智汇AI

Fable 5 回归与 Agentic 工作流 - 2026-07-02

Thu, 02 Jul 2026 00:00:00 GMT

今日主线

今天这批 follow-builders 内容的核心是 Fable 5 正式回到开发者视野，同时 Agent 正在从单个 coding assistant 走向更复杂的工作流：sandboxing、world models、agentic mapreduce、dry-run deployment、技能沉淀、企业 AI 工作流都在同一天出现。全量数据包括 17 位 X builders 的 35 条推文、0 篇博客和 1 期 AI & I 播客。

重点解读

Fable 5 是今天最明显的热点。Claude 官方说付费计划可以在 7 月 7 日前使用 Fable 5，最多可占 weekly usage limit 的 50%，误触发分类器时可以用反馈入口上报。Peter Yang 做了 Fable 5 vibe check，认为它仍然比其他模型高一个台阶；Alex Albert、Nikunj Kothari、Dan Shipper 也都在庆祝它回归。这说明前沿 coding model 的访问状态已经会直接影响 builder 圈的工作节奏。

Agent 的系统形态也在继续变复杂。Swyx 提到 AIE 里 sandboxing 和 world models 的双倍时长 keynote 受到欢迎；Aaron Levie 转述 Devin 的 agentic mapreduce，把大量代码信号拆成 shards，让多个 focused agents 并行处理，再汇总验证。Guillermo Rauch 则说 Vercel 正在做 agentic deployments 的 dry-run step，用来降低成本和风险。这些内容放在一起看，Agent 正在从“一个模型做任务”变成“多 agent、可验证、可部署、可控风险”的工程系统。

今天的播客也接上了这个方向。AI & I 采访 Every 咨询团队，重点不是展示一个酷工具，而是讲企业里的 AI 工作流怎么真正落地：Codex 帮人搭出类似操作系统的流程，邮件和资料能比人更快掌握上下文，知识工作越来越像园艺，不是亲手造出每片叶子，而是创造条件，让系统自己持续生长。

X Builders 全量记录

1. Swyx

Swyx 今天提到 AIE 的双倍时长 track keynote。他说只有在 speaker 和内容都值得时，才会安排 double-length keynote；这次 Chris Manning 和 Abhishek Bhardwaj 分别围绕 sandboxing 和 world models 做了更深讲解，现场房间很满，线上观众未来会多很多倍。重点不是活动热闹，而是 sandboxing 和 world models 已经从研究词变成 AI engineering 社区真正想深入学的主题。

2. Thibault Sottiaux

Thibault Sottiaux 只发了一条短帖：“It's happening”。上下文来自原帖里的图片和链接，信息本身很短，但按全量沉淀要求保留。结合今天 Fable 5 回归和 Codex 相关讨论，这条更像是在指向某个正在发生的产品或模型访问变化。

3. Peter Yang

Peter Yang 今天三条都和 AI 编程有关。他说 explain-diff skill 对还在学习读代码的人很有帮助，准备马上安装；随后给 Fable 5 做 vibe check，认为它仍然非常强，是高出其他模型的 step function，并期待 GPT 5.6 能追上。第三条是他的新教程，强调 Fable 5 已经回来，但 Claude 订阅用户只能用到 7 月 7 日，他列了 5 个值得尝试的场景：找 Fable-worthy work、生活和商业建议、让项目 ready to ship、规划大事、重构项目或代码库。

4. Thariq

Thariq 今天两条都来自 AI Engineer 现场。一条提到 HTML mentioned，另一条是 hello from AI engineer。信息量不大，但和 Swyx 的现场内容一起看，AIE 这波讨论明显围绕 Agent 工程、HTML、sandboxing、world models 等具体构建主题，而不是单纯模型发布。

5. Google Labs

Google Labs 宣布为了专注建设 Google Flow Music，会在 2026 年 7 月 31 日告别 MusicFX 和 MusicFX DJ。这两个早期实验推动过实时 AI 音乐创作边界，现在 Google 会把学到的东西带到更长期的音乐项目入口里。它说明 Google 正在把实验性 AI 音乐工具收束进更明确的产品线，而不是一直并行维护多个实验入口。

6. Amjad Masad

Amjad Masad 说，现在 building 已经变容易，Replit 越来越关注怎么帮创业者走向市场，拿到第一个客户和第一美元。Whop 是他认为适合变现创作的地方，所以现在可以把 Replit apps 放到 Whop 上卖。这个动作很实际：AI coding 工具如果只停在“做出来”，价值还不完整，下一步是分发、收费和商业闭环。

7. Guillermo Rauch

Guillermo Rauch 今天三条都和 Vercel 工程体验有关。他提到 portless 对本地 WordPress 开发很有帮助；又展示了 WordPress on Vercel Fluid，用单个 Dockerfile、PlanetScale MySQL、云端 docker build 和 30 秒部署跑起来。最重要的是第三条：Agents 很喜欢在 push 前检查自己的工作，比如 node --check、tsc --noEmit、next build；Vercel 正在发布 agentic deployments 的 dry-run step，用来减少成本和风险。这是把 Agent 的“自检习惯”产品化。

