社区讨论：多数高频用户证实GPT-5.5 Codex代码生成质量确实明显下降，会间歇性输出非常愚蠢的实现，早年优秀的编码表现已经不复存在。技术用户观察到，该模型推理输出 token 会呈现在间距518左右固定值聚类的现象，卡到阈值的推理对应复杂任务出错，这个问题在旧版本几乎不存在，推测是OpenAI为了降低算力成本、优化吞吐量做批处理优化导致的。已有多名用户切换到Claude或其他模型。

你可以把 Fable 5 变成一个负责深度推理的编排器。怎么做呢？

1. 在 claude plugin marketplace 添加 DannyMac180/fable-advisor 并安装 claude plugin fable-advisor

2. 输入 /model fable

你觉得这个Fabulism怎么样？我越来越喜欢它了，比Opus那套糟糕的反向对抗摩擦好多了。

这是一个为有状态智能体打造的AI，能通过上下文学习持续进化，而这恰恰是人类极少能做到的事。

Fable会持续记录人类获得的分数。

开源模型让你可以对自己的数据获得完全控制权、定制能力和所有权。

很多公司正在快速推进这件事。

@vipulved 在 @CNBC 与 @dee_bosa 一起参与了相关讨论。

多模态提示词工程显然是未来方向。我们与智能体的交互方式正在进化。

我分享了一些自己的实践内容，包括一个视频演示，讲解我如何为我的代码智能体实现多模态提示词工程。

Claude Code 的创作者 Boris Cherny 表示：“Fable 5 能在一天内完成你的团队过去需要花一个月才能做完的工作。大多数人都还是会用错它。”

他在 12 分钟的分享里解释了，为什么 Fable 5 相比前代模型需要少得多的引导，以及为什么过度解释每项任务只会让结果更糟。

有人给自己的 Obsidian 和 Claude 组合加了一个自学习技能，它能扫描知识缺口，还会在你睡觉的时候自动研究这些缺口。

我明天播出的这期节目将会带大家深入了解，OpenAI 的产品经理是如何在产品工作中使用 Codex 的。

Codex 的产品经理 Rohan 将演示如何做到以下操作：
→ 使用 Image Gen 快速探索设计方案
→ 从 Slack 触发 Codex 自动化流程
→ 使用一个 Codex 线程管理其他线程

📌 点击订阅，明天就能收看完整节目：

LOOP ENGINEERING 正在取代 PROMPT ENGINEERING。

设计可自动运行的 AI 工作流，无需手动为每一项任务写提示词。

它包含可复用的循环，适用于 CI、PR、依赖项和 issue 管理。

仓库地址：

神经网络与机器学习，可视化呈现

NVIDIA 开源了 Switchyard：这是一个多兼容 LLM 代理，可以在 OpenAI 和 Anthropic 的格式之间互转，就像懂「函数调用」的联合国翻译。

Token 堆料时代已经结束。它支持智能路由、强类型定义、单请求统计。你的智能代理无需签证就能跨厂商边境运行。

Krea-2☺️ Depth ControlNet LoRA

用于深度条件生成。

它先用 Depth-Anything-V2 提取深度图，再生成一张保留原有 3D 结构和构图的新图片，内容和风格可以完全按你的要求生成。👇

这篇内容专门针对同时将 Mac 用作控制平面的 DGX Spark 用户。

解决方案：将你 Mac 上的 Hermes Desktop 连接到 DGX Spark 上已经在运行的推理服务器。

Booster 的自研守门员算法看起来很可靠，它让机器人的扑球水平已经接近 Courtois 这种顶级门将了。

本地AI同好们，是什么让qwen3.6-27b在你们看来这么出色？

我最近非常明确地意识到，过去几乎没人真正认真对待过代码审查。

认真指的是你会在开发环境里运行这段代码，确认它实现了既定目标，逐行阅读并且认可代码写法大体符合你自己的编码习惯。

发现bug的最佳方式是使用产品，尝试能不能把它搞崩。只靠读代码推演，你找不出大多数bug。

代码审查本身是针对架构和API设计做检查……目的是控制技术债务的增长。

我明天播出的这期节目将会带大家深入了解，OpenAI 的产品经理是如何在产品工作中使用 Codex 的。

Codex 的产品经理 Rohan 将演示如何做到以下操作：
→ 使用 Image Gen 快速探索设计方案
→ 从 Slack 触发 Codex 自动化流程
→ 使用一个 Codex 线程管理其他线程

