Wen Tao

obessed with code readability

[Wen Tao @nctaowen]

太真实了

[一阁 @yegle]

现在的开源项目啊，别人用agent写个PR是看得起你，还要在README里挑三拣四说不要AI代码的真是不知好歹。不收的PR，人家在自己的repo维护一个分支成本几乎为0，连fork都不用做。

[Wen Tao @nctaowen]

Record the original through Frida while it runs.
Replay the recording against your reimplementation.
Diff the result, bit for bit.

Wrap those three steps as tools and an agent can port a function end to end — no source, no ABI guesswork.

https://t.co/8I55e01P8Y

[Wen Tao @nctaowen]

Ghidra gets you the C. It does not get you a exact port.

I've read the decompiled output, written the C++, matched every number — and still shipped code wrong one bit on a path I never tested.

Reading is not verifying. So how do you get an agent to do both?

[Wen Tao @nctaowen]

Raw decompilation is throwaway. A refined Ghidra database is an asset.

That's the whole point.

https://t.co/lzuYXfgHnJ

[Wen Tao @nctaowen]

One sentence to an AI: "reverse this .so function, reimplement it in C++."

It compiled. It was wrong.

I asked again — it started from zero. Same mistakes.

That's the real problem.

[Wen Tao @nctaowen]

So: a Python client driving live Ghidra, 30 refine scripts that write verified facts back, an 8-chapter tutorial with every example compiled.

Standing on GhidraMCP, which makes Ghidra drivable in the first place.

[Wen Tao @nctaowen]

Two ways:

Python, every tool is a function:
for p in ("libnr_api.so","libnr_loader.so"):
print(p, call("get_current_program_info", program=p)["function_count"])

bash, stdout is JSON:
./eval-ghidra.py 'search_functions_enhanced(name_pattern="Swap")' | jq '.results[].name'

[Wen Tao @nctaowen]

6 months of reverse engineering with Codex, one lesson: let it compose tools with code.

@XerzesX GhidraMCP exposes 222 of them. Calling one at a time is not analysis — bulk filter, chain, retry. Three lines of Python beat shuffling context.

The tool, next tweet 👇

[Wen Tao @nctaowen]

Here it is — GhidraMCP's 222 tools turned into plain Python functions, so one snippet composes whatever you need:

https://t.co/cPofkGPaC0

./eval-ghidra.py --help
./eval-ghidra.py 'get_function_by_address(address="0x1cdb538")'

[Wen Tao @nctaowen]

@reward_hacker thanks~

[Wen Tao @nctaowen]

turn grok bot into a llm provider https://t.co/5iK37r4J6z need to acquire the SAND_INFERENCE_RENEWAL_CREDENTIAL environment variable from /exec-daemon/node /home/box/sand-host/host-main.cjs

[Gangqiang Yao @yaogangqiang]

上一条说，只靠测试不能保证软件质量。这条先聊也应该怎么写测试，因为这是基础。下次聊关键设计，以及 review 应该看什么。

针对业务项目，我的理解大概是这么几条：

1 测试行为，不测试实现。比如重复下单不会重复扣款，而不是某个方法调用了几次。业务没变，重构一下测试就碎一地，那多半写错了。AI 特别容易写这种测试。

2 用 BDD，先写验收场景，再写代码。测试描述统一用 user 开头，用 Given / When / Then 描述，用户和 PM 也��看懂。别让 AI 写完代码，再照着自己的实现证明自己没错。

3 禁止 mock。Redis、PostgreSQL 能用真的���用真的，外部系统不好接就注入 fake，但要校验它和真实系统的契约。时间逻辑用 fake timer，别 sleep 几秒再祈祷。AI 真的太喜欢随手 mock 了。

4 我倾向大部分写 E2E，从用户入口走到可见结果，外部依赖可以 fake，实在不合适再写其他测试。测试多了就分级，按改动和依赖关系精准测试，定期完整跑。别改两行代码，等 CI 半天。

5 前面做好了，再看分支覆盖率，先定个 90%。但重点是剩下的为什么没测，尤其是失败路径，别让 AI 为了凑数字再写一堆垃圾测试。

6 前边的规则尽量都写成 lint

[Gangqiang Yao @yaogangqiang]

关掉等一个官方 tool ，Codex 反而更省 token。

Relux 提到，clock.sleep tool 能缓解等待时 token 开销。我用 Astra low 做了个文件等等待的实验：相同 prompt，仅切换 clock.sleep 开关。

三次等待一起计算，开启 tool 组模型调用次数多 43%，输入 token（含缓存）多 57%，输出 token 多 116%，回复也都更晚。

按 Astra Fast 官方 API 单价，分别计算非缓存输入、缓存输入和输出，合计费用高出 55.6%：$4.70 → $7.31。缓存输入按官方价格计费，是非缓存输入的十分之一。

还有一次，文件已经出现，模型却根据旧的检查结果，又睡了 45 秒，延迟很高。看日志才发现：有工具时，它反复「检查 → sleep → 再检查」；无工具时，模型自己写了精准的代码来监控，有了文件之后这个程序再通知模型，把频繁检查交给本地进程，减少模型反复参与，三次回复也更及时���

这个小实验能看到工具多了，模型表现未必更好，这还是官方提供的 tool。

随着模型越来越强，也许应该信任它自身的能力，只在频繁出错时才加 tool 或 prompt 干预，​至少值得回头检查一下：我们自己加的那些 prompt 和 tool，现在还都有必要吗？

详细参考资料、实验数据和复现脚本在评论区。

[Gangqiang Yao @yaogangqiang]

同样使用 DeepSeek V4.1 Flash，只换了 DSH 版本：总 Token 多了 2.4%，费用却少了 36.6%。核心是多轮对话动态变更 System Prompt 不再导致 cache 失效。

之前一个多轮会话，中间变更了 system prompt 之后，前缀 cache 就会失效，从而花费较多。现在最新版的 DSH 配合模型，能做到多轮会话中间更新 system prompt 之后，cache 照样能命中，从而降低了花费。

我拿真实旧／新版 Harness，在 5 个固定场景里做了 20 组对比，每组都是相同的六轮任务。新版本缓存命中率从 0% 升到 88.3%； 完整会话的非缓存输入减少了 56.8%；
新版保留了已有请求前缀，让更多输���命中了缓存。

当然 codex 已经有了类似的功能，Deepseek 逐渐赶上了，无论是模型还是 Harness。

具体实验过程在评论。

[Wen Tao @nctaowen]

@yaogangqiang 我本来想用lunar subagent省点token，结果周限额夸夸往下掉

[Michael Chen @mechiland]

3 months ago, I saw eve for the first time.

It gave me the exact same chills I felt when I first discovered Next.js 8 years ago: "This is how we will build AI agents."

Except there was one massive dealbreaker for any real company:

Why must all our enterprise agents live on Vercel's cloud? 🧵👇

[Wen Tao @nctaowen]

RT @yaogangqiang: GPT-6 Astra 在 Codex 里的实验性上下文管理，也许是 agent harness 的一个方向性变化：之前只靠外部压缩 context，现在是让模型更多地决定记什么、查什么。

类比工作换班。以前接班的人只能拿到一份压缩过的交…

[Wen Tao @nctaowen]

exported dlss5 nueral rendering as a pytorch image generation model for users without a nvidia graphics card: https://t.co/a4PMnLVx3B