8. Alex Albert

Anthropic researcher Alex Albert 发了一句“Welcome back to the world Fable!!”。这条很短，但很明确：Fable 5 回来了，而且连 Anthropic 内部研究员也在公开强调它的回归。和 Claude 官方的说明、Peter Yang 的 vibe check 放在一起看，今天 Fable 5 是 builder 圈最强信号之一。

9. Aaron Levie

Aaron Levie 把 Devin 的 agentic mapreduce 当成未来需要 100 倍 AI inference 的例子。这个模式是：Devin 先在代码库里映射相关信号，再把 bounded shards 分给多个 focused agents，汇总成报告，最后在隔离 sandbox 里验证严重漏洞。Aaron 的判断是，这不只适用于代码安全，也会出现在企业知识工作里，比如 Box 客户想处理数百万文档，理解风险、洞察和关系。这里的重点是 inference 需求会被“多 agent 并行处理大量数据”放大。

10. Garry Tan

Garry Tan 今天三条里，一条是 link-only，信息有限；一条说“Most underreported story in all of tech”，但原帖需要上下文；第三条提到 UC Berkeley EECS 负责人加入 Anthropic，称 Anthropic 最近吸引人才非常强。结合最近 labs 人才流动，这条说明 Anthropic 和 OpenAI 这类前沿实验室仍然是顶级人才的强磁场。

11. Matt Turck

Matt Turck 今天讨论的是 IPO 和 Lime。他调侃 2026 年热门 IPO 品牌包括 AOL、Evernote、Vimeo 和 Lime scooters；另一条认真分析 Lime 上市：虽然有 10 亿美元债务，还曾表达持续经营疑虑，但 IPO 还清了高风险贷款、把剩余债务转成股权，Uber 持有 22% 并导流，而且 Lime 连续 3 年 FCF 为正、收入接近 30% 年增长。这条不是 AI 主线，但属于 tech/business 观察，完整保留。

12. Zara Zhang

Zara Zhang 今天三条都围绕 builders 和技能。一条提醒可以把 Codex 的模型改成 GLM，这和中国 open model 在开发者工具里的渗透有关；一条放了 YouTube 完整视频；最有方法论价值的是“HOW TO BUILD A SKILL”：她说不要从 skill 开始，而是以 skill 结束，先完成真实工作流，再把它沉淀成 skill。这句话很实用，因为 skill 的价值来自被验证过的流程，而不是一开始就写抽象规范。

13. Nikunj Kothari

Nikunj Kothari 今天三条里，一条是美国足球，非 AI 主线；一条很直接地说 Fable is back；第三条讨论 OpenAI 和 Anthropic 的人才吸引力。他说过去两个月有四位朋友从非常成熟的岗位离开，加入 labs，原因是公司重要性、pre-IPO 和流动性都太有吸引力。他也补充，如果选择自己创业，就需要强 conviction 和巨大 ambition。这里的信号是：前沿实验室仍在持续吸走顶级人才。

14. Peter Steinberger

Peter Steinberger 今天三条比较生活化但都和 builder 氛围有关。他提到 Steve Yegge 很早就看到了方向，现在大家都在 build factories；又说自己在旧金山找半私密 hack space，准备和 OpenClaw maintainers 一起高强度开发；最后感叹没有 AI 以前自己是怎么工作的。这几条合在一起看，重点是 AI 工具正在改变个人和团队的工作强度，也让“工厂式构建”变成常态。

15. Dan Shipper

Dan Shipper 今天继续围绕 Fable。他先说某件事太酷，自己一直想做；然后在 jacuzzi 里兴奋地说要 rip Fable tokens；最后直接喊 Fable is back。信息密度不高，但情绪非常强，说明 Fable 5 回归已经成为 AI builder 圈的即时事件。

16. Aditya Agarwal

Aditya Agarwal 说，旧金山偶尔会遇到非常聪明但默认悲观的人，很多来自增长或华尔街背景；他的第一反应是，为什么这样的人要来一个靠乐观驱动的城市。这条不是 AI 产品动态，但它解释了湾区 builder 文化的一部分：强乐观和行动偏好仍然是这里的底层气质。

17. Claude

Claude 官方账号给出了 Fable 5 访问规则：所有包含 usage 的付费计划都可以在 7 月 7 日前使用 Fable 5；最多可占 weekly usage limit 的 50%，之后可以切换到其他模型，也可以继续用 usage credits。它还说，如果 Claude Code 里的请求被误判，可以用 /feedback 上报；Claude 网页和 Cowork 则可以用 thumbs 按钮反馈，用来继续调分类器、减少 false positives。这说明 Fable 5 回归不是无限开放，而是带着限制、分类器和反馈回路一起回来。

Blog 全量记录

今天 feed 里没有新的 blog 条目。

Podcast 全量记录

1. AI & I by Every：The AI Workflows Behind Every's Consulting Team

AI & I 这期聊 Every 咨询团队内部如何使用 AI 工作流。核心不是“用了哪个工具”，而是把 AI 变成一种操作系统：Codex 帮人搭流程，邮件和上下文能主动支持决策，行政任务会逐渐被系统接管。节目里有个比喻很好：知识工作越来越像 gardening，不是亲手制造植物，而是创造条件，让增长自己发生。这个判断对企业 AI 落地很有价值，因为很多团队真正缺的不是模型，而是能让模型持续进入工作现场的 workflow。

