09 月 13 日
488 条动态
楼主观点：安卓厂商大力宣传"AI 手机"，但实际只给聊天机器人 app，真正的 agentic 体验被锁在桌面端。 安卓上做 agent 只能依赖 Accessibility API 模拟点按：UI 一更新就失效、屏幕常亮、耗电严重；由于沙箱隔离，agent 对不支持 intent/API 的应用完全"失明"。 有 root 权限后 agent 可走 shell、IPC、直接读本地数据库执行后台任务，体验完全不同。 楼主类比 Linux 上早已成熟的 root/sudo 管理，认为风险可控；并批评 Google 五年来持续封杀 bootloader 解锁、用 Play Integrity 打压 KernelSU/Magisk。 建议谷歌提供一等公民的 OS 级权限：像摄像头/定位授权一样，agent 每次越出沙箱时弹窗询问，或允许用户给指定 app 白名单 IPC 与应用状态访问。
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。
X 用户 indefatigabile 提出(未经证实的)指控:开源模型并非真正追平前沿模型,而是大量从 Anthropic 等头部模型蒸馏——MiniMax、Qwen 等的开源权重「在做疯狂的事来弄清顶级模型的运作方式」,因此性能接近 Opus 的低配版。 引用材料称 MiniMax 疑似成立一家壳公司,运营代理网络服务,收割用户与美国前沿模型之间的对话来训练自家模型 作者认为这些开源模型是「行业坏行为者」,应列入「欺诈观察」名单,并反问「你以为它们为什么开源」 注意:以上均为个人指控与推断,尚无官方回应或实锤证据
Reddit 用户分享了 AI 科幻惊悚片《Deviant》的预告片，全片长 82 分钟，可免费在线观看完整版。这是 AI 影像生成工具进入长片创作的又一个实际案例。
开源多智能体框架 AIPass 里负责路由的 agent「drone」发现删除日志中出现 211 条不该存在的记录。协调者怀疑是 drone 自己的测试写入的，但 drone 跑完 156 个删除相关测试后对比日志前后，字节完全一致——测试并无问题。 真正的根源：这些记录来自另一个负责邮件的 agent 的测试。该测试在一个临时假项目里正确地删除了文件，但 drone 的代码在决定写哪个项目的日志时，看的是程序运行所在目录而非文件被删的项目。测试恰好在真实 AIPass 项目内运行，导致 211 条记录混入真实日志，持续约三周（8 月 14 日至 9 月 6 日修复）。 开发者 Patrick 裁决：只加注解、不删除任何记录——「没人编辑的账本才保有价值」。文章还介绍了 AIPass 的架构：每个 agent 是一个带名字、独立目录、记忆文件和邮箱的 Claude Code 实例，drone 作为唯一入口做路由，并拦截普通 git 写操作强制走受控通道；也坦承单点故障和「以当前目录判断项目」的设计陷阱。
有网友用字节的 Seedance 2.5 模型(在 Dreamina 平台)生成了一段自然演化的视频,全程一镜到底、无任何剪辑切换,画面连贯展示了自然演变过程,作者附上了提示词。展示了当前视频生成模型在长镜头连贯性上的能力。
有用户发现推理平台 Fireworks 上出现了名为「Kimi Pluto v1」的模型卡片，疑似月之暗面（Moonshot AI）尚未正式发布的神秘新模型。目前无官方确认，具体能力与定位不明。
一位 B2B 业务用户发帖称正认真考虑从 Gemini 迁走，寻求 Claude 与 ChatGPT 在日常头脑风暴和 B2B 线索挖掘场景下的真实使用建议，评论区提供横向对比视角。
Reddit 长帖系统质疑 ChatGPT 尚不配称 AGI，核心论点是：真智能不依赖海量训练数据，简单问题不需要训练就会。作者列举四个反例： 视觉严重幻觉：GPT 5.6 Sol 看图时会把「穿大衣走向洞穴的背影」硬解读成「一家人」，还自证地给出与 Octavio Ocampo 名画《将军一家》的对比图。 图文脱节：Astra 的图像生成仍画三只手的人，而负责「大脑」的 Astra/Sol 不自知地把错误结果当正常输出——人知道手笨，模型不知道。 拒绝简单道德判断：连「这是错的，别做」这类普通人一秒能答的道德困境，Astra 也拒绝回答，护栏设计拖累整体表现。 空间想象力远落后于 IQ 测试表现：人类 20 秒能看出的三维结构题，模型靠 CAD 建模仍答不对。 作者结论：这些短板让 ChatGPT 的体验远不像一个通用智能。
