NextPluse (@Sprites06) profile picture

Keeping you at the heart of AI. We share top news, insightful analysis, and expert opinions on everything AI. #ArtificialIntelligence #DeepLearning #Innovation

Joined April 2024
NextPluse retweeted
想象一下,一个软件团队在做一个大项目,但有个奇怪的规定:每个工程师只能工作几十分钟,最多几小时,干完就要换一个新的工程师。所以让这个团队完成简单项目任务还行,复杂一点需要长时间运行的项目,比如你让它克隆一个 claude .ai,它就做不到。 这其实就是 Coding Agent 的现状:没有记忆,上下文窗口长度有限。所以要它执行长时间任务,它还做不好。 Anthropic 的这篇博客:《Effective harnesses for long-running agents》,专门讨论了如何让 Agent 在跨越多个上下文窗口时依然能持续推进任务。 先看 Agent 在长任务中遇到的主要问题是什么? 主要三种: 第一种叫一口气干太多。比如你让 Agent 克隆一个 claude .ai 这样的网站,它会试图一次性搞定整个应用。结果上下文还没用完,功能写了一半,代码乱成一锅粥。下一个会话进来,面对半成品只能干瞪眼,花很多时间猜测前面到底做了什么。 第二种叫过早宣布胜利。项目做了一部分,后来的 Agent 看看环境,觉得好像差不多了,就直接收工。功能缺一大堆也不管。 第三种叫测试敷衍。Agent 改完代码,跑几个单元测试或者 curl 一下接口就觉得万事大吉,根本没有像真实用户那样端到端走一遍流程。 这三种失败模式的共同点是 Agent 不知道全局目标,也不知道该在哪里停下来、该留下什么给下一位。 那么 Anthropic 的解决方案是什么呢? 其实就是软件工程的一些现成的解决方案:引入类似人类团队的分工协作机制,将复杂任务拆解成小的可跟踪验证的任务,清晰的交接机制,并严格验证任务结果 一个初始化 Agent,它只在项目启动时出场一次,任务是搭好项目运行环境:有点像架构师的角色,写一个 init .sh 脚本方便后续启动开发服务器,建一个 claude-progress.txt 记录进度,做第一次 git 提交,最关键的是生成一份功能清单。 这份功能清单有多细?在克隆 claude .ai 的案例中,列了超过 200 条具体功能,比如用户能打开新对话、输入问题、按回车、看到 AI 回复。每一条初始状态都标记为失败,后续 Agent 必须逐条验证通过才能改成成功。 而且这里有个细节,这个清单不是用 Markdown 来写的,是一个 JSON 数组,因为 Anthropic 实验发现,相比 Markdown,模型在处理 JSON 时更不容易随意篡改或覆盖文件。 另一个是编码 Agent。在初始化项目后,后续就是它干活了,核心行为准则只有两条:一次只做一个功能,做完要留下干净的环境。 什么叫干净的环境?想象你往主分支提交代码的标准:没有严重 bug,代码整齐有文档,下一个人接手能直接开始新功能,不用先替你收拾烂摊子。 每次开工前,它先做几件事: – 运行 pwd 看看自己在哪个目录 – 读 Git 日志和进度文件,搞清楚上一轮干了啥 – 看功能清单,挑一个最高优先级的未完成功能 – 跑一遍基础测试,确保 App 还能用 然后专心做一个功能,做完后: – 写清楚的 Git commit message – 更新 claude-progress.txt – 只改功能清单里的状态字段,绝不删改需求本身 这个设计的巧妙之处在于,它把“记忆”外化成了文件和 Git 历史。每一轮的 Agent 不需要依赖上下文窗口里的碎片信息,而是模仿靠谱的人类工程师每天上班会做的事。先同步进度,确认环境正常,再动手干活。 测试环节的改进值得单独说。 原来 Agent 只会用代码层面的方式验证,比如跑单元测试或者调接口。问题是很多 bug 只有用户真正操作页面时才会暴露。 