今日沉淀结论

今天所有内容放在一起看，Fable 5 回归是表层热点，深层变化是 AI builder 生态正在从“单模型能力”进入“多 agent、可验证、可部署、可变现、可沉淀”的阶段。谁能把模型接进真实 workflow，并把成本、风险和反馈机制管住，谁就更接近下一阶段的 AI 产品形态。

Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders

Sonnet 5、Fable 回归与 Agentic Web - 2026-07-01

Wed, 01 Jul 2026 00:00:00 GMT

今日主线

今天这批 follow-builders 内容的主线很清楚：Claude Sonnet 5 正在从“新模型”变成默认体验，Fable 访问恢复成为 builder 圈的共同关注点；同时，Vercel、Replit、Box、Linear 等人的讨论都在指向一个方向，AI 产品不只是更聪明的聊天框，而是要进入 agentic web、真实企业工作流、专用推理硬件和更深的基础设施。全量数据包括 17 位 X builders 的 38 条推文、0 篇博客和 1 期 Training Data 播客。

重点解读

Claude 官方宣布 Sonnet 5 已成为 Free 和 Pro 的默认模型，也向 Max、Team、Enterprise 用户开放，并进入 Claude apps 和 Claude Platform。它的定位很明确：接近 Opus 4.8 的表现，但价格更低，并且在 reasoning、tool use、coding、knowledge work 上比 Sonnet 4.6 有明显提升。Aaron Levie 也分享了 Box AI Complex Work Eval 的结果，说 Sonnet 5 在复杂企业文档任务上保持 frontier-class 质量，并在能源、零售、专业服务等领域超过 Sonnet 4.6。这说明 Sonnet 5 的重点不是单点 benchmark，而是更长链路的企业任务。

Fable 也是今天的高频词。Peter Yang、Nikunj Kothari、Dan Shipper 都在等 Fable 回归，Aaron Levie 则把它放到更大的模型发布框架里看：如果前沿模型拥有强 coding 和 cyber 能力，之后行业可能需要一套共同标准来判断 jailbreak 的严重程度，并决定如何修复和放行。这个点值得关注，因为模型发布节奏正在从“直接上线”变成“能力、风险、访问权限一起管理”。

硬件和基础设施线也很重。Amjad Masad 转发 Etched，强调 AI 推理贵的一部分原因是今天很多 workload 还跑在 pre-LLM 时代的通用硬件上；Training Data 这期和 SemiAnalysis 的 Dylan Patel 聊 hardware-software co-design，也在讲同一件事：真正的 100x 不只来自模型，而来自模型、软件、芯片、网络、内存、封装和数据中心一起设计。Vercel Services 则把部署层往多服务、多运行时、可观测和 internal networking 推进，和“agentic web”这条线接上了。

X Builders 全量记录

1. Swyx

Swyx 今天继续在 AIEWF 现场。他提到第一天 poster sessions 很成功，还感谢 Heather Miller 和 ACM President 的支持；明天会做 Poaster sessions，让大家把热门推文提交给 Vibhu 打印出来。这条更偏社区现场，但能看出 AI Engineer 这类 builder 活动已经不只是演讲，而是在把社区表达、demo 和现场交流变成内容本身。

2. Boris Cherny

Boris Cherny 有两条。一条只是表示同意，信息量有限；另一条更实在：Claude Desktop on Linux 终于来了，并附了下载链接。对 Claude Code 和 Linux 开发者来说，这是一个补齐平台覆盖的动作，意味着 Claude 不再主要围绕 macOS 和网页体验。

3. Peter Yang

Peter Yang 今天主要围绕 Fable。他在问达到 50% weekly usage 后 Fable 是否会不可用，也说自己不知道它是不是午夜发布，还开玩笑说要半夜定闹钟让 Fable 修所有项目。内容不算正式公告，但很能反映 builder 圈对高能力 coding model 恢复访问的期待。

4. Nan Yu

Linear 的 Nan Yu 讨论了 distillation 的定义。他顺着别人的逻辑指出，如果这么定义，Cursor 早期训练数据几乎都可以说是从 Claude distill 来的。这条不是产品发布，但抓住了一个长期问题：AI 工具之间的数据来源、模型输出、训练边界和“借鉴”定义会越来越难分清。另一条只是轻量认同，也保留。

5. Madhu Guru

Madhu Guru 说传统 PM 适应 AI native building 的最大障碍，是缺少 magical thinking。过去十年的框架、agile 和指标迷信，让很多团队先想约束，再想增量改进；他以前会让团队想象自己拥有 100 年后的技术，然后倒推体验。现在的问题是，这种“未来技术”已经来了，应该直接去做更有想象力的东西。

6. Thariq

Thariq 今天一边准备 AIE 演讲 deck，一边解释 updated classifiers。他说新的 classifier 仍会让一小部分常规 coding/debugging 任务被 flag，然后 fallback 到 Opus；团队还在继续改进 safeguards，目标是更好地区分真实滥用和正常请求，减少 false positives。这和 Fable 访问恢复放在一起看很重要：模型能力越强，产品越要在误杀和防滥用之间找平衡。

