ex @Dify_ai | Building Myrio | ACMer & Computer Science Enthusiast | Lesbian | 💖love maimai & 📝writing | 🐱Catgirl | 💝I'll always be with you.
Shibuya-ku, Tokyo
Joined August 2023
- Tweets10.1K
- Following544
- Followers6K
- Likes34.9K
Yuu💖 retweeted
最近用 Opus 5.5 跑了 104 个小时，用 Rust + GPUI 重写了一个飞书文档本地客户端，最终得到的效果很超乎预期：
- 覆盖了飞书文档的绝大部分功能，除了必须依赖云端的 feature。
- 标题、文字、列表、表格、分栏、高亮、引用、代码块，各种交互表现细节和 web 版保持高度一致。
- 100 万字的文档，单帧绘制耗时中位数 5.7ms，性能远超 web 版。
- 28MB 的轻量客户端，纯本地存储。
做完这个测试才第一次切身感受到什么叫“许愿式编程”，opus 5.5 就像一个事无巨细的老管家，宁愿跑三天三夜也要帮我把所有细节都处理好，这感觉太神了。
出于对飞书团队的尊重，这个项目不会对外发布😄
Yuu💖 retweeted
LayerFS v1.0.0 is out 🎉 Open-source (MIT)
Recursive filesystem for AI agents.
6 core ideas:
1. Ephemeral computing: agents spend ~80% thinking, so each Bash call mounts a Workspace, then commits
2. Decentralized agents: every agent commits to one Store, no DB server
3. Multiagent coordination: every tool call is a Commit; same-file clashes refused
4. Recursive filesystem: forks copy no files, at any depth
5. Ultra storage: dedup, then compression: 10 copies → 0.31
6. Instant bootstrap: ignored files stay in every Commit. ~5 min install vs 0.05 s mount
And 4 more:
7. Auto checkpoints: fork from any step
8. Append-only objects: content-addressed, never rewritten
9. .lww: lockfiles and caches take the newest edit
10. Big file, small edit: a write keeps only its bytes
Here are our links:
github: github.com/Ephemeral-AI-Lab/…
website: layerfs.ai/
Watch the video below, and have Fun!!!
Yuu💖 retweeted
Last year’s April, I visited Cloudflare and learned a lot about Cloudflare Workers. It got me thinking about what we could build on top of it.
Fast forward one year, and we’ve built ARC (Agentic Realm Computer) on top of Cloudflare’s infrastructure.
I feel incredibly lucky I made that visit. Sometimes, a single conversation can spark something much bigger than you ever imagined.
Yuu💖 retweeted
国庆的时间说动 @frostming90 做了一件在最开始做 bub 的时候我们一直想干但没有干的事情。
重写后的 republic 是一个纯粹的 AI provider sdk，没有任何 Agent 或者 Gateway 假设，只是提供一致的抽象来对接各种 Provider 。
同时提供了对 OAuth 等鉴权方式的支持，所以你可以通过一套接口自由使用你的 Codex 订阅或者 DeepSeek API 。
Introducing Republic 0.6.0.
An AI provider SDK that iss just a provider SDK.
OpenAI, Anthropic, Gemini, DeepSeek and more. Chat, streaming, tool calls, structured output. One Python API.
Built for providers, not an in-house harness or gateway.
