《Reverse Engineering Linear's Sync Engine: A Detailed Study》这篇文章写的很好,但有些难懂,突然想到一个使用 GPT-6 Astra 的案例:
让它把这篇文章做成一个循序渐进的互动式教学网页,一步步把内容由浅入深分解,帮我搞懂文章内容。
还别说,跟着网页内容一节一节学习,好懂多了。
提示词:
> 帮我把这篇文章的内容,做成一个互动的循序渐进的教学网页,一步步通过互动的方式让初学者理解这篇文章中的核心概念 github.com/wzhudev/reverse-l…
网页地址:s.baoyu.io/files/linear-sync…
好久没看到这么精彩的和 AI 无关的技术文章了:《Reverse Engineering Linear's Sync Engine: A Detailed Study》
github.com/wzhudev/reverse-l…
讲的是 Linear 客户端同步方案(Linear Sync Engine) 的逆向讲解,如果体验过 LInear 的就能感受到它的操作非常丝滑。这篇文章把模型怎么定义 怎么进 IndexedDB 事务怎么上报 服务端怎么回 delta 怎么做部分加载和 undo讲的非常清楚 还对技术细节感兴趣的朋友可以收藏好好读读。
Linear CTO 也称赞过这篇文章。我觉得整体读的体感非常好,学到了很多,同时也很赞同乐观更新这种做法。
这两天都在测试 Astra,各种 Astra 操作 Blender 的炫酷案例,但这恰恰证明:不是 Codex 驾驭不了 Astra,而是 Astra 离不开 Codex 这个 Harness。
如果没有 Codex 这层 Harness,Astra 再怎么内化,它也不能自己打开电脑、跑起 Blender 建模。
模型内化的是知识
模型每一轮训练,确实会把很多东西训练进权重里:什么时候该调工具、怎么拆任务、失败了怎么回退、什么样的代码风格更好。这些是策略和判断,是可以内化的。所以 Astra 不需要你写一大堆提示词教它怎么操作 Blender,它自己就知道。
但模型本身能做的只有一件事:根据输入的 Prompt 输出 Token。
它说“我要在某个位置画一条线”,这只是一段文字。真正去执行这条命令、把结果喂回给它、管理上下文窗口、决定哪些操作要用户确认、把它关进沙箱里防止误删文件、任务中断了怎么恢复现场,这些全是 Harness 在干。
所以“Harness 被模型内化了”这个说法是把两件事混在一起了。Harness 这一层没办法内化,因为它压根不在模型的输入输出里,你没法把“工具”训练进权重,只能训练“如何操作工具”。
换句话说:可以内化的是“如何操作工具”,而“工具本身”是不能被内化的。
就像一个人开车技术再好,把驾驶经验内化得再深,你把车拿走,他也只能在原地比划方向盘。
模型变强,对 Harness 确实有影响。
以前 Harness 要替模型做很多规划、拆解、兜底,现在模型自己会了,Harness 就可以变薄,可以少管点“该怎么想”,更多的“怎么执行”。
反过来,模型越强,想用的工具越多、想干的事越复杂,对 Harness 的执行能力、权限控制、状态管理要求反而更高。
所以也不存在“Codex 驾驭不了 Astra”,是模型通过 Harness 驾驭电脑。如果 Astra 的能力超出了 Codex 现有的设计,那说明 Codex 该升级了,但不意味着说 Harness 这一层可以不要了。
模型和 Harness 从来是相辅相成,不是谁替代谁。
模型是大脑,Harness 是手脚。大脑再聪明,也得靠手脚才能碰到真实世界。
HAI Labs(人本智能实验室) retweeted
Super happy to share our intention to join forces with NVIDIA in a $12,930,300,000 acquisition 💛💚
10 years after starting Hugging Face, open-source AI is at an inflection point. Thanks to the community, we’ve shown that it can be a complement, and even an alternative, to closed-source APIs. But for it to happen at larger scale, it needs more compute, more support, more collaboration and more visibility. That’s why we went to talk to Jensen, who offered to do exactly that with us.
In addition to doubling down on NVIDIA’s massive contributions to open-source AI (I called them the “King of American open-source AI” earlier this year), they’ve committed to strongly supporting Hugging Face and our mission while keeping the platform open, independent and compute agnostic. The founders and the team are all staying to keep pushing this mission forward.
Together, we think we can make open source the default way to build AI, with the goal of empowering 100 million AI builders to own their intelligence rather than rent it.