7. Amjad Masad

Replit CEO Amjad Masad 今天一条是世界首个 subway hackathon，偏活动；另一条更关键，他转发 Etched 并说 AI 运行昂贵的一部分原因，是大多数 workload 还跑在 LLM 出现前设计的通用硬件上。Etched 的定位是从头为现代 inference 设计的系统。这个判断和今天播客里的 hardware-software co-design 主线高度一致。

8. Guillermo Rauch

Guillermo Rauch 今天的主线是 Vercel Services 和 agentic web。他说 Vercel 现在可以把 Python backend API、ExpressJS server、React SPA 放在同一个项目里，本地一起跑、一起部署回滚、一起观察监控和调试，并支持 internal networking。他也表达了和 Shopify 团队一起推进 agentic web 的兴奋。另一条是晚餐时同时收到公司高管和对方 12 岁儿子对 Vercel 的反馈，说明他在强调“Vercel is for everyone”。

9. Aaron Levie

Aaron Levie 今天三条都很有信息量。第一条是对 Fable 和未来 GPT-5.6 这类模型发布节奏的判断：强 coding 和 cyber 能力模型可能需要共享行业框架来评估 jailbreak 严重程度和修复流程。第二条是 Box AI Complex Work Eval，Sonnet 5 在复杂企业文档任务上比 Sonnet 4.6 更强，尤其在能源、零售、专业服务等领域领先。第三条是 AI adoption 和就业，他引用 Ramp 与 Box 调研，认为更成熟采用 AI 的公司反而更可能增加 headcount，但这不等于“用了 AI 就会自动扩张”，也可能是增长公司更有能力采用 AI。

10. Garry Tan

Garry Tan 一条是加州治理相关，偏公共议题；另一条提到 Gbrain 在个人或公司 brain 达到 10000+ markdown 文件时最有用。这条对知识库和 AI memory 有参考意义：很多个人知识工具在小规模时看不出差异，真正的价值可能在大规模、长周期、可检索的个人或组织记忆里出现。

11. Matt Turck

Matt Turck 今天发的是世界杯相关内容，写了“LE DICTATEUR #fraswe”。这条和 AI 主线没有直接关系，但按全量沉淀要求保留。

12. Zara Zhang

Zara Zhang 今天几条更偏 taste 和社交观察。她转发“taste 的价值不在于不能被复制，而在于它定义了别人选择复制什么”；还感叹有人非常早，以及发了一条 link-only 内容。这里最值得记的是 taste 这条，因为 AI 工具越强，判断什么值得做、什么值得模仿，反而更重要。

13. Nikunj Kothari

Nikunj Kothari 今天两条都围绕 Fable 5。他说“早了一天，明天会来”，又调侃旧金山开发者听到 Fable 5 要回来后都跑回桌前。这不是正式产品说明，但能反映 Fable 在开发者圈里的期待值。

14. Peter Steinberger

Peter Steinberger 今天几条短内容里，最值得看的是“price per token != cost per task”。这句话抓住了 AI coding 和 agent 计费里的关键：便宜 token 不一定等于便宜任务，如果模型更容易跑偏、需要更多轮、或者不能完成任务，总成本可能更高。他还提到 loops，说明 agent 工作流讨论还在继续发酵。

15. Dan Shipper

Dan Shipper 今天也是围绕 Fable 可能回归。他在度假中表示如果 Fable 今晚回来，自己会直播并“ripping tokens”。语气很兴奋，信息本身不多，但它和 Peter Yang、Nikunj 的内容一起说明，builder 圈对 Fable 的访问恢复非常敏感。

16. Aditya Agarwal

Aditya Agarwal 的判断很尖锐：现在很奇怪，美国创新所依赖的一些模型，竟然是中国开源模型。这条和 open-weight、GLM、模型开放生态的讨论接在一起看很有意思：如果开源模型持续接近前沿能力，地缘和产业竞争会变得更复杂。

17. Claude

Claude 官方账号宣布 Sonnet 5 成为 Free 和 Pro 默认模型，也向 Max、Team、Enterprise 用户开放，并已进入 Claude apps 和 Claude Platform。它强调 Sonnet 5 在 reasoning、tool use、coding、knowledge work 上比 Sonnet 4.6 有明显提升，表现接近 Opus 4.8，但价格更低。早期伙伴反馈是，Sonnet 5 能完成以前 Sonnet 容易半途停下来的复杂任务，也会主动检查自己的输出。

Blog 全量记录

今天 feed 里没有新的 blog 条目。

Podcast 全量记录

1. Training Data：Why Hardware-Software Co-Design Is AI's Real 100x: Dylan Patel of SemiAnalysis

Training Data 这期和 SemiAnalysis 的 Dylan Patel 聊 AI 硬件和软件如何一起设计。最核心的判断是，AI 的真正 100x 不只是模型算法，而是从模型结构、kernel、compiler、networking、memory、芯片、封装到数据中心的整体协同。Dylan 提到 SemiAnalysis 内部同时有工程师和前 hedge fund 人，所以技术可行性和成本会不断互相拉扯。这个视角很实用：AI 基础设施的胜负不是单点参数，而是谁能把性能、成本、供给、软件栈和部署现实一起优化。

