最新文章
20keepane，AI 时代的终端多路复用
终端复用器是给坐在键盘前的人写的，分屏、切窗口、断线重连，前提都是有个人在看着。现在 pane 里跑的常常是 agent，人不在跟前，要的东西就变了。 起因 一开始是想找个现成的用，找了一圈没有合预期的。能用的那些都还是按「有人看着」写的，pane 里跑的是什么它不关心，更不会让两个 pane 说上话。于是自己写，第一个提交的标题是「wmux: tmux-style terminal multiplexer for Windows」，那会儿还叫 wmux。 消息 给 pane 起个名字，它就能收消息： powershell keepane rename-pane -t %3 builder keepane set-work-mode…
阅读全文
02LEANN 的重算式向量索引
向量检索有个不太好看的账：索引往往比原始数据还大。六千万条文本切块，用传统办法建索引要 201 GB，而那堆文本本身没那么大。想在自己笔记本上索引邮件、浏览记录、聊天记录，这道门槛就卡在硬盘上。 LEANN 的选择是索引里干脆不存向量，只存一张剪过的图，搜索时走到哪一跳就现算哪一跳的向量。同样那六千万条，索引降到 6 GB。 arXiv:2506.08276，伯克利那批人写的，作者名单里有 Ion Stoica、Matei Zaharia、Joseph Gonzalez。 存储开销 摘要里的原话是索引「需要存储高维嵌入和大量索引元数据，其总大小可能是原始数据（例如文本块）的数倍」。占地方的是那一堆浮点数，文本本身反倒是小头。 一条…
阅读全文
03lamarck 按真实调用进化全部 skill
现在优化 skill 的工具都是一次挑一个：你选中某个 skill，给它写一批测试 prompt，跑评委打分，改完再跑一遍。有几十上百个 skill 的时候这条路走不通，瓶颈根本不是优化算法，是你没空逐个去挑、逐个编测试用例。 lamarck 换的是这个前提：装一次，之后所有已装的 skill 全部进入观察，不用挑、不用写用例、不用配置。它在后台看真实调用，攒够同一类证据才对某一个提出一处改动，改完立刻验，变差就退回去。 观察范围 一次挑一个的做法，隐含假设是你知道哪个 skill 有问题。实际上你不知道，你只知道最近某个任务干得不顺，至于是哪条指令没写清楚、还是压根触发错了 skill，事后很难复盘。而那些一直安静工作的 skil…
阅读全文
04FrontierAgent 的上下文压缩与重复抑制
长程 agent 跑着跑着就废了，这件事大家都见过，但很少有人把它拆成具体的失败模式再拿数据说话。 FrontierAgent 是 Apodex 前两天开源的 agent 运行时，翻代码时发现它把两个失败模式量化过：一个是上下文压缩触发得太晚，子 agent 被端点打死；另一个是压缩把旧结果换成占位符之后，模型开始一遍遍重发同一个搜索。 项目概况 仓库里是一套 agent 运行时加终端产品加评测套件，两种自带工作流：ReAct 是单个有状态的 agent 自己查、读、写、跑命令；Agent Team 是一个协调者维护任务板，把独立的活拆给并行子 agent，收报告再合成。同一套引擎也驱动它们评测自家模型的 benchmark run…
阅读全文
05magpie 本地语义搜索
星标过的仓库再没打开过第二次，截图记得长什么样却翻不出来，书签埋在几层文件夹里，一小时前复制的那段东西不知去向，想开的应用埋在三层菜单下面。这些东西的共同点是存的时候顺手，找的时候只能靠运气。 Alt+Space 唤出面板，把还记得的那点描述打进去，或者丢一张图进去，回车。 源 Tab 在四个标签之间切：本地、星标、Web、剪贴板，顺序和默认打开哪个都能在设置里改。应用不单独占标签，在本地标签里作为置顶命中出现。每个源有各自的索引方式和排序选项。 本地文件 手动加进来的目录，里面每个文件都能按名字找到，认识的格式连内容一起进全文索引。 78 种纯文本与代码扩展名，整篇读入，默认单文件上限 4 MB，设置里可调到 16、64 或不限…
阅读全文
06OpenViking 的上下文组织与检索