Excited about the next 10 years! 🤗🤗🤗
HAI Labs(人本智能实验室) retweeted
video-shotcraft 把 Claude Code 变成视频剪辑动效工作室,指着产品说需求,分镜、动画、音效一条龙出片。
内置 157 张运镜配方卡和 214 个动效预览,2.5D 镜头推拉、卡点剪切、影视级音效都是现成的套路。
GitHub:github.com/Vincentwei1021/vi…
真实抓取产品页面画面来做素材,不是贴几张截图轮播,出来的片子有实拍质感。
底层用 Remotion 渲染,Claude Code 和 Codex 都能装,还配了中文 README。
要发产品、做 demo 演示视频的,先去它的在线画廊把动效预览刷一遍,找找想要的感觉。
HAI Labs(人本智能实验室) retweeted
作者三岁的女儿看电视里的恐龙总被吓到,节目净是追逐和搏斗,没有一个安静看动物的地方。
于是他做了一座网页上的 3D 史前动物博物馆,免费开放,不用注册没有广告,打开就能逛。
陆地、海洋、天空三个展区一共 24 位史前动物,用手指拖着转圈看,讲解要点了才播,不会突然出声吓到孩子。
GitHub:github.com/s010s/prehistoric…
配了家长指南,孩子问「它吃什么」「化石在哪挖的」这类问题时能接得住,每条信息都标了出处。
最贴心的是「和我比一比」,输入孩子的身高,展厅里就站一个等比例的小人,恐龙到底多大一眼就有概念。
支持中英文切换,手机平板电脑都适配。家里有 2 到 6 岁小朋友的,周末可以带着一起逛逛。
HAI Labs(人本智能实验室) retweeted
made a little game for myself and the gameplay is too good to keep, so now it’s the new 404 for @iskra_graphics
you can play it right now at iskra.graphics/404
HAI Labs(人本智能实验室) retweeted
sepia 这个去 AI 味写作 Skill 真有点东西,值得看一下。
它先拿六万多篇小说作为对照实验,发现光看叙事结构就能认出 AI 写的,识别率 93.2%。
然后尝试将表面词句改得干干净净,但这个识别率几乎不降。
于是它就从结构层下手,主题别让叙述者讲出来、因果链松一松,共 30 项诊断。
GitHub:github.com/Nanako0129/sepia
Claude、ChatGPT、Gemini、DeepSeek、Kimi 各家模型的写作指纹,还有单独的修正清单。
写公文也有对应规则,发布公告、复盘报告、工单各配一套,按场合说话不端着。
提供写、诊断、小改、重写 4 种用法,Claude Code、Codex 都能装。前阵子分享过改词句的同类工具,这个更深一层。
AgentsView:给你的 agent 用量请个会计,常规工作中上万个 session、十几个 agent、每天烧上百美元,你的 AI 员工在干什么,你其实一无所知,AgentsView给所有 coding agent 装了个"监控大屏"来审计财务。
它能将20多家code agent 的会话搜出来、看明白、算清花了多少钱:
usage daily 出每日成本、记录 token 与峰值上下文、定价走 LiteLLM/OpenRouter 费率。单二进制、无账号、默认全本地绑 loopback 并校验 Host 防 DNS-rebinding;还能配 s3:// 会话源做多机汇总、导 Postgres/DuckDB。注意:有可关的匿名遥测、默认 curl|bash、成本是估算不是账单。
主流的code agent都支持了:Claude Code、Codex、Cursor、Copilot CLI、Gemini CLI、Goose、Hermes Agent、DeepSeek Harness(~/.dsh/sessions/)、DeepSeek TUI、Antigravity、Claude Cowork、OpenClaude、Devin CLI、Forge、gptme、Grok、iFlow、Cortex Code……
Agent 时代,人人都需要一个"算力账本",而AgentsView就是那个帮你计AI员工这本账的会计。
#AIagent #开发者工具 #成本分析 #ClaudeCode #开源
HAI Labs(人本智能实验室) retweeted
简历投出去几十份没一个回音,是内容不行还是过不了招聘系统的机器筛选,自己根本判断不了。
ResumeSkills 把求职这摊事拆成了 20 个 Claude Code Skill,从改简历到谈薪资都有对应的一个。
机器筛选兼容性检查、把干过的事改写成带数字的成果句、拿职位描述算匹配度找差距,都是单独的 Skill。
GitHub:github.com/Paramchoudhary/Re…
还有几个挺实用的:面试前按简历把要讲的项目故事提前备好、多个 offer 摆一起算总包、转行的把旧行业经验翻译到新行业。
一条命令就能全部装好,Claude Code、Cursor、Codex 这些工具也都能用。
最近在看机会或者帮朋友改简历的,比对着模板自己琢磨省心得多。
HAI Labs(人本智能实验室) retweeted
7.9B 总参数,每个 Token 只激活约 1.3B。一张 16GB 消费级显卡,已经能把 Ling-3.0-tiny INT4 跑成可调用的本地 API。
真正值得关注的是,本地小模型开始从演示玩具进入应用组件,能接 OpenAI 兼容接口,也能继续嵌进知识库和 Agent 工作流。
大模型继续冲能力上限,小模型正在争夺部署入口。接下来拼的是谁更强,还是谁更容易进入真实工作流?
