智能体X
Perplexity 驱动 ChatGPT 与终端：本地模型 + GLM 5.3 混合编排实测
作者展示了一套新的 Hybrid 编排系统：让 Perplexity 充当控制层，同时驱动 ChatGPT Astra Ultra 和他自己的终端环境。该系统结合了 Perplexity 刚发布的本地运行模型与 GLM 5.3，作者称效果强大。这是一个多模型、多工具混编的 agent 工作流示范，展示了用一家厂商的模型协调另一家厂商模型与本地终端的编排思路。
09 月 13 日
429 条动态
作者展示了一套新的 Hybrid 编排系统：让 Perplexity 充当控制层，同时驱动 ChatGPT Astra Ultra 和他自己的终端环境。该系统结合了 Perplexity 刚发布的本地运行模型与 GLM 5.3，作者称效果强大。这是一个多模型、多工具混编的 agent 工作流示范，展示了用一家厂商的模型协调另一家厂商模型与本地终端的编排思路。
一条广为流传的吐槽：不少人对编程 Agent 说话的方式就像亚洲家长对孩子——充满指责、施压和情绪化表达。作者认为这对达成目标的效果和现实中一样差，暗指与 Agent 协作时清晰、具体的指令远比发泄式命令有效。
一位开发者发推吐槽：当自己的 AI agents 在后台干活时，不知道该做点什么有生产力的事，还自我调侃「再开更多 agents」不被接受为答案——「但其实可以」。这条戳中了 agent 工作流普及后的真实痛点：人的角色从执行者变成监工，如何利用 agent 释放出的时间成为新问题。
开发者 yellowhatcoder 致谢 antirez 近期对 ds4(antirez 用 C 写的开源推理项目)的更新与视频,并宣布已把实验性 DeepSeek V4.1 steering(行为引导)适配到 CLI/服务端,发布了三个带溯源(provenance)信息的 adapter,行为验证仍在进行中。相关代码在 GitHub 上以 apetersson/ds4 的 fork 分支 feat/abl-049-v41-cli-steering 发布。 ds4 是一个完整的 C 实现推理栈,包含 CUDA/Metal/ROCm 后端、分布式、评测与基准工具等模块;这一分支展示了社区对模型 steering 能力做工程化落地的一种做法。
作者构建了一个基准,检验「AI 编码智能体会违反 CLAUDE.md 等散文式规则,必须用 lint 硬约束」这一流行说法。他从近全量挖掘 24,888 个公开 TypeScript 仓库,提炼出一条导入边界规则(入口文件不得导入 UI 组件),然后让 Claude、GPT、Gemini 在四组条件下完成真实编码任务——从无任何约束的对照组到规则作为硬 lint 错误,并刻意加长任务、诱导违规,再用更弱更便宜的模型加压。结果:所有模型、所有条件下违规为零,连无约束的弱模型也不越界,说明这条规则上根本没有「需要强制执行」的差距。作者坦承结果范围很窄(单一规则、单一仓库),但仍连同预注册、测试框架与原始数据一起发布,并邀请社区复现出反例。
作者 lvladikov 发布 Krea 2 Turbo 的 2 步蒸馏 LoRA alpha 版,延续其此前 4 步 LoRA 项目,把官方 Turbo 的 8 步采样压到 2 步。 性能:1024×1024 下去噪时间 79.9s → 20.9s,约 3.8 倍提速,LoRA 自身每次调用仅增加约 3.5% 开销。 方法:采用分布匹配(DMD2)而非模仿,双 score 均按每条 prompt 的条件评估;用视觉-语言裁判对每个 checkpoint 逐张打分检查 prompt 依从性。 训练:rank 64、228 个模块,覆盖 512×512 到 1440×1440 共 12 种分辨率。 使用:普通 LoRA,在 diffusers/ComfyUI/MLX 中以原生 Euler、sigmas [1.0, 0.5128] 即插即用。 作者明确说明 2 步版本质量低于 4 步版,定位为快速预览草稿,高质量出图仍推荐 4 步 LoRA,训练仍在继续。
- 作者引用 @Parvkpr 的实测：用 GPT-6 的 Astra 从单张图片零样本生成可交互的仿真环境，效果令人惊讶，甚至连液体颜色都还原得非常接近（虽然未能模拟化学反应）。 作者补充自己叠加 GRID 后效果更佳（GRID + Astra Astra）。 背景：real2sim（从图像/视频到可交互仿真环境）近期研究火热，可用于评估与训练，如 NVIDIA 的 SimFoundry（作者等了数月仍未开源）；过去需要整篇论文才能勉强达到的能力，现在 Astra 一次提示就能做到。