今日沉淀结论

今天的内容放在一起看，AI 正在进入两个同时发生的阶段：上层是 Sonnet 5、Fable、Vercel Services、Claude Desktop Linux 这类产品把模型能力带进更广的真实工作流；底层是 Etched、SemiAnalysis、硬件软件协同、专用推理系统在回答一个更硬的问题：这些能力怎样以可接受成本稳定跑起来。

Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders

Code as Agent Harness 深度分析 - 2026-07-02

Thu, 02 Jul 2026 00:00:00 GMT

原始链接

论文页面：Code as Agent Harness

论文 HTML：arXiv HTML

论文 PDF：arXiv PDF

项目页：https://code-as-harness.github.io/code-as-harness-webpage/

配套资料库：Awesome Code as Agent Harness Papers

Hugging Face 论文页：Code as Agent Harness

为什么今天选它

今天我比较了几个候选：earendil-works/pi、Natural-Language Agent Harnesses、Agentic Harness Engineering 和 Code as Agent Harness。

Pi 更像一个正在变热的开源 coding agent 产品，GitHub 页面显示约 66.9k stars，并把自己定义成可自定义的 agent harness；它很适合作为工程案例。Natural-Language Agent Harnesses 把 harness 写成可执行的自然语言文档，想法新，但范围更窄。Agentic Harness Engineering 更偏实验系统，重点是让 agent 根据轨迹自动改自己的 harness，实验结果具体，但讨论对象主要是 coding agent。

我最后选 Code as Agent Harness，主要因为它把这几条线放到了一张图里。论文 2026 年 5 月 18 日提交，Hugging Face 标为 #1 Paper of the day，有 223 个 upvote；配套 GitHub 资料库有 531 左右 star，并且整理了三层框架和大量相关论文。它不是在介绍一个新工具，而是在追问一个更底层的问题：为什么现在的 agent 不再只是“模型加工具”，而是越来越像一个围绕代码、状态、执行反馈和协作流程搭起来的运行系统。

它要解决的问题

过去讲 AI Agent，经常会拆成模型、工具调用、记忆、计划、反思、评测几个模块。这个拆法有用，但它漏掉了运行时最麻烦的一层：这些模块真正跑起来时，总要落到某种可执行、可检查、可回滚的东西上。对 coding agent、GUI agent、科学发现 agent、机器人 agent 来说，这个东西经常就是代码。

论文的核心判断是：代码不再只是 agent 最后生成的结果。代码正在变成 agent 的操作介质。agent 用代码表达中间推理，用代码调用工具，用代码建模环境，用测试和执行结果验证自己，用仓库、日志和工作流保存状态，多 agent 还会围绕同一份代码做分工、审查和修复。

图 1：论文的总览图，把 code as agent harness 拆成接口、机制和扩展三层。来源：arXiv HTML Figure 1

这张图最值得看的不是分类有多全，而是它把 agent 的“想”和“做”放到同一个闭环里：左边是 agent 生成代码，右边是外部环境执行并返回验证信号，中间的 harness infrastructure 负责把推理、动作、环境状态、记忆、调试和多人协作串起来。harness 不是提示词外壳，它更像 agent 能不能长期工作的运行层。

核心思想：代码是可执行的上下文

论文把 code as agent harness 分成三层。

第一层是 harness interface。代码把模型输出变成可执行、可检查的结构。数学推理里，代码可以把中间计算交给解释器或求解器；GUI/OS agent 里，代码可以变成 DOM 操作、系统命令或 API 调用；在软件工程里，代码库、测试、日志和执行轨迹本身就是环境状态。

图 2：Harness Interface，把代码分成 reasoning、acting、environment modeling 三个入口。来源：配套 GitHub README

这张图说明了一个容易被忽略的点：工具调用并不是“模型想做什么就调哪个函数”。可靠的 agent 要先把意图翻译成动作，再通过环境反馈确认动作有没有生效。代码在这里的价值，是把意图变成可执行对象，也把反馈变成可检查证据。

第二层是 harness mechanisms。这里包括 planning、memory、tool use、feedback control 和 harness optimization。论文对 tool use 的表述很关键：工具不是附加能力，而是模型意图和外部系统之间的治理接口。一个可靠的 harness 要决定哪些工具可用、schema 怎么暴露、权限怎么给、执行在哪里发生、结果怎么清洗或压缩、哪些危险动作要人类确认。

memory 也不是简单的“向量库记忆”。在 code-as-harness 视角下，memory 是状态管理：哪些信息留在当前上下文，哪些被压缩，哪些写入外部存储，哪些变成可复用技能、测试、脚本或仓库状态。对长任务来说，这比“记得更多”更重要。agent 真正需要的是在正确时刻拿到正确状态。

第三层是 scaling the harness。单个 agent 可以靠对话推进任务，多 agent 就必须有共享状态，否则很快变成角色扮演。论文指出，代码的优势在于它可以执行，可以产生非语言的客观信号。多 agent 系统里的收敛，不应该只靠“大家同意了”，更应该靠测试通过、行为一致、审查完成、状态冲突解决。

