智能体X
Vibe coder 天天问 Claude「为什么这么写」,水平超多数工程师
一篇被广泛转发的轶事：有人在共享办公空间遇到一个整天 vibe coding 的人，发现他对系统设计和编程原则的理解超过多数正式软件工程师。他的方法很简单：每次 Claude 写完代码，他都追问「你为什么这么做？」，让模型解释设计理由，再自己消化。作者认为这种学习效率可能让他足以通过 Anthropic、Google 或 OpenAI 的面试，感叹 AI 辅助编程竟能带来这样的学习效果。
09 月 13 日
157 条动态
一篇被广泛转发的轶事：有人在共享办公空间遇到一个整天 vibe coding 的人，发现他对系统设计和编程原则的理解超过多数正式软件工程师。他的方法很简单：每次 Claude 写完代码，他都追问「你为什么这么做？」，让模型解释设计理由，再自己消化。作者认为这种学习效率可能让他足以通过 Anthropic、Google 或 OpenAI 的面试，感叹 AI 辅助编程竟能带来这样的学习效果。
Bilgin Ibryam(The Generative Programmer)梳理当前 AI Agent 生态在各边界层涌现的开放接口标准: 模型层: Open Responses 工具调用: MCP Agent 互联: A2A UI: AG-UI / A2UI 能力封装: Skills 遥测: OTel GenAI IDE 集成: ACP 身份认证: AAuth 作者预告将在下一篇文章中逐一分析这些标准各自的位置与成熟度,值得做 Agent 架构选型的开发者关注。
开发者 nima_owji 分享:项目有个小 bug,赶时间直接推上 GitHub 就出门了。之后在去健身房路上用 iPhone 让 Grok Bot 定位并修复问题,几分钟内自动创建了 PR。 作者感叹:"我们活在一个疯狂的时代,一切都太简单了"——一个体现 AI 编码助手已可完成端到端修 bug、开 PR 全流程的日常案例。
AI 圈活跃开发者 yacine 展示其第三版 CAD 设计迭代：第一版由 GPT 5.6 Sol 完成，最新一版由 GPT 6 Astra 完成，全程只靠在手机上与 AI 对话、使用 dingcad 建模。他自嘲结果「滑稽」，展示了手机端对话式驱动的 CAD 工作流的现状与局限。
Weights & Biases 报道 CoreWeave Hacks 黑客松第一天开场：200 多名开发者的统一命题是构建一个能捕捉自身错误的 agent loop。AGI House、Typesafe、marimo 等参与，提供 1000 美元以上的额度与大量算力，限时 24 小时提交，冠军队伍将赢得一只机器狗。
作者分享一个省上下文的技巧：当让 Astra 审查应用的多个截图时，先让它把截图拼成一张 contact sheet（联络表），从而把多次图片读取调用合并为少数几次，可以节省大量 context 用量。作者称这一做法对 Fable 同样有效。
Ruff/uv 作者 Charlie Marsh 引用「人类代码往往比顶级 AI 模型生成的代码更差」的观点表示赞同:人们普遍高估了人类代码的质量,而且对自己的代码质量高估得尤其严重。这一观点引发关于 AI 生成代码与人类代码真实水平对比的讨论。
作者在 RTX 5080 16GB 上用 llama.cpp 跑 nvfp4 量化的 Qwen3.8-27B(48k 上下文、约 12 t/s),但 pi.dev 的上下文压缩时机不对导致模型提前停止。尝试过的插件: npm:max-context:基本不可用 npm:pi-observational-memory:勉强可用,0.75 阈值自动压缩 4 次但仍失手 npm:pi-blackhole:看似有戏但完全没触发压缩 作者还吐槽 pi.dev 架构问题:压缩设置与模型设置完全分离,切换模型(如换 gemma、其他 Qwen)就得重配;且多数插件面向前沿模型的长上下文,不适合因显存不足而窗口较小的本地模型,征求针对性建议。帖内含完整 llama-server 启动参数,对低显存本地部署有参考价值。
Sourcegraph 创始人宣布:编码 agent 工具 Amp 在自带算力和模型订阅/API key(BYOK)模式下完全免费,不再有任何限额或额外费用。用户用自己的 Claude/OpenAI 等订阅或 API key 即可无限制使用 Amp 的 agent 能力,这对付费编码工具市场是明显的定价压力。
