蓝野星(💙,🧡) (@iGeneral2me) profile picture
Joined June 2017
Photo by 蓝野星(💙,🧡) (@iGeneral2me)Photo by 蓝野星(💙,🧡) (@iGeneral2me)Photo by 蓝野星(💙,🧡) (@iGeneral2me)Photo by 蓝野星(💙,🧡) (@iGeneral2me)Photo by 蓝野星(💙,🧡) (@iGeneral2me)Photo by 蓝野星(💙,🧡) (@iGeneral2me)Photo by 蓝野星(💙,🧡) (@iGeneral2me)Photo by 蓝野星(💙,🧡) (@iGeneral2me)Photo by 蓝野星(💙,🧡) (@iGeneral2me)Photo by 蓝野星(💙,🧡) (@iGeneral2me)
蓝野星(💙,🧡) retweeted
那我就要忍不住问你了,我们真的需要这么多抽象吗,特别是这个 task?我不这么认为 pi 正在脱离 less is more 的哲学,不再从第一性原理出发来做架构,I don’t like it
如果说 Pi 1.0 的全屏 TUI 只是换了身皮,那随版本一起上架的Pi Durable,才是这次版本更新的的重磅炸弹 这个由 mitsuhiko(Flask / Sentry 作者)和 Mario Zechner 联手操刀的包,彻底撕开了当前 Agent 行业最心照不宣的遮羞布: 以前大家写的 Agent,本质上只是“内存里的临时玩具” 跑了 20 步复杂工具链,突然断网、OOM 或进程被杀,整条状态直接灰飞烟灭。如果重新跑,不仅白烧昂贵的 token,非幂等的写库、发请求、跑脚本还会把生产环境彻底搞烂。 Pi Durable 没搞花哨的抽象,而是把数据库内核的 WAL(预写日志)和事务提交,硬生生塞进了 Agent 运行时: 第一,意图先于副作用(Intent-Before-Effect)。任何对话、模型响应、工具调用与上下文变更,在展示或执行前,必须先原子提交落盘。副作用还没发生,意图已经持久化了。 第二,故障原地断点续跑。进程崩溃重启后,只有显式标了 replay: "safe" 的只读工具会重跑;其他写操作直接回填 interrupted 错误并保留已提交上下文。调一句 harness.resume(),直接从上次跌倒的地方原地爬起来。 第三,严格的子任务因果所有权树(Task Tree)。支持 allSettled 等待和 failFast 熔断,一个子任务崩溃立刻自底向上(Bottom-up)递归清理,绝不残留悬空孤儿进程。甚至每 100ms 自动刷盘一次,崩溃最多只损失 100ms 的窗口。 为什么说它重要?因为这是 Pi Agent 第一次从“终端单兵小玩具”,蜕变成“抗崩溃、长生命周期的云端工业级底座” 行业嗅觉最灵敏的 Vercel,已经在第一时间上线了 @ai-sdk/harness-pi,直接拿它作为官方运行时。 用写数据库和分布式系统的底层工程思维来重构 Agent,这才是开源 Infra 真正的降维打击。
22
1
4
107
41,413
蓝野星(💙,🧡) retweeted
分享一下我们的 AGNETS.md 里面的核心工程原则,这个工程原则极大提高了 LLM 在我们项目中的稳定性,在10w 行级别的大重构中发挥了优秀的作用。
56
171
3
1,182
97,762
AI coding 不过度设计的就是最好的标准。 已经完全不需要预留太多未来 interface 了,不过度设计,依赖 ai 的快速迭代来满足不同阶段需求才是最佳实践
38
蓝野星(💙,🧡) retweeted
mattpocock/skills v1.1 is out! - /wayfinder helps you plan more ambitious work than ever - /to-spec and /to-tickets replace /to-prd and /to-issues - /implement + /code-review complete the whole lifecycle - /research and /prototype help support wayfinder, or can be used independently - Crucial fixes to /grill-me Run npx skills@latest add mattpocock/skills to update!
98
308
41
3,551
257,477
还要 2 个小时才重置
38
蓝野星(💙,🧡) retweeted
Replying to @aleabitoreddit
关于六氟化钨,白毛一部分说的是对的: “But I still think those will end up green eventually following Sk hynix/samsung qualifications + HVM, and the future japanese supply chain shutdown.” 这个逻辑类似磷化铟卡光模块脖子,WF6的断供也是卡存储脖子。axti从底部涨了一百倍,WF6呢?