有传闻称 Gemini 4 已提前完成预训练，部分原因是 Google DeepMind 在训练过程中取得了新发现。该传闻已流传三天，但均未获证实，真伪难辨。转发者讽刺道：自己见过多次预训练「提前结束」，从来都不是因为进展太顺利。 若属实，Gemini 4 可能比预期更早亮相；目前只能等待官方消息。
有云基础设施背景的开发者发布 PolyDB（beta.polydb.dev），一个为自主 agent 设计的统一数据库：把原本要拼五六个数据服务的需求合并成 16 种数据模型、69 个 MCP 工具、一个 API key。 定位：面向能读懂文档和 MCP 工具的自主/近自主 agent，覆盖 80/20 场景——多数人只用 20% 的大厂特有功能，PolyDB 想统一这 20%。 现状与局限：开发超一年，作者已用于自己的内部项目；非企业级，跨模型事务尚不支持，路线图含 SDK。 商业模式：无 VC 背投，因此无免费计划，但提供不自动续费的小额套餐，避免用户被订阅绑架。 作者公开征求真实使用中的问题反馈。
Reddit 上展开关于生产级 agent 架构的实践讨论：当团队在同一系统中混用 LangGraph 等多个 agent 框架并共享同一批数据时，若一个框架重试导致副作用重复执行，可能引发发邮件、扣款、调用外部 API 等不可逆操作的重复触发。开发者们关注如何在多框架混用环境下设计机制，安全处理这些不可逆副作用。
llama.cpp（GitHub 12.78 万星）推出官方网站 llama.app，定位「住在你电脑里的 AI」：无需 API key、无遥测，模型与对话数据完全本地。亮点： 一条 curl 安装脚本即可装好，支持 Brew/Winget 及源码编译 llama serve 起服务后，装 pi-llama 插件即可让本地编码 agent Pi 自动发现本地模型，零配置、数据不出机器 同一二进制手调内核覆盖 Apple Silicon、RTX 5090、Jetson、H100、MI300、DGX Spark 等从笔记本到集群的各种硬件 站内展示 Qwen 3.8、DeepSeek V4、Gemma 4、GLM 4.7、Poolside Laguna XS 2.1 等可运行模型
Sherveen 评价 Cognition 新的 SWE-2「非常好，符合预期」，称 @DevinAI 一直是「最有 AGI 味道的工程框架」，Fusion 则是唯一值得信赖的模型路由器，并认为 Cognition 具备其他第三方框架厂商尚未参透的「魔力」（自述无利益关联）。silasalberti 转发扩散了这一观点。整体是对 Cognition 编码 agent 产品力的第三方正面评价。
Reddit 用户分享在 M2 Ultra 上本地运行 Qwen 3.8 Flash 的更新：最新的 oMLX 框架引入了大幅速度提升，附带跑分截图。对关注 Mac 端本地推理性能的用户是一个值得升级的信号。
开发者 majidmanzarpour 分享游戏设计与开发学习旅程一年后达到 1 万粉丝，并持续发布开源游戏开发资源。其代表作 threejs-game-skills 已在 GitHub 获约 2000 star——一套用于构建可玩、精致 Three.js 浏览器游戏的 agent skills，涵盖玩法、AAA 级画面、UI、QA 以及可选的 AI 生成 3D/图像/音频资产。其他项目包括程序化地牢生成器（Delaunay/MST 图布局、五种主题）、无需绑定的解析式 IK 程序化蜘蛛、基于 WebGPU 本地语音模型的全客户端会说话头像等。
rolibosch 提出一条 agent 修复循环(repair-loop)的停止规则设计原则,认为必须包含三个子句: 尝试预算(attempt budget):限制重试次数 新证据要求:每次重试必须基于新证据,而非盲目重跑 穷尽后的升级路径:预算耗尽时有明确的上报/升级机制 他强调「继续尝试」不是持久性策略,而是一个无边界目标——这是 agent 工程中防止无限循环烧钱的实用设计要点。