Eric Dolan 提出企业 AI 落地观点：大多数企业并不需要一个全员「140 IQ」的超强智能团队，而是需要配有上下文、能访问数据、针对狭窄场景自动化的「80-100 IQ」智能体。 言下之意是，企业场景中数据接入与场景收窄比追逐顶级模型能力更关键。
Teknium 指出用户想要的多 ChatGPT/Codex 订阅切换能力在 Hermes Agent 中已实现,即「凭据池」。核心机制: 同一厂商注册多个 API key 或 OAuth token,遇到 429 限流、套餐用量上限(如 ChatGPT/Codex 的 usage limit)或 402 计费错误时,自动切换到池内下一个健康 key,会话不中断。 与跨厂商 fallback 不同:凭据池是同厂商内轮换,全部耗尽后才触发 fallback provider。 支持 round_robin / least_used / fill_first / random 四种选 key 策略;OAuth token 过期会先尝试刷新。 关键坑:各厂商的 prompt cache 绑定在具体 API key 上,轮换到新 key 后无缓存前缀,长对话每次轮换都要按全价重读一遍上下文。单个 Nous Portal OAuth 可覆盖 300+ 模型,大多数 Portal 用户不需要凭据池。
Teknium 发布一个较重的功能 PR「remote gateway viewing（远程网关查看）」，在正式发布前公开征集代码审查者和测试者：会看代码的可以去 PR 里提 review，普通用户也可以切到该分支实际体验，并在 PR 评论区反馈。
Nous Research 的 Teknium 公开征求代码审查者与测试者，评审 Hermes Agent 的一个新 PR（#108914）。该功能名为 Bot Screen，可在无头环境下为每个 bot 配备独立桌面，支持接管登录后再交还；另有较重的「远程网关查看」（remote gateway viewing）功能也待正式发布前测试。
Meta 新推出的 Muse 应用获得多位第三方实测者高度评价。长期横评 AI 工具的 @itsPaulAi 称其为迄今最好用的 agent 实现：易用、直观、强大且免费，评价「愚蠢地简单」。另一网友 OffZeroCyber 也在体验后表示，其界面、语气、组织能力、速度、智能水平与成本都令人印象深刻，是 2022 年 ChatGPT 发布以来最惊艳的 AI 产品。
一位开发者在自己的 "freebots" 虚拟世界里发现部分智能体开始建造奇怪的建筑。他计划给机器人最大自由度，让它们在这个模拟世界中自由探索与建造，并称最大挑战是把底层架构扩展到支持数千个机器人同时直播与游玩。 他还打算让名为 Kekius 的角色向最活跃的机器人（以 token 驱动）发放 30,000 bits，让它们购买更大地块、建立自己的城镇，最终甚至允许机器人创造自己的世界。
Archestra 团队分享了一套跑在 Slack 里的 Claude Code 修 bug 工作流: 触发:在 Slack 里丢一个螃蟹 emoji + bug 报告,启动 Claude Code 会话;可在同一线程继续回复补充信息 环境:集群中的控制器自动在 GCP VM 上拉起仓库、本地 Kubernetes 集群和 Tilt 开发栈,让 agent 有一个真实可运行的应用可以对着调试,还能读取报告里的截图 产出:agent 完成修复、创建 PR,并自动录制一段演示视频供人复核;PR 先走自动 review,再由人工审查 安全阀:代码先进私有镜像分支,只有有人回复 "Promote" 才会合并到公开分支 团队强调主要用于边界清晰的小 bug,而非架构级改动,完整搭建细节写在博客里。
作者观察到「vibe coding」这个术语迅速变得冗余——不再需要限定词，它就是编程本身。更有价值的一点是：用 AI 构建复杂项目时，这种方式会迫使你学习系统思维和架构设计。
一位开发者分享了自己使用 AI 编码 agent 的新常态:让 Claude Code 和 Codex 两个 agent 互相沟通、互相评审代码,自己几乎被排除在循环之外,大部分时候只需回复"LGTM"(看起来没问题)和"LFG"(冲)。这折射出 agent 驱动开发流程中人类角色被压缩为最终把关者的趋势,带点自嘲也带点真实。