4
6
47
30,572
蓝野星(💙,🧡) retweeted
别人用豆包都能做出很好的产品,而你必须用 Fable 5 才能勉强做点 Demo。有时候也该考虑一下是不是自己的问题?😂 我是看出来了,Haters 想要的不是大模型,而是几千名人类员工。你只要说想要什么,就能连续干几年给你干出来。
方舟这个200的 Coding Plan,用下来量非常大,几乎不存在 Token 焦虑了,而且可以用 GLM 5.2,现在49.9买简直像白捡一样。后面续费如果恢复成200,我也会继续用的。顺便说一句,我没有指定用 GLM 5.2,而是直接用的 auto 模式(ark-code-latest),也就是由方舟根据任务的情况自动选择模型,完全够用。
1
17
5,539
蓝野星(💙,🧡) retweeted
有没有一个把 Claude Code、Codex、GitHub Copilot CLI、Gemini、Cursor Agent、Kimi 这些编程 Agent,变成像真人同事一样可以分配任务、跟踪进度、协作交付的“虚拟队友”的工具? Multica好像就可以,不是再造一个“万能 AI 助手”,而是把多个 AI Agent 组织起来,像一个小团队一样协同干活。 multica 的思路更像真实团队协作。它会把一个复杂任务拆给不同角色:有的负责规划,有的负责收集信息,有的负责执行,有的负责总结输出。 每个 Agent 只专注一段明确的工作,前后流程可以串起来,整体会比让一个 Agent 硬扛到底更稳。 不只是一个聊天窗口,而是更偏“多 Agent 工作流平台”。你可以用它来编排任务、跟踪状态、管理执行过程,也可以接入自己的工具、API、知识库或者业务系统。 对于需求分析、方案拆解、代码任务协作、运维巡检、异常分析这类步骤多、依赖多的场景,会比较有价值。 回到了软件工程里很重要的思路:分工、边界、流程和协作。真正能落地的 AI 工作流,可能不是一个万能助手,而是一组职责清晰、可以协同工作的智能体。
6
13
51
7,436
蓝野星(💙,🧡) retweeted
🥳We just open-sourced Cube Sandbox! An instant, concurrent, secure and lightweight sandbox runtime for AI Agents. Built with RustVMM and KVM, it achieves the perfect balance of security and performance: → Sub-60ms cold start (2.5-50x faster) → Under 5MB memory overhead per instance (6x less memory) → Dedicated kernel per sandbox (hardware-level isolation) → Thousands of concurrent sandboxes per node → 100% E2B SDK compatible. Swap the endpoint, zero code changes Full-stack capability, one-click deployment. 3 steps to spin up your own private AI sandbox 👇 🔗 github.com/TencentCloud/Cube…
45
195
42
1,354
356,013
这时候还有人聊基本语言,简直是清流
Chapter 8 of The Anatomy of Go is ready for review. It goes into concurrency, the Go scheduler, threads, the system monitor thread, goroutine preemption, what happens at startup, how channels work, how the select statement works, and how timers work behind the scenes, a lot and a lot, with visual explanations. This is the final chapter, it is near the end of the journey.
