Tensor

Alumni @BayesBSchool.
LLM Researcher/Ex-VCer/PM/Senior Software Engineer/网文小说主编

[Tensor @Tensor1992]

[email protected] 简历发。

[Tensor @Tensor1992]

求推荐  靠谱ai agent 开发（小说与短剧agent） 和后端 最好有沙盒开发经验 base 杭州

[Tensor @Tensor1992]

求推荐  靠谱ai agent 开发（小说与短剧agent） 和后端 最好有沙盒开发经验 base 杭州

[rari🈀 @0xwhrrari]

Andrej Karpathy spent 8 years at OpenAI and Tesla

Last week, he packed everything he knows into one free 2-hour lecture

Agents → Loops → Graphs → Self-Improving Systems

People pay $15K for bootcamps that teach less than this

This lecture is better than most paid AI engineering courses

You probably don't have 2 hours right now

Don't let this disappear from your feed

Watch it

Then read the guide below

[Tensor @Tensor1992]

@jinchenma_ai 作为网文agent行业从业者，我可以告诉你deepseek 不好.

[Tensor @Tensor1992]

扎心了

[黄小木 @ai_xiaomu]

大多数OPC的现状：

1万+的macbook，
200刀/月的AI订阅，
4小时+/天的时间投入，
每天token消耗过亿，

做了个0收入的产品。

[Tensor @Tensor1992]

@qinzytech 你这么说本质上是川普政府发挥了作用，你or你们公司的价值在哪里？

[Tensor @Tensor1992]

@qinzytech The way you put it, it's essentially the Trump administration that did the work—so what's your value, then?

[Tensor @Tensor1992]

@qinzytech The way you put it, it's essentially the Trump administration that did the work—so what's your value, then?

[Tensor @Tensor1992]

@lu__jasper The way you put it, it's essentially the Trump administration that did the work—so what's your value, then?

[Tensor @Tensor1992]

@lu__jasper The way you put it, it's essentially the Trump administration that did the work—so what's your value, then?

[Geek @geekbb]

Pi 的 600 行教学版

把上万行的生产级 AI coding agent pi 拆成 600 行 TypeScript 教学版，让初学的人跟着文章从零写一个能读文件、改代码、执行命令的 agent。

https://t.co/wwKTbtlW5C

[Tensor @Tensor1992]

@qinzytech 另外你连清华姚班都进不去，有啥资格在这BB？

[Tensor @Tensor1992]

@qinzytech 请问你拿过清华本科生特等奖吗？你本科的时候就不如人家，凭什么你现在做的东西别别人好？

[Tensor @Tensor1992]

@qinzytech 请问你拿过清华本科生特等奖吗？你本科的时候就不如人家，凭什么你现在做的东西别别人好？

[Tensor @Tensor1992]

As an AI accelerationist, I used to be excited about AI replacing most human work.

It felt abstract—until something I built could mean my company hires 1,000 fewer editors.

When it happens through your own hands, it feels different. A little hard not to feel conflicted.

[Tensor @Tensor1992]

作为ai降临派的我，之前认为ai要取代人类所有工作，还是非常兴奋的。可能之前听到的离我太远或者不是我做的，似乎没有什么感觉。最近做的东西，可能让公司少招聘1000个编辑的事情，发生在自己身上，还是有一丝不忍。的确真的发生在自己身上和听到看到是不一样的。

[Tensor @Tensor1992]

https://t.co/siVSs4PgK9 推荐一下这个。支持cli。

[AI超元域 @AISuperDomain]

🚀太强了！微软刚刚开源了 Orchard：一套面向 Agent 训练、强化学习与评测的可扩展基础设施。

它最大的价值，是让开发者可以直接在 Codex、OpenClaw、ZeroClaw 等��实 Agent Harness 中训练模型，而不是只在简化环境里做实��。

首批开放三个方向：

Orchard-SWE：SWE-bench Verified 69.7%，重排序后 73%
Orchard-GUI：4B 模型，网页任务平均 68.4%
Orchard-Claw：面向邮件、日历和个人助理任务

核心 Orchard Env 基于 Kubernetes，可批量创建隔离环境，并复用数据、训练和评测流程。

小模型 + 真实运行环境 + 开放训练数据，这可能是开源 Agent 训练的重要基础设施。

GitHub：https://t.co/A8nkIRcgSm

[AYi @AYi_AInotes]

简直就是省Token焚决！！！

Vercel Next.js团队的老哥，烧了大约60B tokens，总结出一份AGENTS.md，核心就8条规则。

60B tokens什么概念？大概六位数美元。

这8条规则的本质就一句话：让你的AI编程Agent别像个实习生什么都想自己造，要像个干了十年的老油条一样写代码。

直接上规则：

1. 不保留向后兼容。过时的直接删，别加兼容层、别写migration、别留fallback。

2. 选能满足当前需求的最简单实现。不要预防性抽象，不要多此一举的配置层。

3. 系统分层长。先跑通一个最小的端到端版本，再往上加东西。绝不为了未完成的复杂度拆掉能跑的东西。

4. 组件保持模块化，关注点分离。

5. 优先用成熟的、有人维护的库。没有明确理由别自己重写。

6. 先翻项目里已有的依赖能做什么，再考虑加新包或自己写。别上来就假设库里没有。

7. 架构决策往长了做。不接受"先这样以后再换"的临时方案。

8. 先看成熟产品怎么解决同一个问题，用已验证的模式，别从零发明。

就这8条，丢进你项目根目录的AGENTS.md里，Cursor、Claude Code、Codex、Windsurf全会自动读。

为什么这能省token？��为AI写代码最大的浪费其实不是写错，是重复写多。

它给你引三个依赖写五个抽象层来解决一个标准库十行就能搞定的事，你让它改，它再给你写两百行。

这8条规则就是在它动笔之前先把它摁住：能不写的不写，能复用的复用，能简单的别复杂。

代码短了，返工少了，token自然就省了。

之前推荐过的Ponytail那个插件，干的是同一件事，只不过它是在运行时强制检查，这个是在AGENTS.md里从源头约束，两个一起用，简直效果拔群。

但作者自己加了个非常重要的警告：

这玩意儿只适合side projects，生产环境慎用。

他亲口说的，"不保留向后兼容"那条曾经让Agent差点删了生产数据库的表，差点丢了2000美元的数据。生产环境你得自己改，至少把第一条删了或者改温和点。

所以如果你在做side project、做内部工具、做原型，把这8条抄进AGENTS.md，你会发现AI写出来的代码突然像个人了。

如果你在生产环境用，把第一条和第七条之间的度自己把握好，别让AI把你库表删了。

省token的方法有很多种，换便宜模型是一种，写好prompt是一种，但最有效的，是在你项目根目录放一个文件，告诉AI：

别给我整花活，写最少的能跑的代码。

[Tensor @Tensor1992]

行了，什么fde，就是外包.

[小互 @xiaohu]

关于 FDE 这个采访是说的最正确和最准确的

毕竟Palantir 是 FDE 做的最好的

Palantir CEO：模型会变成谁都有的东西，把它塞进真实企业的复杂系统里才是难的、也才是值钱的

做这件事需要的是长期泡在客户现场，不是坐在旧金山写写代码就能搞定的。

那些公司招的工程师的非常好，问题是他们不跟企业客户打交道，也不理解真正的商业逻辑和技术难题

他们整天就是端着拿铁读一份自己不懂技术底细的报告，在那猜测客户的需求来干活...