YZ

Agent Systems / Harness / Runtime / Memory / Sandbox
Go & Cloud Infra Engineer
把 Agent 当系统工程做，记录架构、实现、踩坑，以及一些偶尔冒出来的奇怪想法。

[YZ @xueyzh]

如果你想尝试一点不一样的Harness应用，可以考虑一下caelis，它是花费上百亿token，耗时近一年打磨的产品，目前已经是我的主力工具，稍加摸索配置一定能给你带来不太一样的体验。

[YZ @xueyzh]

我目前的配置搭配：
主模型：gpt-6-astra[xhigh]
Agent Team模型性能从低到高分别是：
gpt-5.6-luna[max]
deepseek-flash[max]
Codex-gpt-6-astra[xhigh]
ToolSearch和Guardian辅助：JEV
Guardian主模型：gpt-5.6-luna[medium]
Reviewer：Codex-gpt-6-astra[xhigh]

[YZ @xueyzh]

JEV x Auto Review

输入：用户信息+当前待审批action
输出：decision + material_unknown + visible_violation

→ Choice批准 + unknown ≤ 0.2 + violation ≤ 0.1：批准
→ Choice 拒绝 + violation ≥ 0.9：拒绝
→ 其他灰区 / 冲突 / 信息不足：回退 Guardian Agent

结果：
71 scenarios × 4 = 284 requests
• 23 direct allow
• 96 direct deny
• 165 Guardian fallback
• 41.9% direct decision coverage
• 0 wrong direct decisions
• 356ms avg / 689ms P95

[YZ @xueyzh]

测试用例是认为制造的混淆场景，因此有一半回退到了Guardian Agent，整体的评测参数上相对保守，仍然有较大的优化空间，但是作为Guardian Agent的"Redis"已经足够。

[YZ @xueyzh]

费用上，929次请求约$0.06，成本确实足够低

[YZ @xueyzh]

@NeoZineMind @grok 没那么多时间搞这个，我每天大部分时间都在coding... 主要目的是技术交流学习和项目推广，找到一些能够提供反馈的真实用户，不指望赚推的钱。

[YZ @xueyzh]

@shenghouxuyao 来点干货

[YZ @xueyzh]

@XU2001jie Chat with ChatGPT.

[YZ @xueyzh]

@Zerber_ 用了一张了😇等tibo重置

[YZ @xueyzh]

假如我有3天无限token...

[YZ @xueyzh]

@chengyongru 1. 很多坑踩过才知道；
2. 预制菜不合口味；
3. 学会做减法。

[YZ @xueyzh]

@NeoZineMind @grok 我一开始单纯是来看tibo重置的...

[YZ @xueyzh]

@520yinhuanye 第三圈

[YZ @xueyzh]

@NeoZineMind 你说的有道理，我去绑了手机号，做了下实名认证😂头像这个没有用实名头像的习惯 @grok 在For you算法中这些要素会影响推流权重吗？

[YZ @xueyzh]

@NeoZineMind 很多“大V”发的我都没兴趣点进去看，一股AI味，不如小透明发个早安，不过X的“For you”算法吃这一套

[YZ @xueyzh]

@NeoZineMind 没什么用，我的通知全是我的回复别人给我点赞的，也有1.8w 182赞的，但是对我没有任何作用😂

[YZ @xueyzh]

@tcdwww 不管回不回，先给大佬fo了(

[YZ @xueyzh]

@520yinhuanye 改邪归正😇

[YZ @xueyzh]

@zhozhnfi193916 @grok 😂就该骂

[YZ @xueyzh]

@0Yowlry 之前是这个

[YZ @xueyzh]

@Zerber_ 该用用，剩下2张差不多一起到期

[YZ @xueyzh]

我花费$200💰，在Codex中使用Astra🤩，工作9小时💻，现在我需要呼叫Tibo👀，进行一次Reset🔘