1
127
蓝野星(💙,🧡) retweeted
Claude 今日收入来源是大家都在用 Claude 分析 Claude 源码,Claudecode 源码泄漏,更准确说是逆向提取 深扒了一遍代码,以下是你可以解析源码做的 4 件事: (你可以直接喂给你的龙虾,让他学习) 1、学 Anthropic 怎么写 System Prompt 传统写法(错误示范):“尽量帮助用户,提供详细回答” Anthropic 写法(工程化) 工具约束: “读文件必须用 FileReadTool,不允许用 bash” 风险控制:“删除数据前必须二次确认” 输出规范:“先给结论,再解释” 可以直接套用到你在编程的产品 这样 AI 行为会更加可预测、可控、可上线 2、拆解多 Agent 协作架构(Swarm) 源码里有完整的多 Agent 编排系统 ▪️Coordinator Mode:一个主 Agent 分配任务给多个 Worker,Worker 并行执行后汇报 ▪️权限队列(Mailbox):Worker 需要执行危险操作时,通过 mailbox 向 leader 请求权限,leader 审批后才执行 ▪️原子认领机制:createResolveOnce 防止多个 Worker 同时处理同一个权限请求 ▪️Team Memory:跨 Agent 共享记忆空间 如果你想做多 Agent 系统,这是 Anthropic 自己的最佳实践。特别是权限队列的设计—— 如何在给 Agent 自主权的同时保持人类控制 3、偷师上下文压缩策略 这是 Claude Code 最精妙的工程之一 三层压缩机制: ▪️微压缩(MicroCompact):不触发 API 调用,直接在本地编辑缓存内容,移除旧的工具输出。两种策略——基于缓存的和基于时间的。 ▪️自动压缩(AutoCompact):接近上下文窗口上限时触发。预留 13,000 token 缓冲区,最多生成 20,000 token 的摘要。内置断路器——连续失败 3 次就停止重试,防止死循环 ▪️全量压缩(Full Compact):把整段对话压成摘要,然后重新注入最近访问的文件(每文件 5,000 token 上限)、活跃的 plan、用过的 skill schema。压缩后预算 50,000 token 如果你在做任何长对话 AI 应用,这套三层压缩策略可以直接用,特别是微压缩,不调 API 就能释放上下文空间 4、复制 AutoDream 记忆整理机制 这个最有意思。Claude Code 会在后台自动整理记忆: 触发条件(四个全部触发才执行): 1. 距上次整理 ≥ 24 小时 2.之后又有 ≥ 5 个新会话 3. 没有其他整理进程在跑 4. 距上次扫描 ≥ 10 分钟 整理流程(4 阶段): 1. Orient — 读 MEMORY.md,扫描现有记忆文件 2. Gather — 检查日志,找到已过时的记忆,grep 对话记录 3. Consolidate — 合并、更新、修正矛盾、转换相对日期 4. Prune — 保持 MEMORY.md ≤ 200 行 / 25KB 任何需要长期记忆的 AI 应用都能用这个模式 记忆需要定期整理,不能只增不减 ———— 😎 还有几个搞笑的是: 1、Anthropic 居然在做虚拟宠物 从 userId 哈希确定性生成,别是要发nft?还是愚人节玩笑? 2、源码里列出了所有工具和命令,包括大量未公开的 41 个内置工具 + 80 个斜杠命令 🔧 未公开工具:WebBrowserTool(浏览器自动化)、MonitorTool(监控)、PushNotificationTool(推送)、SubscribePRTool(PR 订阅)、SnipTool(截图)、ListPeersTool(查看同伴) 🪓 未公开命令:/teleport(会话传送)、/thinkback(回放思维链)、/ultraplan(超级规划模式)、/passes(多轮执行)、/stickers(贴纸??) 这些都还在 feature flag 后面,但知道它们的存在,等正式发布时你就是第一批用上的人 3、看懂 Feature Flags = 看懂 Anthropic 的产品路线图 源码里藏着大量未上线的 feature flag。这是产品经理的水晶球——代码写了但没开放的功能,就是团队接下来要做的事 大致的路线是:CLI → 长驻服务 → 主动模式 → 多Agent协作 → 操作系统级Agent 不仅仅是功能迭代,是产品范式切换 目前已经增加到夸张的 6.5k stars、10k forks,Fork:Star 比 1.7:1 确实离谱——大家都在悄悄存副本怕被删。。。
31
89
5
418
64,616
蓝野星(💙,🧡) retweeted
