AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

Jev 创始人 Diogo Almeida 亲手写了一份十二页蓝图，讲怎么把决策核接到 Claude、Codex、Grok 或任何大模型上。十步搭一套更快更便宜更可控的系统。这文档比多数付费课实在，实在在它教你给每个提示词建控制系统，控制系统四个字是全文的魂。

这文档我读完的第一反应是它比多数付费课实在。实在在它不教你写更大的提示词，教你给每个提示词建一套控制系统。控制系统这四个字是全文的魂，魂在哪一层层剥。剥完你就知道这十步为什么值得抄一遍，抄的姿势在下面摆着，摆好了看第一步。
先说这十步的分量，十二页装下一个完整的控制论，页页能对照着改代码，改完的系统才配叫可控。第一步是把责任切开。大模型管生成，Jev 管有界的语义决策，确定性的代码掌最后一道权，三权分立的架构我第一眼就服。

服在它承认了模型会犯错这个事实。承认事实的设计才敢上生产。不承认的设计都在赌模型永远聪明，赌输的系统上线那天就是事故纪念日。纪念日过多了团队就开始无差别加人工审核。审核加到人人签单的那天效率归零，归零的流程养不活公司，公司黄了的那天才想起当初该切责任而不是加审核。

切责任的第一刀就是这一步。切完的第二步是给决策核喂状态，喂的不是整段对话，是当前请求、相关证据、政策和建议动作四样，喂得少而准的决策核跑得又快又省。省下的都是真金白银。
中段三步是一前一后的夹心结构，第五步把决策核放在大模型前面，先选好上下文、工具、供应商和工作流再花钱调生成模型。这一步省的是冤枉钱。冤枉钱花在把整段对话丢给贵模型让它猜你要干嘛，猜的过程烧的都是你的预算，预算烧完项目就黄了，黄了的项目没资格谈第六步。

第六步是给模型划一个有界的活。路线定了模型只收这条分支需要的指令、文件和工具，活划小了模型干得又快又准。准的产出少返工。返工少了人就轻松，轻松的晚上能睡觉，睡觉是程序员最好的补剂。

补剂吃完第二天接着划边界。划边界这个动作会上瘾，上瘾的原因是效果立竿见影，立竿见影的改进人见人爱。
第八步三级分流跑起来之后，第九步把独立判断批量问掉，一个共享状态上同时发多个选择题和评分题。比每问一次调一次模型便宜一大截。批量的折扣是工程里最实在的折扣。第十步给每个决策记完整回执，状态版本、问题、概率、路线、模型、延迟、结果、人工干预八样俱全，可审计的决策才进得了大企业的门。

后三步是让系统学会看人下菜碟。第八步按置信度路由，高置信度低风险的自动放行。拿不准的多要一点上下文，后果大的送去人工复核。三级分流把人只用在该用的地方。该省的地方全自动。该花的地方不眨眼，这分寸感是自动化项目的核心手艺，手艺这东西文档写不全只能靠抄，抄熟了就是你的。

你的第九步是把独立的判断批量问掉。一个共享状态上同时问多个选择题和评分题，比每个判断单独调一次模型便宜得多。批量的折扣是工程里最实在的折扣，实在到我每次看到批量优化都想给作者发红包。红包是虚拟的但感谢是真的，真的感谢写在第十步里，第十步是给每个决策记一张完整回执。
这四步前后的呼应是全文最漂亮的地方，前选上下文后查越界，一进一出把贵模型夹在安全区里，安全区里的模型放心得多。点评就一句，多数课程教你把提示词越写越长，这份蓝图教你把提示词关进笼子，笼子外面是状态、回执和三道检查。

笼子里的模型反而干得更快更省。更省的结果是上下文更小、调用更少、工具执行更安全、决策可以检查可以测试可以改进，四样好处摆齐了，这份十二页就值回所有时间。值回时间的文档值得收藏。收藏的动作在最后一段的上面那段已经教了，教完就真到尾了，尾不长，短到两行，两行装得下这篇的诚意。

诚意满格等你翻，翻吧，翻过这页就是结尾，结尾读完正式画句号。句号是圆的，圆的东西滚得远，滚到你手里就是读完了，读完的点赞，点完散会，散会，礼数给足，阅读愉快，愉快的结尾从不拖长。
用法记一行，把十二页蓝图和原文一起丢给 Claude Code 或 Codex，让它从最贵的那个决策开始，一次重建一个，重建完回来点赞，句号。