HAI Labs(人本智能实验室) retweeted
上周 Anthropic 宣布,8 月 2 日之后的 Claude 模型会在输出文本里嵌入隐形水印,全球生效。
消息出来没几天,GitHub 上就冒出去水印工具 watermarks-remover,一周涨了 15000+ Star。
三层处理:零宽字符等隐形标记直接抹掉,统计采样水印靠改写打散,文件里的来源元数据也一并清除。
GitHub:github.com/guillaumemeyer/wa…
不只针对 Claude,连 Gemini、OpenAI 的水印也能处理,支持 PNG、PDF、DOCX 等二十多种格式。
核心只用 Python 标准库,本地跑不依赖外部服务,一条命令安装,启动 HTTP 服务即可使用。
值得关注!DeepSeek Harness重磅更新!!
真的是把Agent都变成插件!
它正在成为可以管理不同模型、不同 Coding Agent、不同工具的统一工作台!
几个变化:
原生多模态能力增强,DeepSeek 现在可以直接看图,截图、文件、历史会话都能一起喂给 Agent;
Claude Code 和 Codex 可以被当成“子代理”调用,Codex 还能开多个实例,一个写代码,一个查问题,一个跑测试;
Web Search 支持并发,多个问题可以同时查;
Windows 终于有持久 PowerShell,会话状态不会每次都重置。
DeepSeek Harness 的目标不是再做一个 Claude Code,而是它想成为 “Agent 操作系统”。
HAI Labs(人本智能实验室) retweeted
AI 时代,我越来越觉得企业合作也有了新的范式:
Fast iteration, fast shipping.
Kimi 团队有一次下午跟我们聊,希望 TiDB Filesystem 支持 checkpoint,类似数据库的 MVCC。
我们当场说:做。
很快功能就交付了。
以前可能是:
需求 → 评审 → 排期 → 开发 → 发布。然后一个月过去了。。。
现在越来越像:
客户提出问题 → 一起想清楚 → 马上做 → 马上验证。
客户要跑得快,我们支持客户也一定要快。
快,不只是 AI 模型的能力,也是 AI 时代企业的核心能力。
HAI Labs(人本智能实验室) retweeted
不少朋友想试 DeepSeek Harness,一看要折腾环境配置、跑命令行,就先放下了。
DSH Desktop 直接把它封装为开箱即用的桌面客户端,已斩获 11000+ Star!
官方 Harness 原样跑在里面,本地服务自动启动,窗口、托盘、终端、更新都替我们管好。
设计上有个巧思,桌面外壳本身也是一个 DSH 插件,没魔改官方一行源码。
GitHub:github.com/anywhere-labs/dee…
提供 Windows、macOS 安装包,手机远程控制功能正在开发。
想尝鲜 DSH 又不想折腾环境的朋友,从这个入口进最省事。
HAI Labs(人本智能实验室) retweeted
想要了解 DeepSeek Harness 对我们有什么用,可以看下《DeepSeek Harness 橙皮书》这本开源书籍。
看完后将会知道 DSH 能干什么,会不会花我们的钱,会不会乱动硬盘上的文件。
除此之外,还有完整系统提示词、129 行启动清单、三份一条事件都没删的原始会话日志。
GitHub:github.com/alchaincyf/deepse…
还有 AI 现场给自己造工具的 19 步全程,工具清单从 32 行变成 33 行,多的那行是它自己写的。
提供 PDF、EPUB、HTML 几种文件格式免费下载阅读,还配了 20 页浓缩版 PPT,没时间读全书的先翻这个。

