开发者 Dan Kornas 发布了 base，一个面向 Claude Code 的 Rust 工作区记忆引擎，解决编码 agent 每次会话都要重新熟悉仓库的问题。 核心机制： 工作区知识图谱：把代码结构、项目、决策、规则和文档映射成互联数据，自动随 agent 改动文件而刷新应用地图。 四个 hook 注入点：在会话开始、用户 prompt、工具调用前后，把相关上下文精准注入。 跨会话交接：内置命令把决策、任务和经验教训带进下一次会话。 本地 git 原生存储：图谱以纯文本 NQuads 文件持久化，可版本管理。 对想让 Claude Code 在长期项目中保持上下文连续性的开发者是实用的工程方案。
Paul Iusztin（Decoding AI）发布开源课程《Building a Coding Agent From Scratch》，核心论点：决定编码 agent 好坏的是 harness 而非模型。LangChain 在 Terminal-Bench 上的实验中，模型不变、只改 harness 就把 agent 排名从约 30 名拉进前 5。 要点： 核心 agent loop 出奇地小：Reason → Act → Observe → Repeat，模型只负责推理、选工具、拿结果、判断任务完成。 生产级 agent 的工程量在 loop 之外：上下文如何到达模型并压缩、工具权限与审批、沙箱与子 agent 的执行与记忆持久化、追踪调试与评测验证、结果返回。 课程从裸 loop 逐课构建完整编码 agent Decode，覆盖：沙箱化、上下文工程、子 agent、远程 headless 模式与持久化、AI evals 基础与 replay 进阶，最终扩展为云端并行远程 agent swarm。 作者研究了 Claude Code（含泄露源码）和 OpenCode 等主流工具的实现来设计课程，读者也能借此理解 Claude Code 和 Codex 底层原理。
Reddit 用户分享 AI 生成视频作品「The Architect's Monolith」：在 20 秒内完成一段建筑的连续演化，包含 8 次无缝场景转场，全程一镜到底式的流畅过渡。展示了当前视频生成模型在长镜头连贯性与转场控制上的能力上限，是值得一看的生成视频 demo。
Tripo 官方发布一套完整的 3D 角色制作教程,组合 Astra + Tripo 3D + Blender,覆盖从参考图生成 3D 模型到组装、绑定、表情与动画的全流程。 核心经验:不要让 AI 一次生成整个角色。整人生成容易脸崩、头发粘连、脖子接不上;应先在 Tripo 中把角色拆成身体、头部、头发三个部件分别生成,再导入 Blender 由 Astra 完成组装与检查,每个部件可单独重新生成和调整,效果稳定得多。 工作流共 7 步:准备参考图 → 分别生成三个部件 → 配置 Blender MCP → 组装角色 → 绑定骨骼和表情 → 检查材质 → 制作渲染动画。参考图建议用正面全身 T Pose,手脚完整、双臂分开、背景干净,提前检查脖子、手指和头发轮廓,教程附每步可直接复制的提示词。
Reddit 用户分享了一段 Seedance 2 生成的视频：画面中的球队成功进球并晋级半决赛。帖子展示了 Seedance 2 在复杂运动场景与连贯叙事上的生成效果，属于媒体生成模型的新实测案例。
Reddit 用户分享一个被很多人忽略的 ChatGPT iOS 功能:无需先在系统相机录制再从相册上传,直接在 App 内通过 + 菜单打开相机、切换到视频模式,录完即可发送到对话中。作者已用数周,适合展示照片拍不清楚的实时场景。若看不到该选项,可能是功能仍在灰度推送中。
开发者 Dimillian 展示了一个完全从零自研的游戏引擎，基于 wasm + wgpu 并直接运行在浏览器中。引擎采用统一美术风格，内部以低分辨率渲染再输出高分辨率画面，效果惊艳。该引擎正借助 AI（Astra）协助构建，能生成精美场景，绘制距离近乎无限，他形容「像世界一样没有尽头」。
