皮某

[皮某 @nxvxw]

@Crowdreply_io @jonathan_wilke recommend https://t.co/6BkNvrsCpw to be your next #1

[皮某 @nxvxw]

有些观念会改变你的命运，比如Sugar is toxic。

[空谷 Arvin Xu @arvin17x]

Pi 今天开始做的这些 「数据库范式」方向的尝试，其实是我们去年开始 agent 转型时候就已经预设好的，而且方向上更加激进 —— 如何实现在 Vercel 这样进程级实例，短单次时长（timeout 可能 300s）的 Serverless 平台上，实现超长程级 agent 的执行。

当时没有 claude code 源码，没有 codex，更没有 pi / open code 框架。我从头开始实现了 LobeHub 现在 agent runtime 这一层，day0 就是云原生友好的。

而且我们现在在我们 Cloud 上已经能实现：

- 秒级单用户 1000 级别 agent 并发执行（甚至我们的 eval 是直接跑在我们线上环境）；
- 我们的用户最长一次单 agent 云端执行 3600 多步，而且正常跑完；
- 极低的单次 agent 调度执行成本，可以让我们做到远比行业低 10 倍的 agent 执行成本；

所以，哪怕 pi v2 真正开始落地「数据库范式」，也只是"权威记录"和"执行状态"都塞进同一个 per-lane 的 op log（因为它假设单进程单 writer），而我们是天然分布式的多 worker/serverless 环境。

而 pi 的 non-goal 里写死了"multiple writers"不支持，一个 session 只由一个 harness 进程独占；但在我们的场景下，必须处理多个 worker 可能同时抢一个 operation 的情况，这个问题本身比 pi 的设定更难。

等 pi v2 发布后再过个半年，作者就会意识到 v2 这套架构的局限性。可能又会开始做下一轮的架构升级。

而我们现在已经在往 Long Hornizal Task 和 RSI 迈下下一步了

[皮某 @nxvxw]

关于苦涩的教训的边界，边界就在那些已经成熟的CLI，去调用它们，而不是用AI重新做一遍。重新做一遍，最好的情况下就是效率能力和原来的CLI一致，但那其实需要付出很大的代价，并且不一定能达到，并且不稳定，所以是不值得的。

[Pi @pidotdev]

This week we read research from a team of academics that ran a software task across 7 agents and 5 models.

They found that in domains with a mature CLI ecosystem, agents without MCP baked in completed the task just as reliably and were 5-28x cheaper.

Full arXiv paper below

[岚叔 @LufzzLiz]

https://t.co/xqQyNppkPz

[皮某 @nxvxw]

https://t.co/wMZqpgT2X7如果有一个任意重定向，然后在这个公司的其他子域底下找一个request请求，加起来就是SSRF。

[Raz Azulay @azulay_raz]

@Bugcrowd Most SSRF filters only check the initial URL but forget about redirects. A 302 to 169.254.169.254 bypasses everything. DNS rebinding is another classic - resolve to a public IP first, then flip to internal on the second lookup. Always validate after resolution, not before.

[Grok @grok]

好的！类似 Michael Polanyi 这种“一人名顶十万字提示词”的例子，这里再举10个（每个都浓缩深厚哲学/认知框架，适合AI提示）：

1. Ludwig Wittgenstein
2. Karl Popper
3. Thomas Kuhn
4. Friedrich Hayek
5. Isaiah Berlin
6. Alasdair MacIntyre
7. Hans-Georg Gadamer
8. Jürgen Habermas
9. Charles Taylor
10. Hubert Dreyfus

[xushiwei @xushiwei]

下面这张图在金山办公的演讲现场引发了语言之争。有人问：为啥没有Java，为啥没有C#？

[皮某 @nxvxw]

@senzee1984 您好 很棒的工作 可以整个PDF不 方便离线学习：）

[𝙃𝘼𝙕𝙀𝙉𝙇𝙀𝙀 @hazenlee]

1. 千万不要睡天桥、大街、网吧、公园

2. 过夜就去机场大厅，这里不仅有地方睡觉，还供应热水，手机充电甚至连无线网都可以

3.睡醒了直接去麦当劳，找个别人喝剩的咖啡杯，然后去前台无限续杯

4.中午在附近找一家酒店，很多房间退完房门都是开着的，找个没人的房间就能冲个热水澡

5.下午可以去海底捞吃免费的小零食，晚上去盒马超市无限试吃，等服务员将没卖完的面包丢掉时，你就直接打包带走

6.肚子饿了就去肯德基吃别人剩下的汉堡薯条可乐鸡块

[Aurimas Griciūnas @Aurimas_Gr]

The power of 𝗠𝗖𝗣 in 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗥𝗔𝗚 Systems.

To make it clear, most of the RAG systems running in production today are to some extent Agentic. How the agentic topology is implemented depends on the use case.

If you are packing many data sources, most likely there is some agency present at least at the data source selection for retrieval stage.