好莱坞和硅谷都待了几十年的人，写下一封关于 AI 和创作的万字信。

开头是一幕对照。一位创始人给他看了段做全的动画场景，那感觉像 1986 年第一次看 Luxo Jr。当天晚些时候，认识三十年的一位艺术家发来一句，"这是我们的末日吗"，回的是，当然不是。

历史那段摆开。1906 年美国最有名的作曲家 John Philip Sousa 发过文章，警告留声机会变成"人类技巧、智慧和灵魂的替身"。可他真正争的是钱。机器播他的曲子，做机器的人一分不给他。他没挡住技术，他改写了技术用他作品的条款，促成了 1909 年的版权法。

声音进电影那段也照录。此前几万名乐手在影院乐池里每晚现场配乐。原声一来，一个作曲家一支乐队录一遍，就铺到几千家影院。工会把这叫"罐头音乐"，打横幅抗议。乐池里的活没再回来。可声音带出了歌舞片、现代配乐、音效设计和声音工程，一门比被它搅动的那门大得多的艺术。

Walt Disney 那节是全篇最值钱的地方。八十年代中期接手动画部门，一部片子是十二万五千张手绘上色的赛璐珞，每次返工按月计价。他们从迪士尼档案里的录音和分镜笔记中找到了答案。华特谈角色、谈情绪、谈观众什么时候信了那个角色，一句也没提铅笔和颜料。他定义动画靠的是观众信不信，不是工具。

于是他们和一家叫 Pixar 的北加州小公司一起做了 CAPS 那套系统，把手绘上色换成计算机动画（CGI）。小美人鱼的尾场、美女与野兽的舞厅、阿拉丁的宝藏洞、狮子王的奔马，都是老流程做不出来的维度和光。

技术没削弱手艺，它把画布撑大了。十年后，梦工厂（DreamWorks）下决心关掉手绘转全计算。那一步让一些人丢了干了一辈子的位子。有人跳上新工具，做出职业生涯最好的活，有人再没跳上去。

2016 年他把梦工厂卖掉，在北加州共同创办 WndrCo，投了五十多位创始人，这也写进了那封信的自述里。

推理和创造那半，是它自己问模型得来的答案，记下来。推理是评估和分析，跑在已有的事实、前提和证据上，奔着那个答案早就暗示过的地方去，受逻辑与真约束。创造是生成，产出此前不存在的东西，白纸上无数个都成立的答案，靠品味、直觉和眼光填上推理耗尽后那一段空。

硅谷这些年练的是推理那侧，好莱坞练了一个多世纪的是创造那侧。模型眼下几乎整个站在推理那条线里。它还不曾有的，是共情、投入、偶然，是一个人只想说出只有自己说得出的那种劲儿。乔布斯那句"苹果的基因（DNA）里，光有技术不够"也被引了进来，技术要和人文结亲。

"带上讲故事的人，不是骑在他们之上"这半句是全场重心。前面模型不会自验那篇讲的是工程侧怎么兜住质量，这条讲的是产业侧怎么把条款写出来。跟前面三道算术呼应，那条算的是价格，这条算的是分成，两边都在回答同一件事，能力到手之后账怎么分。跟前面二十三年没动的下界也对得上，一边是憋得久的难题，一边是催得紧的条款。

话尾那句我也留着，爱迪生发明了电影，拍的片子很糟，是查理·卓别林那批人让电影有了情绪；画布又要扩一次，这次该先定下来，我们要在上面画。

我留的疑问有三处。同意、署名、报酬这三条各该怎么落没给细则；北方那侧拿什么换创造力没说；那句"共情与投入还缺着"多久补上也没交代。

这周挑一件自己手上最像"第十九次返工"的活，问它一遍：这次要改的是工具能解决的那半，还是只有人才说得出的那半。

同一个任务丢给四个模型，用 Three.js 搭埃菲尔铁塔。出来四份报价单和四张脸，这测法够狠，狠在它把审美和成本同时摆上了秤。狠在它把审美和成本同时摆上了秤，秤上的数字在下面一行行摆，摆好了自己看。

