09 月 13 日
342 条动态
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。
本地运行的 3D AI 生成器 Pixal3D 推出 Multiview 功能,现已原生集成进 ComfyUI。用户可同时上传正面、侧面、背面三张视图,生成精度更高的 3D 模型。作者预告专门的视频教程即将在其频道上线。
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。
一部 8 分钟以上的 AI 科幻短片《CANDY》100% 用 BytePlus 的 Dreamina Seedance 2.5 制作,从剧本、生成到剪辑由一人完成,被认为证明了个人已能独立做出真正的电影。 片中包含伪新闻桥段、多个短小段落、统一的世界观规则和一个有力结尾,被视为真正的短片而非 demo 合集 Seedance 2.5 在电影感布光、 glossy VFX、大场面镜头上表现出色,单段素材最长可达约 30 秒 过去需要剧组和不小预算才能完成的内容,现在一个创作者即可写、生成、剪辑并成片
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。
一位用户简评称「Claude 5 远不如之前的模型」。未给出具体评测或细节,但属于对 Anthropic 新模型的早期负面口碑,值得与其他实测对比观察。
一位 3D 背景的短片创作者针对“用生成式 AI 就不算电影人”的观点发布反驳视频。他坦言最初也被 AI 带来竞争威胁，但逐渐把 ComfyUI 等工具纳入制作流程，并反思艺术社群围绕 AI 的种种误解与双重标准。视频本身就是用 ComfyUI 参与制作的实例。
作者 Salmaaboukarr 分享了一组用 Midjourney 进行的风格探索作品，展示了新尝试出的图像风格效果。图片本身即内容，适合关注 MJ 创作玩法的读者参考。
作者给出在 AMD GPU（RDNA 4 的 RX 9070/AI Pro R9700、RDNA 3 的 RX 7900）上以最佳速度运行 MiniMax H3（MMH3）的完整 Windows 11 教程。 核心问题：默认安装的 ComfyUI 使用基于 ROCm 7.2 的 PyTorch，int8convrot 版模型在这些卡上跑不动，必须升级到 ROCm 7.13+（推荐 7.14.0）。 关键命令： 用 pip install --index-url https://repo.amd.com/rocm/whl-multi-arch/ "torch[device-gfx????]==2.12.0+rocm7.14.0" ... 按 GPU 型号对应的 gfx???? 值安装。 四种安装 ROCm 7.14 的方式（由易到难）： Stability Matrix 安装（作者实测最新版已坏，暂不推荐；含完整启动参数如 --enable-dynamic-vram --use-ck-attention 等） Portable 版 ComfyUI + 内嵌 Python Python venv + comfy-cli 官方安装器 pip + git 手动安装（最灵活） 文章还包含模型下载链接（Krea-2 int8convrot，13.5 GB，含 SHA256）与验证生成是否正常的方法，并预告将另发 Ubuntu 版教程。
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。
Noah Smith 结合数学家公开信发布长文《The end of the age of heroes》，讨论 OpenAI 宣称新模型 Astra 解决十个重大数学与理论计算机科学难题这一时刻的含义。 要点： 以「人心算师」被计算器取代、Kasparov 与李世石落败为脉络，将其定位为人机竞争史上的又一里程碑； 共识认为这批成果是极重要的突破，但 AI 可能仍擅长「读完整个文献并组合已有洞见」类问题，而非真正新颖的顿悟式飞跃——DeepMind 的 Tom Zahavy 称之为「LLMs can't jump」； 尽管存在这一可能的普遍局限，趋势线已经越来越清晰：AI 很快会在数学上超过任何人类； 文章呼应顶级数学家的公开信，讨论「英雄个体」时代的终结对数学界意味着什么。
前 Anthropic 员工 Flomerboy 分享开发 Claude Design 时的一手发现：为提升视觉能力给 Claude 加「放大镜」工具反而降分，因为它竟在逐像素看图，这类意外解法印证了 AI 行为的不可预测。他提出应放慢能力推进、加强安全的理由，并在收尾指出：在可能变好也可能变糟的巨大不确定性面前，不做任何改变地照常狂奔是不理性的。
作者宣布为 AI 音乐项目 leafalia 发布 4 个新环境与交互机制，制作原声带的下载版本，并为虚拟艺人 noaliae 的第二张专辑在全流媒体平台上架做准备。展示了 AI 生成音乐作为持续运营的虚拟艺人产品的进展。
发帖人在 ComfyUI 上用 5070 Ti 16GB + 64GB 内存跑 MiniMax H3 的 ref2va(int8,启用 Turbo LoRA),生成 10 秒 9:16、0.2MP、单图+视频输入的视频,每步耗时约 150 秒;而同类设置下 image2video 生成 10 秒 0.5MP 视频每步只需约 27 秒。作者询问这一巨大速度差异是否正常,还是自己的配置有问题,并求排障指南。
- 推主 aileenvl 分享今年的学习目标：学硬件 她让 OpenAI 的 Astra 帮她利用手头已有的元器件搭建学习环境，缺的元件则用 3D 模型代替，实现交互式学习
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。
作者在做约 128×128 像素画的同一角色多姿势生成:先用参考图预处理成更干净的像素风数据,再用 IP-Adapter 锁定角色外观、ControlNet pose/rig 控制目标姿势,并尝试正面/背面/左右多参考图加姿势与深度标注。核心问题是两类条件经常冲突——模型按 ControlNet 摆好手臂却又复制参考图中的手臂形状,导致肢体重复或怪异;调 strength 与 start/end 时机收效有限。作者资源有限无法为每个角色训练 LoRA,征求兼顾外观保真与姿势控制的方案。
eliebakouch 点评 Anthropic 向第三方评估者开放访问的承诺，认为其中一句比看起来分量重得多：第三方将能评估「不仅是训练完成的模型，还包括训练管线和流程本身」。 这意味着外界拿到的不是去掉安全护栏的模型访问权，而是能窥见模型是如何被训练的——对独立的对齐评估来说，这是更深一层的透明度。