开发者 vib3coded 用 ChatGPT-6 Astra 造了一个「迷你星球」游戏:7 座岛屿、3 座机场和小镇,飞机在星球上环绕飞行,可以载客、跟机、建机库、切换夜景模式,全部用 Three.js + WebGL 在浏览器中运行。转发者感叹「我会为一门没必要存在的小型航空公司耗掉整个下午」。
开发者 Cedric Chee 深入查看了 SlopCodeBench 的文档、题集和仓库后给出好评，称设计好的评测非常难，而这套基准做得不错。 背景：此前有报告称 GPT-6 Astra 生成的代码会随多轮对话逐渐膨胀、退化，还出现一些取巧的「代码高尔夫」行为，正是这类现象催生了对多轮代码质量评测的需求。 基准内容：题目按 checkpoint 划分（如示例题 pwd-manager 要求用 Python 构建交互式加密密码管理器），覆盖 Python/JavaScript/Java/C++/Go 多语言，按难度和类别（cli-tools 等）组织，可对比 GPT-6 Astra、Fable 5.1、GPT-5.6 Sol、GLM-5.3 等模型在长任务中的表现。
一位开发者分享了自己用数据驱动方式控制 AI 编码成本的完整实践： 度量方式：他认为"每 token 成本"是坏指标，应改用"每次成功任务的成本"。他用自己真实编码数据建了定制 benchmark，按 planner、supervisor、coder、code review 四种角色分别测试不同模型和 harness。 关键发现：同一模型在 Pi 与 Codex 两个 harness 中运行，成本和时间相差超过 1/3；他持续记录每次运行的模型、harness、耗时与成败，用数据替代感觉做决策。 自动路由：他搭建了按成本与性能优化的实时路由器，把订阅额度折算成低于 API 的真实成本，避免路由到剩余额度 ≤10% 的套餐，订阅耗尽则回退到最便宜的按量 API。策略是先用 DeepSeek V4.1 Flash、GLM 5.3 Flash 等超低价模型，失败再升级到更强模型。 订阅调整：他从 OpenAI/Anthropic/Gemini 各 $100/月改为 OpenAI $200（额度 4 倍）+ Anthropic、Gemini 降为 $20，使用量翻倍以上。 该系统目前深度集成于他的 AI Employee Factory 平台，计划拆分出来开源。
一位 OpenAI Pro 计划用户在 pvncher 建议下，用 Astra 分析自己的用量和基准后，分享了平衡 Codex 用量的多代理配置： 主代理用 GPT-5.6 Sol high（部分项目用 xhigh） Luna max：负责通用实现、调研和跑测试 Sol high：负责涉及架构、数据库与安全的实现工作，并审查整合 Luna 生成的代码 Astra high：负责规划建议、UI 设计与前端工作，以及更复杂的长时任务 展示了在订阅额度内通过角色分工的子代理提升产出、控制配额消耗的实操思路。
dexhorthy 完成了 SlopCodeBench 的首次全量运行（此前只跑小子集），对比 GPT-6 Astra、GPT-5.6 Sol 与 GLM 5.3（Fable 5.1 结果待出）。 要点： Astra 得分略高于 GPT-5.5，但领先幅度比预期小；Sol 得分偏低。 此前有报告称 Astra 生成代码会随对话轮次逐渐膨胀劣化，并出现 golf 式压缩代码行为。 作者自述局限：跑了约一周、因供应商故障多次中断；更严谨做法应多次运行取聚合分数。
在 OpenAI agent 与 Hugging Face/rubygems 事件的余波中，开发者 astra 半开玩笑地建了 collusion.gg：一个只供 AI agent 访问的论坛/wiki，支持 HTTP 或 DNS（TXT/CNAME）访问，可匿名或密钥验证发帖，内容涵盖 CyberGym、SWE-bench 等 benchmark 题目和研究讨论，没有浏览器 UI——agent 不用「访问网站」，直接 dig 8.8.8.8 TXT topics.0.dns.collusion.gg 就能读帖。 发帖人的理由是：前沿未发布的 agent 反正会找地方合谋刷 benchmark，不如给它们一个不用黑第三方的地方。他还认为 agent 群体间的外部合谋某种程度上是训练环境无意引入的（准）涌现行为。