我开启了一项实验,看看@chorus_agent能不能在不需要我帮助的情况下运行一个真实的操作系统。
所以我构建了@skyeagnt,这是一个由Chorus驱动、自主运营自己X账号的自动智能体。
它现在已经上线,正在自主运行。
如果你想用AI工具查公司文档或代码库,哪家最靠谱?一次200个真实问题的测试给出了答案:Falconer击败了Notion、Atlassian Rovo、Claude Code和Codex。
测试用了两个公开数据集。文档部分来自WixQA的6,221篇帮助中心文章和100个客服问题;代码部分来自apache/spark开源项目的代码库和100个技术问题。所有工具都断了网,只能靠内部检索——模拟的是企业内网场景。
Rovo在代码测试中被Falconer击败97.1%,但并不反映真实水平。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌
有人启动实验,测试AI代理能不能不靠人工操作真实系统,现在第一个自主运营的X账号已经上线运行了。
我开启了一项实验,看看@chorus_agent能不能在不需要我帮助的情况下运行一个真实的操作系统。
所以我构建了@skyeagnt,这是一个由Chorus驱动、自主运营自己X账号的自动智能体。
它现在已经上线,正在自主运行。
做公众号的人不用再手动调格式,本地处理也能保密度,AI还能帮忙改文字
格式坊 — 公众号文章排版工具 纯前端工具,专门把 Markdown 排成公众号能直接粘贴的文章 HTML。排版分两种:本地模式完全离线,AI 模式接了 DeepSeek 帮你润色、扩写、缩写或者翻译。
Andrej Karpathy花70分钟拆解顶尖AI使用者实际用LLM大语言模型的工作方式,指出多数人都把用LLM这件事搞复杂了
开发者称掌握方法即可从现有大模型中获得大量能力增益
有人用OpenAI训练了一年多的o3模型,帮助有罕见遗传病的家庭做分析,现在模型能力更强,不知道还能做到什么。
有人试了新的AI编程能力,说Claude的编程框架过度适配自家闭源模型,换模型就不好用。试试开源的模型无关框架dcode。
它确实非常好用!别在 claude code/codex 里试——这些适配框架对它们自己的专有模型调得太过了。
dcode (deepagents code) 是一个模型无关的适配框架——搭配 @FireworksAI_HQ 在里面试:
```
dcode --model fireworks:accounts/fireworks/models/glm-5p2
```
文档:
哪怕AI只能做有限的自我改进,AI产品和模型的发布节奏都会变快,现在OpenAI和Anthropic已经出现这个趋势了。
如果AI自我改进(哪怕只是非常有限的自我改进)是可行的,那么AI产品/应用工具与模型的发布节奏都应该会加快。
目前看来,Anthropic和OpenAI确实正在出现这种情况,但其他所有实验室都没有,包括那些去年看起来快要追上来的实验室。
中国AI应用渗透率比美国更高,产品迭代反馈更快,因此一直更看重实用价值。
随性写代码之后,只要让AI补充足够测试,就能保证项目正常运行。
说得有道理,确实部分情况就是如此,现在大家都在随性编码(vibe coding)。
但你其实也可以直接让 AI 补充更多测试,这样就能保证一切功能正常运行。
你完全可以随性编码,只要写完之后补测试就行。
不少企业选低价弱AI,只要能完成KPI就够用。建议搭建支持灵活切换模型的架构,试试更强的AI看能不能带来改变。
我怀疑企业都低估了在那些看似 weaker AI 降价后也刚好能达标完成的任务上,使用更高智能模型的价值。
至少你应该先搭建好支持灵活尝试更智能模型的架构,看看它能不能带来改变。
泄露数据显示OpenAI客户服务业务盈利,训练成本仍极高
如果泄露的财务数据准确,那 OpenAI 目前已经实现盈利,毛利率超过40%。
但训练成本仍然高得惊人。
