Sтeve Suи

Nobody，软件开发和产品设计的爱好者

[Sтeve Suи @s6sdev]

到 40 岁之后就不要强求相互理解，人已经形成由自我意识和社会经验固化的外壳（茧子）。
偶尔彼此交汇时能留下一点火花，但是时常相处就只剩下摩擦。
可是社会要求我们协作，家庭责任要有人承担 ，因此大部分人往往只能偶尔做自己，时常扮演另一个人。

[Sтeve Suи @s6sdev]

提醒开发者，要卖服务，不要��工具。
AI 时代，工具会越来越贬值，服务会越来越值钱。

[Sтeve Suи @s6sdev]

互联网公司那套“提高技术”来抵御职业风险的说辞，就算没有 AI 浪潮也站不住脚。
软件行业最大的问题是学习门槛太低，资料网上遍地，开源项目一堆。年轻人超过你是迟早的事。
最近接触搞硬件的老家伙，什么供应商管理，材料采购，你不在这行干多年是学不来的。

年轻人轻易学不到的东西才叫护城河。

[Sтeve Suи @s6sdev]

这可能是未来软件开发的标准模式。一个稳定的内核和插件化的社区驱动的、由 agent loop 维护的外壳。

[yetone @yetone]

昨天因为我前天早上发挥低素质能力精确优雅地运用 6 个「操你妈」和 2 个「你妈死了」辱骂了几个对我阴阳怪气恶意抹黑者，导致被他们举报后因违反推特规定我的推特账号被封禁 12 个小时。所以有些事情没来得及过来补充。现在解封后特地来补充一下。

当时关于为啥相对激进地采用这种工作流，主要是因为我在一开始设计 Magpie 的时候，就是想把 Magpie 做为一个运行在用户本地的 Agent 基础设施，让它作为一个 bridge 去连接散落在用户本地电脑上的各式各样的 Agent 和越来越多难以维护的大模型订阅供应商，解决两者没打通导致每个人每个月手里浪费大量订阅的 Token 甚至因为供应商绑定导致无法切换 Agent 等等一系列问题。

但挑战也随之而来，因为我用过的 Agent 就那么几个，听说和订阅过的供应商也就那么几家，可是这个世界上的 Agent 和供应商都太多了，而且相互之间各种差异，每个人都有自己独特的偏好，更何况每个 Agent 都有自己千奇百怪独有的配置和设计，供应商自己也有千奇百怪的订阅花活儿，所以一旦把产品交付出去，那么我注定无法应对所有人的各式各样的 Agent 和供应商的支持需求，所以 Magpie 在早期它注定就应该是 UGC 的，也就是用户提需求我来帮其实现。所以我才自然而然地打造了这一套 Agent loop 工作流。

但是 Agent driven 的 UGC 也是有风险的，比如很多人在吐槽的 Magpie 看起来一直在堆砌功能在产品观上没有克制，以及因为要快速交付获得反馈导致发版过快让人觉得不靠谱，其实事情一直都在起变化，最近这一切都在极大地缓解，首先现在 Magpie 已经把 Provider 和 Agent 分别都插件化了，这个解耦导致以后相关它们的新的支持和修复都不需要动 Magpie 产品本身。其次，Magpie 下一步就是在保留最核心功能框架的基础上把所有的功能包括 UI 都插件化，让 Magpie 本身变得轻盈的同时不阻碍它做迭代和功能扩展。

[Sтeve Suи @s6sdev]

@HermesWatcher New web UI please

[Sтeve Suи @s6sdev]

因为家里的迷你主机挂了（慎重选择小厂的迷你主机），所以尝试了很多不同方法去转存+翻译 X 上的英文内文��。

Grok 效果最好但是付费。
ChatGPT 没法读取 X 内容。
Notion AI 不但不需要授权就能直接解析 X 文章，而且翻译、转存一气呵成。
Notion AI 真的是被低估了。

[Sтeve Suи @s6sdev]

注意这和“小地图”或者全局大地图的区别：你不光可以俯瞰战场，还可以进行操作（指派和规划行动路线等）。
这种差异才是我喜欢的，我希望做任何编程项目时，也可以从代码编辑之外的鸟瞰视角来操作和规划行动。

[Sтeve Suи @s6sdev]

《全面战争：幕府将军 2》在即将推出的完全版中增加了一个鹰眼视角（已经被很多 3D 策略游戏使用的设计）。

其实在很多年前的 2d 策略游戏（如《皇家骑士团》）中也有类似的视角切换设定。

联想到 AI Coding 已经将底层细节实现自动化。程序员更关心的是“鸟瞰视角”。但是绝大部分编辑器并没有提供

[Sтeve Suи @s6sdev]