Claude Code源代码泄漏,包含六张核心状态图,: - 主查询状态机,理解主 query loop 的主干 - Tool Execution状态机,理解 tool 调度与并发/中断 - 压缩恢复策略,理解上下文压缩与恢复 - Agent生命周期状态机和SDK会话状态机,分别理解 subagent 生命周期和SDK 会话层 - 权限策略流程图,补齐治理与安全控制逻辑 主查询状态机:
Claude code source code has been leaked via a map file in their npm registry! Code: pub-aea8527898604c1bbb12468b…
18
91
5
389
112,932
蓝野星(💙,🧡) retweeted
讲讲怎么给 OpenClaw 加上量化交易的能力。 思路非常简单:引入计算器,让 AI 能算四则运算,就能算量化因子。 但这个做法有个问题。AI 生成大量数字来构建算式,效率是非常低下的。BTC 价格动辄几百根 K 线,不能让 AI 真的去复读几百根 K 线吧。 于是我们调研了一下市面上的方案,发现这个问题在一个叫 freqtrade 的项目里有过解决思路。 具体的做法,就是把资产-K 线的组合,视为一种 Excel 表储存的数据。然后,使用SUM/MIN/AVG 等字符串来对行列进行运算。等效到量化上面,就是 RSI/MACD 等字符串。 所以一个冗长的、需要连续生成多次工具调用的量化运算请求,就被简化成了 `RSI(CLOSE('BTC/USD', 50), 14)` 这样的算式。 语义为取 BTC 最近 50 根 K 线的收盘价,算 14 周期 RSI。 对于 AI 来说,无论是可读性还是可操作性都大大提高,自然就获得量化运算的能力了。 文件实现可以参考:github.com/TraderAlice/OpenA…
32
79
3
445
41,722
蓝野星(💙,🧡) retweeted
量化没啥神秘的。实际上晚到13年前后,很多华尔街的基金的所谓量化操作(非高频量化)本质上就是搞线性回归。还有几个线性回归模型基本操作原理被别人知道之后设计一个方案来进行套利的。这种套利的思路大致就是因子拥挤(Factor Crowding)套利。因为大量基金都在做:Long 高 Momentum,Short 低 Momentum,这个时候套利者就会在 rebalance 之前 提前买入“即将被买的股票”,或在 拥挤顶点 反向建仓。最后的结果就是因子收益被提前吃掉,剩下的是 尾部风险。 08年金融危机之后,由于QE 大放水,整个美股被认为出现了长期趋势稳定期,这种用简单的趋势动量因子建模的线性模型在 2009–2012 年表现极好,因为这符合量化投资的理想模型:因子之间的关系被假设为独立或保持稳定的相关性。到了2013年5-6月,基于历史数据的线性假设瞬间瓦解了。原本互不相关的因子迅速同质化,集体收敛于同一个风险敞口——无论是贝塔波动还是流动性通通枯竭。线性回归模型全面失效。无论是 VaR 还是协方差矩阵,过去几年的历史数据进行外推出的结果完全没用了。当一家基金触发止损开始减仓,会直接冲击价格,进而触发另一家量化基金的卖出信号。这种基于算法的连锁反应,最终演变成了一场全行业的“多杀多”惨剧。 13年前后这次集体崩塌,被视为量化行业的“成人礼”。它不仅击碎了对线性因子的盲目崇拜,更迫使整个行业开始反思:真正的风险往往不在模型之内,而在模型之外。 这次事件后,行业发生了深刻的范式转移:机构不再单纯追求夏普比率,而是开始死磕机制切换(Regime Switch)和尾部风险;交易执行也从机械化转向随机化,以防被对手方捕捉。 许多量化老兵最终明白了一个苦涩的道理:在极端市场中,你最大的对手不是市场波动,而是那些和你跑着相似模型、有着相似逻辑的“同类”。Alpha 的消失,往往是从大家变得太像开始的。
29
157
5
866
111,839
蓝野星(💙,🧡) retweeted
#分享 今天看到的一个「人和 Agent 交互设计有点可供参考」: - 传统路径:用户通过 UI 交互,UI 再和后端通信,后端参与数据库的读写。 - 基于 FUSE 这种架构中。Agent 在沙箱中运行,并访问一个已挂载的文件系统。当它执行文件操作时,该调用会经过 FUSE 层,FUSE 层会将其转换为对同一后端的查询请求(如图)。 FUSE 是什么:在用户态实现文件系统的框架。即能够普通用户态进程把任意数据源(数据库、api、对象存储)“挂载” 成一个看起来像是真实的文件系统目录。内核把对该挂载点的文件操作(如 lookup、open、read、write、readdir、create、unlink)转发到你的用户态实现,你再把这些操作翻译成对后端数据的读写。 将文件系统视为 Agent 的 UI 层。就像前端决定如何向用户展示数据一样,FUSE 实现决定如何向 Agent 智能体展示数据。 这样的一个好处是通过 bash 命令,可以有效替代一堆 search/list/move/write 这样的工具,显著减少动作空间。
