即刻App年轻人的同好社区
下载
置顶费曼学习法，相信代码和自媒体。
坚持原创的科技博主，也正在孵化自己的产品。
极客时间有一门「成为AGI产品经理」
（看了也不一定能成为，但可以带你走在成为的路上）
传播较广的几篇文章，有可能你也看过：
1. 产品经理研读：Agent的九种设计模式(图解+代码)：mp.weixin.qq.com
2. Agent开发者坦白：窘境中前行：mp.weixin.qq.com
3. 用一张图理解所有的AI“聊天”产品：mp.weixin.qq.com
4. 我在调研了十几个知识库对话产品后整理出来的功能清单：mp.weixin.qq.com
5. RAG组合拳：AGI应用走向落地的40%：mp.weixin.qq.com
6. 做大模型AI应用一定要了解的成本计算公式：mp.weixin.qq.com
坚持原创的科技博主，也正在孵化自己的产品。
极客时间有一门「成为AGI产品经理」
（看了也不一定能成为，但可以带你走在成为的路上）
传播较广的几篇文章，有可能你也看过：
1. 产品经理研读：Agent的九种设计模式(图解+代码)：mp.weixin.qq.com
2. Agent开发者坦白：窘境中前行：mp.weixin.qq.com
3. 用一张图理解所有的AI“聊天”产品：mp.weixin.qq.com
4. 我在调研了十几个知识库对话产品后整理出来的功能清单：mp.weixin.qq.com
5. RAG组合拳：AGI应用走向落地的40%：mp.weixin.qq.com
6. 做大模型AI应用一定要了解的成本计算公式：mp.weixin.qq.com
19 514
看完A社《2028年：全球人工智能领导地位的两种情景》 ,感觉Dario真是疯了。内容过于敏感，大家自行搜索。
1. 过度关注竞争对手，是走向落后的开始。
2. Claude Code 到期后，我不会再续了，全面转向Codex。所以，对于OpenAI来说，只要等对手犯错就可以了。
3. 华人工程师、研究员在A社在无形中会流失。
4. Claude可以没有意识到，它将失去潜力巨大中国出海企业的市场空间。
5. 格局放大一点，AI是全人类的AI， 不是一国的AI，AI最安全的发展是： 不同利益集团有相互制衡彼此的能力，像核武器一样。 --这一点是来自于受 @张小珺 与姚顺宇的对谈。
1. 过度关注竞争对手，是走向落后的开始。
2. Claude Code 到期后，我不会再续了，全面转向Codex。所以，对于OpenAI来说，只要等对手犯错就可以了。
3. 华人工程师、研究员在A社在无形中会流失。
4. Claude可以没有意识到，它将失去潜力巨大中国出海企业的市场空间。
5. 格局放大一点，AI是全人类的AI， 不是一国的AI，AI最安全的发展是： 不同利益集团有相互制衡彼此的能力，像核武器一样。 --这一点是来自于受 @张小珺 与姚顺宇的对谈。
10 311
感谢Mindcode 提供了那么好的听众，会后被很多“一句话感受”戳中， “世界上有两种重要的能力，一种是构建东西，一种是卖东西；两个都很难”。过去的十几年都在努力做好产品，下一个十几年学好卖东西。
文兄MattWen: 这期mindcode闭门会 是我跟 @产品二姐 聊，很有意思。很坦诚开放，有现场感的一期。 真好。
5 20
最近在codex 里使用 harness，自动化程度真的很高了，基本写好PRD， 隔一两个小时看一下，而且token 消耗也低（因为无干扰情况下系统可以很好的命中cache）。
具体构建harness 的方式是：
1. 访问book2skills.com， 搜索 harness， 安装相关的3个skill（图1）。
2. 在codex里输入： 使用这几个skill 为自己的项目构建harness系统。
3. 完成后，codex 会创建以下内容：
- 概览内容： 文档地图，系统架构...；
- 项目管理：exec-plan，执行计划，backlog，technical debt， progress，task 等；
- session管理机制：session指的是在长时间任务下，如何做好不同任务之间的转换，即如何确认开启一个新对话，开启新对话后如何更新相应的进度，如何做好下一个对话的衔接。
- 我在这里还没有开始使用harness里的evalator 和generator对抗的机制，是因为目前的需求比较简单，另外为了省token，evalator和generator会消耗大量的token 。
4. 和Codex 共建，优化再优化你的PRD。
5. 根据新的PRD 重新构建backlog。
6. 发出最后指令：依次完成backlog里的任务。
7. 等待完成。