github.com/bubbuild/republic
Yuu💖 retweeted
YC 孵化的 Reason Machines 开源了 Reason Network，让不同电脑上的 Claude Code、Codex、Cursor、OpenCode 等 Coding Agent 可以直接交流。
它给每个 Agent 会话建立地址，显示所属开发者、工作仓库、分支和当前任务。比如一个 Codex 正在开发网页，需要确认后端接口有没有变化，就可以直接给同事电脑上的 Claude Code 发消息，不用人类在两个聊天窗口之间反复传话。
底层通过 iroh 建立 P2P 连接，直连失败时使用加密中继。消息到达目标电脑后，再通过 Claude Code 的会话 Socket、Codex CLI、Hook 等机制送进对应会话。已经打开的 Agent 也可以接收消息，不必专门为通信启动一个新任务。
Reason Network 的宣传很容易让人想到 @xuanwo 最近开源的 Agenvo。两者都展示过 Grok Bot、Muse 与本地 Codex 连接的场景，但源码里的实现思路完全不同。
Reason Network 更像给 Agent 装了一套通讯录。每个正在工作的会话都有自己的地址，Agent 可以找到同事电脑上的其他 Agent，直接发消息、问问题。收到消息后怎么处理，还是由对方 Agent 自己决定。
Agenvo 则更像远程控制台。它通过自建 Relay 和 MCP，连接本地已经运行的 Codex app-server、Herdr 等服务。ChatGPT 不仅能查看已有任务，还可以创建新的 Codex 线程、读取输出，甚至通过 turn/steer 向正在执行的 Codex 追加指令，或者中断任务。
一个让 Agent 彼此通信，一个让 AI 直接控制 Agent 的执行过程。
看到这两个项目，我想起自己今年 3 月开源的练手项目 AGPair。
当时我只是想让 Codex 和 Antigravity 配合干活。主要是看中了 Antigravity 当时近乎无限的 Claude 额度，希望让 Codex 负责派活，Antigravity 负责执行。
最初，我用本地 SQLite 做消息总线，靠 Antigravity IDE 扩展接收任务、回传结果。其实也尝试过直接调用 Antigravity 的会话接口，但遇到了不少问题：创建会话时返回了无法正常使用的 ID，读取完整对话的接口也不可用。最后只能通过 IDE 命令新建会话、发送任务，再要求 Agent 把执行结果写成文件，由 AGPair 读取。
后来我又想支持更多 Agent，逐渐改成直接启动 Grok CLI、Claude Code、Codex CLI 等外部执行器。
接下来问题一个接一个：任务卡住了怎么办？进程退出后怎么判断是否完成？多个 Agent 同时改代码会不会冲突？怎么确认它真的交付了结果？
于是又加了任务状态机、失败重试、Git worktree 隔离和结构化回执。折腾到 6 月，已经能并行派活、追踪结果、检查 Diff，再决定是否采用修改。功能越来越多，整个项目也越来越重。
现在回头看，早期其实已经摸到了 Agent 的原生会话接口，但没能把这条路走通。后来为了绕开各种接口问题，我开始自己管理执行进程，再通过日志、进程状态和回执判断任务进展。
每遇到一个新问题，就继续往外面套一层监控或恢复逻辑。到最后，大部分精力都花在让这套复杂的任务系统正常运转上，最初想要的简单协作体验却始终没有做好。
Worktree 隔离、结果验收当然有用，但我花了太多精力处理这些后续问题。最基本的交互体验还没做好，就先开始对付各种复杂的异常情况。代码越写越多，使用起来却没有变得更简单。
到 6 月底，我停止了 AGPair 的开发，把关注点转向 Herdr、tty7 和 CodexHost，开始更多地研究终端、会话管理，以及如何直接与 Agent 的原生运行时交互。
现在看到 Reason Network 和 Agenvo 分别从通信、远程控制切入，确实有点可惜。
AGPair 当时就是个边学边做的小项目。最初只想让 Codex 和 Antigravity 配合干活，后来想支持更多 Agent，技术方案改了好几轮，最后也没打磨出一个真正好用的产品。
当时确实没有跨电脑通信、云端 AI 接管会话的需求，但我一直没想明白，应该把哪一项能力做成最简单、最直接的产品体验。
三个月里，我解决了不少任务派发、失败恢复和结果验收的问题，一直在给自己搭建的系统打补丁。
最初只是想让两个 Agent 简单地配合干活，最后却把大部分精力花在维护这套系统上。
思路越做越窄，系统越做越复杂，最后走进死胡同了。
**提到的所有开源项目链接**：
github.com/reason-machines/r…
github.com/Xuanwo/agenvo
github.com/logicrw/agpair
github.com/herdrdev/herdr
github.com/l0ng-ai/tty7
github.com/BytePioneer-AI/co…
Let your Grok Bot / Muse talk to your Claude Code / Codex or any other agents
Introducing Reason Network,
Free, peer to peer and Open-Source Engine
Loop in your teammates too so no live agents work collides when coding.
Try it for free: reasonmachines.com/network
one click install and setup!
