lingergnn

@jaywcjlove 可以把域名托管到cloudflare，我的都放CF了。感觉以后干脆在CF买域名，省心省力。

阿里云 DNS 解析免费版限速了，开始要收过路费了 阿里云买的域名 我早早的将 DNS 在腾讯云 DNSPod 上解析 刚看了 腾讯云 DNSPod 其实早就收费了的 腾讯云专业版 99 元/每年 阿里云流量包的方式最低 150元/每年 👉 aliyun.com/notice/118259

@QuanH76157 @gan158234 是什么这样的。鸡娃是社会普遍现象，而不仅仅是穷人专利，富人也一样可能方式不同。而且不要极端化，大部分鸡娃，没有那么bt和极端，都在比较正常范围和空间内。

@gan158234 是这样的，这样的孩子心里也不健康，压力很大

越穷认知越低的家庭越会把考好成绩好学校当成翻身的唯一出路 习惯把整个家族的希望梭哈在十几岁的小屁孩身上

多 Agent 系统炒了一年，生产环境里真正活下来的只有三种模式。剩下的都在坟墓里。 这个结论不是我的。它来自三份今天同时浮出水面的证据——一份是 Cognition（Devin 背后的公司）工程负责人的内部复盘，一份是 Manning 作者 Micheal Lanham 的行业全景报告，还有一份，是 GitHub 上一个叫 metaswarm 的项目。 我把它们放在一起看，发现一件很有意思的事：它们说的竟然是同一句话。 --- ## 三个信号，同一个判断 **信号一：metaswarm——18 个 Agent，127 个 PR，一个周末** 今天 HN 上最火的项目。一个人 + 18 个 AI agent + 一个周末 = 127 个 PR 推到生产。MIT 开源。看起来是多 Agent 协作的终极案例。 但如果你仔细看它的架构，你会发现一个被刻意隐藏的细节：**它的 18 个 Agent 不是在对等协作。它是 map-reduce-and-manage。** 一个管理者拆任务，17 个子 Agent 各干各的，管理者收结果、合并、push。Agent 之间不互相聊天、不互相审查、不互相投票。每一个子 Agent 面对的是自己那一小块独立的上下文。 它看起来像 swarm，但其实是流水线。 **信号二：Walden Yan 的内部复盘——「写入保持单线程」** Walden Yan 是 Cognition 的工程负责人。他 10 个月前写了一篇《不要构建多 Agent 系统》，今天又写了一篇《多 Agent：什么真的有效》。 核心结论原话：「多 Agent 系统在今天最有效时，写入保持单线程，额外的 Agent 贡献智能而不是行动。」 他们试了三种模式： 1. **代码审查循环**——编码 Agent 写，审查 Agent 读。审查 Agent 拥有**完全干净的上下文**，不看编码过程，只看 diff。平均每个 PR 能发现 2 个 bug，58% 是严重的。关键发现：两个 Agent **不共享上下文**效果反而更好。因为上下文衰减——编码 Agent 工作几小时后积累了巨大的上下文窗口，注意力已经稀释了。干净的审查 Agent 反而更聪明。 2. **智能朋友**——主模型遇到棘手问题，调用一个更强（也更贵）的模型作为「朋友」。关键难点不是推理能力，是**沟通**：弱模型怎么知道自己到极限了？该传给强模型什么上下文？强模型怎么回话才能让弱模型真正理解？ 3. **管理者-子 Agent**——一个管理 Devin 拆任务，子 Devin 各干各的，管理者综合。遇到的问题全是**沟通问题**：管理者默认过度规定（因为它缺乏代码库上下文）、子 Agent 不主动报告该让兄弟姐妹知道的信息、Agent 之间默认不传消息。 三种模式，同一条规则：**写操作的 Agent 只有一个。** **信号三：Micheal Lanham 的行业全景——「多 Agent 失败是结构性的，不是提示词问题」** Lanham 是 Manning《AI Agents in Action》的作者。他今天的文章标题就说明了一切：《Multi-Agent in Production in 2026: What Actually Survived》。 他把多 Agent 系统分成三种拓扑： - **Agent-flow（流水线）**：顺序传递。A 做完交给 B，B 做完交给 C。这是生产环境里**存活率最高**的形态。 - **Agent-orchestration（编排）**：一个管理者调度多个执行者。map-reduce-and-manage。最实用的复杂任务形态。 - **Agent-collaboration（对等协作）**：Agent 之间互相通信、协商、投票。**几乎全死了。** 他的原话：「大多数看起来像『更多 Agent = 更聪明』的东西，其实只是相同信息的冗余重排列。」 三份报告，三个作者，没有互相引用。但结论完全一致。 --- ## 为什么「对等协作」全死了？ 答案藏在两个技术细节里。 **第一个，Walden 说的「操作携带隐式决策」。** 当一个 Agent 写代码时，它在做选择——用什么设计模式、怎么处理边界情况、变量命名风格、错误处理策略。这些选择不是显式的，是「隐式」的。 两个 Agent 同时写，就会对同一个问题做出互相冲突的隐式决策。最后合并的时候不是 merge conflict，是**设计哲学冲突**。这种冲突没有 diff 工具能自动解决。 **第二个，Lanham 说的「级联表面」。** 对等协作的失败不是线性的，是指数级的。