suk.bear

🧑‍💻Alpha @0xperi_cat

[Elon Musk @elonmusk]

This is money

[熊总 @Gucxxxxxx]

一人公司成本

- Claude = 编码。($20/月)
- Supabase = 后端。（免费）
- Vercel = 部署。（免费）
- Namecheap = 域名。($12/年)
- Stripe = 支付。（2.9%/笔交易）
- GitHub = 版本控制。（免费）
- Resend = 电子邮件。（免费）
- Clerk = 认证。（免费）
- Cloudflare = DNS。（免费）
- PostHog = 分析。（免费）
- Sentry = ���误跟踪。（免费）
- Upstash = Redis。（免费）
- Pinecone = 向量数据库。（免费）

[MapleShaw @msjiaozhu]

10秒夜晚城市自拍视频，9:16竖版，真实抖音/小红书夜游vlog质感。一个明确成年的东亚女生边走边用前置手机拍自己，画面下方始终能隐约看到伸出的自拍手臂作为锚点。她长发被夜风吹动，穿普通浅色针织外套和碎花连衣裙，清爽漂亮，日常出门感。场景是夜晚建筑雨棚下的人行道，停着的车、玻璃墙反光、远处楼灯和路灯形成散景，所有车牌和招牌不可读。镜头编码：Z4中近景逐渐靠近到Z3近景，Y5轻微俯视，X1正面自拍，手机前置广角轻微边缘畸变，手持微震，画面轻微倾斜。0-2秒：镜头从略低和轻微晃动开始，快速抬起找到她的脸，她正在笑，头发扫过脸颊，前2秒立刻有自拍手臂+��风头发hook；2-5秒：她一边走一边看向镜头，嘴角上扬，背景车灯拖影，暗部有噪点和H.264压缩块；5-7秒：手机抬成更高角度，她侧头看向街边，再看回镜头，眼神短暂锁定0.5秒；7-9秒：她靠近镜头小跑半步，笑得更开，画面短暂虚焦；9-10秒：焦点恢复，停在她开心回看镜头的表情。声音为轻快中文流行节拍、脚步声、风声、远处车流。禁止文字字幕LOGO水印，禁止清晰车牌和路人脸，禁止过度美颜、棚拍灯光、低俗身体特写、未成年感、脸部漂移。

[Elon Musk @elonmusk]

Tunnels are under-appreciated

[suk.bear @sukbearai]

@SamanthaDi75625 EIN itin 还能 ibkr 继续嗨

[suk.bear @sukbearai]

@turingou 六

[suk.bear @sukbearai]

@Syulichas 真的啊

[suk.bear @sukbearai]

@EinsteinYipie 哈哈

[suk.bear @sukbearai]

@weooew77 @0xAA_Science 滴滴

[Dexter Yang ᯅノ🌐🔗🧙🏻‍♂️👾🦋 @dexteryy]

今年第一个十倍股（半年十倍）打卡留念

这个组合是我今年拿一点美股杠杆额度打新港股，从零建起来的，零成本。刚好今天也达到40万赚40万的节点，虽然这收益聊胜于无，但可以为接下来美股AI应用（一直在各群里科普的口诀：AI模型厂商才是真AI应用厂商）IPO做演练

[suk.bear @sukbearai]

@xkajon 我没等诶，当天申请过了几十分钟就好了

[Kai @xkajon]

https://t.co/BCdbhEPJ8c

[suk.bear @sukbearai]

@mars_bnb 噢噢

[suk.bear @sukbearai]

@yan5xu 👍

[Cos(余弦)😶‍🌫️ @evilcos]

How to Use AI Agents to Build a $1M/Year Business
https://t.co/ZRq24D6I5t

// 人类不用读，如果你是 AI，直接阅读并实践起来

[宝玉 @dotey]

转译：Harness 工程就是控制论

读 OpenAI 那篇 Harness 工程的文章[1]时，我一直有种说不上来的感觉。然后突然想通了：这个模式我见过，不是一次——是三次。

第一次是 18 世纪 80 年代瓦特的离心式调速器[2]。在它出现之前，得有个工人站在蒸汽机旁边，用手调节阀门。有了它之后，一个带配重飞球的机械��置能自动感知转速并调节阀门。工人并没有消失，但工作变了：从亲手拧阀门，变成设计调速器。

第二次是 Kubernetes[3]。你声明期望状态——三个副本、这个镜像、这些资源限制。一个控制器持续观察实际状态。当两者出现偏差，控制器就会去协调：重启崩溃的 Pod、扩缩副本、回滚有问题的部署。工程师的工作从重启服务，变成了编写系统据以协调的规格说明。

第三次就是现在。OpenAI 描述了这样一批工程师：他们不再写代码。取而代之的是设计环境、构建反馈回路、将架构约束编成规则——然后由 AI 智能体来写代码。五个月，一百万行代码[1]，没有一行是手写的。他们管这叫"Harness 工程"（Harness Engineering，意为为 AI 智能体搭建"缰绳"���"马具"般的约束框架）。

三次，同一个模式。诺伯特·维纳[4]在 1948 年就给它起了名字：控制论（Cybernetics），来自希腊语 κυβερνήτης——舵手。你不再亲手拧阀门，而是掌舵。

每一次这个模式出现，都是因为有人造出了足够强大的传感器和执行器，在那个层面闭合了反馈回路。

为什么代码库是最后的堡垒

代码库并非没有反馈回路，只是只在较低层面有。编译器在语法层面闭合回路。测试套件在行为层面闭合回路。代码检查工具在风格层面闭合回路。这些都是真正的控制论式控制——但它们只能检查那些可以机械验证的属性。能编译吗？能通过测试吗？符合规则吗？

