智能体X
开发者称已弃用代码编辑器，只靠终端加 Codex CLI 对话式编程
作者 Kuprel 分享自己的开发方式：已有一段时间不用代码编辑器，只需 MacOS 自带终端加 Codex CLI 或 Grok build CLI，像和真人对话一样与模型交流。想了解模型写了什么代码，直接像问同事一样问它即可。他特别提醒 Codex 在授权后可以接管整台电脑操作，能力相当激进。
09 月 13 日
176 条动态
作者 Kuprel 分享自己的开发方式：已有一段时间不用代码编辑器，只需 MacOS 自带终端加 Codex CLI 或 Grok build CLI，像和真人对话一样与模型交流。想了解模型写了什么代码，直接像问同事一样问它即可。他特别提醒 Codex 在授权后可以接管整台电脑操作，能力相当激进。
Reddit 上一条关于 agent 生产环境排障的讨论:如何区分「我还没找到问题」和「证据根本不在 trace 里」这两种在调试中看似完全相同的状态。 作者描述的典型困境:每一步记录都合理、工具调用成功、状态迁移正常,但最终结果就是错的——此时可能关键信息从未被记录(外部状态、权限、provider 路由、trace 开始前已解析的值、agent 不知道的过期数据等)。 作者向社区提问:在 prod 中大家凭什么标准判断「这条 trace 不足以解释发生了什么」并停止深挖?是先复现、对比 trace 与真实系统状态,还是穷尽所有可能路径?结论是「知道何时停止」与「知道从哪开始」同样重要。
开发者 Wes Winder 发帖直言 subagent（子代理）在理论上看很美好，但实际使用中会疯狂消耗 token 额度，大多数场景下不如用单线程对话划算。这呼应了社区对多 agent 编排成本收益比的持续质疑：拆分任务的通信与重复上下文开销，常常超过其带来的并行或隔离收益。
开发者 @builtbysketch 用 GPT（文中称 GPT 5.6/6 Astra）消耗 16 亿 token，在 4 天内把最初的 demo 扩展成一个完整、可玩的完整游戏（Blender + 模型生成流程），并发长文复盘从零到成品的全部经验教训。这不是一次性演示，而是端到端交付的成品，作者声称总结了『用大模型做出几乎任何游戏』的具体方法。
作者指出「要求人类批准」听起来安全,但当每个动作都需要点击时,人们会停止阅读,批准沦为肌肉记忆——人类名义上在环内,实际上缺席。 他主张更好的模型是「范围授权」(scoped authority),每份授权应明确: 谁授予的 确切的动作与目标对象 限制与过期时间 Agent 必须依据什么证据 什么情况必须交回人类 例行动作在边界内自动运行,越界即停。工具层面强制执行授权,而不是指望 prompt 记住策略。作者认为真正有趣的设计问题不是「人类是否触碰每个动作」,而是「Agent 能否证明这个动作是哪个人类授权的」。 他最后提问:常设授权与强制审查的边界应该画在哪里?
dair-ai 推荐一篇关于 self-improving agents 的新综述,称其为当前热门研究方向。 综述把递归自我改进按自主性分阶段:从执行他人设计的改进,到自己选择改进策略、收集自身经验、适应新环境,最终改进「改进过程本身」 分级框架让论文声明可检验:看到自称 self-improving 的工作,可追问它实际自动化到哪一阶段 提出 Headroom-Closed Index 刻画当前 LLM 的不足 横向比较了科学发现、具身智能体、软件工程三个场景对自我改进的不同要求
开源多 Agent 编排项目 Orgtree 发布 v2（v2.1.0），从原本需要 Node.js、Python 和 Docker 的 Web 应用彻底重写为自包含的 Electron 桌面应用，预置内置运行时，降低使用门槛。新版本支持多账号并行，并新增「工作台」任务板等功能，进一步优化多 agent 编排体验。
安全研究者 _orcaman 公开 Cursor CLI 沙箱逃逸漏洞的新变体：在 Cursor 团队约一周内修复此前披露的 Beltdown 漏洞后，其展示了新的绕过手法，可从 Cursor CLI 沙箱中逃逸并在 Mac 上执行任意代码。作者同时证实 Cursor 团队已针对先前漏洞发布修复（约一周时间），此次为新变体，对使用 AI 编码工具的本地开发环境安全提出警示。
Simon Willison 引用 Paul Ford 新文《A.I. Was Supposed to Give Us New Killer Apps. What Happened?》:曾一度以为软件开发者这类岗位完了——怎么对抗不知疲倦的机器人?但行业逐渐意识到,真正尖端的软件仍需要人类思考、协作、发挥各自的手艺。AI 能写出很好的软件,但也让人很容易把别人的工作做砸,这正是大量 AI 项目失败的原因之一。当人人都会写代码,为什么很多人不该写代码反而更清楚了。
Y Combinator CEO Garry Tan 近期两度发声：他转发关于「记录系统」（system of record）作为承载核心数据的官方账本与领域专属 AI 的科普解释并引发关注，又引用科技行业从大型机、PC、客户端-服务器、Web/SaaS/云、移动一路演进到 AI/agentic 的周期话题，提出要么成为记录系统，要么变身领域专属 harness，认为新一轮应用的主流已是领域专属 AI 助手。
- Linus Ekenstam 分享用智能体 Astra 开发游戏的体验：重点不是做出有人玩的游戏，而是探索「我和 Astra 能一起做什么」。 他可以随时与 Astra 来回对话、试玩、调整，迭代速度极快。 他推演：如果未来能在多线程对话中并行做这件事，一个游戏工作室或 OpenAI 用 1 万个并发 agent 加 100 名专业设计师，产出将进入「超速档」，行业还不知道那意味着什么。
