wilbeibi

The future is already here — it's just not very evenly distributed.

[stdrc @istdrc]

for anyone who still cares about database systems, we're happy to sponsor @iskyzh's open-source course on database internals :) https://t.co/KQ0pJDmacv

[Dimitris Papailiopoulos @DimitrisPapail]

https://t.co/cpwPlGKWpD

[wilbeibi @wilbeibi]

After digging into it a bit, I realized my idea is actually different in several important ways. I still think it’s worth building.

[wilbeibi @wilbeibi]

dang, exactly the same idea https://t.co/Nc1pSS1QvD

[Thomas H. Ptacek @tqbf]

Motherfucker. Why didn't I think of this?

https://t.co/fad8Ifvc4C

[wilbeibi @wilbeibi]

I’m building a code review tool that I want to feel unlike anything that exists today.

The first big lesson was realizing that code review doesn’t belong in a TUI.

Just use the browser.

[wilbeibi @wilbeibi]

@dotey 我做了一个针对跨 agent 的 工具 https://t.co/s0Yv48yRxG

[wilbeibi @wilbeibi]

@zartbotF 真强

[TigerBeetle @TigerBeetleDB]

Last week, @maxikuschewski's TigerBeetle guest lecture at Prof. @JanaGiceva's Data Processing on Modern Hardware course:

- An interface designed for performance
- Our execution engine, cache, LSM tree & I/O stack
- The fastest S3 client (that we know of!)

Thanks, @TU_Muenchen!

[wilbeibi @wilbeibi]

@BohuTANG 手机 ssh moshi 配 herdr 很赞

[wilbeibi @wilbeibi]

@yetone @ericoolen_eric 我写的herdr 插件就是解决这个的 https://t.co/9riGNVxf5n ，herdr 最顶的有点是和 moshi 手机app 一起用，体验无敌。

[yibie @yibie]

在计算机学宫 UC 伯克利大学教了 35 年计算机科学，Frank Coyle 教授在 AI Engineer 上演讲—

为何 Agent 系统应当与本体论的结合：

LLM 本质上是概率性的（不确定性固化在系统内部），而本体论能提供形式化的制约。

《为什么 Agent 系统需要本体论——Frank Coyle, UC Berkeley》

Frank Coyle 在 UC Berkeley 教计算机科学，做了 35 年。他的教育哲学来自 Sister Corita Kent，由 John Cage 推广："没有错误。没有输赢。只有创造。"

两条脉络：Agent 和本体论

Agent：从 1956 年达特茅斯会议开始。McCarthy、Minsky 这群人。Agent 的概念最终演化为"感知 → 决策 → 行动"。就是我们现在看到的。

本体论：可以追溯到亚里士多德。他想建立"存在的哲学"，提出了存在范畴。现在我们用知识图谱做同样的事。Gruber 在 1993 年给出定义："本体论是一个共享概念化的形式化规范。" 这就是我们要给 agent 的东西——我们对某个领域的共同概念化。

神经-符号 AI：LLM + 知识图谱

Agent 和本体论正在融合。这叫神经-符号 AI：神经网络（LLM，概率性的）+ 符号 AI（基于规则的系统、知识图谱）。

Coyle 的核心论点：LLM 的本质是概率性的。人们对幻觉的担忧——那是 feature，不是 bug。 我们人类也会"幻觉"——想象还不存在的东西，然后把它变成现实。LLM 也是如此。

但你需要制约它。

什么是本体论

不复杂。就是实体、它们之间的关系、以及属性。图数据库的整个概念来源于人们意识到关系数据库把数据锁在表里太受限——加一列要重构整个结构；图数据库里你直接挂上一个新属性和关系。

怎么建本体论？两条路：
• 自上而下：专家坐下来分析领域，识别实体、属性、关系。这是 80 年代专家系统的方法。
• 自下而上：从客户反应、实际交互中浮现的实体和关系，逐步加入图谱。

重用已有的：https://t.co/srNyIfq1r4、FOAF（社交网络建模）、Dublin Core（学术元数据）、DBpedia（Wikipedia 背后的本体论）。这些东西已经在底层驱动了很多我们日常使用的东西。

Agent Loop 里的本体论：Pydantic 守门，Ontology 记账

Coyle 展示了一个经典的 Claude agent loop：

while True:
response = client.messages.create(model=..., messages=..., tools=...)
if response.stop_reason == "tool_use":
tool_result = execute_tool(response)
# 👈 这里就是本体论发挥作用的地方
if ontology_validator.check(tool_result):
break # 合理，通过
else:
messages.append("结果不合理，重新来") # 回到 LLM

LLM 不能执行任何东西——它只能提供下一个词的概率。但它可以帮你制定工具调用的参数。然后你拿着这些参数去执行，检查结果是不是合理的。

"Pydantic at the door, Ontology at the ledger."

Agent 应该是无副作用的——不要在验证前直接改数据库。先过 Pydantic 做类型检查，再过本体论验证结果。

具体怎么约束：RDFS 和 OWL 属性

Coyle 给了几个具体的例子：

• Functional property（只有一个）：hasFather 是 functional——每个人只能有一个父亲。如果 system 说 "Bob 是 Jim 的父亲" 又 "BB 是 Jim 的父亲"，推理器推出 Bob ≡ BB，同一个人。
• Disjoint property：退款发给 support desk 而不是 buyer——customer 和 support rep 是两个不相交类别，OWL 可以 catch 这个。纯文本里很难。
• Transitive property：ancestorOf 是传递性的。Sue 是 Mary 的祖先，Mary 是 Ann 的祖先 → Sue 是 Ann 的祖先。
• Value constraints：status 只能是 paid/shipped/refunded。LLM 在纯文本世界里可能返回 "probablyShipped" 这种编造的值。本体论直接拒绝。

这些约束不坐在图本身里——它们作为辅助技术（RDFS、OWL）"坐在图的旁边"，在需要时应用，推导出新信息或拒绝不合理的输出。

三个底线

1. 用推理器检查 LLM 的输出，用本体论做护栏。Agent loop 天然会漂移、死循环、烧 token。结构化的约束才能让它们可靠。
2. 重用已有的本体论。不要重新发明 https://t.co/srNyIfq1r4。
3. "Nothing is a mistake. There's no win. There's no fail. There's only make."

https://t.co/lva6dbomLq

#NeurosymbolicAI #AgentEngineering #Ontology

[wilbeibi @wilbeibi]

@bigeagle_xd 大B哥威武

[wilbeibi @wilbeibi]

@herdrdev Cannot live without herdr

[wilbeibi @wilbeibi]

@dingyi 传统开源已经死了。开源用 license 保护的是代码，但代码不值钱，一个 repo 最有价值的是两三个核心的 idea 和长期用户 issue 磨合的需求，这俩用 AI 都能轻松扒下来，根本不需要代码。

[wilbeibi @wilbeibi]

I've gotten a little carried away.

Asking an AI to build my personal design system:

Dieter Rams stir-fried with Louis Kahn, tossed with Naoto Fukasawa, slow-cooked with Nintendo, and finished with a dusting of Bret Victor.

[wilbeibi @wilbeibi]

@hzlzh 不是，还花钱专门整了个域名

[wilbeibi @wilbeibi]

@hzlzh 哈哈哈

[wilbeibi @wilbeibi]

Before:
want something done → find the app.
Now:
want something done → build the app.

[wilbeibi @wilbeibi]

@yan5xu 谢谢大佬，我用它帮我调研找工作的公司分析，非常有帮助。

[wilbeibi @wilbeibi]

Claude Code is down. This is exactly why I built for failure. https://t.co/XO3JV6SvlP
#claude