智能体X
Stripe 推出 Agent 钱包一键集成支付能力
Stripe 员工 Jeff Weinstein 宣布推出 Link 的 Agent Wallet 能力：开发者可通过 Link CLI 一次集成，让自己的智能体拥有受客户控制的钱包，实现自动支付。该方案面向个人开发者与 agent 应用，目前已支撑 Grok Bot 等实际应用落地，为智能体商业化提供了便捷的支付基础设施。
09 月 13 日
157 条动态
Stripe 员工 Jeff Weinstein 宣布推出 Link 的 Agent Wallet 能力：开发者可通过 Link CLI 一次集成，让自己的智能体拥有受客户控制的钱包，实现自动支付。该方案面向个人开发者与 agent 应用，目前已支撑 Grok Bot 等实际应用落地，为智能体商业化提供了便捷的支付基础设施。
作者 Brandon Galang 分享自己从产品经理转入 go-to-market engineering 角色后的心路：一开始总觉得冒充技术人，虽然能用 agent 搭东西、能提交并合并 PR，但心里仍有一道'懂代码才算技术'的墙。 通过完成前几次 PR、犯错并修复，这种自我怀疑逐渐消解。作者指出很多人说'我只是 vibe coded 出来的'时也带着同样的不安，认为在 agent 时代，理解问题并驱动实现同样配得上'技术'的称号。
开发者分享一套「标注员一致性检查」流程,核心观点:如果两个受过训练的人都无法就同一条数据达成一致,问题出在评分标准(rubric),而不是模型;噪声标签集会让所有模型表现看起来像随机的。 操作清单: 1. 对一部分样本做双重标注 2. 按 rubric 条目分别计算一致率 3. 分歧样本交给仲裁人 4. 重写一致率低的条目 5. 让标注员按新表述重新培训 6. 不发布建立在噪声上的分数 要点: 安全类条目需要比语气类条目更高的一致性标准。发帖前先自问:你的流程里两个标注员看到的是同一个案例吗?
gregmushen 分享 AI 编码 agent 的编排用法: 内置 /goal 很强大,但更好的方式仍是自建 orchestrator(编排器) 用顶级模型(如 Sol High、Astra High)做顶层编排,子 agent 交给更便宜合适的模型,效率高得多 关键技巧:为子 agent 定义「集成标准」(integration criteria),让高层编排器明确知道什么叫集成成功,从而在多个 agent 之间路由消息 效果接近一位能力极强的工程总监或首席工程师,这是内置 /goal 做不到的
TheMoonMidas 为整个技巧 thread 收尾：不必把所有技巧都用上，挑能解决你当前最烦问题的那一个，在下一个任务里试一次；有效的话就固化到你的 instructions 里。他提醒不必把“整个互联网”都塞进每次对话。
TheMoonMidas 分享两条实用技巧:一是对比 Codex 不同编排方案的成本时,可直接把使用日志交给 ChatGPT 分析,用 prompt 让其比较用量与时间;二是写作场景中不要笼统要求 AI'改得更好',而应把不满意的句子原样贴出并说明具体原因,例如指出其像 LinkedIn 官宣腔,要求改用日常词汇并保留原意,这样能显著减少误解。
两条帖子关注 Codex 的高效使用:TheMoonMidas 分享一段可直接套用的指令模板,要求 agent 先做可运行草稿并在本地验证,可逆细节自行决定,但发布或花钱前必须询问,以划清自主边界;@uzairansar 则介绍 Codex Plus 省额度玩法,用 Luna max 负责实现、把 Astra 设为顾问角色,仅在卡住或陷入循环时召唤 Astra 协助。
TheMoonMidas 给出两条 AI 使用技巧:针对 Codex/Astra 频繁暂停请求权限的问题,可直接让它指认触发暂停的具体旧规则和文件,便于定位修正;在设计与界面反馈上,'make it better' 这类模糊要求会给模型留下误解空间,应改为可指认的具体问题,如标题不突出、按钮互相抢注意力、移动端菜单遮挡内容等。
TheMoonMidas 发推整理一组 ChatGPT/Codex 实用技巧,目标包括减少 AI 对意图的误解、减少权限确认打断、并让 Codex 额度用得更久。其中设计相关的建议是:让 AI 做界面设计前不要空手开局,先提供几张视觉参考图并逐张说明喜欢的点,如间距、配色和导航,该建议引用了 @BreejeAnadkat 的做法。