将 AI 研究自动化或许也是为了提高训练效率:一个超人类水平的研究者可以用更少资源完成更多工作。
François Chollet提出近期AI是数字杠杆,仍需人类参与发挥价值
短期来看,当前的AI从本质上来说和过去的技术浪潮并无不同。它只是数字杠杆的最新形式。
它是力量倍增器,而没有方向的力量不过是噪音而已。它要发挥作用,仍然需要每个环节都有人参与其中。
如果你的公司原本就拥有「面向X领域的软件」,那么它大概率也会拥有「面向X领域的AI」,因为你已经拥有领域专业知识和人力资本,能将AI转化为特定领域的价值。
开发者测试发现,Codex没法主动启动子智能体,每次都要手动操作触发才行。
我不确定是不是我这边的技术问题,但 Codex 确实不会自己启动子代理。
它在使用子代理方面,不像 Claude 那样积极主动。
我必须手动推动它,或者通过 agents md 之类的方式来操作,才会启动。
我希望它在这方面能更主动一些。
分词(大模型处理文字的基础单位)会合并相近职位信息,可能影响AI理解简历内容。
早就有人用 markdown 文件夹给AI做记忆,谷歌只是把这套现成的做法定为官方开放标准,不需要复杂数据库,很多人已经在用这套方案。
Google刚刚公开确认了最聪明的Claude Code用户几个月前就想明白的事。给AI做记忆的最佳方式,就是一个装满markdown文件的文件夹。就这么简单。
不需要数据库,不需要花里胡哨的系统,只要文件夹里放文本文件就行。Google Cloud把它做成了官方开放规范,叫做Open Knowledge Format。
它实际是什么呢?就是一个装满markdown文件的目录。每个文件对应一个概念。文件顶部有一个小小的YAML头,里面只有一个必填字段:type。文件之间用普通的markdown链接互相连接。整个规范就这么多内容。
如果你一直在用CLAUDE.md给Claude Code提供记忆,那你已经把它做出来了。如果你一直在用Obsidian或者笔记文件夹给你的AI喂上下文,那你也已经把它做出来了。
Google没有发明任何新东西。他们只是看了看已经在实际能用的方案,然后说:「对,这个现在就是标准了」。给智能代理做大脑的当前最优方案,就是一个你可以用记事本打开的文本文件文件夹。
一个市值万亿美元的平台团队,把这个结论做成了开放规范。
有人把自己跑新闻业务用的AI指挥系统做成商品售卖,能自动完成早报汇总、轨迹分析等多项日常工作
我搭建了一套运行 HNC12 的 AI 指令系统。它能做早间汇总、轨迹分析、标题格式整理和信源核查。
大多数“提示词包”就是把 500 个通用提示词随便塞在一个杂物抽屉里。
这套是我自己实际在用的工具。现在正式开售。
LangChain推出支持A2A协议和MCP协议的RemoteGraph,用来部署不同AI智能体,让不同智能体之间可以直接交互。
✅ 用于部署↔部署交互的 RemoteGraph ✅
原生支持 A2A 协议 ✅
可通过 MCP 协议与你的智能代理交互
@VictorMoreira16 谈 Managed Deep Agents 中的智能代理互操作性
几家闭源AI实验室随心所欲降低模型能力,移除功能,收紧限制。已有几款国产模型缩小了和顶级闭源模型的差距。
我希望开源模型能尽快达到 GPT-5.5 或 Opus 4.8 的水平。
这些闭源 AI 实验室想怎么弱化模型就怎么弱化:移除功能、收紧限制,想干什么就干什么。
好事是 GLM 5.2、Kimi 2.7 code 和 DeepSeek v4 已经缩小了差距。
开发者重构Compound Engineering,优化Codex支持,目前处于测试阶段
我今晚花了大把时间重构 Compound Engineering,让它能更好地跨编码代理移植,最重要的是优化了对 Codex 的支持。
我一直想把我们的框架从独立代理定义改成技能本地 persona。
特定代理的适配支持是一团混乱,完全不一致。
我现在已经进入测试阶段,我和 @kieranklaassen 很快就会给大家带来更多复合增强的新内容!