狠在它把审美和成本同时摆上了秤，秤上的数字在下面一行行摆。摆好了自己看。看完你就知道这轮谁赢了谁翻车，翻车的在第四位，第四位先卖个关子，关子在下段，下段先看第一名。
第一名是 Opus 5.5，报价八块九毛五。用时十分钟，前端和三维细节被评真的很出色，还压过了同门的 Astra。这句评语的分量在于它夸的是细节不是速度，细节是审美的活证据。活证据摆出来跑分党就没话说了，没话说的对比才服人，服人的第一名配得上这个价，价高但值，值在哪，值在你打开页面那一眼的哇。
第三名是 GPT-6 Sol，三块九毛五五分钟。速度最快价格最便宜，但结果被评为有点失望，便宜和失望凑一块就是最危险的组合。危险在它证明了速度不是一切。一切以快为纲的调用最后都栽在成品上。成品糙的代价是返工，返工的成本比省下的两块五贵十倍。十倍是后话，先说它为什么快不起来也精致不起来。
第四名是 Kimi K3，四块零四分六分钟。成绩单被评非常划算，用差不多一半的成本交出了很强的结果。一半的价格双倍的快乐这句放它身上正合适。合适到我当场给国产模型记了一功。记功的原因是它把性价比这条赛道跑出了加速度，加速度的下一步是 K3.1。作者直接预判那会是个怪物。怪物这个词在评测圈是最高级别的夸奖。
行动建议就一条，同题测试自己跑一遍，四个模型的价格表给你了，花十几块钱的成本就能选出自己的主力。选主力这事别信榜单信手感，手感是你打开成品那一下的直觉。直觉骗不了人，骗人的榜单年年有，年年有榜单翻车的新闻。翻车的新闻看多了就学会了一句话。把钱花在哇的那一声上，哇完的模型才是你的模型。

有人把 OpenRouter 的路子搬进了智能体运行环境，一个界面管着九家以上的运行壳。它的自我介绍一行大写：SOMEONE JUST BUILT 一个 AI AGENT HARNESSES 的 OpenRouter。

HARNESSROUTER LETS YOU RUN CODEX HERMES CLAUDE CODE DEEPSEEK HARNESS JEVS SYSTEM ONE，9+ MORE THROUGH ONE UNIFIED INTERFACE。这名字起得直白，HarnessRouter，壳路由器，这名字起得实在，一听就懂干啥的。
痛点是每家运行环境都自成一套，各玩各的规矩，规矩之间不通话，Codex 一套规矩，Claude Code 一套规矩，DeepSeek 的壳又是一套。累在配置要重配。
统一入口这词听着平常，省下的不只是时间，还有脑子的切换成本，这成本不记账单但真实存在。切一次工具缓半天才能进入状态，状态被打断三次一上午就废了，废掉的上午是账单。名单上那几位都熟。Codex 是写代码的主力，Hermes 是另一派的壳，Claude Code 是我天天开的那个。
保留那句放中间层天生的位置上，中间层的命脉是上游改接口它就得跟。

仓库在这，github.com/HarnessRouter/… ，十一家运行壳一个入口，装了回来点赞，句号。

兄弟们挖到一个超牛网红网站，看完我惊呆了。点进去翻了下：它把全球城市和生活成本直接摊在一张地图上。想旅居、长期住，或者带电脑换个地方干活，可以先拿它筛一轮。往下看，反而被住客评论留住了。

有人夸深圳公园多、街道干净，紧接着就吐槽房租和停车。比一句「宜居天堂」有用多了。挑几个心动城市，建议按这个顺序核对：1. 先比月预算 2. 再核对签证、医疗、安全、气候和税务。风景决定想不想去，余额决定能待几天。这个顺序可别搞反了。

这个工具的出现，意味着AI旅居的门槛又降低了一层。以前需要专业技能才能完成的工作，现在普通人也能轻松搞定。

不过，这类工具生成的项目质量如何，还需要实际测试才能知道。建议大家先用小样本测试一下效果，再决定是否大规模使用。

项目地址：livabble.com

装完 Claude Code 就停手的人亏大了，亏在后面这二十二个技能。清单分四组。每个都是独立的 GitHub 仓库，我数了三遍星数才敢信含金量，数完的结论是先装三个再说，哪三个最后揭晓。
建造组六个是干活的主力。superpowers 先计划先调试再动笔写代码。二十六万星这个体量说明是全球都在用的硬通货；gstack 一个包塞二十三个技能；caveman 回答不注水；ponytail 话少一行到位；codex 让 Claude Code 里直接跑 Codex。