它和常见 agent 设计有什么不同

常见 agent 设计往往从 loop 开始：plan -> act -> observe -> reflect。这个模型直观，但有一个缺口：每一步留下来的东西是什么？如果只是聊天记录，系统很难复用、审计和纠错。

Code as Agent Harness 的新意在于，它把“留下来的东西”摆到中心位置。测试、脚本、工具封装、执行轨迹、环境模型、技能库、仓库状态、工作流配置，都不是附属产物，而是 agent 系统的主干。这样一来，agent 的能力就不只取决于模型单轮回答，而取决于它能不能不断生产、执行、观察、修改这些可检查的中间对象。

这里也有一些只是工程包装的地方。比如把 planning、memory、tool use 重新归类，本身并不新；很多 coding agent 和自动化平台早就在做。论文的价值不在于发明这些模块，而在于给它们一个更统一的解释：凡是能让 agent 长期运行、保存状态、接受反馈、支持协作和验证的代码对象，都应该被看成 harness 的一部分。

对产品和研发的启发

第一，别只优化 prompt。很多 agent 失败不是因为模型不会想，而是环境接口、权限边界、状态保存、错误反馈和验证方式太粗。把工具、执行日志、测试、失败样本和人工审批设计好，往往比多加几句系统提示更有效。

第二，把中间产物产品化。一个 agent 做完任务后，如果只给最终答案，价值会很薄。更好的形态是留下可复用脚本、测试用例、操作记录、决策说明、可回滚变更和失败原因。用户下次不是从零开始，而是在一套已经积累过的 harness 上继续。

第三，评测要看过程。只看最后任务成功率，会掩盖很多问题：agent 是否用了危险工具，是否绕过权限，是否靠偶然通过测试，是否留下不可维护状态，是否在多 agent 协作中产生冲突。论文提到的 open problems 里，evaluation beyond final success 是我认为最实际的一条。

第四，人类介入要变成状态，而不是临时打断。危险操作、权限申请、审查意见、回滚选择，都应该进入系统状态，供后续 agent 读取和遵守。否则 human-in-the-loop 只是一个弹窗，不是治理机制。

风险和还没验证的问题

最大风险是把“代码可执行”误解成“代码就可靠”。执行反馈很有用，但反馈经常是不完整的：测试可能覆盖不足，环境可能有隐藏状态，GUI 操作可能成功但语义错误，机器人仿真可能过不了现实世界。论文也把 incomplete feedback 下的 verification 列为开放问题。

第二个风险是共享状态会变成新的混乱源。多 agent 都能改仓库、记忆、工具和工作流时，冲突不只是文本冲突，还包括语义冲突、权限冲突和版本回退。没有事务、审计和回滚机制，多 agent 很容易把问题扩大。

第三个风险是自我优化可能带来回归。像 Agentic Harness Engineering 这类方向已经在尝试让 agent 自动改 harness，但如果没有足够好的对照、预测和回滚，系统可能在某个 benchmark 上变好，同时破坏真实任务里的稳定表现。

第四个问题是成本。代码作为 harness 往往意味着更多执行、更长日志、更复杂的状态管理和更多验证。对产品来说，最后要算的是 cost per completed task，而不是 token 单价。

图 3：论文把 code-as-harness 扩展到 coding assistant、GUI/OS agent、scientific discovery、personalization 和 embodied agent。来源：arXiv HTML Figure 12

这张应用图提醒我们，code-as-harness 不只是 coding agent 的话题。GUI agent 需要把界面变成可观察状态，科学发现 agent 需要把假设、实验、数据分析串成程序世界，机器人 agent 需要把技能写成可复用、可验证的控制代码。场景不同，但共同点很清楚：真正有用的 agent 都需要一个能承载状态和反馈的执行层。

今日沉淀

Agent 的核心不只是 loop，而是 loop 里留下了什么可执行、可检查、可复用的东西。

Memory 更像状态管理，不只是把历史塞进向量库。

Tool use 是治理接口，权限、执行位置、结果清洗和人工确认都要设计。

多 agent 协作不能只靠角色分工，要有共享状态、客观验证和冲突处理。

评测不能只看最终成功率，还要看过程是否安全、可审计、可回滚。

Agent 工程化与算力供应链 - 2026-06-30

Tue, 30 Jun 2026 00:00:00 GMT

今日主线

今天的 follow-builders 内容集中在两条线：一条是 Agent 正在变成真正的工程系统，开始处理后台子任务、权限边界、企业沙箱、MCP tunnel 和质量事故；另一条是 AI 底层供应链继续吃紧，CPU、foundry、先进封装、数据中心和电力都重新变成关键变量。全量数据包括 15 位 X builders 的 32 条推文、3 篇 Claude/Anthropic 文章和 1 期 No Priors 播客。