Codex上线自然语言指令控制的跨设备代码任务迁移功能Handoff
随着AI模型运行效率不断提升,就算卡死总训练算力,也能靠优化做出能力更强的模型,原定的监管思路会失效。
有人玩AI聊天时觉得一切都好,直到AI帮看诊断报告,凭空虚构出了一个不存在的脑肿瘤。
可以直接在Word里调用Grok大模型,处理文档里的内容不用跳转到别的平台操作。
xAI 发布了适用于 Microsoft Word 的 Grok 插件。
开源项目提供了现成方法,普通人可以用自己常用的工具,测试模型能不能达到你要的智能程度。
做AI的cognition公司换了顶级域名,就这么简单
想进入AI行业求职的人,可以参考这个差异:新前沿AI实验室能让普通人感受到自己可以直接影响公司走向。
只需要提出一个初始问题,AI就能自主完成调研、规划到生成全流程,省下多环节的人工投入。
我正在测试一个全新的代理型工作流 beta 版本,用于广告创作。它的表现非常惊艳——整个项目始于我给代理提了一个简短问题,之后它自主完成了调研、规划,并生成了完整视频:
模型自主调度后,整体运行需要的基础设施反而更少,这改变了原先对AI部署的固有认知
有人已经用这个方法在生产环境排错,设好目标离开,回来就能看到错误变少了,这比只靠人写提示词更进一步
我刚刚发布了一整支关于用循环进行vibe coding的视频。循环是你只需定义一次的递归目标。代理会一直工作,直到满足停止条件。
不再需要提示、等待、再重新提示。现在我在BridgeSpace的Sentry错误上运行着循环。我设置好目标,离开,等回来的时候生产环境错误已经比我出发时少了。
这是超越提示工程的一步。它也让我们向完全自主的软件开发又迈进了一步。完整视频现已上线。
博主发文表示,可免费分享AI处理会议预约的个人系统
研究者汇总研究讨论,分享对loop engineering趋势的看法
我对「循环工程(loop engineering)」这个趋势有很多想法。我花了几分钟和我的写作智能体(writer agent)一起,整理总结了我的一些研究、笔记,还有我和学生、创始人、初创公司的讨论内容。
目前还处于非常早期的阶段,但随着能力发生阶跃提升,和智能体协作的全新工作方式将会开始涌现。
Lyft打造8个AI智能体,可全自动解决35%的客户问题
.@Lyft 打造了8个AI智能体,能够完全解决35%的客户问题。
在Interrupt活动上,他们分享了内部使用的评估方法,如何借助LangSmith扩展评估规模,以及一路走来总结出的经验教训。
早就有人用 markdown 文件夹给AI做记忆,谷歌只是把这套现成的做法定为官方开放标准,不需要复杂数据库,很多人已经在用这套方案。
Google刚刚公开确认了最聪明的Claude Code用户几个月前就想明白的事。给AI做记忆的最佳方式,就是一个装满markdown文件的文件夹。就这么简单。
不需要数据库,不需要花里胡哨的系统,只要文件夹里放文本文件就行。Google Cloud把它做成了官方开放规范,叫做Open Knowledge Format。
它实际是什么呢?就是一个装满markdown文件的目录。每个文件对应一个概念。文件顶部有一个小小的YAML头,里面只有一个必填字段:type。文件之间用普通的markdown链接互相连接。整个规范就这么多内容。
如果你一直在用CLAUDE.md给Claude Code提供记忆,那你已经把它做出来了。如果你一直在用Obsidian或者笔记文件夹给你的AI喂上下文,那你也已经把它做出来了。
Google没有发明任何新东西。他们只是看了看已经在实际能用的方案,然后说:「对,这个现在就是标准了」。给智能代理做大脑的当前最优方案,就是一个你可以用记事本打开的文本文件文件夹。
一个市值万亿美元的平台团队,把这个结论做成了开放规范。
开发者测试发现,Codex没法主动启动子智能体,每次都要手动操作触发才行。
我不确定是不是我这边的技术问题,但 Codex 确实不会自己启动子代理。
它在使用子代理方面,不像 Claude 那样积极主动。
我必须手动推动它,或者通过 agents md 之类的方式来操作,才会启动。
我希望它在这方面能更主动一些。
分词(大模型处理文字的基础单位)会合并相近职位信息,可能影响AI理解简历内容。