套娃但好用；i-have-adhd 防止答案被埋在长输出里，这个痛点我天天犯。犯到看见名字就想装，装完的对话不用再喊三遍重点。重点就该在第一屏，第一屏找不到的答案等于没有，没有的答案再好也是零。
设计组六个全是门面担当。ui-ux-pro-max 给配色和字体方案，taste-skill 让页面一眼贵，impeccable 负责最后的打磨抛光，hyperframes 把网页直接变成视频，emil 做漂亮的界面动效。

gsap 管顺滑的网页动画，六个凑齐就是一个设计部，设计部的编制一个人一份。一份编制省的是外包的钱，外包报价单我见过。见一次心疼一次，心疼完默默点开仓库，仓库的地址在最后一段摆着。摆着等你拿，拿完回来点赞，赞是免费的。
研究组六个是查资料的利器。skill-creator 造你自己的技能，graphify 把笔记连成地图，last30days 一句话看全网这个月说了什么，agent-browser 让 Claude 玩转任何网站，find-skills 帮你找到任何技能。

claude-hud 实时盯着它在干什么，这六个是眼睛和手。眼睛六个配齐了世界就是你的资料库，资料库建好查资料的时间砍一半。砍下来的时间干正事，正事在下段是营销组加安装方式。方式一句话就够，够用的在下段到了，到了就看，看吧。
营销组四个收尾。remotion 用代码写视频，marketingskills 一包四十个营销技能，humanizer 专门去掉写作里的机器味，social-media-skills 是作者自己的内容包，四个凑齐就是市场部。

安装方式一句话，npx skills add 加仓库名，复制粘贴完事，完事的效率是装工具从此不动脑，动脑的事留给干活。最后揭晓我常用的三个，superpowers、caveman、last30days，一个管纪律一个管表达一个管情报。

三个顶日常八成的场景，八成够用了，剩下两成按需补。补的仓库地址全在上面四段里，段段都有链接，链接一行一个自己拿，拿走不谢。
BUILD 组，superpowers lnkd.in/eppbgRaK ，gstack lnkd.in/e8PYQ2z6 ，caveman lnkd.in/e4nxpEJi ，ponytail lnkd.in/eYzPcnAR ，codex lnkd.in/eTweEPmw ，i-have-adhd lnkd.in/eQEJZeMN 。
DESIGN 组，ui-ux-pro-max lnkd.in/eh5s-T6t ，taste-skill lnkd.in/emKJrHrX ，impeccable lnkd.in/eMSX587R ，hyperframes lnkd.in/ed-wSdsx ，emil lnkd.in/eWebzpnh ，gsap lnkd.in/e6avMtKZ 。
RESEARCH 组，skill-creator lnkd.in/er2tG4ZB ，graphify lnkd.in/eT9f97nW ，last30days lnkd.in/e6uRrEnT ，agent-browser lnkd.in/eUS4cxjs ，find-skills lnkd.in/eFcmubhq ，claude-hud lnkd.in/ecU6_AC9 。
MARKETING 组，remotion lnkd.in/ecX3gdvr ，marketingskills lnkd.in/egt-7ZwM ，humanizer lnkd.in/eekWNVYm ，social-media-skills lnkd.in/emDvetxm ，拿走不谢，句号。

github.com/ZSeven-W/dsh-i…

DeepSeek Harness 的第四个插件落地，这回把 agent 送到 iOS 那头，模拟器和真机都能直接摸。

能力摆开。DSH 里的 agent 能查看并操作模拟器和真机，构建运行应用，把点击、滑动、输入这些动作做出来，还能查进程、调用栈和内存泄漏。内置二十一个 agent 工具，实时画面显示在侧边栏，人随时可以插手一起操作，SwiftUI 预览支持热重载，开发、调试和自动化在同一个壳里完成。