8
7
1
62
6,708
蓝野星(💙,🧡) retweeted
为什么 Claude Skills 的爆发点在 2026 年 1 月? 问:Claude Skills 是去年 10 月中就推出的,为什么现在才突然火起来? 这是个很好的问题。Claude Skills 确实在 2025 年 10 月中旬就发布了,但直到 2026 年 1 月才真正爆火。这背后有表面原因,也有更深层的逻辑。核心原因就是这东西如果只能在技术圈自嗨,它是火不起来的。去年 10 月份 Skills 编程领域其实很快就开始用起来了,而现在火,只是因为它出圈了,在技术之外的领域火起来了,非技术人员也用起来了。 Skills 真正的价值其实是在非编程领域。去年 Coding Agent(比如 Claude Code、OpenCode)开始在非编程领域开花,而 Skills 的设计特点让它能很快找到 Agent 在非编程领域上的场景落地。 1. 有 bash 和脚本能力,可以自动化本机操作 Skills 让 Claude 能借助代码脚本操作你的本机系统,把很多琐碎的电脑操作变成自动化操作。 Claude Code 的创建者 Boris Cherny 在 X 上分享过一个有趣的观察:自从 Claude Code 发布以来,他发现用户们在用它做各种非编码的工作——做度假研究、做 PPT、清理邮件、取消订阅、从硬盘恢复婚礼照片、监控植物生长,甚至控制烤箱。 > Since we launched Claude Code, we saw people using it for all sorts of non-coding work: doing vacation research, building slide decks, cleaning up your email, cancelling subscriptions, recovering wedding photos from a hard drive, monitoring plant growth, controlling your oven. > > xitter.gq/bcherny/status/2010809… 这些场景和写代码完全不沾边,但 Skills + bash 能力的组合让这一切成为可能。比如我自己就做了一些工作流,帮我采集信息、写作、写 PPT、画漫画、发布,极大提升效率。像发文章到公众号、X Article 这些,以前需要手动重复的操作,现在一个 Skill 就搞定了。 2. Skills 可以相互调用,用自然语言编排工作流 如果是单一的 skill,作用其实有限。但当你有多个 skills,并且 skills 还可以相互调用,那意味着你可以编排工作流。 Skills 让 AI 可以像《黑客帝国》主角 Neo 那样瞬间学会新技能:“I know kung fu”。Claude 会根据任务自动加载需要的 Skill,完成后再卸载,整个过程无需用户干预。 而最神奇的地方在于,你只需要用自然语言去编排工作流。这中间会有 Agent/大模型去解读你的自然语言,按照工作流执行,有问题还会帮你修复。这极大地解决了非专业用户需要程序员协助编排工作流的问题。 3. Skills 本身易于分发,几乎成了每个 agent 的标配 一个 skill 只要有一个 SKILL.md markdown 文件和辅助的脚本或者文档,打个 zip 包就能发布。这种轻量级的设计让分发变得极其简单。 有个时间点很重要,2025 年 12 月 18 日,Anthropic 宣布将 Agent Skills 规范开放为跨平台标准。很快,微软在 VS Code 和 GitHub Copilot 中集成了对 Agent Skills 的支持,OpenAI 也在 ChatGPT 的代码解释器和 Codex CLI 中采用了几乎相同的技能目录结构。 Skills 在 10 月发布时,主要还是被定位为开发者工具。但随着生态成熟、开放标准确立、以及 Cowork 这样面向普通用户的产品推出,Skills 在非编程领域的价值才真正被释放出来。 回顾这个过程: 10 月:Skills 发布,开发者圈小范围关注 11-12 月:技能规范开放、生态扩展、用户积累经验 1 月:产品更新 + 非编程场景落地 + 病毒式传播 = 爆发 Skills 的爆发是现在它找到了真正的价值定位,让非程序员也能通过自然语言编排复杂的自动化工作流。这才是 Skills 真正火起来的原因,随着更多场景被发掘出来,还会持续的火上一段时间。
Replying to @dotey
感觉最近skills相关的中文帖子突然多了起来,但记得Claude skills本身是去年10月中就推出了,请问一下宝玉老师觉得为啥skills的爆发点在1月份的现在啊?
51
81
9
432
73,217