重点解读

Claude 这边今天的信息密度最高。Claude Code 要让 subagents 默认在后台运行，Codex 也在推进更细的权限配置，这说明 coding agent 的重点正在从“能不能写代码”转向“能不能长期、安全、可控地跑在真实工作流里”。Anthropic 的几篇文章也在补同一条主线：Managed Agents 要支持自托管 sandbox、MCP tunnels、可恢复 session、凭证隔离和更稳定的 harness。换句话说，Agent 产品正在从 demo 工具进入企业执行环境。

另一个主线是算力和半导体。No Priors 采访 Intel CEO Lip-Bu Tan，他强调 AI 不只是拉动 GPU，也会重新提高 CPU、foundry、先进封装和供应链韧性的价值。他提到 agent 编排、reinforcement learning 和数据中心需求会让 CPU 重新重要，同时电力、helium、memory、fab 建设周期都会限制 AI 增长。这和今天 builder 圈里关于数据中心、电力、云基础设施的讨论放在一起看，很清楚：AI 的瓶颈越来越像工程和供应链问题。

X Builders 全量记录

1. Swyx

Swyx 今天主要在 AI Engineer Expo 现场。他发了 workshop day 的现场内容，也提到周一早上 9 点、旁边还有 OpenAI workshop 的情况下，Snyk、Atlassian、Neo4j、Arize、Akamai、Together 等房间仍然很满。他的判断很直接：builder 社区对 AI 工程实践的需求非常强，不只是追模型发布。

2. Boris Cherny

Boris Cherny 是 Claude Code 团队成员。他透露下一版 Claude Code 会让 subagents 默认在后台运行，这样用户可以继续和 Claude 对话，同时让子 agent 继续处理任务。如果需要前台执行，也可以直接告诉 Claude。这个变化小但关键，因为它把 coding agent 从单线程对话推向更接近“并行工作台”的形态。

3. Thibault Sottiaux

Thibault Sottiaux 今天有两条 Codex 相关的重要更新。第一条是 Codex 使用额度会再次重置，并额外补一个 24 小时 reset；他们调查后发现不是单点事故，而是 auto-review 更主动、更多 subagent work、background suggestions 等几个变化叠加，导致部分用户觉得消耗异常。第二条是 Codex 推出替代粗粒度 sandbox mode 的 permission profiles，可以把文件读写规则、网络域名、Unix socket、管理员 allowlist 绑定到可复用权限配置里。中间那条 reset button 是轻量玩笑，也一并保留。

4. Peter Yang

Peter Yang 的几条内容都围绕 AI 写作和模型开放争议。他认为纯写作和编辑场景里，普通 Claude web 仍然比 Codex、Claude Code 这类 coding agent 更好，猜测可能是 coding agent 的系统提示影响了写作质量。他还说自己对 restricted access 和 open source 有很多强观点，会整理成一篇文章，并补充已有 written post。

5. Madhu Guru

Madhu Guru 的判断是，强 open-weight 模型比如 GLM 反而会加强 Google 的位置。理由是更多企业会尝试 fine-tuning open-weight 模型，但最后价值会流向基础设施，因为企业需要托管平台、可靠性、安全、支持和完整 compute stack。他特别点出 Google Cloud 在这类需求里位置不错，因为 Google 掌握很多底层 compute stack。

6. Thariq

Thariq 分享了他现在的写作流程：先做工程工作，再和很多人聊，用 Claude 做 brainstorm 和 research，写文章，讲一两次，再反复改。这个细节值得保留，因为它说明 AI builder 的写作不是简单让模型代写，而是把工程、交流、模型辅助和公开表达串成一个循环。

7. Guillermo Rauch

Guillermo Rauch 今天主要在为 Vercel 的新能力预热。他提到 Vercel functions 变成 20 倍更大，又说“anything and everything” 都可以部署到 Vercel，更多内容明天公布。另一条是一个通过 curl 触发的 demo。整体看，Vercel 仍在把自己往更通用的 AI/应用运行平台上推。

8. Aaron Levie

Aaron Levie 继续讨论 AI 开放和监管。他的核心判断是：如果闭源垂直栈永远大幅领先，那么 gatekeeping 和严格控制可能成立；但如果 open weights 能长期接近 frontier intelligence，那么过度监管会让局面反过来，限制方可能失去扩散优势。这条和最近模型开放、访问限制、国家竞争放在一起看，很有价值。

9. Ryo Lu

Ryo Lu 今天的两条更像 Cursor 相关产品表达：一条是“get the app”，另一条强调 ideas 可以随时出现，不需要桌子和笔记本电脑。信息不长，但它反映了一个方向：AI coding 工具正在从桌面 IDE 场景，往更轻、更移动、更随时记录想法的入口延伸。

10. Garry Tan

Garry Tan 今天一条是 link-only 内容，信息量有限；另一条很直接：build power and datacenters。后者和今天的 AI 算力主线很一致。模型和 agent 走到真实规模后，电力和数据中心建设不再是背景问题，而是产品增长和国家竞争的底座。

11. Matt Turck

Matt Turck 一条说“反复做 underdog 是最大优势”，偏创业心态；另一条是 World Cup 门票价格的玩笑，和 AI 主线关系不大。按全量沉淀要求，这两条也保留。