PS: 以上步骤在codex 上线GPT 5.5 之后，效果已经远高于Claude code Sonnet 4.6。 O社与A社的你追我赶尚未定局。过几年后视镜来看， A社对华的敌视可能是ta犯的最大错误。
具体构建harness 的方式是：
1. 访问book2skills.com， 搜索 harness， 安装相关的3个skill（图1）。
2. 在codex里输入： 使用这几个skill 为自己的项目构建harness系统。
3. 完成后，codex 会创建以下内容：
- 概览内容： 文档地图，系统架构...；
- 项目管理：exec-plan，执行计划，backlog，technical debt， progress，task 等；
- session管理机制：session指的是在长时间任务下，如何做好不同任务之间的转换，即如何确认开启一个新对话，开启新对话后如何更新相应的进度，如何做好下一个对话的衔接。
- 我在这里还没有开始使用harness里的evalator 和generator对抗的机制，是因为目前的需求比较简单，另外为了省token，evalator和generator会消耗大量的token 。
4. 和Codex 共建，优化再优化你的PRD。
5. 根据新的PRD 重新构建backlog。
6. 发出最后指令：依次完成backlog里的任务。
7. 等待完成。
PS: 以上步骤在codex 上线GPT 5.5 之后，效果已经远高于Claude code Sonnet 4.6。 O社与A社的你追我赶尚未定局。过几年后视镜来看， A社对华的敌视可能是ta犯的最大错误。
10 011
V4终于出来了，为了避免被卡脖子，算力资源上应该是克服了不少困难。
想起一年前发的视频，那时候预测是2025年底出货，现在出来也不算晚，希望成为国货之光。
至少Deepseek V3的低成本优势，让我们在早期维持盈利，如果换做sonnet，可能是完全不一样的成本开支。
期待能从“性价比之王”赶超世界顶尖水平。
想起一年前发的视频，那时候预测是2025年底出货，现在出来也不算晚，希望成为国货之光。
至少Deepseek V3的低成本优势，让我们在早期维持盈利，如果换做sonnet，可能是完全不一样的成本开支。
期待能从“性价比之王”赶超世界顶尖水平。
2 00
这是我第三次阅读A社的skills介绍，
从【概览】到【企业级技能】
platform.claude.com
读完又有新的体会。
如果你也能花十分钟读完，就可以做到：
1. 几乎不用看任何关于skills概念的其他文章。
2. 有效识别什么算一个好的skill。
3. 你自己创建skill应该注意什么。
4. 拿到一个skill 应该如何让它变得更适合你。
PS: 虽然claude不对华友好，但是仍然提供了中文版本，无阅读障碍。
从【概览】到【企业级技能】
platform.claude.com
读完又有新的体会。
如果你也能花十分钟读完，就可以做到：
1. 几乎不用看任何关于skills概念的其他文章。
2. 有效识别什么算一个好的skill。
3. 你自己创建skill应该注意什么。
4. 拿到一个skill 应该如何让它变得更适合你。
PS: 虽然claude不对华友好，但是仍然提供了中文版本，无阅读障碍。
0 03
说一个庸俗的想法，Claude开启真人验证后，我想起了零几年在人大门口做假证的那帮人，不知道他们还开展这个业务吗？
有人推荐改用codex，事实上用过codex的人，就知道二者差距，至少现在是这样。
有人推荐改用codex，事实上用过codex的人，就知道二者差距，至少现在是这样。
0 00
一旦明白harness诞生的初衷，就会理解为什么Harness要这么做，以及怎么改进它。
参考A社的两篇关于Harness的文章标题都写了“long-running”（图1）
从开发者角度，harness 是为了达到无人值守开发的目的。推而广之，需要长期维护的项目也需要用harness。
比如今天有朋友问：
“如果用AI Coding工具在之前很大的一个系统上去迭代，应该怎么做呢。不可能把之前的页面全部做一遍吧。”
那么一旦涉及“长”时间和“长”期项目，就需要保证AI Agent 发挥的稳定性。所以你会看到，在Open AI 和 Anthropic的实践中，看到以下步骤。
其中的基础步骤我已总结成skills，放在这里分享：claudeleakage.com。
大家拿到后安装，直接调用skills就可以完成项目基础的harness engineering建设了，定期跑一下，对项目的长期维护有很大好处。
第一步（图2）： 做一个项目地图，像一个索引一样。 Agent每开始一个任务，首先来这个看索引，找到它应该去看的内容。比如Agent要新增一个页面，它看到这里会有一个design标准、前端框架文档，就会倾向于从众多文档中读这两个文档。
