AI Agent 今日: 0|主题: 1173|排名: 3 

Spotify 刚把自家的 Claude Code 内部架构全盘公开了,
直接把大文件读取的 Token 消耗硬生生砍掉了 90%: 绝大多数人都没意识到,你的编程助手 90% 的动作根本不是在思考,
它翻遍 5 个大文件只为找一个配置,照着旁边抄 20 个重复测试,
全是毫无技术含量的体力活,却全在按顶尖旗舰模型的最高费率狂烧。 Spotify 能把成本按 ...

为喜欢 vibe coding 但又想要结构化流程的人提供多模型编排层，一个协调者把目标拆成计划并分派给合适模型的专家执行。 https://github.com/mtarcure/claude-vibe-squad Vibe Squad 是个开源的多模型编排工具，规则全写在 Markdown 里，能看能改。你只跟协调者 Chrono 打交道，它把目标拆成计划，从 71 个专家简介里挑对 ...

Agent 自我进化跑久了，Skill 越积越多，可能反而会更难用。 NUS 团队这篇 SkillGLoW 研究的就是 Skill 应该怎么长期组织。 现在常见的做法有两种。 把所有经验不断压进一个文档，最后很容易只剩下一些泛化原则；每个任务单独存一条 Skill，又会让技能库越来越大，而且很多经验只能适用于当时那个具体任务。 SkillGLoW ...

用 Claude Code、Cursor 或者 Codex 写大工程，最怕上下文滚着滚着就失控，写到后面全是 bug 还巨费 Token。 今天冲上 GitHub Trending 的 ECC 就是干这个的。它不是个简单的 Prompt 词包，而是给智能体加了一整套工程化治理框架：260+ 模块化技能、60+ 专注子 Agent，外加一套自动化 TDD 测试验收闭环。Agent 必须先梳理 ...

Anthropic 刚刚发布了一份详尽的报告，阐述了其最大的 AI 终端如何让智能体自我改进。 如果你错过了之前的消息，Warp 是一个围绕智能体重建的终端。它每月服务 80 万名开发者，其中包括 56% 的财富 500 强企业，并已筹集了 7300 万美元。Warp 平台已运行了 1000 万次 Claude Code 会话，平均每周超过 40 万次。 他们自己 ...

Claude Code 写到一半想换 Codex，项目怎么做的、哪些办法试过没用、接下来还有什么，又得重新讲一遍。 发现一个 开源项目 ai-memory ，会把这些内容整理成 Git 管理的 Markdown Wiki，让 Claude Code、Codex、Cursor 等 20+ AI 编程工具共用项目记忆，不过不同客户端的接入方式不完全一样。 可以自托管在本机、Homelab ...

最近我第一次给 Pi 写了一个自己的 Extension。 起因很简单，我经常把任务丢给 Pi 以后切去干别的，结果它什么时候跑完，我根本不知道。 我分享一下我的整体思路： 1、先发现需求 Pi 跑任务的时候我经常切去做别的，不知道它什么时候结束。 2、再开始写 第一版只解决一个问题：任务结束，弹个提醒。 3、先做最小测试 ...

AI 写代码越来越快，但“记住项目规则”一直是个问题。 Trellis 的思路，是给 Coding Agent 加一层工程化管理框架，让 AI 不再每次会话都从零开始理解项目。 它会把项目规范、任务上下文和工作记忆沉淀进仓库： .trellis/spec/ 保存团队规范，按需注入上下文 .trellis/tasks/ 管理 PRD、实现记录和审查流程 .trellis/wo ...

我一直没搞懂一件事——为啥不是每个人都在用这个东西。 一年前，就有人靠它把月收入干到了17000美元。 OpenAI联合创始人Andrej Karpathy发过一个想法，1600万次浏览，原话大意是：别用AI写代码了，用它建第二个大脑。 操作简单到离谱。你把Claude Code指向一个文件夹，丢进去文章、转录文件、PDF，它会读、会连、会存成 ...