Agent A 的误差传给 Agent B，B 放大后传给 C，C 再放大传给 A。三个循环下来，输出和输入的语义距离已经大到不可恢复。 这解释了为什么 2024 年所有那些「Agent 团队自动开发 App」的演示都停在了 demo 阶段。 --- ## 那活下来的三种模式长什么样？ **模式一：流水线（Agent-flow）** 最简单的形态。A → B → C，一个接一个。像工厂流水线。 适用场景：需求明确、步骤可分、输出可验证。比如：需求分析 Agent → 代码生成 Agent → 测试生成 Agent → 代码审查 Agent。 活下来的原因：每一步的输入和输出是明确的、可检查的。出问题能定位到具体环节。 **模式二：编排（Orchestration = map-reduce-and-manage）** 一个强 Agent 做规划 + 拆解 + 综合，多个弱 Agent 并行执行子任务。 适用场景：复杂任务需要并行加速，但决策权必须集中。比如 metaswarm 的 18 个 Agent，比如 Devin 的 manager-worker。 活下来的原因：写入操作只有管理者一个。子 Agent 贡献的是「智能」（分析、生成、搜索），不是「决策」。 **模式三：生成-验证（Generator-Validator）** 一个 Agent 写，另一个 Agent 读 + 挑刺。写的不看读的过程，读的不看写的过程。干净的上下文。 适用场景：代码审查、安全检查、内容审核。Walden 说他们在生产环境已经跑了很久。 活下来的原因：验证 Agent 的上下文是干净的。没有历史包袱，不会被编码 Agent 的错误假设带偏。 --- ## 一个反直觉的结论 看了这三份报告，我最大的感受不是「多 Agent 不行」，而是一个更微妙的东西—— **多 Agent 系统真正解决的问题不是「更聪明」，是「更便宜 + 更可靠」。** 用同样的钱，跑 5 个便宜模型的并行流水线，比跑 1 个贵模型做全流程，出活质量更稳定、容错率更高、速度更快。 这不是 AGI 的突破。这是系统设计的胜利。 Walden 在文章最后说的：「我们正在构建一个世界，智能被注入软件开发生命周期的每一个阶段——不是作为一群自主行动者，而是作为一个协调的系统，扩展人类的品味。」 注意这个词：「协调的系统」，不是「自主的行动者」。 --- ## 所以，别再造 Agent Swarm 了 如果你现在准备做一个多 Agent 项目，问自己三个问题： 1. **写入操作能不能只有一个人？** 如果能，继续。如果不能，单 Agent 可能更好。 2. **Agent 之间传什么上下文？传多少？** 这不是提示词问题，这是架构问题。传多了淹没接收者，传少了接收者无法做正确决策。 3. **失败会怎么级联？** 如果 Agent A 错了，Agent B、C、D 会跟着错到什么程度？有没有断路器？ 如果你对这三个问题没有清晰的答案，你就还没有准备好上生产。 多 Agent 的未来是真实的。但不是你想的那种未来。 不是一群 Agent 在聊天室里讨论怎么做。是一个指挥，多个执行者。是一种结构设计，不是魔法。 --- **参考来源：** - Walden Yan (Cognition): [Multi-Agents: What's Actually Working](x.com/walden_yan/sta…) - Micheal Lanham: [Multi-Agent in Production in 2026: What Actually Survived](@Micheal-Lanham/multi-agent-in-production-in-2026-what-actually-survived-f86de8bb1cd1" target="_blank" rel="nofollow noopener">medium.com/@Micheal-Lanha…) - metaswarm: [18 AI agents, 127 PRs to prod in a weekend](news.ycombinator.com/item?id=468649…) - Anthropic: [anthropics/skills](github.com/anthropics/ski…) ⭐

等这个建成投产上线，翻墙🪜方案是不是又多了一个选择，到首尔12ms延迟。听起来非常诱人啊。期待一下

@GetAskClaw 请教一周额度大概有多少token量呢？

ChatGPT Pro 很划算！因为 GPT-5.5 API 比 DeepSeek v4 Pro 贵39倍，比 DeepSeek v4 Flash 贵98倍。 - Fresh input: $5 / 1M - Cache read: $0.50 / 1M - Output: $30 / 1M - Reasoning: treated like output → $30 / 1M 过去24小时 Codex 花费（如果用 API）： - Fresh input: 24.36M × $5/M ≈ $121.80 - Cache read: 881.61M × $0.50/M ≈ $440.81 - Output: 3.57M × $30/M ≈ $106.96 - Reasoning: about 1.21M × $30/M ≈ $36.17 Total ≈ $705.73 Codex 的缓存命中不输 DeepSeek，超过97%！