引帖还交代了第三个插件的模样，叫 dsh-crew，让 Claude Code 或 Codex 指派 DSH 的 agent 当原生子 agent 干活，状态进度可查，还能反过来调度另外几家的多模态与生图能力。

"侧边栏看着它点"这半句是全场重心。前面 Harness 有了桌面入口那篇讲的是进门，这条讲的是进门之后把手指伸到设备里。跟前面拍子落下前一百毫秒呼应，那条讲人盯着看，这条看的就是它动手的实时画面。跟前面一队 agent 合伙也接得上，一个讲怎么排活，这条讲排完的活在真机上怎么落。

插件连出四个。这节奏我留意。说明壳那层搭好之后，往外长的都是接口，长的哪一边，哪一边就是当下最忙的活。

我留的疑问有三处。真机操作的权限边界怎么划没说；二十一个工具的完整清单没列；SwiftUI 热重载的兼容范围也没交代。

这周拿一个自己在改的界面交给它，看它在侧边栏里的那几步点击，能不能替你省下那几次低头。

Anthropic 开的分子生物学实验室交出第一份成果，分工干净得像教科书。Claude 读数据读文献提假设，科学家审假设做实验，机器出题人答题，这分工我服。我看完坐直三秒，三秒里想了很多，想完觉得它比造全知的科学家实在。

实在的往下看。科学家负责审假设做实验，一句话概括是机器出题人答题。这分工我看完坐直了三秒。三秒里想了很多，想完发现这条路线比造全知全能的科学家实在得多，实在在哪一层层剥。
第一层是把智能放在猜上。猜假设这活是科研里最值钱也最费脑的部分。费脑的地方在于要从海量文献里捞出没被验证过的缝隙，缝隙这东西看运气也看阅读量。机器的阅读量是人的万倍，万倍的眼睛扫完数据和文献。吐出一堆候选的生物系统和假设。吐出来的候选让科学家挑，挑中的拿去实验台验证。
第二层是他们不只做生物学。公告里明说了要把这套方法推广到基因组学和更多领域。推广的底气来自第一份成果跑通了流程，流程这东西一次跑通就值回票价。值票价的流程会复制。复制到哪个领域取决于哪里的文献最厚数据最多，文献厚的领域正是机器能拉开差距的地方。
征集那句是整份公告里最开放的部分，他们说如果你有研究问题的提案，他们想听听。这句话的含金量在于它把实验室的大门对外敞开了，敞门的实验室不常见。常见的是关起门来自己发论文。发论文的封闭圈子里外行只能读结果，读结果的永远慢三拍。慢三拍的领域合作就少，合作少的突破就慢。
这个模式我管它叫有限分工，出题的出题，动手的动手，中间用审查接上，接上的三段流水线比全自动省心得多。省心的流水线跑得动长跑，长跑才是科研的节奏。短跑冲刺那套在实验室里活不长，活长的都是把机器用成笔而不用成手的，笔写得快手写得准，快慢和准不准是两种能力。

github.com/unicodef1wn/la…

一位 SpaceXAI 的工程师讲了她怎么让编码 agent 变得真能信，那场演讲和问答被打包成了一个装得上的技能。

她的主论点是一句：agent 不会自验自己的活，那道验证系统就是你。循环老样子，agent 写完，你打开应用，找出哪里坏了，截图丢回去，再重来一遍。

这套技能想改的正是这个循环，八条照录。一，猜原因之前先把受影响的代码读一遍。二，动手改之前先把那个错误复现出来。三，跑真实的用户流程，不能只构建加类型检查。四，用功能地图找出它该验证哪几处。

五，把反复出现的评审意见变成类型、检查、持续集成或架构那层的规矩。六，把代码库和提交历史当记忆。七，技能自己改了也要测它自己。八，本地那圈先跑通，才谈得上扩到更多 agent。

最扎人的那句也留着，每次纠正 agent 之后，问一句为什么环境一开始容得下这个错，再把答案变成下一个 agent 眼前躲不开的东西。原则全部写进 SKILL.md，通吃的骨架有五家，Grok Bot、Grok CLI、Codex、Claude Code 和 Cursor。

