青雲

@Pluvio9yte @cccchuizi 贴一下，看看有没有机会上榜：callapi.top

短期：参与搭建 Harness Engineering，把在研发流程上的最佳实践落地，并在公司和社区推广使用。不管是工作成果，还是个人影响力，都会有很大提升。 中期：逐步扩大 Harness 的适用边界。这套范式理论上可以复用到任何场景，但前提是要像熟悉研发流程一样，吃透具体业务流程，才能抽象出适合 Agent 自动化运行的规范与边界。在这个过程中，如果能找到真正的痛点，并且具备规模化落地的条件，就可以考虑创业。 长期：持续提升认知，告别焦虑。世界有其底层运行规律，人性也有千百年不变的本质。大模型会重塑世界，改变工作和生活方式，但底层逻辑不会变：杀猪盘依然有人上当，传销屡禁不止，黄赌毒杀伤力依旧，资本仍在收割普通人，人性的贪婪与自私从未消失，自然力量也永远值得敬畏。我们看到的日新月异，很多只是自己愿意看到的一面。 人可以适应一切环境，也必须适应一切环境。程序员这个圈子其实很小，就算真的被替代，也还有无数领域可以探索。保持持续学习，守护身心健康，活在当下，才是最重要的。

boss-skill 3.4.0 发布。 这次更新把它从“主要靠 prompt 编排”的工具，推进成了一个真正可运行、可观 测、可扩展的研发流水线内核。 现在： - 关键流程统一进入 runtime CLI - pipeline / stage / agent / gate / plugin 都有明确状态 - execution.json 变成只读视图，状态可由事件流重建 - 排障、回放、总结、诊断都有统一入口 结果是更稳、更透明，也更适合长期扩展。 github.com/echoVic/boss-s…

最近一周都在深度迭代 blade-code，发布了0.3.1版本，变更如图。 这次迭代引入了Harness Engineering 范式，比如Ralph Loop、config 自配置、独立的验证 agent、重要变更 review 等。 有个重要的变更：update-config这个 built-in skill 直接把自己的职责定义成“配置 Blade harness（settings/hooks/permissions）”。 用户说“从现在开始，每次改 TS 文件都自动检查”时，这不再是一句模糊建议，而是一种可以落到系统里的行为约束。 意味着团队可以逐步把自己的工程习惯沉淀进 Harness，而不是每次重新口述。

@SuperRayan 你是问中转站有没有 codex 吗？有的，callapi.top 进去选 codex 特价分组

@echo_vic 请问有codex 吗

最近迭代 blade-code 的心得： 让 codex 模拟人类深度使用，提反馈。然后 claude code 去解决，再交由 codex review。 在想怎么把这个流程串起来，然后自动化的跑，那就可以不断迭代优化

@linxzh @IceBearMiner 相对稳定，企业高可用也有，但价格相应也高

@echo_vic @IceBearMiner 你好，稳定不

@linxzh @IceBearMiner 我这边有 cc，多渠道都有

@IceBearMiner 号商能不能看看我，我有几千人群，准备做个中转，靠谱的朋友联系

@blade-ai/agent-sdk - 1.0.4版本发布： - c276ab3 refactor(tools): 移除 displayContent 字段并统一使用 metadata.summary - 6307a10 feat: 引入 ConversationState 和 ExecutionEpoch 实现消息单一事实源与事务边界 - 4e3cf2a refactor: 优化代码中的空值检查和类型安全处理 - 789024c feat(session): 添加会话恢复支持和turn_end事件转发 - ee7cb3f feat(agent): 重构后台代理管理器以支持多运行时和进度跟踪 - 53ea992 refactor(agent): 提取运行时补丁管理和循环钩子构建逻辑 - a84abfe feat(tools): 引入工具目录、运行时补丁和工具发现机制 - 7c0ea04 feat(skills): 实现基于运行时补丁的技能激活系统 - 6195b4f feat(agent): 改进上下文溢出恢复机制，支持嵌套错误检测 - 5bbcda5 feat(agent): 实现流式工具执行器并修复参数预处理 - 219a940 feat: 新增会话隔离的子代理注册表和可选内存工具 github.com/echoVic/blade-…

@noahduck283 行动起来 callapi.top

中转token后下一个赚钱的风口 读完懂得已经在行动了

@PandaTalk8 github.com/echoVic/blade-…

有做 AI Agent开发的吗， 你们会用什么样的开源Agent 框架 ？

@xuwencheng @tom_doerr 人来背😂

@echo_vic @tom_doerr 9个Agent全包？那debug时谁背锅😂

Orchestrates multi-agent pipelines for development automation github.com/stephenleo/bma…

@Pluvio9yte cmux

ghostty和iterm2，大家更推荐哪一个呢

Claude code 还是强又稳，配合 ralph-loop 连续跑了 5 个多小时，完成一个大的重构，花了小 400

高质量学习系统的核心不只是持续提炼，而是持续克制；能分清“新增认知”和“旧结论复核”，比硬写一段漂亮总结更重要。 长期记忆和知识图谱的价值，来自升级门槛稳定，而不是更新频率高。

Hermes Agent 的"自注册 + 运行时可用性检查 + 动态 Schema 重建"三连击是一个值得复制的模式。太多 Agent 框架在工具 Schema 中硬编码了对其他工具的引用，导致当某些工具不可用时模型产生幻觉。动态移除不存在的跨工具引用，是一个看似微小但影响深远的设计决策。 有界记忆不是退而求其次，而是一种设计哲学。无限记忆看似更强大，但实际上会导致系统提示膨胀、检索噪声增大、缓存失效等问题。Hermes Agent 的冻结快照模式——记忆在会话开始时冻结，中间写入仅持久化但不改变系统提示——是在 LLM 推理成本（前缀缓存）和信息新鲜度之间找到的一个精妙平衡点。 Hermes Agent 的"使用 -> 创建技能 -> 改进技能 -> 压缩轨迹 -> RL 训练"闭环是 AI Agent 领域一个令人兴奋的方向。当前大多数 Agent 框架只是 LLM 能力的消费者，而 Hermes Agent 试图成为 LLM 能力的共同生产者。这可能代表了 Agent 框架发展的下一个阶段。

@bobpang425 不是不可以，OpenClaw 负责多平台接入、配对、安全、presence、UI/Canvas； Hermes 负责强工具链、可控压缩/缓存、训练/评测、记忆 provider 生态

@echo_vic 在同一个项目中同时使用这两者？🤣

对比了Hermes + OpenClaw，我觉得长期运行 agent 最关键的不是“更聪明的模型”，而是三件事： 1) 边界：什么是稳定前缀、什么是临时态；什么能持久化、什么只是一次调用的上下文。 2) 可控：工具必须可用性过滤 + 权限 gate；危险操作不能只靠 prompt。 3) 可恢复：会话/状态可检索、可压缩、可续跑；失败时能 failover。 Hermes 把 1)2)3) 都做得很系统；OpenClaw 则把“让人愿意每天用”的产品形态与运维体验做到了前面。