解决方案是给 Agent 配上浏览器自动化工具,比如 Puppeteer MCP。Agent 现在能像真人一样打开浏览器、点按钮、填表单、看页面渲染结果。Anthropic 放了一张动图,展示 Agent 测试克隆版 claude .ai 时自己截的图,确实是在像用户那样操作。 这招大幅提升了功能验证的准确率。当然也有边界,比如浏览器原生的 alert 弹窗,Puppeteer 捕捉不到,依赖弹窗的功能就容易出 bug。 这套方案还留了一些开放问题。 比如,到底是一个通用 Agent 全包好,还是搞专业分工?让测试 Agent 专门测,代码清理 Agent 专门收拾,也许效果更好。 再比如,这套经验是针对全栈 Web 开发优化的,能不能迁移到科研或金融建模这类长周期任务?应该可以,但需要实验验证。 响马 @xicilion 说: > ai 的尽头依旧是软件工程。 AI Agent 也不是魔法,它一样需要从人类软件工程中汲取经验,它也需要将复杂的任务进行分解成简单的任务,要有一个结构化的工作环境和清晰的交接机制。 人类工程师为什么能跨团队、跨时区协作?因为有 Git、有文档、有 Code Review、有测试。AI Agent 要想长时间自主工作,也得把这些东西搬过来。 Anthropic 的方案,不过是把软件工程的最佳实践变成了 Agent 能理解的提示词和工具链。不是让模型变得更聪明,而是给它提供更好的脚手架。 Anthropic 的思路值得借鉴。无论你用的是 Claude、GPT 还是别的模型,在设计多轮长任务时,都要想清楚,怎么让下一轮的 Agent 快速进入状态,怎么避免它重复造轮子或者把代码搞成一团乱麻。即使是单轮任务,也要清楚它是没有记忆的,你需要通过外部文件来帮助它“想起来”之前做过的事。 以现在模型的能力,Coding Agent 已经能做很多事情了,核心还是在于你是不是能像软件工程中那样,去分解好任务,设计好工作的流程。 原文:Effective harnesses for long-running agents anthropic.com/engineering/ef… 翻译:baoyu.io/translations/effect…
New on the Anthropic Engineering Blog: Long-running AI agents still face challenges working across many context windows. We looked to human engineers for inspiration in creating a more effective agent harness. anthropic.com/engineering/ef…
24
112
13
623
126,528
AI + Laptop + Internet + 60 minutes per day = $50k+ every month. I normally sell this guide for $99, but for the next 48 hours, it’s yours 100% FREE. To get it: 1. Follow me 2. Like and RT 3. Reply "YES" Must follow me to get a reply. Free for 48 hours
53
36
1
67
17,287
因为低杠杆,所以才有了黑天鹅 因为稳定,所以才有了黑天鹅 因为安全,所以才有了黑天鹅 好好品吧
币圈最大的风险源头,从来都不是那些“高倍合约玩家” 而是追求稳健收益的“低倍合约”“挖矿理财” 很反常识,风险不在于以小博大,而是太多人在做以大博小的事 黑天鹅正是给“追求稳定”“以大博小”的庞大资金池量身定制的
30
16
4
154
32,843