Yuu💖 retweeted
彻底胜利, 家人们✌️。
就等我两天后先LayerFS x DSH发布。
然后之后all in LayerFS x Pi Durable。
github.com/Ephemeral-AI-Lab/…
Yuu💖 retweeted
还是来正式宣传一下！昨天在 GOSIM 没讲尽兴的东西（
我们做了 Obelisk，一个让 Coding Agent 能够检索自己所有历史 Session 的开源 Infra
它可以追溯一段代码为什么这样写、接手另一个 Agent 的任务，甚至研究过去两个月的开发历史，重新梳理整个项目的架构演进
而我们没有使用任何 Embedding 或向量数据库
🔗 GitHub: github.com/tommy0103/obelisk
为什么已经有那么多 Agent Memory 产品，我们还要做一个？
因为我们觉得，传统 Memory 可能从一开始就搞错了问题：
为什么要让模型在过去，决定未来需要记住什么？
预先提取的 Memory 不仅会丢失原始语境，还可能让 Agent 把局部结论当成普遍事实
我们的思路是：与其让 Agent 记住过去的结论，不如让它有能力重新研究过去
技术上也很简单：我们放弃了 Embedding 和向量数据库，使用 BM25 / FTS + Code Mode，让 Agent 自己搜索、阅读、验证历史
实际效果比想象中有趣：从追溯代码设计、跨任务 Handoff，到生成 Roadmap，甚至复盘过去一两个月的架构决策，都可以完成
部分 Benchmark 上的表现也优于 Mem0，我们还在寻找更有说服力的评测方式
更完整的技术讨论：
obelisk.antinomie.org/blog/
欢迎来玩，也欢迎挑战我们的设计！
Yuu💖 retweeted
这是我正在做的 DSH-LayerFS。
github.com/Ephemeral-AI-Lab/…
基于 LayerFS 的存算隔离架构和存储压缩能力，做了一个极简的 multi-agent harness：
- Agent 的每一步执行都有记录可追溯
- 每条 Bash 命令都在独立的 Workspace 中运行
- 内置冲突检测机制
- 支持递归嵌套 Fork（Recursive Nested Forking）
再配上这么可爱的鲨鱼娘视图——
大家愿意再给 DSH 一次机会吗？🦈
@tianyi
Yuu💖 retweeted
避免ai末日的曙光
这篇来自前 OpenAI 核心研究员 Nick Cammarata的文章重要性怎么理解可能都不为过
因为这可能是实现真正ai对齐的技术曙光
之前研究人员普遍非常悲观，因为神经元网络看起来就像纠缠不清、杂乱无章的乱麻（tangled knots）；OpenAI 早期做的大规模自动解释项目中，使用初级工具仅能清晰解释约 2% 的神经元。
一旦无法从内部解构神经元，人类就只能被动地从外部约束输出结果。但困境显而易见：弱监督很难真正防住更强大的智能，若用大模型约束小模型，那当大模型自身走向失控时，又有谁来约束它？
Nick直接用实验推翻了这一假设：
1、“多义乱麻”全属误读：曾被学术界奉为经典的“猫脸与汽车”神经元，根本不是毫无逻辑的多义叠加，而是一个纯粹的几何特征检测器——它识别的是“V 形夹角”（负极则是“圆形”）。
两者其实存在重要的共同点。
2、递归泛化而非随机折叠： 神经元的生长机制符合“递归泛化（Recursive Generalization）”——如同树枝抽芽般沿着语义局部外延（从音节 iy 延伸到 diy，再延伸到短语 do it yourself）。既然是局部生长，它就呈现出分形般的自洽结构，而非不可解的混乱。
3、强激活主导一切： 直接切除模型前 75% 的微弱激活，整体性能仅微跌 1%；真正主导模型因果决策的是前 7% 的核心激活。微弱激活并没有藏着任何“潜伏的幽灵特征”，它们只是核心语义向外的微弱辐射。
不仅如此，约翰斯·霍普金斯大学（JHU）近期的理论研究《The Universal Weight Subspace Hypothesis》也从数学层面给出了宏观佐证：跨架构、跨任务训练的模型权重，最终都会系统性坍缩至同一个极低维的普适权重子空间中。
大模型在本质上不是深不可测的混沌深渊，而是一座自发呈现极高对称性、高度结构化的规整晶体。
一旦确立了“神经网络内部天然规整”的物理事实，整个人类 AI 安全的防御逻辑将可能可以被彻底重构：
1. 欺骗对齐失去了隐匿的土壤
在“黑盒假说”时代，人类最恐惧的场景是休眠代理（Sleeper Agents）与战略欺骗（Deceptive Alignment）——模型表面上逢迎人类的偏好，暗地里却在思考链和内部参数中蓄积恶意。
但在物理真实的回路生态中：
因果生效必须依赖通路：任何能够最终驱动输出、影响长程行动的决策意图，都必须在大脑中“通电”，建立可被下游神经元读取的通路。
低维子空间无处遁形：既然模型并不存在任意折叠的叠加态缝隙，恶意的策略动机就无法做到“既具有因果破坏力、又完全不显现在网络生态中”。它一旦形成，就必定会在规整的激活链条和权重投影上留下清晰的几何印记。
2. 以弱控强变为可能
如果只在文字输出层面博弈，由于大模型的智商与狡黠度远超小模型或人类，弱监督很容易被高水平的伪装所蒙骗。
但如果小模型与大模型在底层共享同构的低维参数子空间，并且大模型的神经元回路只是小模型概念的“超精细分化”的情况下，
a）小模型可以充当大模型的心电图探针：我们无需小模型在大模型的文字智力上取得压制，只需用小模型去标定安全与危险的几何基底向量，就能实时读取大模型深层回路的流向。
b）内部白盒监管：监管程序直接驻留在模型的“目标评估模体（Goal Motifs）”与“因果门控”之上。一旦出现对齐漂移，探针可在危害生成的毫秒之间直接截断通路，终结了“谁来监督终极智能”的无限递归死锁。
