Kun

Building Apache Maka (Incubating)
Love Ai Agent and Database And OS.

[Kun @stgyhh22835]

@AstroHanRay @leon7hao 怎么你也玩fgo？

[Kun @stgyhh22835]

@jakevin7 我早就是瓶装水了。我甚至还有大牙理论：冲牙器+电动牙刷+定期看牙医

[Kun @stgyhh22835]

@AstroHanRay 干得好。居然狮子大开口到了我们雷神头上了

[Kun @stgyhh22835]

@AstroHanRay 简称一堆恶心的脏活要做而且要让模型无感知并且适当的时候还要批露一些关键信息来让模型发挥主观能动性

[Kun @stgyhh22835]

@yifanxu_ephai 不过我心中喜欢的论文还挺多的。最喜欢的论文基本上都是作者提出了一种思维框架，在这个思维框架下去做分析。我们能够快速学习到某些问题应该用怎样的一个视角去分析。

[Kun @stgyhh22835]

@yifanxu_ephai https://t.co/gfha0W30Lr lance的经典论文，老师傅们手把手教你怎么去衡量文件读写的trade off。

[Kun @stgyhh22835]

最近怎么都在聊agent infra。然后看了那些学习资料，感觉挺扯的。infra这个东西是没办法速成的。搞到现在agent infra越来越像一个os+serveless，那这种情况就老老实实去读分布式的经典理论，文件系统的经典设计，serveless的各种操作。anyway理论上这些东西应该是大学就该打好基础了。

[Kun @stgyhh22835]

@jakevin7 @yihui_indie 肯定啊，每次点开你twitter一堆机器人我就觉得离谱

[Kun @stgyhh22835]

@yifanxu_ephai 嗯是的，文件从二进制角度来说就是这样子的。offset去取地址，然后bytes去直接读取。可以去数据库/文件系统那些经典infra去找点黑科技。印象里这块为了提速的黑魔法，论文里还蛮多的。

[Kun @stgyhh22835]

@yifanxu_ephai 支持

[Kun @stgyhh22835]

@yfractal 那这个就纯粹是扯淡了。让他们古法写个链表就老实了。从现代cpp的角度去理解还是相对好学的，但架不住要和编译器斗智斗勇啊。古法时代rust必备节目就是斗智斗勇，虽然我很喜欢rust但是它确实难学

[Kun @stgyhh22835]

我其实在给maka搞多语言插件适配，然后想起来了llvm和wasm，然后晚上大概让ai搞了一下就做好了。ai封装了一个arrow compute的rust库，编译的时候转wasm。古法的话我觉得中间一系列环境搭建和编译��能让人整的头皮发麻。我反正觉得我写代码搞依赖已经彻底卷不过ai大人了。

[曾探 @TanZeng1021]

作为古法编程时代的资深性能优化专家，以前1个月的活，现在2小时干完了，哎。

[Kun @stgyhh22835]

是啊。那么在性能场景下，还是rust更占优吧？数据库分成io和计算两层。io层面的话也就算了。计算层面各种cpu优化，go真的能够打过rust吗？

[Mike Yang @yfractal]

我没那么讨厌 Rust，语言而已。我除了对 Erlang 偏爱外，别的对我来说都差不多，我还花了不少时间学和写 Rust。

但我受不了的是有些布道者，受不了这群人觉得什么都应该用 Rust。但实际上，Rust 在 linux 里表现也不如人意，它写的数据该 crash 还是 crash���Go 又不是写不了操作系统、数据库。

[Kun @stgyhh22835]

所以是在玩各种花活的基础上会变厚呀。就像personal agent，稍微想了下感觉都有一堆脏活要干。

[Yifan Xu @yifanxu_ephai]

最近又重新回顾了 rc 老师八月份关于“为什么 Harness 会越来越厚”的分享，以及 Kimi Code Harness 发展史的文章。我认同，在模型能力不足的时候，Harness 会越做越厚。但最近两个月的种种迹象，让我觉得它正在开始变薄。

现在，OpenAI、Anthropic 和 DeepSeek 的模型都越来越倾向于用 Code Mode、Python 和 Bash 来完成任务，一众专用的基础工具正在被通用执行器逐步取代。这让我很难不相信，Harness 也会像 Skills 一样，先成为促进模型能力发展的养料，再逐渐被模型内化，最终消亡。

我相信，未来的 agent 可能只需要保留一个能执行 Python 或 JavaScript 脚本的工具，通过编写代码来完成它想做的事情。rc 老师提到的 agent swarm、parallel tool call、subagent 等能力，用脚本配合 SDK、MCP 或 CLI，都不难实现，未必需要在 Harness 里分别做成专门的机制。

或许还缺一个 message inbox 接口，用来接收后台任务和 agent communication的 push notification。

[Kun @stgyhh22835]

最近开始沉迷用gpt聊一些哲学了。能够让我少有的回归到一种心流体验。对我来说中文互联网的垃圾信息太多了，真不如和ai聊天或者学一些东西来的放松和有意思。比如一个娱乐是拿起一个知乎问题和ai探讨而不是直接刷知乎。

[Kun @stgyhh22835]

@mylifcc 是的。大概率glm5.2甚至opus4.6也能把这个事情做好。因为像这种有明确的benchmark环境给模型提供的反馈是非常有利于模型发挥的。因为足够明确。现实世界里面软件开发费力的原因很多是因为人类的反馈不够明确精准。agent自然无从发挥只能顺着混沌世界随波逐流

[Kun @stgyhh22835]

我一直觉得ai写simd要比程序员手工写写得好啊。这种有明确反馈环境的ai就是比人类写得好的。

[lifcc @mylifcc]

程序员可能还没意识到，AI 写代码的护城河刚刚崩塌了。

以前大家都说：“AI 也就写写 CRUD，遇到系统底层、微内核、SIMD 向量化这种榨干 CPU 的活儿，还是得顶级 C++ 工程师手工调���编。”

结果 Google 在《Gemini 4 Argon》报告里甩出一张底牌，直接把系统圈看沉默了：

直接啃硬骨头：80 万行 Fuchsia 的 Zircon 微内核，Google 用 Agent 跑 C++ 到 Rust 的全量迁移。

最骚的不是翻译，是编译器协同：在开源视频解码库 libgav1 的案例里，AI 重写了 3.2 万行 SIMD 底层。它没用一堆不可维护的 unsafe 汇编硬塞，而是写出了标准 Rust，然后反向分析 LLVM 编译器的反馈，不断微调代码来引导编译器做自动向量化。

结果：比特级一致（Bit-identical），性能比初代 Rust 版直接飙了 2.7 倍，无限咬死手写 C++。

以前觉得底层系统是人类码农最后的保留地，现在看，AI 不仅理解代码，连编译器后端的脾气都摸透了。

生产环境最后一道坎，只剩下“人类安全专家双重签字审计”。但如果它每一次交卷都是满分，人类究竟是在把关，还是在沦为盖章机器？

你觉得 3 年后，系统级性能调优还需要人工一行行看汇编吗？👇

[Kun @stgyhh22835]

@jakevin7 这个是现在开发软件的一个巨大代价了。而且我们并没有办法假设ai有了ego后，他的工程品味和我们的工程品味是一样的