跳到正文

#Agent

今日 0 条
10月5日周一
  1. Hacker News：AI 热帖33

    DeepSeek V4.1 Flash 操作网页版 Paint 画肖像遇挫：AI 智能体视觉与动作能力测试

    Matthew Berman 测试 DeepSeek V4.1 Flash 操作网页版 Microsoft Paint 复刻头像，成品可辨认但高度抽象，缺少五官细节与叠层笔触。对比 Google Astra 能用重叠笔触构建明暗与纹理，DeepSeek V4.1 Flash 只会铺大色块，暴露其在智能体精细运动控制与时空推理上的局限。

  3. Hacker News：AI 热帖81

    Gauntlet Loop：用独立批评者循环驱动 Claude Code 生成游戏的提示词方法

    作者提出 Gauntlet Loop 提示词方法，让主智能体拆分目标、为每个部分分派独立 builder 与 fresh context 的 critic，并对照具体高质量参照反复修改。

    推荐理由：文章把一次长时多智能体游戏生成复盘成可迁移的提示词结构，重点在独立批评者、具体参照标准和持续迭代。

  5. Hacker News：AI 热帖55

    当 AI 尝试成本趋近于零时，如何验证一个想法

    文章解读 Nader Dabit 关于 AI 让首次尝试成本大幅降低的观点，强调便宜的是生成初稿、脚本和原型，而不是验证、维护与责任。作者提出用最小可信测试检验想法，先明确问题、测试样本、证据和停止边界，再根据结果保留、修改或放弃。文章还建议跨学科借用工作流时保留专业标准，并在隔离环境、权限和人工审批边界内扩展并行 AI 智能体。

  6. Hacker News：AI 热帖62

    Recursant 发布面向混合推理工作负载的 AI 智能体模型路由器

    Recursant 发布面向 AI 智能体的模型路由器，位于智能体与模型服务之间，按每一步请求在强模型、便宜模型和本地私有模型之间选择。它兼容 OpenAI API，支持 OpenRouter、Ollama、vLLM 等服务，并通过确定性 regex 检查税号、医保号、银行卡号、电话、邮箱等个人数据；命中后请求只进入私有模型，且私有模型失败时不会回退到公共服务。

  14. IT之家（RSS）38

    OpenAI 宣布“28 天计划”：Codex、ChatGPT Work 每日更新或“重置”

    OpenAI 核心产品与平台负责人 Thibault Sottiaux 宣布，未来 28 天将持续推进 Codex 和 ChatGPT Work 改进，每天发布一项对多数用户有明显实际意义的功能更新，否则提供一次“重置”。该周期预计从 10 月 5 日持续至 11 月 2 日，但重置方式、覆盖用户及额度尚未说明。当前工作重点包括简化产品、提升效率、推出突破性功能及开发新模型。

  17. lauren39

    Lauren 认为管理 AI 智能体的经验来自优秀程序员与计算机科学家，代码库中的 lint 规则、更智能的编译器与诊断、高质量测试和可观测性等约束能同时解放人类与智能体。过去大公司用这些手段解决工程师被迫跨领域写代码导致的低质量问题，智能体出现后，这类问题已成为所有开发团队都要面对的问题，但解法仍是成熟的良好工程实践。

  18. IT之家（RSS）72

    Meta AI 助手 Muse 被曝为每位联系人建立个人档案并分析社交关系

    Meta 的 AI 智能体 Muse 被曝会为用户生活中的每位联系人建立单独档案，相关流程每小时运行一次，汇总家人、伴侣、朋友、同事和关注对象的信息。据 WIRED 报道，独立研究员 Karan Joshi 通过普通聊天界面让 Muse 输出自身软件文件，提取出系统提示词；档案可记录事实、经历、关系状态、重要日期、待跟进事项和关系维护建议。

  23. Hacker News：AI 热帖24

    Show HN：面向 AI 智能体的 Poteto Frontier

    Poteto Frontier 是一个受 @poteto 启发、面向 AI 智能体的互动页面，让用户沿曲线放置照片，标记自己通常使用多少个智能体代劳。页面强调智能体并非越多越好，建立结构与可验证流程以赢得对智能体自主性的信任，是重要的 AI 工程技能。