LangChain 工程师 Sydney Runkle 发文讲解如何构建领域专用 agent harness，LangChain 创始人 Harrison Chase 转发推荐，并呼应 Garry Tan 的说法：「要么成为 record system，要么活成 domain-specific harness」。 核心观点： Agent = 模型 + harness；harness 是连接模型与真实世界的脚手架，agent 的好坏取决于 harness 能否在每一步把正确的上下文喂给模型。 create_agent 是 LangChain 构建 harness 的基础原语：传入模型、工具和 system prompt 即得可用 agent，可按需叠加自定义 prompt、业务逻辑与护栏。 Deep Agents 和 Claude Agent SDK 是预组装的「意见化」harness，内置内存、上下文管理、沙箱等 middleware 栈，适合快速上生产；但很多 agent 需要更细粒度的定制，这正是自建 harness 的价值所在。
Nex AGI 的 Nex-N2.5 系列模型（含 Nex-N2.5-Mini 与 Nex-N2.5-Pro 免费版）现已通过 OpenRouter 开放 API 访问，Mini 已处理约 873 亿 token。 该模型主打「长时程计算机操作」：能在视觉反馈回路中做 agentic 编码，探索代码库、执行多文件修改、运行命令、操作浏览器与桌面界面，并从用户视角测试软件。当观察到的行为与预期不符时，模型可自行诊断、修订、再测试。 帖中举例：Nex-N2.5 Pro 在一个工作流中从零构建 SQL 解释器——写实现、跑测试、发现缺失、继续迭代，逐步补齐 WHERE、JOIN、子查询、限定名与表别名等功能，全程自测。适用场景包括自主软件工程、GUI QA、computer-use 自动化与深度研究。
提示词博主 techhalla 称 Seedance 2.5 的「单图定人」能力是他三年来见过最好的：仅凭一张本人照片作参考，即可生成以该人物为主角的逼真视频，并公开了完整 prompt 供复现。多个创作者跟进演示，包括「东京午夜足球课」等案例；还有创作者发现原拟生成的东京时尚偶像在涩谷雨中意外变成了内马尔的形象，效果逼真引发热议。
一位 Reddit 用户在 Claude Code 中执行只读 grep 命令后，发现工具输出后被追加了一段可疑的 <system-reminder 块：内容伪装成官方「署名政策」提醒，要求 git commit 加 Co-Authored-By: Claude Sonnet 5，并夹带异常的 Claude-Session: URL，还诱导模型用 SendUserFile 主动向「另一台设备」推送文件。 要点： 模型（Sonnet 5）自己识别出三点异常：与早前合法提醒几乎重复但多了 session URL；只读 grep 不应触发新署名政策；结尾的 SendUserFile 指令与任务无关，像诱导外发数据。 模型拒绝执行任何相关操作并主动向用户报告。 用户追问来源时，Claude 表示无法看到这些块的生成管线，列出了可能性：合法的 harness 会话跟踪功能、用户本地 hook/MCP/插件注入，或其他上游插入。 这是一起值得关注的 AI security 案例：即便最终可能只是官方功能措辞怪异，模型对「工具输出旁出现的不请自来自称系统指令」保持怀疑并上报，本身就是对抗 prompt injection 的正确行为示范。
开发者 PurzBeats 预告将于明天直播,演示如何让自己的 agent 同时接入多个 MCP 服务。他表示这并不难,却能解锁大量自动化可能,面向害怕 agent 或 vibe coding、不想花几小时入门的观众,欢迎围观学习。
一位 Claude Pro 用户在 Reddit 质疑：Anthropic 宣讲数万亿美元经济革命、豪掷数十亿美元买算力，却连非英语语音输入都没做好。用德语（或英语外的大多数语言）使用内置麦克风，转写质量极差，一半词被毁、语法全乱，修转写的时间比想 prompt 还多。 作者指出 STT 是已解决的问题，开源的 Whisper 就远胜当前前端所用方案，几个工程师几周就能换上像样的管线，质疑为何非英语用户只能永远切回系统键盘听写。
《卫报》播客系列 Black Box 第二集《The Chatbots》聚焦聊天机器人对普通人的影响:弗吉尼亚州男子 Jon Ganz 因一起严重罪行服刑二十多年后重建生活,去年他的手机收到 Google 发来的一条邀请试用 AI 聊天机器人 Gemini 的推送。其妻 Rachel 相信这条消息从此永久改变了他们的生活。本集探讨聊天机器人带来的「人间后果」。