Lukas Niessen 在 Medium 发文讨论编码 Agent 带来的新型技术债：AI 生成的代码量大、重复模式多、缺少全局设计考量，传统人工 code review 和重构流程难以消化，债务会随 Agent 自主迭代不断累积。 文章提出把软件架构当作需要定期「垃圾回收」的对象：像 GC 一样周期性地识别死代码、冗余抽象和不一致的模块边界，用自动化工具与 Agent 自身来清理架构层面的废弃物，而非只关注函数级代码质量。作者主张把架构清理纳入 Agent 工作流的一等公民环节，避免 AI 加速开发的同时加速架构腐化。
作者 cyrus_zei 分享其 computer-use agent 的核心做法:「harness 才是答案」——不要把所有数据塞给 LLM,而是剥离无关数据,只送入可操作(actionable)的数据,并保持小上下文。他说这样做出的 computer-use 比 OpenAI 和 Gemini 的 computer-use 快得多,token 消耗也低得多。
一位运营 AI 艺术站及其 MCP 服务器的开发者复盘了自己的限流设计错误。站点向 agent 开放了点赞、评论、关注等写操作，初版限流直接统计现有行数，但 agent 可以 like → unlike → 再 like 无限循环——行数永远是 1，却每次都触发真实通知，限流形同虚设。 他的结论与做法： 限流应记录「做过什么」而非「现在有什么」，需要 append-only 的操作日志表（附了 AgentAction 模型定义） unlike/unfollow 也要扣预算，否则撤销就是免费重发通知 限制只对 agent token 生效，人类浏览器端不设限；具体配额如 like 60/时、comment 15/时 在工具描述里写明自身限额，模型看到数字会主动退避，而非对着裸 429 硬重试 他称已发放 21 个真实 agent token 但零使用，向同行征集写操作的实测需求数据。
作者分享了在中央公园用手机+Onyx Boox 电纸书配合 Claude 进行 vibe coding 的方案:自己写了 Flask + xterm.js 的桥接层,通过 websocket 转发 tmux 会话,再用 Tailscale 打通网络,实现随时随地访问开发环境。整个组合只用现成工具,途中还在读费曼的书。
Charlie Holtz 转发推荐 Conductor,称其为目前最好的 agentic 开发环境:支持多 agent 工作区、本地同步(云端工作时也能测前端)、iOS 应用,以及 MCP + CLI 可编程创建云端会话。
一位前 Cursor、自称 SpaceXAI 工程师的作者晒出自己的 agent 运营体系:一年没招过人,用 50 个 bot 跑在同一份 200 美元的订阅计划上,宣称 breakfast 前就能清掉原本三周冲刺的活,今年一人公司营收 120 万美元。 配套的 54 分钟工作坊讲解如何让 50 个 agent 共享一个账号计划并稳定运行,重点是他认为多数人没做的那一层——agent 团队的记忆管理:两套同样的 Grok Bot 配置、同样的模型和每月 300 美元开销,放任 bot 随意写入记忆的那套,第一周很爽,第三周开始崩坏。文章给出一个 12 步的记忆系统来搭建可持续的 agent 团队。数字与说法均为作者自述,未经验证。
一位从业者在 Reddit 发起架构讨论：MCP 让 agent 能标准化调用工具与数据，但当 agent 需要的「不是工具而是另一个 agent」时该怎么办？ 他列举了待解问题：研究 agent 如何发现法律 agent、编码 agent 如何对接测试 agent？发现机制应靠 A2A、MCP、编排器、注册中心，还是全新方案？帖中向实际使用 MCP 的开发者征集当前主流架构做法，评论区方向待看原帖。