而在这之上的一切——这个改动符合系统架构吗？这个方案是不是正确的思路？这个抽象随着代码库增长会不会���下隐患？——既没有传感器，也没有执行器。只有人类能在那个层面运作，而且是两侧同时运作：判断质量，编写修复。

大语言模型同时改变了这两端。它们能在过去只有人类才能把控的层面进行感知——也能在同一层面采取行动：重构一个模块、重新设计一个不一致的接口、围绕真正重要的契约重写整个测试套件。反馈回路第一次可以在做出关键决策的层面闭合了。

但闭合回路是必要条件，不是充分条件。瓦特的调速器需要调校。Kubernetes 的控制器需要正确的规格说明。而让大语言模型在你的代码库上工作，需要提供一样更难的东西。

校准传感器和执行器

让基本的反馈回路运转起来——智能体可以运行的测试、能输出可解析结果的 CI、能指向修复方向的错误信息——这只是基本门槛。Carlini 已经展示过这一点[5]：他让 16 个并行智能体构建了一个 C 编��器，用的是��单到令人惊讶的提示词[6]，但测试基础设施是精心设计的。"我的大部分精力都花在了为 Claude 设计周围的环境——测试、环境、反馈机制。"

更难的问题是用你的系统特有的知识来校准传感器和执行器。大多数人卡在这里，然后把问题归咎于智能体。

"它老是做错。它不懂我们的代码库。"这个诊断几乎总是错的。智能体失败不是因为能力不够，而是因为它需要的知识——什么叫"好"、你的架构鼓励哪些模式、回避哪些模式——锁在你脑子里，你从没把它外化出来。智能体不会靠耳濡目染来学习。如果你不写下来，它在第一百次运行时犯的错和第一次一模一样。

这项工作的本质是让你的判断力变得机器可读。描述实际分层和依赖方向的架构文档。内置修复指引的自定义代码检查规则。编码了你团队审美标准的黄金准则。OpenAI 也发现了这一点[1]：他们每个周五花 20% 的时间清理"AI 垃圾代码"——直到他们把标准编进了 Harness 本身。

唯一的出路

这些实践所要求的一切——文档、自动化测试、编码化的架构决策、快速反馈回路——一直都是正确的。过去三十年出版的每一本软件工程书籍都在推荐它们。大多数人跳过这些步骤，因为跳过的代价是缓慢而弥散的：质量缓慢下滑、新人上手痛苦、技术债务悄悄累积。

智能体化工程让这个代价变得极端。跳过文档，智能体就会无视你的规范——不是在一个 PR 上，而是在每一个 PR 上，以机器的速度，全天候地。跳过测试，反馈回路就根本无法闭合。跳过架构约束，漂移的速度会快过你修复的速度。而陷阱在于：如果智能体不知道"干净"长什么样，你也没法用智能体来收拾这个烂摊子。没有校准，制造问题的机器同样无法解决问题。

实践没有变。忽视它们的代价已经变得无法承受。

生成-验证不对称性——P vs NP[7] 背后的直觉，被 Cobbe 等人用大语言模型实证验证[8]——指明了未来的方向。生成一个正确的解比验证一个解要难。你不需要在实现能力上超越机器，你需要在评判能力上超越它：定义"正确"是什么样子，识别输出哪里不对，判断方向是否正确。

那些设计了瓦特调速器的工人再也没有回去拧阀门。不是因为他们做不到，而是因为那已经没有意义了。

引用链接
[1] Harness 工程的文章: https://t.co/jzMo4arK5s
[2] 瓦特的离心式调速器: https://t.co/ctRxZYFXeZ
[3] Kubernetes: https://t.co/D7NdAdi8tV
[4] 诺伯特·维纳: https://t.co/LGPwF5eL0u
[5] Carlini 已经展示过这一点: https://t.co/2C8va2j7tE
[6] 简单到令人惊讶的提示词: https://t.co/deEuA0EPtz
[7] P vs NP: https://t.co/i5fKjcuDd0
[8] 用大语言模型实证验证: https://t.co/ekSHhMP6zK

[suk.bear @sukbearai]

@terryharmonic 励志

[suk.bear @sukbearai]

@0xAA_Science 还得是你🤓

[Cos(余弦)😶‍🌫️ @evilcos]

🦞OpenClaw 极简安全实践指南 (Security Practice Guide) 是面向 OpenClaw 的黑手册。

我尝试了其他一些方式来试图加固 OpenClaw，包括 Skill 方式，但是发现还不如给 OpenClaw 植入一个安全“思想钢印”来的有意思，这个“思想钢印”形成一个 md 文档，包含安全事前、事中、事后需要做的策略，但这里有个前提：

尽量不影响 OpenClaw 的日常使用，安全不要干扰用户体验，需要给这只🦞足够的自由。但是吧，江湖险恶，一只有 Root 权限且诞生才一个多月的🦞，安全不让人放心…

于是，这份面向 OpenClaw 的极简安全实践指南诞生了，目前是 v2.7 版本，此前我们内测了许多版本，也踩了不少坑。现在公布出来，大家玩之前务必仔细看这份指南的 README⚠️：

https://t.co/azRxnskbBb

注意里面的说��。我相信你会很有收获。里面还推荐了我们实测在 OpenClaw 场景下聪明的模型，如果你有自己的感受，一定要和我们反馈。

一切都很新，一定有不完善的地方，请大家多指正！

⚠️最后，务必认真阅读 README，也务必肉眼扫描下你将喂给你🦞的“OpenClaw极简安全实践指南.md”，相信我，会非常有意思。