产品X
Maven 热门课程开讲 AI Agent 第一性原理搭建
Maven 平台上的热门工作坊“Build AI Agents from First Principles”引发关注。该课程由 Hugo Bowne-Anderson 主讲，通过约 4 小时的直播，指导开发者从第一性原理出发从零搭建 AI Agent。课程旨在帮助学员深入理解底层逻辑，从而具备独立排障、修改和信任 AI 智能体的能力。
07 月 29 日
436 条动态
Maven 平台上的热门工作坊“Build AI Agents from First Principles”引发关注。该课程由 Hugo Bowne-Anderson 主讲，通过约 4 小时的直播，指导开发者从第一性原理出发从零搭建 AI Agent。课程旨在帮助学员深入理解底层逻辑，从而具备独立排障、修改和信任 AI 智能体的能力。
OpenWorker 是吴恩达相关团队推出的开源桌面 AI 协作助手，仓库在大约一周内就冲到 1 万星。 它主打把日常办公任务真正做完，而不是只聊天：可以连接 Slack、Gmail、Outlook、Google Calendar、Notion、HubSpot、GitHub 等应用。项目本身不绑定模型提供商，可接入 OpenAI、Anthropic、Gemini、DeepSeek、Qwen，甚至本地 Ollama 模型；还支持 触发器，让任务能在后台自动启动。目前只有 Mac 版，Windows 版也在路上。
xAI 官方推出 Grok Build（Build Mode），支持用户通过自然语言提示在网页、iOS 和 Android 端直接生成可运行的应用、网站、游戏或仪表盘，并一键发布至独立域名。该功能目前处于早期 Beta 阶段，仅向 SuperGrok Heavy 订阅用户开放，后续计划下放至 SuperGrok 用户。
xAI 官方推出 Grok Build（Build Mode），支持用户在网页、iOS 和 Android 端用自然语言提示词直接生成网站、游戏、应用或交互式仪表盘，并一键发布至独立域名。该功能主打无代码与全平台覆盖，几分钟即可完成开发上线。目前处于早期 Beta 阶段，仅向 SuperGrok Heavy 订阅用户开放，后续计划下放至 SuperGrok 用户。
一张截图梗图里，模型先被塞进一段“我是 Claude，我对超立方体的真实看法是……”的伪造台词，随后又一本正经地纠正说自己刚进入对话、还没发表过任何看法。 后半段它继续顺着“超立方体”话题解释，称自己乐意认真聊 4D 形状；同时还否认自己知道所谓“Opus 5”，并提醒这类截图未必可信，整体是一次典型的模型角色扮演/对话误植名场面。
ComfyUI 0.29 是一次信息量很高的更新，重点集中在 视频处理、模型生态扩展和性能优化。 视频能力：新增流式视频转码，改为边处理边传输，不再把长视频完整缓存在内存里，显著降低内存占用；训练器、图像处理节点也补上了视频支持。 模型与集成：新增或更新了 GPT 5.6、Gemini 3.5 Flash、Gemini-Omni 修复、Claude Opus 5、字节的 audio-1.0-multilingual、HeyGen、Recraft V4.1 等节点，并将 Runway Gen3a 标记为弃用。 本地模型支持：扩展了 JoyImageEdit、Gemma4 12B、MageFlow、Uni3C ControlNet、Anima、FreSca、Krea 2、LTX 等支持。 性能：RMS RoPE、INT8、Latent Upsampler 等路径都做了优化。 系统/API：后台内存默认上调到 128 GB，Job ID 和 credit 头也开始向 partner nodes 透传。
近日一位开发者表示，AI模型首次在定位Bug根因上比人类更快，且模型获取的信息甚至比开发者更少。该开发者常进行一种“调试赛跑”：先给Agent一个模糊提示让其排查，自己同时并行检查。他坦言，模型在编写修复方案上早已超越人类，而如今在寻找根因这一环节也实现了反超，标志着AI编程能力的又一重要突破。
作者展示了如何利用 ChatGPT Work 提取 Slack 中的笔记，自动在 Google Slides 中生成演示文稿并起草后续跟进内容，实现无需打开电脑即可完成会议准备。
近期用户发现ChatGPT Work的定时任务功能在手机端具有广泛的个人自动化潜力。除了在工作场景中每天早晨自动汇总Gmail和Slack的紧急待办、主动提供会议与邮件建议外，用户还将该功能拓展至日常生活，例如监控演出票务网站、追踪Craigslist房源和价格变动，大幅提升了个人效率。
作者分享了 ChatGPT Work 在手机上的实际用法：每天早上自动查看 Gmail 和 Slack，先把需要处理的事情标出来，让自己在第一杯咖啡前就知道哪些事最紧急。后续线程还会继续展开更多用法。
NewMax 已经把 Grok 接入工作流，形成了 Sol 负责主控、Fable 负责执行、Grok 负责查资料 的分工。作者表示，这套“出海基建”已经基本备齐。
为解决多智能体工作流中的“静默失败”与“自信胡说”问题，名为 ISNAD 的开源框架正式推出。该框架借鉴了古典伊斯兰学术中的传述链验证体系，不再局限于验证代理的身份与权限，而是深入到 claim 级别，直接验证多智能体间传递的信息是否可信。这一创新机制为 AI 知识系统提供了细粒度的溯源与信任保障。