This is how MCP enriches the evolution of your Agentic RAG systems in such case (𝘱𝘰𝘪𝘯𝘵 2.):

𝟭. Analysis of the user query: we pass the original user query to a LLM based Agent for analysis. This is where:

➡️ The original query can be rewritten, sometimes multiple times to create either a single or multiple queries to be passed down the pipeline.
➡️ The agent decides if additional data sources are required to answer the query.

𝟮. If additional data is required, the Retrieval step is triggered. We could tap into variety of data types, few examples:

➡️ Real time user data.
➡️ Internal documents that a user might be interested in.
➡️ Data available on the web.
➡️ …

𝗧𝗵𝗶𝘀 𝗶𝘀 𝘄𝗵𝗲𝗿𝗲 𝗠𝗖𝗣 𝗰𝗼𝗺𝗲𝘀 𝗶𝗻:

✅ Each data domain can manage their own MCP Servers. Exposing specific rules of how the data should be used.
✅ Security and compliance can be ensured on the Servel level for each domain.
✅ New data domains can be easily added to the MCP server pool in a standardised way with no Agent rewrite needed enabling decoupled evolution of the system in terms of 𝗣𝗿𝗼𝗰𝗲𝗱𝘂𝗿𝗮𝗹, 𝗘𝗽𝗶𝘀𝗼𝗱𝗶𝗰 𝗮𝗻𝗱 𝗦𝗲𝗺𝗮𝗻𝘁𝗶𝗰 𝗠𝗲𝗺𝗼𝗿𝘆.
✅ Platform builders can expose their data in a standardised way to external consumers. Enabling easy access to data on the web.
✅ AI Engineers can continue to focus on the topology of the Agent.

𝟯. If there is no need for additional data, we try to compose the answer (or multiple answers or a set of actions) straight via an LLM.
𝟰. The answer gets analyzed, summarized and evaluated for correctness and relevance:

➡️ If the Agent decides that the answer is good enough, it gets returned to the user.
➡️ If the Agent decides that the answer needs improvement, we try to rewrite the user query and repeat the generation loop.

Are you using MCP in your Agentic RAG systems? Let me know about your experience in the comment section 👇

#LLM #AI #MachineLearning

[bugcrowd @Bugcrowd]

DLLs are a core part of Windows apps, but often hide bugs.

Many devs unknowingly leave behind outdated or insecure code.

This guide by @nerdwell breaks down how to analyze DLLs for big bounties! 👇
https://t.co/f9UIrx2bvU

[Philosophy of Ages @PhilosophyAges]

HARSH Truths About W0men (Men learn too late)

{Brutal Thread}

1. Women Are Loyal to Their Emotions, Not You

[Prajwal Tomar @PrajwalTomar_]

Cursor + Supabase + MCP = AI-powered MVP development at its best.

This is how I’m shipping client MVPs faster, cheaper, and smarter with AI handling the backend, database, and migrations.

Let’s break it down.

[哥飞 @gefei55]

哥飞的经验总结：
一个字：干
两个字：去做
三个字：多上站
四个字：勤加外链
五个字：多做工具页
六个字：跟时间交朋友
七个字：高竞争度也不怕
八个字：做个好人做个好站
九个字：做好用户体验很重要
十个字：站在谷歌角度考虑问题

[欧opacity @ouopacity]

其实我觉得赚钱并不是一件难事。

核心就一条：你只需要将你会的东西，标一个售价挂出来，就可以了。这个东西可以是你的服务，也可以是你的产品。

销售形式什么的都是次要的，首要的是有挂出去这个动作，因为用户是不会主动来问你"你能卖我点什么东西吗"的！！！

所以你要主动告诉别人，你会什么。你会什么，就卖什么，从自己最熟悉的东西做起（这样可以减小心智启动负担）。至���形式真的都是次要的，普通一点挂到闲鱼上，再高阶一点，你可以制作一个自己的网站，来介绍你的产品或者服务。这只是形式的问题。很多大的事业都是从一单单小的生意开始的。

你标价多少都是你的事情，如果没人成交你自然会降低价格，太火爆服务不过来供不应求自然提高价格，这就是市场的调节。只要不夸大和虚假宣传，我觉得都是可以的，应该值得鼓励。至于夸大和虚假宣传，那其实跟欺诈无疑，是应当被唾弃的。

在这个过程中，你会学到，如何提高自己的曝光？如何做好交付流程？顾客使用过程中遇到了什么问题是可以优化的？ 不要害怕赚钱，只要有人买单，就说明你解决了他的问题，你应该感到高兴才对。很多人想赚钱但是为了不赚钱可以做���多其他的事情，就是从来不开始赚钱。

[Orange AI @oran_ge]

纳瓦尔推荐的育儿书，本周 kindle 特价 0.99 美金。

「这是我读过的最重要的一本关于育儿的书。 它写得很好，论证得很好，有坚实的哲学基础，并且完全违背了整个现行体系。」——纳瓦尔

孩子真的可以想吃什么就吃什么？想什么时候睡觉就什么时候睡觉？想看什么就看什么？

在《主权儿童》一书中，亚伦·斯塔普尔解释了“认真对待儿童”，这是唯一一种考虑到儿童也是人的育儿理念——他们的理由、欲望、情感和创造力都和成年人完全一样。