第二步（图3）：在地图里的各个文档中查找具体标准和详细内容。比如架构文档architecture.md中，会有项目采用的前、后端框架等等。
前两步解决了横向的内容广度问题。
接下来的一步要完成纵向的时间维度问题，也就是长任务会拆成若干个子任务，如果把一个长任务都放在一次对话中，会产生记忆爆炸的问题，这时候任务的衔接就会需要用到第三步。
第三步（图4）：对话管理。它像一个项目进度记录一样，记录了现在有什么任务还没有完成，当前进行的任务的进度 Progress.md等等。 这样，每次开始新任务，Agent可以触发总结之前的任务进度，以便后续任务作为上下文使用。
以上三步是基础步骤，harness engineering的进阶版需要引入评估器，但这玩意还是挺消耗token的，因为每次都要对已经完成的任务进行评估、测试，耗时、耗力、耗钱，一般情况下我理解用这三步基础的就够。
参考A社的两篇关于Harness的文章标题都写了“long-running”（图1）
从开发者角度，harness 是为了达到无人值守开发的目的。推而广之，需要长期维护的项目也需要用harness。
比如今天有朋友问：
“如果用AI Coding工具在之前很大的一个系统上去迭代，应该怎么做呢。不可能把之前的页面全部做一遍吧。”
那么一旦涉及“长”时间和“长”期项目，就需要保证AI Agent 发挥的稳定性。所以你会看到，在Open AI 和 Anthropic的实践中，看到以下步骤。
其中的基础步骤我已总结成skills，放在这里分享：claudeleakage.com。
大家拿到后安装，直接调用skills就可以完成项目基础的harness engineering建设了，定期跑一下，对项目的长期维护有很大好处。
第一步（图2）： 做一个项目地图，像一个索引一样。 Agent每开始一个任务，首先来这个看索引，找到它应该去看的内容。比如Agent要新增一个页面，它看到这里会有一个design标准、前端框架文档，就会倾向于从众多文档中读这两个文档。
第二步（图3）：在地图里的各个文档中查找具体标准和详细内容。比如架构文档architecture.md中，会有项目采用的前、后端框架等等。
前两步解决了横向的内容广度问题。
接下来的一步要完成纵向的时间维度问题，也就是长任务会拆成若干个子任务，如果把一个长任务都放在一次对话中，会产生记忆爆炸的问题，这时候任务的衔接就会需要用到第三步。
第三步（图4）：对话管理。它像一个项目进度记录一样，记录了现在有什么任务还没有完成，当前进行的任务的进度 Progress.md等等。 这样，每次开始新任务，Agent可以触发总结之前的任务进度，以便后续任务作为上下文使用。
以上三步是基础步骤，harness engineering的进阶版需要引入评估器，但这玩意还是挺消耗token的，因为每次都要对已经完成的任务进行评估、测试，耗时、耗力、耗钱，一般情况下我理解用这三步基础的就够。
0 01
父亲70岁，身体健康。打算五一期间骑自行车从北京回老家（陕北榆林），总路途815公里，预计12-15天，日行40-90公里，想发帖问一下沿途路况，有骑过以下部分路段，或对路段比较熟悉的朋友，尤其是进入山西穿行太行山这段路的路况，如能告知不吝感激！
以下是高德目前规划出来的路线图，两步路上的路线有点老，另外父亲年龄比较大了，难度要降低，能回去就行。
骑行装备：目前打算是日本丸石内三速城市自行车， 不需要快，只需要稳。
Day1： 北京昌平 -> 涿州, 84公里
Day2： 涿州 -> 保定 ， 86公里
Day3：保定 -> 定州 63公里
Day4：定州 -> 石家庄 74公里
Day5：石家庄 -> 平阳湖景区 69公里
Day6：平阳湖 -> 阳泉 42公里
Day7：阳泉 -> 寿阳县 42公里
Day8：寿阳 -> 晋中 56公里
Day9：晋中 -> 交城县 63公里
Day10：交城县 -> 汾阳 52公里
Day11：汾阳 -> 吕梁 78公里
Day12：吕梁 -> 吴堡 56 公里
Day13：吴堡 -> 绥德 57公里
以下是高德目前规划出来的路线图，两步路上的路线有点老，另外父亲年龄比较大了，难度要降低，能回去就行。
骑行装备：目前打算是日本丸石内三速城市自行车， 不需要快，只需要稳。
Day1： 北京昌平 -> 涿州, 84公里
Day2： 涿州 -> 保定 ， 86公里
Day3：保定 -> 定州 63公里
Day4：定州 -> 石家庄 74公里
Day5：石家庄 -> 平阳湖景区 69公里
Day6：平阳湖 -> 阳泉 42公里