前一篇翻完一个把 agent 摆进办公室的项目，顺手又去看了火山引擎开源的这个，两个都在解决 agent 记不住事，路子完全不一样。 OpenViking 的做法是别让 agent 去查一个黑盒向量库，让它像开发者一样用 ls、tree、find 翻自己的上下文。记忆、资源、技能统一挂在 viking:// 这个虚拟文件系统下，每个目录带一份摘要和一份概览，检索先定位到目录再往下钻。 项目概况 不是薄封装，是三种语言各管一层。到今天的 HEAD（afa5aae9），从 1 月 29 日起 2,033 次提交。Python 那层是服务和业务逻辑，openviking/ 下 619 个文件、148,477 行；Rust 那层是文件系统…
阅读全文
07munder-difflin 的多 agent 协调实现
刷到这个仓库的时候是被名字骗进去的，munder-difflin，《办公室》里那家最差的纸业公司，主管 Michael 也搬了过来当了这层楼的老板。演示视频里一堆像素小人在办公室里走来走去，互相发消息的时候还有信封在桌子之间飞，看着像个玩具。 docs/message-queue.md 的文档，一千多字只讲一件很窄的事：一个真实的 CLI 只有一根输入行，而想用它的不止你一个。这篇就记一下里面几处认真想过的地方。 项目概况 munder-difflin 是个 Electron 桌面应用，把你已经在终端里跑的 agent CLI 包起来当 agent 用，README 里列了十种：claude、agy、codex、grok、kimi、…
阅读全文
08ai-memory：换个 CLI 接着干的 agent 记忆层
同时用好几个编码 agent 的人都遇到过：Claude Code 干到一半退了，换 Codex 打开同一个目录，上一个知道的事一件都不剩。 ai-memory 是个 Rust 单二进制，用 MCP 加生命周期钩子给这些 CLI 接一层共享的长期记忆，不用手动 write_note，也不用把总结在会话之间复制粘贴。 要解决的问题 它把记忆沉淀成一棵 git 版本化的 markdown 树，作者管这叫 Karpathy 式的 LLM wiki：页面随时间被增量编译、就地版本化，语义知识累积，情节日志衰减。旁边一个 SQLite 索引负责检索。 关键是这两者的主从关系——下面那张图里，从左到右只有一条主链，而真相始终在最左边落盘的那一份…
阅读全文
09TimesFM：预测之前的脏活都在模型外面
时序预测这行以前的规矩是一个数据集训一个模型，调参调到吐。 定位 decoder-only 的 patch 化时序模型，论文进的 ICML 2024，开源仓库 Apache-2.0。它自己的话是零样本精度接近逐数据集单独监督训练的水平——注意是接近，不是超过，这个定位一开始就没吹。 现在这东西不只是个 repo：BigQuery ML 里能用 SQL 调，Connected Sheets 里能在表格里拉预测，Vertex Model Garden 有 dockerize 好的端点。倒是仓库自己写着，开源这版不是 Google 官方支持的产品。 两套版本号 第一个坑在这儿：库的版本号和模型的版本号是两套，而且库的还更小。 pyproj…
阅读全文DarwinX：模型不动，只进化外壳
自我改进的 agent 现在不新鲜了，让模型自己改自己的 prompt 和工具，谁都能搭一套。 DarwinX 给的答案挺利落——模型全程冻死，把「不许倒退」写进准入条件，然后养一群外壳互相配种。 外壳 论文里的 agent 分两层：模型权重，和包在外面那层跑起来的东西。后者是它说的 harness。 变的不是权重，是它读的提示、能调的工具、留的笔记，以及给动作排序的控制流。 可编辑的面被切成两块：skill（提示、记忆、蒸馏出来的知识）和 code（工具、控制流、agent 循环本身）。 单线搜索的毛病 现在多数自我改进循环是单谱系的：一个 agent，一条时间线，改一次跑一次，好就留下。 这有两个后果。一是路径依赖——前面某一步…
阅读全文Final2x：一个刻意做薄的超分外壳