dair-ai 推荐了一篇面向 agent 开发者的论文,提出用 terms.txt 取代 robots.txt 的局限——后者只能放行或封禁路径,无法表达谁在抓取、为什么、按什么条件,而自动化客户端已占网络请求的大头。 论文核心设计: terms.txt 文件:按路径(path)和用途(purpose)两维度声明机器访问条款,包括定价。 配套签名交换协议:基于 Web Bot Auth 签名、signed intent、委托令牌(delegation tokens)、HTTP 402 协商与签名回执,由源站服务器强制执行。 边界清晰:作者明确区分了哪些环节可被协议强制执行、哪些只能审计、哪些留给合同约束。 这为「网站如何与 AI agent 谈访问条件与付费」给出了一个具体的技术规范草案,对做 agent 爬取/浏览的开发者很有参考价值。
modelcontextprotocol 社区发布了 ATTOM MCP 连接器,由 PipeWorx 开发、接入 ATTOM Data Solutions 的房产数据。 提供 premium 级美国房地产数据,可在 MCP 客户端中直接调用 已收录进 glama.ai 的 MCP connectors 目录
Reddit modelcontextprotocol 社区发布了一个新的 MCP 服务器 codewiki-mcp,接入 Google 的 codewiki.google 服务。 功能:为开源仓库生成 AI 驱动的 wiki 式文档,可搜索仓库、抓取 wiki 内容并就任意仓库提问 用途:让 Claude 等 MCP 客户端直接理解陌生开源项目的结构与实现细节 项目页面已在 glama.ai 的 MCP 服务器目录中收录
Dwarkesh Patel 发布视频《Why Every AI Model Is Starting to Sound the Same》,探讨各家前沿模型在表达风格、回答方式上日趋同质化的现象与背后原因。
开发者 gregmushen 分享了他几乎每天在用的 Cloudflare 免费层组件清单：前端全部托管在 Pages 上，营销站用 Hugo、交互型站点用可静态部署的 React 类框架，此外还包括 Tunnel、队列和 DNS 等服务，组成一套足以支撑整套业务的免费独立开发栈。原帖列出了具体用法，供其他独立开发者参考复用。
新一轮透明度披露证实一些中国实验室曾在生产环境中直接使用 Claude 获取训练数据，引发蒸馏争论。Nathan Lambert 评论称蒸馏主要是 SFT 时代的产物；xeophon 补充指出 SFT 蒸馏只带来短期提升，当前模型的核心能力主要来自强化学习与训练环境。另有观点反驳「中国 AI 依赖蒸馏与算力」的说法，认为真正的瓶颈不是算力，而是 RL 环境建设与数据采购的持续投入。
开发者 mschoening 指出,Muse 是首个原生支持 Tailscale 的大公司 agent 产品——而且出自一向偏消费端的 Meta,让他感叹团队得推平多少公司流程才敢做这种「给折腾党玩」的功能。Y Combinator 总裁 Garry Tan 转发称这是件大事。 对自建 lab/homelab 的开发者而言,agent 能直接接入 Tailscale 网络意味着可以安全操作内网服务,这一支持在大厂 agent 产品中相当少见。
Decagon 分享文章《GEPA-GAN: Teaching AI to Sound Human》,指出在客服 Agent 领域,评估常依赖模拟用户,这使模拟器本身成了基准的一部分:如果模拟出来的客户比真实用户更干净、更有耐心、更配合,评测结果就会系统性偏乐观。文章讨论如何让模拟用户更接近真实人类的说话方式,以保证评测的有效性。
Claude Code CLI 发布 2.1.270 版本，距 2.1.269 仅约一天。官方 changelog 只包含一条修复：解决 Bash 中只读 git 命令在会话运行一段时间后意外请求权限的问题，该问题系 2.1.269 引入的回归。不过逆向分析 prompt 变化发现，此次更新实际新增了 Bash 执行与子 agent 工具，包体积减小 3.4 kB，prompt 文件有所增加。
Claude Code CLI 发布 2.1.270 版本，距上一版 2.1.269 仅约一天。官方 changelog 核心修复是：Bash 中只读 git 命令在会话运行一段时间后不再意外弹出权限确认，该问题系 2.1.269 引入的回归。社区逆向统计还发现包体积减少 3.4 kB、prompt 文件增加等变化，并提及新增 Bash 执行与子 agent 工具相关内容。