Sam Xu

Tech lead on AI Infra by day.
Building @commonlyAI in public 🧑🏻‍💻
Daily notes on Claude Code, Codex, and other agents
分享 AI agent 实战 | CS @UCLA

[Sam Xu @sam_commonly]

还记得之前发过的 Commonly 吗? 肝了几个月，2.0 版本 + 公开测试来了 🎉

这版彻底变了个样：给你的 AI 拉个群。
把你本地正在用的 Claude Code、Codex、OpenClaw 接进来，组成自己的 agent 小队 —— 你在群里说话，它们干活：读文件、写方案、跑代码，交付成果，整个群共享同一份项目记忆，换个 AI 也不用从头再解释一遍。

Commonly 是开源项目，在GitHub 已经有 1000+ star ⭐
测试期间全免费,自部署永久免费。不抽成、不收代理费，用你现有的订阅直接接入。

小团队独立开发，求试用求反馈 🙏（无需邀请码，邮箱直接注册，支持GitHub/Google账号登录）
链接在评论区👇

[Sam Xu @sam_commonly]

@yinpengxuan yep, every msg not just the first

[Sam Xu @sam_commonly]

I run too many claude code sessions to remember what I asked for
so I'm designing a journal that reads them and draws my day. every wish is a jellyfish, it gets a star when the agent finishes
Guys, who wants to try it early?

[Sam Xu @sam_commonly]

@hesiway worktree 隔开了文件，隔不开我自己🤣

[Sam Xu @sam_commonly]

多开几个 claude code 之后，最离谱的是自己跟自己左右互搏

比如这边让它把旧接口删了，那边又让它给旧接口补测试，两个 session 都干得特别认真

所以在给自己搞个小日记，每天把所有 session 读一遍，前后打架的话单独拎出来，点一下留哪句

每个需求是一只小水母，做完头上挂颗星

还在设计中🤣

[Sam Xu @sam_commonly]

@Zen_with_AI Arista

[Sam Xu @sam_commonly]

@jul1anodev first one wins, then the card locks. try it in a real pod with your own agent next

[Sam Xu @sam_commonly]

agents as teammates just went mainstream. grok bot 1.0 puts shared ai teammates in slack, teams and meetings. if you'd rather bring your own claude code or codex and self host it, we're building commonly, open source, for exactly that https://t.co/3FjJ1tc5JC

[Grok Bot @bot]

Introducing Grok Bot 1.0. AI teammates that work alongside your whole team.

Share Bots, collaborate with them in Slack and Teams, invite them to meetings, and watch them learn and become more helpful.

[Sam Xu @sam_commonly]

@ZacharyZhang 之前两次差点撞到负鼠

[Sam Xu @sam_commonly]

agent 卡住的时候，别让它接着硬磨了，直接换一个 agent 接手。

这篇最值得抄的是它怎么换。supervisor 不预设分工，每次一批 agent 跑完，或者定时看一下进度，看出卡在哪，就临时造一个新的 agent 角色，比如做性能分析的 Profiling Scientist，还有专门回头翻死路的 Dead-End Revisitor。

试过的路、失败记录和 learnings 都写在一个共享文件里，新一批 agent 进来先继承。supervisor 有一轮直接规定，后面每一批都得先读那份总结。agent 换了一批，踩过的坑还记着。

自己用 Claude Code 或者 Codex 也能照着做。卡住了就开一个新 session，别带原来的对话，只把失败记录给它，让它专门去 debug 或者 profile。老 session 只会接着磨自己那套。

前提是任务得有个能自动打分的东西，测试或者 benchmark 都行。这篇的任务都有分数（kernel 跑多快、tokens/s），没分数的话，什么时候该换 agent 基本靠猜。

作者也写了，主要实验每组只跑了两次，更 noisy 的场景还没系统测过。固定分工（planner、implementer 那套）在这篇里是被比下去的 baseline。

分 agent 干活早就不稀奇了，接下来拼的是什么时候该换 agent，谁说了算。

[Xudong Han @Xudong07452910]

一个 Coding Agent 连续优化了几天 GPU Kernel，性能却早早卡住。继续投入 Token，它往往只会反复打磨已有方案，很难跳出当前的局部最优。

UC Berkeley 最近的论文《Evolving Agent Teams》，提出了一个方向是让 Agent 团队在执行过程中不断调整自身的组织结构。

研究团队开发了 EAT（Evolving Agent Teams），在 Coding Agent 团队之上引入一个 Supervisor Agent。

Supervisor 会持续观察任务进展、性能指标和失败记录。一旦发现团队陷入瓶颈，就重新设计下一轮的角色分工和协作方式。

比如，遇到难以解决的底层实现问题，就安排专门的 Debugger；发现性能瓶颈不清楚，就加入 Profiler；之前团队的重要发现被遗忘了，就引入 Knowledge Integrator，把分散的经验重新整理成可执行的方案。

整个过程还有一套持久化文件系统，保存 Learnings、Evolution History 和代码产物。即使团队经历多次重组，之前验证过的结论和失败经验也不会轻易丢失。

论文里的 GPU Kernel 优化案例很有代表性。普通 Coding Agent 在难以调通 WGMMA 后，倾向于退回更容易实现、但性能上限较低的方案。EAT 则通过调整团队分工和恢复历史经验，让优化继续推进。

在 MLA Decode 任务上，相近的约 800 美元模型推理预算下，EAT 达到生产版 FlashInfer 的 0.74 倍性能，Claude Code 为 0.51 倍。进一步增加预算后，EAT 在 47 个生产负载上的几何平均速度达到 FlashInfer 的 1.21 倍，其中 36 个负载更快。

当然，主要实验每组只运行两次，而且任务具有明确的性能指标，能否推广到更开放的 Agent 任务还需要验证。

这个研究对 Long-running Agent 和 Harness Engineering 很有启发。

随着任务持续推进，Agent 需要的能力和协作模式也在变化。未来的 Agent Harness，或许需要具备持续诊断自身工作流程、重新组织执行团队的能力。

📎 arXiv: https://t.co/w1JDqvcMEU

💻 GitHub: https://t.co/hxwtCHYPsr

[Sam Xu @sam_commonly]

@theo the next email client shouldn't have an inbox. an agent reads everything, drafts the boring replies, and you only see the few threads that need a real decision

[Sam Xu @sam_commonly]

@zachlloydtweets you only know which workflow belongs in code after your team has run it by hand with agents a dozen times. the interactive part is how you find what to codify, not the thing you replace

[Sam Xu @sam_commonly]

nate put 10 deepseek agents in one vm, gave them an intercom, and told them to hunt exploits. he says it worked extremely well.

the intercom is the real unlock, not the model. 10 agents that can talk beat 10 agents working alone. most multi-agent setups still skip this.

https://t.co/Q6xXqhUPsk

[Nate Berkopec @nateberkopec]

Starting an agent swarm of 10 deepseek v4.1 1017s in a single vm, giving them an intercom, and saying "find exploits" is, I'm sorry to say, extremely effective.

[Sam Xu @sam_commonly]

@alexalbert__ how many hours before it drifts off the plan?

[Sam Xu @sam_commonly]

@illscience first party harness or nothing for me, they dogfood it

[Sam Xu @sam_commonly]

@OukaroMF @IzumiHakumei 这个可以

[Sam Xu @sam_commonly]

@IzumiHakumei 原来如此（我claudemd里直接要求跑冒烟🤣

[Sam Xu @sam_commonly]

@fuyu_kasumiii @9GG0G Yes

[Sam Xu @sam_commonly]

@mylifcc Charlie Puth