图片超分这类工具，模型早就够用了，卡住普通人的是环境：Python、PyTorch、CUDA 版本、一长串命令行参数。 Final2x 做的事情是把这堆东西塞进一个六百多像素宽的小窗口——拖图进去、选模型、点开始。 让我想写一篇的不是它的界面，是它划进程边界的方式：界面这边一行推理代码都没有，真正干活的是另一个进程、另一门语言，两边靠三样东西通信。 定位 跨平台的图片超分辨率工具，Windows、macOS、Linux 都有发行物，BSD 3-Clause。当前是 v4.0.0，推理后端换成了 cccv，开始支持挂自定义权重。 它不训练模型也不实现算法，做的是把一堆现成的超分模型包装成能双击的东西。内置的权重列表覆盖 Real-ES…
阅读全文
12Cordis：把卸载做完备的插件框架
上一篇写 DeepSeek Harness 的时候，底下那层 Cordis 我只用五句话带过，因为当时手上没有它的代码。 现在代码拿到了，从头读了一遍，发现那五句里至少有一句是错的，而真正值得说的地方一句都没提到。 这篇补上：一次插件激活到底走了哪些步骤、每个模块是怎么实现的，以及我认为它在方法论上真正解决了什么。 定位 Cordis 不是为 agent 写的。它 2022 年 5 月的第一个提交，是从聊天机器人框架 Koishi 里抽出来的通用底座，作者 Shigma 一个人写了绝大部分。四年多、五百多次提交，dsh 把它 vendor 进仓库当地基。 有意思的是它现在的处境：Cordis 自己的 README 把文档链接指向了…
阅读全文
13DeepSeek Harness：一切皆插件的开源 agent 运行时
DeepSeek Harness（命令行叫 dsh）是 DeepSeek AI 开源的 agent harness，MIT，还在 developer preview 阶段，明说会有破坏性变更。它不是又一个「把 prompt 和工具拼起来跑一圈」的循环，而是把整个 agent 运行时——模型适配器、工具注册表、会话日志、连 agent loop 本身——全部做成插件，挂在一个叫 Cordis 的框架上。没有一个要打补丁的内核，任何一层都能从配置替换掉。 这篇不介绍怎么用它写 agent，而是拆它的架构：Cordis 的插件范式、启动时怎么把一棵插件树组合出来、会话日志为什么是唯一事实源、一个回合怎么执行、工具管线和能力接缝是怎么设计的…
阅读全文
14Agency Agents：一座 AI 角色库的分发工程
给编码助手装「子人格」这件事，各家工具都支持，但角色从哪来是个体力活：自己写，或者满网抄。 Agency Agents 干脆把它做成了一个仓库——起于一条 Reddit 帖子， 定位 MIT 协议的角色集合，每个角色一个 markdown 文件：frontmatter 记名字、简介、配色、性格标签， 角色文件 拿 Code Reviewer 感受一下成色。frontmatter 之外，正文把评审风格钉死成规则： 分发管线 角色写成 markdown 只算完成一半，各家工具各认各的格式，这是仓库最工程化的部分。 角色的分发管线：一份 markdown 源，按契约渲染成各工具认得的形状 （交互版，可缩放、可播放数据流轨迹。） tools…
阅读全文
15Harvey LAB：法律 Agent 基准的架构与评测方法
评测 agent 的基准大多长在程序员的地界上：修 bug、刷题、逛网页。 Harvey LAB（Legal Agent Benchmark）， 定位 MIT 协议的开源基准，两部分：一个任务数据集，一个执行与评测 harness。 tasks/，结果在 results/，报告是静态 HTML。 一次基准跑的全流程：任务进沙箱执行，交付物逐条过评审，得分进对比仪表盘 （交互版，可缩放、可播放数据流轨迹。） 任务模型 一个任务就是一个目录：task.json 加一个 documents/ 资料室。 task.json 里有给 agent 的指令（instructions）、工作类型（分析 / 起草 / 审阅 / 检索四种）、 coc-…
阅读全文
16DeepTutor：开源的 AI 私人家教工作台