引帖里还有一句做底，上个月往生产环境合了两千五百个 PR，那场原定的分享没去成，改成免费放出来。

"它不会自验，你就是那道验证"这半句是全场重心。前面几条短提示十六个 PR 讲的是让验证变硬，这条讲的是把验证的规矩固化成技能。跟前面把你自己从瓶颈上移开呼应，那边把决定挪进系统，这条把纠正那一步也变成了系统里的一步。跟前面状态存盘那层也接得上，一个存事实，一个存教训。

我把"为什么环境容得下这个错"这句单独记了下来，它比修掉任何一个具体 bug 都更值钱，这是实话。

我留的疑问有三处。八条在五家骨架上的表现差异没给；本地跑通的判据没写；两千五百个 PR 那个量里人审占几成也没交代。

这周先只做两条，改之前先复现、纠正完先问为什么，把这两条写进自己那个文件，看漏网的错误会不会少。

XGEN 实验室把世界模拟系统端上了桌，这发布我盯着看了三遍。名字起得有禅意，交互体验模型叫镜，可计算的共享世界引擎叫 DAO（道），镜和道一对组合，我看完会心一笑，笑完品出东方哲学的味道。

镜和道一对组合我看完会心一笑。笑完发现这架构还真有点东方哲学的味道，味道在下面一层层品。品完你就知道它跟普通的世界模型差在哪。差在哪第一段先说结论。结论是它俩分工分得特别清楚，清楚的往下看，看懂了离 OASIS 就近一步。
分工的妙处在于镜只管看得见的部分，道管看不见的规则，道维护着整个世界的共享状态和规则，你做一个动作它算出后果。再把当前观察者该看的东西筛给镜。这句是整个系统的灵魂。只给该看的这五个字既是设计也是隐喻，隐喻得我自己都想去点个赞。

点赞的往下听镜的本事。镜的本事是让人和智能体以第一人称在世界里行动，按动作和观察历史来导航。来操作、来交流，第一人称这三个字一出来画面感就满了。满了的画面比任何第三人称的演示都带感，带感的原因是代入，代入感是这个世界模型和普通模型的分水岭。
榜单的成绩单挺硬，九月十七日的官方 WBench 排行榜上。XGEN-JING 在完整赛道排第一，导航赛道排第二。第一和第二摆一起说明这模型不是偏科生，偏科生拿单项冠军容易。双项前列难。

难在它既要理解世界又要走得对路，走得对路靠的是镜和道的配合，配合得好名次才顶得上去，顶上去的名次要靠持续更新维持。维持的过程就是下一版的悬念。悬念留给下一次发布，下一次发布我们再对着榜单看它守不守得住。

守得住的才算真本事。守不住的叫昙花，昙花一现这个词今年在模型圈见太多了。多到我都开始给新模型预留打脸额度，额度用完的就地转黑。
对做智能体的人来说，这套东西补的是身体。智能体的脑子早就够用了，缺的是能伸出手脚的场所。场所这个词在具身智能圈里喊了一年了。喊到嗓子都哑了。哑了的声音没人听。没人听的原因是大部分世界模型只能看不能进，进不去的世界是纪录片，进了门的世界是游乐场。

游乐场里的智能体才能练出真本事，真本事是试错。试错要有安全的沙盒，沙盒的规则不能是写死的剧本。剧本是给演员的，智能体不是演员是玩家，玩家要的是规则之内的自由。自由的前提是规则稳定，规则稳定的后台就是那个道引擎。
三样东西一行一个，官网在 xgenlabs.ai ，模型页在 huggingface.co/XGENlabs/XGEN-… ，代码在 github.com/XGEN-Labs/XGEN… 。

全拿走，拿走不谢，谢就生分，生分就亏，亏不起真亏不起。这句说三遍了，三遍是底线，底线之下都是敷衍。敷衍的话我不说。你也不爱听，不爱听的都跳出了，跳出去的回来，回来的都是真爱，真爱的看到这了，看到这别走，走就亏了，亏大了别怪我。

提醒给过了，给过就下不为例，为例的提醒都是啰嗦。啰嗦不是我的风格，风格是短平快，快到底就是这行，这行是地址。地址念完就收工，收工，句号，三遍礼数，礼数到了，真到了，你看。句号来了，它站在最后那行，最后那行是空的，空的留给你合上屏幕。
句号这次真来了，镜和道一对组合，官网模型页代码三连都在上面，记好，散会。