KOL 应该怎么做? 回顾我写推的内容历史, 曾经我以为看链上 btc 的数据是可以判断大盘的(这是非常幼稚和错误的想法),所以输出了很多链上分析; 曾经在22年熊市我以为可以根据对宏观的判断,配合链上猜多空(这是根本性错误的思路),所以输出了一些宏观分析; 后面反思自己真正赚钱的路径,形成了“牛市发动机理论”和“第二波暴富理论”,也真的在实行,通过几个大小周期也验证了这些是可行的; 最近一年在投资之道的思考上,有了很大的进展,所以会在这方面输出多一些,这也是我每天思考的内容。 我对这件事,不认为有一个标准的公式。 怎么想的,就怎么做,怎么思考的,就怎么写。 我在面对面聊天,dm,小群,大群,推上,说的话都是一样的。 只是可能面对面的时候,能表达一个更综合和整体的思考,举出更清晰的例子和思维路径,所以有朋友跟我聊完之后会感触更深罢了。 所以,KOL 应该怎么做? 流量/热点/套路,都是暂时的。 不去评判他人,我自己的想法是, 真诚的思考,真诚的输出,热爱投资和写内容,才有可能真的成为经历几个周期,依然还在这里的那个人。
60
13
8
221
56,602
有个毕业不久跟我咨询,说想走嗯哼 @EnHeng456 的路径,他也比较社牛 但这不是社牛的问题,我没现实接触过嗯哼,但我能大概猜到,他这条路的精神内耗是最高的,“没人看得起向上社交的男孩,包括他自己。” 在国内(国外我不知道),社会评价系统是怎么评价这类人的,基本就是最恶毒的语言,最脏的话 人是很复杂的,一边又慕嗯哼的流量之强,一边又痛恨他的“捷径”,包括从业者,你觉得那些天天跟他合照的人,真的是喜欢他吗?表面当然是各种夸、各种吹,背地里大概全是最脏的评价 在向上靠拢时,会不断压抑自尊,会出现巨大的“心理反噬”。别人一句“有空出来吃个饭”,他要花三天准备。别人一句“我考虑考虑”,他要焦虑三晚。这种极度不对称关系,会在潜意识里慢慢撕裂他的自我认同 走这条路的人,我是很佩服的,我嘴比较贱,会经常中伤他,但我确实没恶意,我利益跟他也不搭边。总之,嗯哼的这条路远没有大家想象的这么容易,也是一条无比内耗煎熬的路 但底层普通人又有啥选择,祝他早日上岸
币圈KOL的隐学—庞氏KOL法则:阴暗、露骨、人性 如果你真的想做kol,且真的想成为能搞流量、能实现商业盈利的kol,请务必看完我写的,我写的上不了台面,过于阴暗过于露骨过于直接,但这才是真正的学问,看完对于迷茫的你一定会有豁然开朗感觉 以下是我写的所有关于kol的帖子,请仔细看完,定有所获 1、KOL启蒙神篇 nitter.cf/kiki520_eth/status/190… nitter.cf/kiki520_eth/status/192… 2、包装哲学:人性天生慕强、畏强,做KOL的源头 nitter.cf/kiki520_eth/status/196… nitter.cf/kiki520_eth/status/196… nitter.cf/kiki520_eth/status/194… 3、年轻人从业指南:KOL是进入行业最好的跳板杠杆 nitter.cf/kiki520_eth/status/196… nitter.cf/kiki520_eth/status/196… 4、华语区KOL更为值钱的根本:最盲从的韭菜 nitter.cf/kiki520_eth/status/196… nitter.cf/kiki520_eth/status/196… 5、学历越低、越适合干KOL,越有优势 nitter.cf/kiki520_eth/status/197… 6、KOL真正盈利的商业模式 nitter.cf/kiki520_eth/status/194… 7、杂学、流量定律、统战价值 nitter.cf/kiki520_eth/status/194… nitter.cf/kiki520_eth/status/197… nitter.cf/kiki520_eth/status/192… nitter.cf/kiki520_eth/status/191… nitter.cf/kiki520_eth/status/191…
100
20
5
219
128,994
你只是来体验生命的,不是来演绎完美的,慢慢接受自己身上那些灰暗的部分,原谅自己的迟钝和平庸,允许自己出错,允许自己偶尔断电,带着缺憾拼命绽放,不断尝试、收获、感受,然后放下。
3
1
8
1,994
不是中秋meme, 而是真实的影响力。 800万美金,为孩子的教育。 还不错吧 @cz_binance?😊
中秋快乐! 谁有最创意的中秋meme?
