regression 也能快速定位。

当 Agent 能连续几十轮让一个项目稳定变完整，它才真正开始接近自主软件开发。

📎 arxiv: https://t.co/5cugxsgDWI

[哈斯日志 @loverty]

当你跟你跟尼采说有人成为定义“概率”的那个人，尼采会大笑一声：“你以为AI在背后操纵你？不——AI只是你权力意志的一次性假肢。”

[哈斯日志 @loverty]

@yibie 可以的，我们小范围使用，我给你地址

[哈斯日志 @loverty]

字节的选了Claude产品，腾讯workbuddy选了codex

[哈斯日志 @loverty]

怎么AI桌面端竞争只剩下了腾讯和字节呀。