@taozi0929 @fenseanna 是你在扩大，人家就是早说交通秩序，行就行，差就是差。你非要强调好一面坏一面的，故意把水搅浑。

@fenseanna 哪个国家都有可取的一面，不用扩大

不是我舔，事实就是有差距啊

AI coding真是方便，半小时kimi就帮我做了一个网站，收录了多篇beautiful essays: #readings" target="_blank" rel="nofollow noopener">green.daxiaojie.site/#readings

目前，亚太线路VPS最具性价比的当属RFCHost的jp co或jp co lite系列了。虽然偶尔会被ddos攻击，导致服务质量抖动，但胜在价格便宜，大部分时候是稳稳的。这个价格，搭配这个质量，还要啥自行车啊...

用kimi k2.6模型，ai coding了一个C语言实现的通信协议。异步IO+协议状态转换双状态机，各种状态转换，ai-coding做的也非常头疼，ai不断调试了好几天，token消耗一大堆。但一旦写好了，真是爽。单线程、CPU低占用、内存稳定在40m以内。和动辄几百兆内存的golang程序相比，简直就是美出了艺术感！而且，代码风格也非常nice...

@fanleiLex 有相对稳的翻墙方案，代价略高看你抉择：买腾讯云hk轻量vps+优选流量包。就有了一条大厂国内到hk高质量线路，hk地区买个国际互联好廉价vps作为真正出口。让腾讯云hk通过配置iptables转发廉价出口vps。国内客户端--优选线路-->腾讯云hk-->落地机vps-->国际。这就是我的自建方案。

VPN今天到期，续费一年要100块巨资。 推友们 一般怎么解决： 1, 不续费，省点钱买吃的； 2, 续费，反正我钱多； 3, 先等等，看看明天会不会取消墙。

@fanleiLex @tanzhengmc97 梯子就没有稳定一说。所以，建议起码手里有2个，哪怕其中一个质量差点的，防止失联。

@tanzhengmc97 有个稳定的很重要。 网络太依赖梯子了

@lingergnn41824 这么强吗?

DeepSeek v4 PRO输入cache命中率一直高居98%+。是咋弄的呢？这太牛了。放开了用，一天几个亿token，一天都超不过20块钱。冲了一百还没用完

@BelieveInChina @Kongkongda5882 删除不干净的。要想彻底删除干净就得卸载+重装APP。我删除+重装好几次了。就算把聊天记录全部删除，依然很大。只有删除app，才能彻底清理。

@lingergnn41824 @Kongkongda5882 微信的记录不舍得删还怪微信。我拿telegram看片都占200多G了我都没说话。我自己都看了啥我自己清楚，我就不抱怨telegram了。

我他妈的想半天想不明白，微信，QQ，抖音，快手，王者，这些东西明明是联网的，为什么一个APP能占高达十个G内存？他们到底是怎么吃下那么多内存的？ 关键他们嘴硬不承认，说什么只保留一段时间。但是，有人想要调查你的时候，你的记录他们想怎么查就可以怎么查。

@demonyins 没用过这家 我感觉目前东京线路性价比最高的是rfchost 的 jp co，我这边用起来很爽。浙江电信到他延迟39ms的样子。

@lingergnn41824 小秘书是最垃圾的东京路线。

是时候要给大家看看我的VPS八大金刚了。每个月根本用不完。 vnstat.yins.win

Deepseek v4 pro的命中率，99.62%，我的天。这个输入cache命中率，逆天了。就是claude code搭配deepseek v4 pro用的，这么高的输入缓存命中；都有点不太真实了。

@antiAIvo 真心牛。我了解了多个行业后，发现计算机IT互联网真的是给聪明人机会了。无论在学校表现如何，只要够聪明就给了施展空间。

我在数学推理这块一直很强 列举一下： 小学没有任何培养背景，秒解24点 全班只能我一人能解 数学老师觉得我有天赋， 可惜家里穷，父母初中毕业没文化 没有培养 初中整天玩 依然考上山东省前十的重点高中 高中被高考650+的同学评价我比他聪明很多 这个分段的人都是很自傲的，很难赞赏别人 大学挂科无数，整天打游戏，放飞自我 挂过高数、线代、复变、c语言等等十几门 结果临近毕业找实习 跨专业转吗，刷了一周的算法题拿到百度实习 实习四个月拿到腾讯等数家大厂的校招offer 当时c++完全不会，鹅厂四年T10年薪百万 作为导师，带过清华、斯坦福、伯克利的毕业生 总结就2点： 1.勤奋努力 2.我脑子的确好使

@yeppppp24 有的，可以公租房每个月报销房租。但买房补贴需要d类以上。不过我来了就买房了，也没用到过公租房补贴。

@lingergnn41824 应该有房补

发现杭州落户给好多钱啊，吗的真伤心，落户在上海一分钱都不给还要填一大堆表格还要申述项目对公司的影响，伤心