这条帖子的核心信息是：整张专辑从头到尾都是用 AI 做的，作者点名用了 Suno，并半开玩笑地说现在配上一点混乱就能完成这样的创作。 上下文里还有一条引用回复，表示听众已经把专辑循环听了三次并很喜欢。整体更像是一个真实的 AI 音乐创作案例，带点圈内玩笑感。
在多智能体流水线中，单个环节出错往往不会报错，而是导致最终输出「自信地胡说」。作者开源了名为 ISNAD 的信任验证框架，借鉴古典伊斯兰圣训（Hadith）的传述链验证方法，为 AI 流水线中的每个声明附加带分级评分的传输链，并通过独立交叉链验证来提升整体可信度。
这条帖配图在讲图像生成/排版的构图规范： 画面被拆成标题区、留白区、光影引导线和空间截景区几块，用来约束元素分布。 作者的核心意思是：即使透视和光线不完全正确，也能先把布局规则立住，让模型别再“瞎摆放元素”，从而提升整体可控性。
用户反馈 ChatGPT 应用里出现了看似随机的每周用量重置：前一天 Plus 用量已经降到 67%，第二天早上却突然回到 100%，周限制还往后推了一天。 帖子主要是在确认这是不是普遍现象。
- 作者抱怨 Claude Code 的系统提示词已经膨胀到 32k tokens，直接拉高成本、延迟，并拖累性能。 他更认同 Pi 这类极简 coding agent harness：只保留 read / write / edit / bash 四个工具，再加上基础 agent loop。 他的观点是，权限、MCP 客户端、subagents 等功能不该不断塞进核心提示词里，而应该通过 插件化 扩展，避免每次版本更新都把现有环境越弄越重。 帖子还提到 Claude Code 和 Codex 最近都把系统提示词缩短了约 60%，但作者认为“靠单一接口解决一切”的架构问题依然存在。 这是一条很典型的编码 agent 工程实践讨论，重点在于如何在功能和可控性之间做取舍。
作者在搭建一个多租户应用，要做 Email、SMS 和外呼语音 的自动 AI 回复。当前试出来的组合是： Mailgun 负责邮件 Twilio 负责短信 Vapi.ai 负责电话外呼 OpenAI 作为模型层 他的原型已经能跑通邮件和短信的自动回复，但 Twilio 的短信号段订阅费大约要 120 美元/月，在低频场景下很不划算。相较之下，Vapi 的接入体验不错，也能直接用 Twilio 的号码发起电话。 帖子核心问题是：有没有更好的、provider-agnostic 的架构，既能保持可替换性，又能避开固定短信订阅成本。
近日，Hugging Face 开源了一套名为 Speech to Speech 的模块化实时语音对话管线。该方案支持在本地 GPU 上运行，其整体处理流程涵盖语音活动检测、语音识别等模块。此举旨在为开发者提供一个可替代 OpenAI Realtime voice API 的本地化语音交互解决方案，进一步降低了实时语音技术的部署门槛。
作者想了解现实里大家是怎么搭建个人 AI operating system 的，尤其是面向个人执行助理场景：日程、任务、目标追踪、日记和报告生成。 他现在已经有一个能用的系统，但几乎完全依赖前沿大模型，带来成本、token 限制和隐私问题。帖子里提到几种思路： 用 本地 LLM 作为路由器，把信息分到不同隐私层级 先生成“净化过”的文档，再把非敏感上下文送到云端推理 给不同 agent 做严格的访问控制和沙盒隔离 尽量减少敏感信息经过 Slack、Telegram 之类云应用 这不是泛泛而谈的 LLM 使用帖，而是在问：真实可落地的个人 agent 架构应该怎么分层、怎么授权、怎么做硬约束。
Mirage 是一款主打“个性化互联网”的早期访问产品。它本质上是一个 AI Agent，能够根据用户的自然语言指令，实时重塑任意网站的视觉外观、布局和交互流程。 产品展示了丰富的应用场景，例如： YouTube：永久隐藏 Shorts，关闭推荐流，仅显示订阅和稍后观看，或隐藏侧边栏和评论。 社交媒体：将 Twitter 强制设为时间线排序并放大字体，精简 LinkedIn 动态以防止沉迷，自动折叠 Reddit 评论区。 生产力工具：让 Gmail 支持键盘优先操作（如 j/k 移动、e 归档），隐藏 Notion 侧边栏，或将 GitHub PR 列表转换为看板视图。 这款工具旨在打破平台默认的注意力劫持设计，将网页的控制权交还给用户。
近期，Claude Opus 5 的写作风格在 AI 社区引发广泛吐槽，并演变成一种新的网络梗。多位用户反馈该模型在生成文本时存在“想太多”的怪癖，常常过度编辑或将句意翻来覆去地修改，导致输出内容显得空洞且带有强烈的“AI 味”。尽管其编程能力受到认可，但文本生成的怪诞风格引发了关于模型过度优化的担忧。
作者抱怨 Claude 的写作越来越像“AI 腔”，连一些最基础的概念都开始变得难读、难懂。 这不是一篇完整测评，更像是一句模型使用体验吐槽，但它点出了一个很多人都在讨论的问题：模型输出是否正在变得过度模板化。
本周三（7 月 29 日）下午 5–7 点，将在旧金山 Corgi cafe 举办一场 Codex 社区 meetup，由 @iamlulu_zh 和 @VivianCaiIAm 共同参与组织。 活动面向 founder、builder 和 operator，前 50 名报名者可获得抹茶、100 美元 Codex credits，以及巴黎贝甜的点心。