12. Zara Zhang

Zara Zhang 今天发了一个小工具：Chrome extension，把 read later 列表自动变成 Google Calendar 上的阅读时间块。比如保存 5 篇文章，就自动安排 30 分钟 reading block，链接也带上；没有账号、没有服务器、本地运行、开源。另一条是她转述 Anthropic PM 的观点：写作的市场价值上升了，因为好写作既能帮助 steer models，也能帮助建立受众。

13. Nikunj Kothari

Nikunj 今天三条都是 World Cup 相关：比赛、点球大战、球队混淆修正。它们不是 AI 主线，但属于本次 follow-builders 抓取内容，完整保留。

14. Peter Steinberger

Peter Steinberger 今天两条都比较短。一条问“was this vibed”，另一条说某个东西几年前会很惊艳，但在 AI 时代意义变小。上下文不完整，但核心情绪是：AI 正在快速改变人们对产品、demo 或自动化能力的惊艳阈值。

15. Claude

Claude 官方账号宣布 Claude in Microsoft Foundry 已经 GA，托管在 Azure 上。Azure 客户可以使用 Claude Opus 4.8 和 Claude Haiku 4.5，并接入 Azure authentication、billing 和 commitment retirement。另一条补充说 inference 运行在 Anthropic 操作的 Azure infrastructure 上，prompt caching 和 extended thinking 已支持，更多能力会继续加入。

Blog 全量记录

1. Anthropic Engineering：An update on recent Claude Code quality reports

Anthropic Engineering 这篇是一次质量问题复盘。核心结论是，过去一个月一些用户感觉 Claude 变差，并不是 API 整体退步，而是三个不同变化分别影响了 Claude Code、Claude Agent SDK 和 Claude Cowork；这些问题已经在 4 月 20 日的 v2.1.116 修复。值得关注的是 Anthropic 把问题拆得很具体：前沿模型产品的“质量”不只来自模型本身，还来自工具层、agent loop、评测、发布流程和回滚机制。原文：An update on recent Claude Code quality reports

2. Anthropic Engineering：Scaling Managed Agents: Decoupling the brain from the hands

这篇是今天最重要的技术长文之一。Anthropic 讲 Managed Agents 为什么要把“brain”和“hands”拆开：brain 负责推理和编排，hands 是 sandbox、工具和外部执行环境；中间用 durable session log 记录事件，让 harness 崩了也能恢复。文章还提到，把执行环境和凭证隔离后，可以降低 prompt injection 直接摸到 token 的风险；并且因为不用每次先启动完整容器，p50 time-to-first-token 降了约 60%，p95 降了超过 90%。原文：Scaling Managed Agents

3. Claude Blog：New in Claude Managed Agents: self-hosted sandboxes and MCP tunnels

Claude Blog 宣布 Managed Agents 支持 self-hosted sandboxes 和 MCP tunnels。意思是 agent 的工具执行可以跑在企业自己的 sandbox 或 Cloudflare、Daytona、Modal、Vercel 等托管环境里，敏感文件、包和内部服务不用离开企业边界；MCP tunnels 则让 agent 能访问私有网络里的 MCP server，不需要把内部服务暴露到公网。这个功能很企业向，重点是把 agent 从“云端黑盒”推进到可审计、可控、可接入私有系统的部署方式。原文：New in Claude Managed Agents

Podcast 全量记录

1. No Priors：Re-engineering the Semiconductor Supply Chain with Intel CEO Lip-Bu Tan

No Priors 这期和 Intel CEO Lip-Bu Tan 聊半导体供应链。最值得记的是他对 AI 硬件瓶颈的判断：AI 不只需要 GPU，agentic AI、reinforcement learning 和 agent 编排也会重新拉高 CPU 需求。他还反复强调 foundry 是服务和信任生意，先进制程、良率、cycle time、先进封装、材料、memory、电力、helium 都会成为限制项。对 Intel 来说，政府入股、NVIDIA 投资、SoftBank 支持、和 Elon Musk 的 TeraFab 协作，都是为了让美国半导体供应链更有韧性。

今日沉淀结论

今天所有内容放在一起看，AI 的主线已经很清楚：Agent 正在进入真实企业系统，所以权限、sandbox、MCP、session、质量复盘和后台并行执行会变得越来越重要；同时，模型能力越往前走，底层供应链越不能被忽略，CPU、数据中心、电力、memory、foundry 和封装都会继续决定 AI 产品能跑多远。

Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders

Anthropic AI Agents科普

Tue, 22 Jul 2025 00:00:00 GMT

Building Effective AI Agents

Discover how Anthropic approaches the development of reliable AI agents. Learn about our research on agent capabilities, safety considerations, and technical framework for building trustworthy AI.

https://www.anthropic.com/engineering/building-effective-agents

NotebookLLM

Sun, 16 Mar 2025 00:00:00 GMT

关于NotebookLLM

查看 x.com 原文

大模型时代，应该用什么知识管理软件？ - V2EX

问与答 - @afterzero - 在笔记时代，我每天在用 flomo 、微信收藏、OneNote 、Markdown 文件、浏览器收藏夹等工具。但是 [我不想把收藏变成一个**把喜欢的东西丢进垃圾堆**的过程。] 大模型可以帮我捡

https://v2ex.com/t/1098014