#构建Agent团队的原则
环境优先于Agent。 模型能力是最快变量，Agent角色是快变量，环境契约（状态 / 工具 / 权限 / 副作用）是慢变量。环境会随模型变强而升值——同一个环境，模型越强能用到的部分越多；而为弥补当下模型缺陷写的角色提示词和 harness，模型升级后往往变成债务。

[Sтeve Suи @s6sdev]

Agent 跟使用者的能力耦合非常强。“个人助��”比“Bot男团”确实更容易落地。

小A：把XXX做好给我，遇到问题给我审核。（定义目标）
小B：先ssh到vm，再做a，然后再做b。（定义过程）

团队Agent是和其他人类成员平等的，不是大家公共的“助理”，所以成员和Agent沟通就要用跟人类沟通（定义目标）的方式。

[Sтeve Suи @s6sdev]

这两天用Hermes的神奇时刻：
1. 我下载了一个PS1游戏镜像和汉化文件。Hermes帮我写脚本把汉化打到镜像里。
2. Windows Defender被关闭，Hermes帮我读了最近几个月的日志，并查出是哪个软件关闭的。

[Sтeve Suи @s6sdev]

有两句话对我最受用：

“行百里者半九十”，告诫我功能做到后边会越来越困难，从一开始就要想方设法降低复杂度

“取法其上，得乎其中”，一开始设定很高的标准，往往能激发潜在的创造力

[Sтeve Suи @s6sdev]

杜鹃会把自己的蛋下在麻雀的巢中，而麻雀还沈浸在育儿的状态中替别人劳作。

这有点像现在宠物猫或狗对人类做的事情，它们让人们不想繁衍后代，而心甘情愿替另一个种族繁育。😁

[Sтeve Suи @s6sdev]

这个观点源自一篇文章

https://t.co/p5EM20m7MX

中文翻译

https://t.co/bWYfUdenNc

[Sтeve Suи @s6sdev]

把人的某个领域的素养分成 4 层
1. 阅历
2. 偏好
3. 观点
4. 拒绝

层层递进，先有广泛阅历，然后产生偏好，形成观点，最后是拒绝那些不符合自己品味的东西。

Ai 已经在第 1、2 两层超过大部分人，而人类掌握着 3、4 两层。

[Sтeve Suи @s6sdev]

把人的某个领域的素养分成 4 层
1. 阅历
2. 偏好
3. 观点
4. 拒绝

层层递进，先有广泛阅历，然后产生偏好，形成观点，最后是拒绝那些不符合自己品味的东西。

Ai 已经在第 1、2 两层超过大部分人，而人类掌握着 3、4 两层。

[Sтeve Suи @s6sdev]

打脸了，今天就被刷屏了

[Sтeve Suи @s6sdev]

我发现 Twitter 上的信息和国内媒体永远隔着 3 个月。当大家在聊 Agent 的时候，国��社交平台在聊豆包。当 Twitter 开始聊 harness，国内终于开始聊 Agent 了。最近 Twitter 在聊 jev，但是国内的社交平台几乎刷不到信息。

[Sтeve Suи @s6sdev]

我觉得 AI 对普通人最大的帮助是避免很多家庭争吵。比如我跟我女朋友说含氟牙膏才能保护牙齿，她偏要说含氟不健康，为什么那么多商家出无氟牙膏呢？
然后我们 deepseek 一下，她就啥也不说买佳洁士去了。
这就省了很多解释。普通人举证科学依据太难，商业骗子又太多。

[Sтeve Suи @s6sdev]

我最近在给团队搭建 Agent 时，尝试构建一个知识库（llm-wiki like），但是我发现知识库并不是团队 Agent 最需要的，Agent 实际需要一个“上下文组装器”。

知识库是适合持久化的内容。而上下文组装器存档的是经过分类的、持久或者有状态的、临时的内容，把它们用 llm 维护起来，以便 agent 调用。

[Sтeve Suи @s6sdev]

为什么我觉得让 AI 做 UI 端到端测试是不合适的呢。
举个例子，人怎样理解一场赛车比赛？人看到的电视转播画面、听解说员的解说，看排名变化。而 AI 感兴趣的是赛道数据，遥测数据、天气数据等等。让 AI 去识别转播画面，或者用人的方式去看世界，都是变相降低了 AI 的信息摄入维度。