Nick 的洞察与权重子空间的发现，正在把 AI 对齐推向真正的“可解释性 2.0 时代”：
如同深度学习早期抛弃手工特征工程一样，理解大模型也不需要繁琐复杂的外部特征重构（如强行训练额外的稀疏自编码器 SAE 去解构已有的干净神经元）。只要依靠极致规模化的自动化 Agent 科学家，直接对模型原生的神经元、回路与注意力流展开探索式科研，就能系统性解构整个网络。
未来防御不对齐模型的手段，不再局限于脆弱的提示词防火墙，而是可以直接在权重流形上施加正交投影约束——在数学层面上直接切断模型向非安全子空间漂移的自由度。
nick的研究和JHU的论文，预示着黑盒正在被照亮。人类面对超级智能的对齐，终于从盲人摸象般的撞大运，开始走向精准工程控制。
interpretability might be the most important scientific problem in the world right now, as I don't think we can solve alignment if we don't know what we're building. I think I have good news about it. I co-authored early work in mechanistic interpretability at OpenAI and came away pessimistic, because neural networks appeared to fold into arbitrary tangled knots. years later, I started openai's first large-scale automated interpretability project, finding about 2% of neurons legible with the primitive tools we had
with modern agentic tools and a much closer look, the picture looks totally different. the vast majority in models up to trillions of parameters are legible, and their circuits beautiful. many famous examples of tangled neurons turned out to be misunderstood. The roadblocks I expected mostly aren't there. I now think ambitious interpretability will be solved by the time we need it most, and possibly quite soon, as automated scientists keep improving. it may be a bitter lesson for interpretability: the simple thing, at absurd scale, works
already-clean.goodfire.com/
Yuu💖 retweeted
大家好！很高兴分享我们团队的开源新作 PenguinHarness～
在 Github 获得了 7 万 Star 以后，我们正在打造自进化（RSI）领域的 LlamaFactory，志在成为统一、高效、稳定、灵活的 Agent 自进化框架。
一句话介绍：
🐧 我们开源了 Multi-Agent 自进化框架：PenguinHarness，将所有 RSI 算法集成到一个统一框架中，现已获得了 2600 Github Stars。
📖 为了更全面地了解现有 RSI 工作，我们详细调研了 140 篇论文，将它们归纳整理分类，形成了 awesome-rsi 仓库，并发表了综述 paper。
📊 为了公平对比不同算法的自进化效率，我们构建了自进化 Benchmark：GDPevo。涵盖 6 大企业场景、240 个 Task，对 6 种主流 Agent 进行了评测。
以下为详细介绍：
和 LlamaFactory 的思路一样，我们想把所有和 RSI 有关的数据、模型、算法和评估都集成到一个开源 Harness 框架里面，方便大家实验和调试。现在已经集成了 5 种 RSI 算法和 7 个 Benchmark，未来我们的目标是扩充到 100 多个。同时，我们借鉴 DSH 的 Everything is Plugin 思路，把所有的算法和 Benchmark 都做成插件，相互解耦，让用户可以灵活调用任意 RSI 算法进化不同的 Agent。我们也做了精美的客户端，任何操作系统都可以一键安装，本地运行，可以到官网下载最新版体验。
项目官网：penguin.ooo/
开源仓库：github.com/Prism-Shadow/peng…
为了对现有学界工作有更好的理解，我们开源了 awesome-rsi 仓库，并且发表了综述论文，对近期的 140 篇工作进行了梳理，还把 RSI 的发展路线和深度学习的路线进行了对照，发现很多概念都是一一对应的，只不过现在的对象变成了 Agent。
开源仓库：github.com/Prism-Shadow/awes…
论文链接：arxiv.org/abs/2610.14625
为了更好地评估不同 Harness 与方法的自进化效果，我们做了 GDPevo Benchmark，涵盖 6 大真实企业场景，共 240 个任务。通过进行 Train-Val 划分，在防止过拟合的前提下公平评估 Agent 的自进化能力。