我让 prime-agent 和 opencode2+tgrep 在 Linux 内核上进行竞速。处理了 96K 个文件，总大小 2.1GB，共执行了 102 次查询。 tgrep：21.5 毫秒 ripgrep：86 毫秒 CPython re：5,298 毫秒 😬 你的代理并不慢 你的代理并不笨 你的代理受限于 grep 的性能 ...

不会写代码，也能搭自己的 AI 应用。 这 3 个开源平台，把 LLM 开发门槛进一步降低： 1. AutoAgent 用自然语言描述需求，让 AI Agent 自动完成任务，适合快速搭建智能应用。 🔗https://github.com/HKUDS/AutoAgent 2. AnythingLLM 开源自托管 AI 工作空间，集成 RAG、文档问答和 Agent 能力，数据可以留在本地。 🔗 http ...

试了几天 TencentDB Agent Memory，最爽的是不用反复喂上下文，这项目热度居高不下是有原因的👍。 四种可复用资产：对话会沉淀成 Chat Memory，跑通的流程变成 Skill，文档进 Wiki，代码库变成 CodeGraph。 团队里多个 Agent 能共享、审核、按角色装备这些资产，换框架也不丢记忆。 终于有点Agent 在读档，而不是每次从 ...

对于一个 vibe coding 项目， 是开一个 Session 开 N 个 Subagent，还是 N 个 Session？ 我的原则是： 评估后，如果可以共享一个目标、共享大量上下文、生命周期短 → Subagent。 反之如果任务需要独立交付、有自己的代码状态、要跑很久 → 独立 Session + Worktree。 这是我最近正在实践的一套重型 vibe coding harnes ...

AI 正在学会模拟真实世界，而 The Well 提供了一套“物理教材”。 The Well 是一个面向机器学习的超大规模物理仿真数据集，包含 16 类模拟数据，总规模达到 15TB。 里面覆盖了流体、声学、生物系统、磁流体、超新星爆炸等多种复杂物理场景，为训练 AI 预测物理过程提供了大量高质量数据。 过去这类数据往往依赖昂贵的 HP ...

5 个超棒的 Web 开发者网站。 http://github.com/BlockRunAI/ClawRouter - 用于 OpenClaw 的 LLM 路由器 http://sevalla.com - 提供 JavaScript、Python、PHP、Go 等全栈 Web 托管服务 http://converthub.com - 文件格式转换 + API http://ironclaw.com - OpenClaw 的开源替代方案 http://github.com/protectai/vulnhu ...

以后 AI Agent 会越来越像一个小型制作公司。 这个人整理了 153 个媒体制作 Skills，基本把生成式媒体内容生产全包了： 图片生成、视频生成、配音、音乐、音效、数字人、3D、运镜、灯光、剪辑、后期、质量检查…… 每个 Skill 都整理了对应领域的制作方法、限制、案例和参考资料。 甚至专门有一个 Skill 教 AI 怎么做二 ...

这哥们 Grok Bot 说，我还有 7 天交房租，钱包里就剩 90 美元。你给我找个 Polymarket 上的套利路子把房租挣出来，不然我就把这台机器砸了。 四天之后，账户到了 2110 美元，还在跑。 自己搭的云机器，自己的浏览器，自己的终端。策略不是我写的。我就给它指了个方向——做短周期的加密货币涨跌盘口，在它前面塞了一笔成 ...

看懂Pi设计的魅力，可能只需要一分钟。 今天我突然看懂了为什么Pi，要自己设计Session、处理压缩算法、构建自己的上下文体系，都是为了不妥协！ 上下文：尽量保持前缀稳定，让Prompt Cache持续命中，少花Token，也少被Harness随意改写。 Session：完整记录掌握在自己手里，不依赖某一家模型厂商保存状态，换模型还能继续 ...

RAG 正在不断发展。 首先，我们有 传统 RAG。 然后是 智能体 RAG。 现在，我们正朝着 多智能体图 RAG 迈进。 发展历程： 检索上下文 ↓ 推理 + 使用工具 ↓ 多个智能体协作 ↓ 探索知识图谱 ↓ 生成更智能的答案 保存此内容！ ...

古法编程了一个小时... 我突然理解大模型为什么 reward hacking 了 (至于为什么这么点代码能写一个小时 , 因为还有一段很丑的代码在另一个文件里)