用聊天窗口学东西有个通病：金鱼记忆。今天讲明白的概念，下周开个新会话又得从头解释一遍； DeepTutor 是港大 HKUDS 实验室开源的学习工作台，想把这些串成一个整体—— 定位 简单来说就是一个装在你自己机器上的 AI 家教，Apache 2.0 开源，pip install deeptutor 就能起。 DeepTutor 整体结构：浏览器和命令行两个入口，一个引擎，数据全在本地 data/ 目录 （交互版，可缩放、可播放调用轨迹。） 统一引擎 DeepTutor 有六种玩法：聊天、出题（Quiz）、深度研究（Research）、可视化（Visualize）、解题（Solve）、学习路径（Mastery Path）。 这个循…
阅读全文
17Semantica：面向可审计 AI 的图原生基础设施
上一篇拆了管省钱的 prompt-cache，这篇接着拆管认账的。 Semantica 用知识图谱来补这块，把源码翻了一遍，记下来。 定位 一个 Python 框架，pip install semantica 就有，自我介绍是「Open Source Palantir for AI Agents」——营销词放一边，实际是三层东西： Semantica 数据管线：五段推进，治理在入图之前 （交互版，可播放数据流轨迹。） 数据管线 管线五段，每段都是独立可导入的模块，不强迫全家桶： ingest 是三十多个摄取器套一个统一接口：本地文件（PDF/DOCX/Excel 等十来种）、SQL 库、Kafka/Kinesis 流、Git 仓库、…
阅读全文
18PromptCache：LLM 语义缓存网关的架构与实现
线上的 LLM 调用看多了，会发现请求高度重复：客服机器人翻来覆去就那几问，RAG 内部问答也扎堆。 prompt-cache 这个 Go 项目的源码通读了一遍，架构、每个模块的做法、以及它没说透的风险，都记在这里。 定位 PromptCache 是一个自托管的语义缓存网关：单个 Go 二进制，横在应用和 LLM 提供商之间， /v1/chat/completions，SDK 把 base_url 一改就算接入，业务代码零改动。 PromptCache 组件架构：单进程、嵌入式存储，右侧上游只在未命中时才被触达 图是静态的，交互版在这里（可缩放、可播放调用轨迹、明暗主题）。 双阈值判定 核心机制说起来很简单：一次相似度检索，卡两道阈…
阅读全文
19Prime Agent，只给模型一个工具的长跑 agent
终端 coding agent 见得多了，Prime Agent 还是让我停下来看了半天：模型手里只有一个工具，跑过的经验能沉淀回自身，关了终端会话也接着跑。 只有一个工具 一般的 coding agent 给模型发一把工具：读文件、写文件、跑命令、搜索，各是各的调用。Prime Agent 只内建一个 ipython——一个持久的 IPython 内核：读写文件、跑 shell（%%bash 单元）、变换数据、调 skill、开子 agent，全部写成代码。 这套设计他们叫 RLM（Recursive Language Model）：上下文是变量（prompt-as-a-variable），子 agent 是函数调用，模型在一个常…
阅读全文
20Skill Shelf: 给 agent 的 skill 仓库，兼做服务的配置中心
传统服务的行为由 config 决定，AI agent 的行为由 skill 和 prompt 决定。这两样东西本质上是同一类：都是写在代码之外、运行时才去取的行为定义。既然是同一类，就该收进同一个服务统一管理。 .env 一键导入。 起因 我先有的是 prompt-shelf——管 prompt 的小服务。后来开始大量写 Agent Skills，发现两件事撞在一起了。 一是 skill 需要版本管理。skill 不是一段文本，是一个目录包：SKILL.md 加 scripts/、references/、assets/。改一版发现不如上一版，想回退；想开个分支试试新写法；想看两版之间到底差了什么。这些需求和 Git 一模一样。 二…
阅读全文