不少企业选低价弱AI,只要能完成KPI就够用。建议搭建支持灵活切换模型的架构,试试更强的AI看能不能带来改变。
我怀疑企业都低估了在那些看似 weaker AI 降价后也刚好能达标完成的任务上,使用更高智能模型的价值。
至少你应该先搭建好支持灵活尝试更智能模型的架构,看看它能不能带来改变。
随性写代码之后,只要让AI补充足够测试,就能保证项目正常运行。
说得有道理,确实部分情况就是如此,现在大家都在随性编码(vibe coding)。
但你其实也可以直接让 AI 补充更多测试,这样就能保证一切功能正常运行。
你完全可以随性编码,只要写完之后补测试就行。
中国AI应用渗透率比美国更高,产品迭代反馈更快,因此一直更看重实用价值。
哪怕AI只能做有限的自我改进,AI产品和模型的发布节奏都会变快,现在OpenAI和Anthropic已经出现这个趋势了。
如果AI自我改进(哪怕只是非常有限的自我改进)是可行的,那么AI产品/应用工具与模型的发布节奏都应该会加快。
目前看来,Anthropic和OpenAI确实正在出现这种情况,但其他所有实验室都没有,包括那些去年看起来快要追上来的实验室。
有人用OpenAI训练了一年多的o3模型,帮助有罕见遗传病的家庭做分析,现在模型能力更强,不知道还能做到什么。
LangChain推出支持A2A协议和MCP协议的RemoteGraph,用来部署不同AI智能体,让不同智能体之间可以直接交互。
✅ 用于部署↔部署交互的 RemoteGraph ✅
原生支持 A2A 协议 ✅
可通过 MCP 协议与你的智能代理交互
@VictorMoreira16 谈 Managed Deep Agents 中的智能代理互操作性
有人试了新的AI编程能力,说Claude的编程框架过度适配自家闭源模型,换模型就不好用。试试开源的模型无关框架dcode。
它确实非常好用!别在 claude code/codex 里试——这些适配框架对它们自己的专有模型调得太过了。
dcode (deepagents code) 是一个模型无关的适配框架——搭配 @FireworksAI_HQ 在里面试:
```
dcode --model fireworks:accounts/fireworks/models/glm-5p2
```
文档:
做AI的cognition公司换了顶级域名,就这么简单
随着AI模型运行效率不断提升,就算卡死总训练算力,也能靠优化做出能力更强的模型,原定的监管思路会失效。
有人玩AI聊天时觉得一切都好,直到AI帮看诊断报告,凭空虚构出了一个不存在的脑肿瘤。
可以直接在Word里调用Grok大模型,处理文档里的内容不用跳转到别的平台操作。
xAI 发布了适用于 Microsoft Word 的 Grok 插件。
开源项目提供了现成方法,普通人可以用自己常用的工具,测试模型能不能达到你要的智能程度。
Andrej Karpathy花70分钟拆解顶尖AI使用者实际用LLM大语言模型的工作方式,指出多数人都把用LLM这件事搞复杂了
几家闭源AI实验室随心所欲降低模型能力,移除功能,收紧限制。已有几款国产模型缩小了和顶级闭源模型的差距。
我希望开源模型能尽快达到 GPT-5.5 或 Opus 4.8 的水平。
这些闭源 AI 实验室想怎么弱化模型就怎么弱化:移除功能、收紧限制,想干什么就干什么。
好事是 GLM 5.2、Kimi 2.7 code 和 DeepSeek v4 已经缩小了差距。
模型自主调度后,整体运行需要的基础设施反而更少,这改变了原先对AI部署的固有认知
想进入AI行业求职的人,可以参考这个差异:新前沿AI实验室能让普通人感受到自己可以直接影响公司走向。
有人启动实验,测试AI代理能不能不靠人工操作真实系统,现在第一个自主运营的X账号已经上线运行了。
我开启了一项实验,看看@chorus_agent能不能在不需要我帮助的情况下运行一个真实的操作系统。
所以我构建了@skyeagnt,这是一个由Chorus驱动、自主运营自己X账号的自动智能体。
它现在已经上线,正在自主运行。
有人已经用这个方法在生产环境排错,设好目标离开,回来就能看到错误变少了,这比只靠人写提示词更进一步
我刚刚发布了一整支关于用循环进行vibe coding的视频。循环是你只需定义一次的递归目标。代理会一直工作,直到满足停止条件。