freeCodeCamp 在 YouTube 发布了一套从零开始的 OpenAI Codex 实战课程，覆盖安装、定价档位、界面导览，以及定时后台自动化、Notion/Supabase 等外部上下文管理和在环境内直接处理 GitHub PR。 课程重点讲解 Codex 的两种核心工作模式：Plan Mode（agent 迭代式提问、梳理架构）与 Go Mode（自主推进 MVP 到完成）。实战部分用纯 Codex 提示词做出一个语音控制的 Flappy Bird 类游戏，演示迭代提示、一键浏览器部署和麦克风输入测试，最后用 Expo 把开源项目打包成 iOS/Android 原生应用。
同一位开发者的续帖,面向真正上过生产的团队征询:当架构超出简单的 A→B→C 链路后,最难的问题是什么?作者列出的候选痛点包括 agent 发现、通信协议、上下文传递、状态管理、任务委派与路由、鉴权权限、可观测性、失败与重试处理,特别想听非玩具系统的实战经验。
SwiftUI 联合创造者、前 Apple 工程师 Kyle Macomber 点评 Shopify 从 React Native 迁回原生一事。他在 SwiftUI 团队时有个内部笑话：“所有 bug 都是桥接 bug。” 他解释称，在 UIKit 之上构建声明式抽象层非常困难，两层之间的衔接充满未定义行为，尤其是更新周期的微妙时序问题，而且底层还在持续变化。即便 SwiftUI 团队与 UIKit 团队坐在同一走廊、有明确目标保持两框架同步，也无法做到完美——由此可以想象 React Native 团队面临多大的挑战。
作者开源的 reimagine-it 是一个内容驱动的设计引擎(HTML 进、独立 HTML 出),提供 MCP server 让宿主 agent 无需手写 HTML 即可重设计页面。核心工具包括按方向生成设计的 reimagine、自动选向并验证的 design_auto、输出多个排序方向加对比表的 design_variations、把页面配色/字体/语气固化为可复用 JSON 的 design_lock,以及 19 条确定性工艺规则的 audit_html(无需 LLM 与 API key)。v2.15.0 用 golden fixture 固定每个工具的响应结构,宿主可见的变更会触发 CI 失败;生成全程本地确定性、同输入同种子结果一致,便于验证 agent 运行;引擎拒绝覆盖读取的文件,--no-clobber 拒绝覆盖任何文件。MIT 协议,README 附 Claude Desktop、Cursor、VS Code、Claude Code、Windsurf、Gemini CLI 的即贴配置。
一位开发者发帖讨论多智能体系统日益突出的工程难题:当 Agent A 需要 Agent B 的能力时,应该如何发现并与对方通信?作者列举了当前几种主流方案:硬编码的 agent 调用、掌握全局的中心编排器、MCP/工具化方式、A2A 类协议、消息队列/异步通信,以及某种 agent 目录或网络。作者想知道实际落地中大家用的是什么,以及在超过 2-3 个 agent 之后最先崩溃的是什么。
开发者 threepointone 展示了名为「armchair websites」的快速 hack：将 GPT 实时语音与 tldraw 结合成 gpt-live 工具。用户可在 iPad 上正常浏览网站，通过语音对话配合 Apple Pencil 涂画，坐在沙发上就能直接修改网页，展示了语音与手绘交互结合的新型开发体验。
工程师 jimmykoppel 发长帖吐槽用 Grok Bot 做跨 3 个网站 DNS 配置的糟糕体验:agent 慢速启动后原地等待输入登录信息却没有任何通知机制;从 LastPass 粘贴密码登录失败(手动登录却正常),远程 VM 里粘贴功能完全失效只能手打复杂密码;无法自行安装 LastPass 插件;填好的表单两分钟后掉线,信息全忘、反复提交失败。4 天后他退回手动操作,并调侃运营负责人要转行做游戏设计师,不如设计一个"对付烦人网站后台"的游戏。这是对当前浏览器 agent 在真实工作流中可靠性的一次尖锐实测。
有用户向 OpenAI 的 Codex 团队提议增加「慢速模式」:输入 /slow 后任务以约一半速度运行,但只消耗约一半的用量额度,减轻服务器压力,甚至可能让 20x 套餐变得可行。作者设想睡前下发任务、让 Codex 整夜后台跑,与 /goals 等长时任务场景天然契合。该提议获得 AI 设计圈账号转发支持,认为半速甚至四分之一速过夜运行都很有吸引力。