79
50
9
305
68,703
NextPluse retweeted
随着今天上午,币安人生、币安月饼、玉兔、舔鹏元帅、赵长娥等 Meme 在推特和 BNB 链上爆火。 英文区的老外抱怨: 你们到底在发什么?? 这些 Meme 名字我完全看不懂! – at Ota-ku, Tokyo
119
22
13
313
218,468
NextPluse retweeted
1. 没有编程经验,稍微复杂一点的系统,最多只能用自然语言发布一个可以勉强跑通的原型,离发布生产的标准还是有点差距 2. Codex 要有编程基础才能用好 3. 如果你需要经常编程,那么有必要去学一些编程基础知识,就算水涨船高,这些知识也可以让你未来编程效率倍增,就像老板要懂点业务
Replying to @dotey
宝玉老师,请教下,我没有编程经验,但已经尝试了下CODEX GPT5,发现按自己设想让它写一个中等复杂度的web系统,并没有达到预期效果,但很想知道,是1)自己方法错误,真的可以直接用自然语言就能完成一个系统的编码并发布。还是说2)codex其实还是离不开编程的基础才能用好。 假如是2),是否有必要投入时间去看懂它的编码内容含义,还是说,等着水涨船高,下一代模型更新就可以了。
10
15
138
34,871
agent economy是ai + crypto的大风口,现在还没有几个好项目,或者说,现在的项目都在低质量的同质化竞争基建 但爆发在即,而且一旦爆发,就是千倍的成长
23
7
1
57
17,199
讨论学历高低与做KOL之间本质上是没有强相关性的,拿身份标签差异做跨领域对比,是标准的流量Farm操作... 所以为什么我说 @kiki520_eth 庞教主这人很厉害呢? 他很擅长用苹果思维混进安卓人群里面... 思考一下: 什么样的人喜欢对比学历? 答:混了这么久只有学历才能拿得出手的人... 孙哥 @justinsuntron 是北大毕业的,但你见他自我介绍时会说“你好我是孙宇晨,北大毕业...”嘛? 所以本质上,每个人的地位以及成就,与其学历之间并没有强相关性,尤其是币圈这种高增长市场里,学历与成就之间的关系微乎其微。 在币圈,你可以找到10个低学历但非常成功的人,那就一定可以找到同样10个高学历也非常成功的人。 因此对比学历高低与做KOL成功与否,是标准的“制造标签、分化群体、产生争论、吸引注意力”的流量Farm流程... 你之所以没有成为KOL,就是因为总是在这种刻意制造出来的话题中浪费时间... 爱吃咸豆花的人更适合做交易员; 经常熬夜的人通常善于投资; 说话很慢的人思考能力都很强; 发现了没,如果你把两个不相关的标签绑定在一起去发表观点,就会自然而然将群体分割成两个阵营,他们不会在乎成为优秀交易员的真正品质是什么,只会惊讶于居然还有人爱吃甜(咸)豆花?! 并为提出这个话题的作者提供源源不断的流量... 所以话说回来,庞教主能够年赚几百万的关键不在于他学历高低,而在于他能用学历高低硬控你们一整天... 懂了吗?
59
7
2
132
25,573
NextPluse retweeted
世界上最好的贵人,就是执行力超强的自己。
10
60
1
431
31,272
NextPluse retweeted
💡 You get 2,000 free Qwen Code runs every day! Run this one simple command: npx @​qwen-code/qwen-code@latest Hit Enter, and that’s it! 🚀 Now with Qwen OAuth support — super easy to use. Try it now and supercharge your vibe code! 💻⚡ Github:github.com/QwenLM/qwen-code
177
552
217
4,369
932,584
NextPluse retweeted
如果你想获得一个 buy.[x].a.coffee 格式的子域,请关注我并引用这个动态内容加上你想申请的子域 x 。 * v1 只会支持跳转到你指定的地址,暂无其他功能。 * 刚开始开发。 * 需要 >= 2个字符。 * buy.me.a.coffee 已经被保留。 * 也可以使用 A.coffee/[x] 访问。 * 不能占用其他人或者产品的名字。 * 不能是其他常用禁用词。 * 有可能因为其他原因部分词也无法使用。 * 同个名字先到先得。
6
6
27
16
19,776
「 SWE Agent, Data Scaling Law 」 Skywork-SWE: Unveiling Data Scaling Laws for Software Engineering in LLMs Data scaling law,只要数据继续增长,SWE Agent 的性能几乎呈 log-linear上升,且尚未见饱和。 作者构建全自动、执行可验证的data pipeline,构建了Skywork-SWE 数据集,并验证了data scaling law 在 SWE 任务上的适用性。 值得注意的是,作者发现“长上下文与多轮交互” 对 Agent 表现起到关键作用。 将 rollout ( try-observe-edit-test) 轮数从 10 增至 100,可带来近 10 pp 的解决率增益。
3
5
1
60
5,307
很多人在我的视频下面评论,说他也有过这个想法,只是无法这么清晰地表达出来 要解决这个问题,只需要一本书,李笑来的《思考的真相》,看完就会 然而,劝人读书 如 杀人放火,说了也白说
18
25
10
233
76,810
i will give $1,000 #Bitcoin  to 5 people in next 2hrs. To Join Just like, retweet and make sure you are following me.
1,182
2,676
38
3,671
262,928