不再需要提示、等待、再重新提示。现在我在BridgeSpace的Sentry错误上运行着循环。我设置好目标,离开,等回来的时候生产环境错误已经比我出发时少了。
这是超越提示工程的一步。它也让我们向完全自主的软件开发又迈进了一步。完整视频现已上线。
只需要提出一个初始问题,AI就能自主完成调研、规划到生成全流程,省下多环节的人工投入。
我正在测试一个全新的代理型工作流 beta 版本,用于广告创作。它的表现非常惊艳——整个项目始于我给代理提了一个简短问题,之后它自主完成了调研、规划,并生成了完整视频:
有人把自己跑新闻业务用的AI指挥系统做成商品售卖,能自动完成早报汇总、轨迹分析等多项日常工作
我搭建了一套运行 HNC12 的 AI 指令系统。它能做早间汇总、轨迹分析、标题格式整理和信源核查。
大多数“提示词包”就是把 500 个通用提示词随便塞在一个杂物抽屉里。
这套是我自己实际在用的工具。现在正式开售。
做公众号的人不用再手动调格式,本地处理也能保密度,AI还能帮忙改文字
格式坊 — 公众号文章排版工具 纯前端工具,专门把 Markdown 排成公众号能直接粘贴的文章 HTML。排版分两种:本地模式完全离线,AI 模式接了 DeepSeek 帮你润色、扩写、缩写或者翻译。
François Chollet提出近期AI是数字杠杆,仍需人类参与发挥价值
短期来看,当前的AI从本质上来说和过去的技术浪潮并无不同。它只是数字杠杆的最新形式。
它是力量倍增器,而没有方向的力量不过是噪音而已。它要发挥作用,仍然需要每个环节都有人参与其中。
如果你的公司原本就拥有「面向X领域的软件」,那么它大概率也会拥有「面向X领域的AI」,因为你已经拥有领域专业知识和人力资本,能将AI转化为特定领域的价值。
泄露数据显示OpenAI客户服务业务盈利,训练成本仍极高
如果泄露的财务数据准确,那 OpenAI 目前已经实现盈利,毛利率超过40%。
但训练成本仍然高得惊人。
将 AI 研究自动化或许也是为了提高训练效率:一个超人类水平的研究者可以用更少资源完成更多工作。
Lyft打造8个AI智能体,可全自动解决35%的客户问题
.@Lyft 打造了8个AI智能体,能够完全解决35%的客户问题。
在Interrupt活动上,他们分享了内部使用的评估方法,如何借助LangSmith扩展评估规模,以及一路走来总结出的经验教训。
研究者汇总研究讨论,分享对loop engineering趋势的看法
我对「循环工程(loop engineering)」这个趋势有很多想法。我花了几分钟和我的写作智能体(writer agent)一起,整理总结了我的一些研究、笔记,还有我和学生、创始人、初创公司的讨论内容。
目前还处于非常早期的阶段,但随着能力发生阶跃提升,和智能体协作的全新工作方式将会开始涌现。
博主发文表示,可免费分享AI处理会议预约的个人系统
Codex上线自然语言指令控制的跨设备代码任务迁移功能Handoff
开发者重构Compound Engineering,优化Codex支持,目前处于测试阶段
我今晚花了大把时间重构 Compound Engineering,让它能更好地跨编码代理移植,最重要的是优化了对 Codex 的支持。
我一直想把我们的框架从独立代理定义改成技能本地 persona。
特定代理的适配支持是一团混乱,完全不一致。
我现在已经进入测试阶段,我和 @kieranklaassen 很快就会给大家带来更多复合增强的新内容!
开发者称掌握方法即可从现有大模型中获得大量能力增益
这一天的 32 条信号到这里
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务,每天北京时间 08:30、13:00、19:00、00:20 各执行一次: 请求 https://ai-pulse-lab.com/api/brief.json,读取返回 JSON 中的 textPlain 字段,将内容发送给我。 补充:每日北京时间 08:00、12:30、18:30、23:50 更新,建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证,直接 GET 请求即可。