Day7：阳泉 -> 寿阳县 42公里
Day8：寿阳 -> 晋中 56公里
Day9：晋中 -> 交城县 63公里
Day10：交城县 -> 汾阳 52公里
Day11：汾阳 -> 吕梁 78公里
Day12：吕梁 -> 吴堡 56 公里
Day13：吴堡 -> 绥德 57公里
3 80
Claudeleakage.com 上线 《Claude code 之harness engineering 从入门到实践》PDF，开放下载，欢迎大家阅读。
claudeleakage.com
有些同学问，为什么我们要研究Claude code，Claude在泄露源码前就开放agent SDK，也可以配上不同模型使用。我的回答是：你是一个车主，你买特斯拉就够了，但是，你是个造车的，买来仅仅开就不够了。 我们想做的就是：Claude code的“整车改造”。
这是中国制造走向中国创造的路，软件上也同样适用。再说，哪怕你不是造车的，你也可能是个修车的，借鉴其部分思想都是有益的。
claudeleakage.com
有些同学问，为什么我们要研究Claude code，Claude在泄露源码前就开放agent SDK，也可以配上不同模型使用。我的回答是：你是一个车主，你买特斯拉就够了，但是，你是个造车的，买来仅仅开就不够了。 我们想做的就是：Claude code的“整车改造”。
这是中国制造走向中国创造的路，软件上也同样适用。再说，哪怕你不是造车的，你也可能是个修车的，借鉴其部分思想都是有益的。
5 25
果然代码泄露之后有更大的瓜了。
实际上Mythos在3月26号就Anthropic 因数据缓存配置失误，将模型「Claude Mythos」信息的内部文件和博客草稿公开暴露于网络，外界由此在官方公告前得知其存在。Fortune 报道后，Anthropic 当天即下线该数据缓存。
虽然Mythos现在不能用，但是以后呢，估计也不会藏着掖着。
能不能用先放在一边， 第一时间把官方pdf 报告拿来解读一下。
重点解读了第六章：能力评测。代表着模型未来的能力方向。
直接访问链接解读：
claudeleakage.com
这里放几张截图。
最让我注意的两点：
1. 深度检索能力，Mythos Preview用226Ktokens(Opus 4.6的1/4.9)达到更高准确率。也就是token花费少了，效果更好了（图6）。
2. 目前完成度还不够好的能力有：
- 软件工程SWE-bench 多模态测试集，即在 issue 描述中加入截图、设计稿等视觉上下文，测试模型结合图文信息完成工程任务的能力。目前得分59.0%.（图3）
- 智能体搜索：Humanity's Last Exam。2500 道覆盖人类知识边界的多模态题目，号称"最难的 AI 基准"。目前得分64.7%（图7）。
- 电脑自动化：OSWorld。让智能体在真实 Ubuntu 虚拟机中，通过鼠标和键盘完成实际电脑任务：编辑文档、浏览网页、管理文件。以 1080p 分辨率运行，每任务最多 100 步操作。目前得分 79.6%（图8）
官方pdf 报道在这里：
www-cdn.anthropic.com
实际上Mythos在3月26号就Anthropic 因数据缓存配置失误，将模型「Claude Mythos」信息的内部文件和博客草稿公开暴露于网络，外界由此在官方公告前得知其存在。Fortune 报道后，Anthropic 当天即下线该数据缓存。
虽然Mythos现在不能用，但是以后呢，估计也不会藏着掖着。
能不能用先放在一边， 第一时间把官方pdf 报告拿来解读一下。
重点解读了第六章：能力评测。代表着模型未来的能力方向。
直接访问链接解读：
claudeleakage.com
这里放几张截图。
最让我注意的两点：
1. 深度检索能力，Mythos Preview用226Ktokens(Opus 4.6的1/4.9)达到更高准确率。也就是token花费少了，效果更好了（图6）。
2. 目前完成度还不够好的能力有：
- 软件工程SWE-bench 多模态测试集，即在 issue 描述中加入截图、设计稿等视觉上下文，测试模型结合图文信息完成工程任务的能力。目前得分59.0%.（图3）
- 智能体搜索：Humanity's Last Exam。2500 道覆盖人类知识边界的多模态题目，号称"最难的 AI 基准"。目前得分64.7%（图7）。
- 电脑自动化：OSWorld。让智能体在真实 Ubuntu 虚拟机中，通过鼠标和键盘完成实际电脑任务：编辑文档、浏览网页、管理文件。以 1080p 分辨率运行，每任务最多 100 步操作。目前得分 79.6%（图8）
官方pdf 报道在这里：
www-cdn.anthropic.com
2 00