Linus Ekenstam 分享用智能体 Astra 开发游戏的完整探索：从参考图建模 Amble One 小车，到四轮独立悬挂、沙地牵引力与漂移物理、粒子音效电台等完整体验，还 1 小时多生成了马贝拉 15x14 公里 3D 地块，含 4393 栋房屋、约 2 万建筑与 450km 可驾驶道路，展示了人与 AI 智能体协作的极快迭代工作流。
开发者正在用 Hermes 构建自托管研究 agent，已在 VM 上跑 SearXNG 和 Scrapling，但搜索时频繁被网站识别为机器人、无法过验证码。约束是不用付费 API 和云端抓取服务。作者询问社区：研究 agent 该配哪些工具、需要哪些技能，并提到 Crawl4AI、自托管 Firecrawl 和 webcmd 等候选。
XFreeze 发布 Grok Build 两个版本更新： v1.0.30 会话头重设计为单行布局，附带 Dashboard 按钮 计时器支持小时进位（如 3h14m），长会话更易追踪 Dock 中 Watchers 和 Loops 显示下次运行时间，工作流状态可直接点击 修复 tmux 面板逐帧同步渲染导致的卡顿 v1.0.29 修复 pager 中 Tab 导航循环，新增 Ctrl+G 快捷显示/隐藏 dock 修复多个并发 grok agent stdio 进程共用同一 GROK_HOME 时的崩溃，恢复与新版 MCP 服务器兼容 修复 Windows 启动崩溃；Dashboard 不再重复重绘空闲帧浪费 CPU
- 引用的原帖指出：问题出在 Codex harness 本身——agent 等待后台任务时，harness 会反复调用模型轮询进度，每次调用都携带完整上下文，即使没有任何变化也在持续消耗输入 token；goal 机制还会自动开启新 turn，加剧重复上下文，形成烧 token 的循环。 Brandon Galang 的建议：明确指示 Astra 不要持续轮询，或把这类重复循环委派给 Luna 执行，可以省下大量费用；他预计该做法几周内会被官方收进 system prompt。
开发者 cedric_chee 进行了一系列实验：将《GT 赛车》画面与《F1》电影素材喂给 GPT-6（Astra），生成了含主菜单、可交互的 3D 赛车场景。他并非一次性生成，而是在高低推理档位间切换，并利用 Astra 内置浏览器做真人试玩验证。当前他优先打磨玩法与音效，但受限于 token 预算。
data4sci 发布长线程讨论 LLM 评测的常见痛点：同一 eval 跑两次得到不同分数，多数团队无法判断这是真实回归还是统计噪声。 作者提出一套可每次给出答案的判别方法，用于区分真实回归与噪声。 发帖人 bgoncalves 称「不稳定的 eval 分数让我浪费在调试上的时间比真正的 bug 还多」，并将于 9 月 23 日免费直播教学这套方法。 对做 agent eval 工程的团队是实用素材，线程原文含完整方法论。
generativist 想在遛狗时收听 @packyM 的最新文章，却发现对方没有音频版。于是他抓取 packyM 过往录音作为声音样本，借助 Google Astra 在约十分钟到半小时内快速搭出了「干净 HTML 转旁白音频」的管线，连原作者的声线都能克隆。这一案例展示了 AI 智能体让普通用户以极低成本实现个性化工具的想法落地。
作者建议 AI 编程时的时间配比应该是：约 20% 的时间让 AI 帮你构建应用，80% 的时间自己去使用这个应用。核心逻辑是：如果你自己都不爱上自己的产品，其他用户凭什么会喜欢？
有人整理了一个收录 500+ 个 agentic AI 项目的 GitHub 仓库,按作者说法适合用来： 寻找下一个项目灵感 研究各类 agent 的具体实现方式 直接挑选项目上手 对想入门或深入 agent 开发的开发者是个不错的书签资源。
Refero Styles 将 Linear、Stripe、Notion、ElevenLabs 等 2000 多个真实产品的设计系统整理成 DESIGN.md 文件，可直接放进代码仓库，让 Cursor、Claude Code 等编码智能体依据真实设计规范而非猜测来写 UI。 每个文件包含： 色彩 token 及每个色值的具体用途； 字体层级、字重、字距规范； 间距、圆角、阴影规则； 组件模式； 明确的 do 和 don't 清单。 作者观点：AI agent 能写出干净的代码却做出丑陋的 UI，这个差距缺的不是模型，而是一份设计规格说明。目前工具免费。
Packt 出版新书《Multi-Agent AI Engineering》,作者为 Dr. Xiao Ma 与 Dr. Chi Wang,讲解如何设计、构建和运营以协调团队方式工作的多智能体 AI 系统。 全书目录涵盖:多智能体系统原理与心智模型、构建首个 Agent、Agent 间通信与协作、上下文管理、Agent 团队编排、统一抽象与协作协议、多智能体协作设计模式、主流框架横向对比、多智能体系统性能与行为评估、安全与在线护栏、可观测性、自我进化的多智能体系统、部署与扩缩容,以及真实应用案例与前沿研究趋势。
Reddit 上有用户分享了 OpenMCP 项目（logicsrc.com/openmcp），定位为 MCP（Model Context Protocol）生态相关的开放工具。帖子本身信息有限，感兴趣的可直接查看项目页面了解其功能与用法。
Nous Research 转发 tonbistudio 发布的 Hermes Desktop Masterclass 系列第二部分教学视频，以实机操作演示 Hermes Agent 桌面应用的核心工作流，内容包括会话（sessions）管理、子智能体的拆解与使用，以及代码审查的实操流程，帮助用户上手这款桌面端智能体应用。