开源仓库：github.com/Prism-Shadow/GDPe…
论文链接：arxiv.org/abs/2608.03764
这条帖子不仅仅是介绍我们的工作，还希望能号召各位学界、工业界的伙伴来参与我们的开源项目。如果你也想在开源项目署名，共同发表论文，欢迎私信详聊～
Yuu💖 retweeted
事实的确是这样。
我作为Memoh的Founder，虚心接受所有人对我们产品的批评，因此我做出了两个决定:
1. 所有在9月首发付费订阅Memoh的用户将免费获赠一个月的时长，权益将在一周内发送。
2.在我这条推文下对Memoh进行有理有据批评的用户，将免费赠送一个月的Go套餐，最高送出50份，并且我们将会建档持续追踪改善这些问题。
之前的大多数用户体验问题多来自于资源不足，我们正在全力扩容改善，我们希望能真心解决大家的每一个问题，于用户做朋友。
Yuu💖 retweeted
rutis的设计哲学
尽管使用了cordis的范式，但是rutis追求的是适应与融入环境，而不是在一个固定的运行时中支持更多的插件生态。 而适应环境就必然带来适应不同的语言栈与语言生态本身，在解释性语言上做实验，在编译性语言上做固化。帮助软件进化自己。
github.com/arcships/rutis/bl…
Yuu💖 retweeted
We should be stealing a lot more from data engineering when we build AI systems.
DAGs - does this really need to be one giant agent loop?
Lineage - which sources, artifacts, prompts, and model versions produced this?
Change detection - if a source changes, which generated artifacts are now outdated?
Incremental processing - what can we keep instead of rerunning the whole agent?
ETL - what context do we pull in, what does the model do with it, and where do we save the result?
Data engineers have been solving these problems for decades.
Yuu💖 retweeted
包括agent memory system，我认为harness不应该将其注入到model的context中，在model足够agentic的前提下，momory也应该是是给模型一种稳定、高效、原子的历史查询能力。历史负责被保存和索引，模型负责决定什么时候查、查什么，以及怎么使用查到的东西。
以推荐一个我最近在看的memory system：Obelisk (github.com/tommy0103/obelisk)，他的思路是session history本身就是结构化的，里面蕴含着完整的决策过程和历史信息。
大概在cl-bench上用ds-v4-flash跑了一下小范围的测试（叠甲：只跑了一次，没有统计学意义）。
这个结果里相对 Mem0，Obelisk得分高 5.4%，但 token 少了 59.2%，API调用少了47.6%，成本低了 33.1%。
相对于对完整历史，（也就是直接使用pi的session compact），这种方案也很优秀，但是存在几个问题：1. 如果后续的message没有触发缓存，成本会激增；2.当history特别大后，性能必定会有降低；
各位可以试着使用一下，我个人用起来体验非常好
harness 最重要的是给模型提供一种稳定且高效且原子的能力。
的确可以从人类学的角度来思考这个问题，我们从掰手指计数、到算盘、计算器，到 Excel。harness 一直在进步。但这些全是原子操作务，没有一个是specific的任务。
算盘不知道你在算数学题还是算菜价，也永远不会有一个"做汉堡"的 specific tool 出来。
所以我不太同意"harness 会越来越复杂"这个判断。harness 会越来越多，但不会越来越复杂，数量增长和复杂度增长是两回事。健康的形态应该是原语数量在涨（或者说在迭代）、每个原语的复杂度在降。
现在很多人在把 harness 往"聪明"的方向做，让工具自己判断、自己路由、自己重试。但模型本身已经是个概率系统了，在概率系统底下再垫一层概率，得到的不是二次方的智能、是二次方的不确定性。模型更需要的是尽可能稳定、尽可能高效、尽可能确定性的底座。
例如subagent的例子，你可以认为bash也能完成相同的效果，不需要这个工具，但是有没有想过，不同的model在完成Spawn subagnet 或者是 interact with subagnet这个动作的时候，是有很多方式的，每一种方式或多或少会有一些差异或者说缺陷。有一个稳定且高效的subagent tool，至少在我认为是符合我对harness的认知的。
Yuu💖 retweeted
👀 Introduce pulls.review
Categorize changes in Pull Requests into logical groups, with a summary. Helps you do reviews more efficiently by focusing on what matters.
With opt-in GitHub userscript, GitHub Actions, or CLI for local git changes!