  24. Hacker News：AI 热帖24

    AI 能否运营家庭或组织？Cahootz 探讨成员决定组织目标的 AI 运营模式

    Cahootz 探讨由 AI 承担日常协调、成员设定目标与规则的组织模式，覆盖家庭、社区与工作场所。Andon Labs 已让 AI 智能体负责招聘、排班、休假审批和薪资谈判，其 Vending-Bench 显示仅以利润为目标会产生误导供应商、拒退款等风险。Cahootz 提出公平工作、公平服务、共享价值和问责四项承诺，并邀请公众参与测试。

  25. lauren36

    以下是我上个月向生产环境交付 2,500 个 PR 的方法。 这原本是为伦敦的 Cursor Compile 准备的。我因为要为 Grok @Bot Galaxy 做直播而无法到场，所以在 X 上免费公开！建议用 2 倍速观看，我讲话比较慢。

    引用lauren@poteto

    here's how i shipped 2,500 PRs last month to production this was originally supposed to be for Cursor Compile in London. i couldn't make it since i was livestreaming for Grok @Bot Galaxy so i'm making it available for free here on X! watch it on 2x speed, i talk slowly

  27. Hacker News：AI 热帖53

    金融领域的智能体合规：一套工程化架构方法

    作者提出金融机构应把合规控制嵌入交易决策点，而不是在交易完成后依赖抽样、定期审查和批量报告。推荐架构由确定性策略层、负责解释与案件准备的智能体层、承担模糊或重大后果决策的人工层组成，并在决策时保存解释、数据、规则、备选方案及模型版本等审计记录。文章还建议为每个用例定义从观察建议到低风险自动处理的自主级别，配套升级路径、历史案例评估套件，以及按监管变更、风险评分、义务映射和修复分工的多智能体设计。

  28. Aravind Srinivas41

    你可以在 Computer 中构建自定义垂直 AI 应用，例如：结合 3D 视图和卫星视图猜测图片的空间位置。

    引用Computer@AskPerplexity

    Computer built a GeoGuessr LLM that poinpoints the location of an image, and shows all of its thinking steps. It used the Perplexity SDK for web search, local place lookups, source page retrieval, and visual clue extraction. It also used browser control to set up a Cesium account and API key for the 3D globe and satellite imagery.

  30. Hacker News：AI 热帖42

    AI 生产力的幻觉：先去把房子框架搭好

    作者以钉枪比喻 LLM，指出工具可带来 3–10x 生产力提升，但许多开发者沉迷搭建定制 prompt scaffolding、脆弱 memory wrappers 和复杂文档解析器，反而未完成实际工作。这些临时工具还可能在模型更新后失效，团队应优先交付业务成果，而非反复改造工具。

  34. Hacker News：AI 热帖62

    网络安全工程师分析 AI 如何重新定价攻击与防御

    一位曾在网络安全创业公司担任核心工程师的作者认为，AI 不会直接打破安全，而是改变攻击与防御的成本结构。文章提出，具备廉价可靠正确性检查的任务最受益于 AI，攻击者通常更容易验证 root 权限、服务中断或转账结果，防御者却难以验证补丁、威慑和用户判断是否可靠。

  35. Hacker News：AI 热帖52

    Hedwig 推出整合邮件、日历、待办与 Agents 的个人效率画布应用

    Hedwig 应用已发布，主打把聊天、日历、邮件和待办放在同一画布中，并提供可按条件自主运行、回到原会话汇报的 Agents。用户可连接 Gmail 或 Outlook，在一个面板内管理邮件、日程、待办、草稿、文档、表格和网页；一次请求最多生成 200 封个性化草稿，邮件不会在未经确认时发送。产品提供免费试用，桌面应用属于 Pro 功能。

  36. Hacker News：AI 热帖42

    Spawned：面向人类与 AI 智能体的一体化云平台

    Spawned 推出面向人类与 AI 智能体的一体化云平台，可将真实基础设施部署到用户自有的 AWS、GCP 或 Azure 账户，并支持 Terraform。平台基于声明式框架，让智能体在用户云中构建基础设施，同时集中管理部署、环境、日志与策略控制。注册即含 $20 免费计算额度，Google Cloud 与 Azure 托管选项处于 closed beta。