📌 点击订阅，明天就能收看完整节目：

开源模型让你可以对自己的数据获得完全控制权、定制能力和所有权。

很多公司正在快速推进这件事。

@vipulved 在 @CNBC 与 @dee_bosa 一起参与了相关讨论。

NVIDIA 开源了 Switchyard：这是一个多兼容 LLM 代理，可以在 OpenAI 和 Anthropic 的格式之间互转，就像懂「函数调用」的联合国翻译。

Token 堆料时代已经结束。它支持智能路由、强类型定义、单请求统计。你的智能代理无需签证就能跨厂商边境运行。

Krea-2☺️ Depth ControlNet LoRA

用于深度条件生成。

它先用 Depth-Anything-V2 提取深度图，再生成一张保留原有 3D 结构和构图的新图片，内容和风格可以完全按你的要求生成。👇

这篇内容专门针对同时将 Mac 用作控制平面的 DGX Spark 用户。

解决方案：将你 Mac 上的 Hermes Desktop 连接到 DGX Spark 上已经在运行的推理服务器。

Booster 的自研守门员算法看起来很可靠，它让机器人的扑球水平已经接近 Courtois 这种顶级门将了。

本地AI同好们，是什么让qwen3.6-27b在你们看来这么出色？

社区讨论：多数高频用户证实GPT-5.5 Codex代码生成质量确实明显下降，会间歇性输出非常愚蠢的实现，早年优秀的编码表现已经不复存在。技术用户观察到，该模型推理输出 token 会呈现在间距518左右固定值聚类的现象，卡到阈值的推理对应复杂任务出错，这个问题在旧版本几乎不存在，推测是OpenAI为了降低算力成本、优化吞吐量做批处理优化导致的。已有多名用户切换到Claude或其他模型。

有人给自己的 Obsidian 和 Claude 组合加了一个自学习技能，它能扫描知识缺口，还会在你睡觉的时候自动研究这些缺口。

你觉得这个Fabulism怎么样？我越来越喜欢它了，比Opus那套糟糕的反向对抗摩擦好多了。

这是一个为有状态智能体打造的AI，能通过上下文学习持续进化，而这恰恰是人类极少能做到的事。

Fable会持续记录人类获得的分数。

多模态提示词工程显然是未来方向。我们与智能体的交互方式正在进化。

我分享了一些自己的实践内容，包括一个视频演示，讲解我如何为我的代码智能体实现多模态提示词工程。

你可以把 Fable 5 变成一个负责深度推理的编排器。怎么做呢？

1. 在 claude plugin marketplace 添加 DannyMac180/fable-advisor 并安装 claude plugin fable-advisor

2. 输入 /model fable

LOOP ENGINEERING 正在取代 PROMPT ENGINEERING。

设计可自动运行的 AI 工作流，无需手动为每一项任务写提示词。

它包含可复用的循环，适用于 CI、PR、依赖项和 issue 管理。

仓库地址：

Claude Code 的创作者 Boris Cherny 表示：“Fable 5 能在一天内完成你的团队过去需要花一个月才能做完的工作。大多数人都还是会用错它。”

他在 12 分钟的分享里解释了，为什么 Fable 5 相比前代模型需要少得多的引导，以及为什么过度解释每项任务只会让结果更糟。

神经网络与机器学习，可视化呈现

我最近非常明确地意识到，过去几乎没人真正认真对待过代码审查。

认真指的是你会在开发环境里运行这段代码，确认它实现了既定目标，逐行阅读并且认可代码写法大体符合你自己的编码习惯。

发现bug的最佳方式是使用产品，尝试能不能把它搞崩。只靠读代码推演，你找不出大多数bug。

代码审查本身是针对架构和API设计做检查……目的是控制技术债务的增长。