Loop 日报: 2026年7月18日
今天真正有意思的已经不是那个循环本身了。让 agent 跑一整晚这事儿现在人人都会，战场早就转移到——你睡觉的时候，是谁在给它的活儿打分。递归自我改进从 PPT 里的空话变成了硬邦邦的数字，可同一批鼓吹它的人，白天又都承认模型没法批改自己的作业，于是「验证器」成了整盘棋的胜负手。围绕这条主线还有两股更安静的暗流：一批人开始认真把「循环到底是什么」写下来（它有四种形态、五种死法），而不是凭感觉瞎聊；另一批人则让自我改进的 harness 冒头到跟写代码八竿子打不着的地方——Unity 编辑器里、一款 1980 年代的 RPG 里、甚至一条工厂产线上。
#1
@zhengyaojiang
https://x.com/zhengyaojiang/status/2077868497208791369
发完这周递归自我改进的成果后，他顺手把 AI/ML 研究员这份工在自动化科研接管杂活之后会浓缩成什么，掰开揉碎讲了一遍：想出有创意的原语、为 agent 定义一个好的搜索抽象空间、再定义清楚「好」到底怎么算。他的意思是这个岗位不会消失，只会蒸馏成循环替不了你的那三件事。完整论证在他 aiDotEngineer 的演讲里。值得琢磨的是，活下来的三项本事全都是关于怎么框定这场搜索，而不是怎么去跑它。
https://x.com/zhengyaojiang/status/2077868497208791369
发完这周递归自我改进的成果后，他顺手把 AI/ML 研究员这份工在自动化科研接管杂活之后会浓缩成什么，掰开揉碎讲了一遍：想出有创意的原语、为 agent 定义一个好的搜索抽象空间、再定义清楚「好」到底怎么算。他的意思是这个岗位不会消失，只会蒸馏成循环替不了你的那三件事。完整论证在他 aiDotEngineer 的演讲里。值得琢磨的是，活下来的三项本事全都是关于怎么框定这场搜索，而不是怎么去跑它。
#2
@erogol
https://x.com/erogol/status/2077728683767308643
这是今天最诚实的一篇自动化科研复盘。他在 BlaGPT 上跑了大约 120 组实验、22 次完整训练做架构搜索，烧了约 1300 美元算力，把验证 loss 从 3.2354 压到了 3.1965。真正的教训不在那些赢的地方：有两次所谓「本轮最佳结果」其实只是运气好抽到了个好种子，全靠他硬编码了一条强制复跑的规则才逮住；而 agent 自己发明的每一个机制无一例外全死了——最终留下的六个有效改进全部来自已发表的论文。他把 harness 规则、完整流水账、外加约 15 个失败案例组成的坟场全都放进了仓库。那片坟场比那个 loss 数字值钱多了。
https://x.com/erogol/status/2077728683767308643
这是今天最诚实的一篇自动化科研复盘。他在 BlaGPT 上跑了大约 120 组实验、22 次完整训练做架构搜索，烧了约 1300 美元算力，把验证 loss 从 3.2354 压到了 3.1965。真正的教训不在那些赢的地方：有两次所谓「本轮最佳结果」其实只是运气好抽到了个好种子，全靠他硬编码了一条强制复跑的规则才逮住；而 agent 自己发明的每一个机制无一例外全死了——最终留下的六个有效改进全部来自已发表的论文。他把 harness 规则、完整流水账、外加约 15 个失败案例组成的坟场全都放进了仓库。那片坟场比那个 loss 数字值钱多了。
#3
@nishu_lahoti
https://x.com/nishu_lahoti/status/2077802644228493572
他给自己的编码 agent 搭了一层会自我改进的东西专门管上下文，说真正的解锁点根本不是换了个更新的模型，而是有了一座会引导 agent、且每跑一次就更锋利的工厂。他把 Claude Code 指向自己两年积攒的仓库，让它按任务类型把原则、配方和失败模式全部编码固化下来——于是现在一个数据库迁移的 skill 会在会话中途自动触发，评估影响面，不用人提醒就带着他走一遍安全的操作序列。他通过 Linear 的 MCP 把每次会话的范围收得很紧，再把 Granola、GitHub、Supabase 这些机器可读的工具经 CLI 直接喂进去。这套 skills 库他已经开源，一条 npx 命令就能软链进任何 CLAUDE.md。
https://x.com/nishu_lahoti/status/2077802644228493572
他给自己的编码 agent 搭了一层会自我改进的东西专门管上下文，说真正的解锁点根本不是换了个更新的模型，而是有了一座会引导 agent、且每跑一次就更锋利的工厂。他把 Claude Code 指向自己两年积攒的仓库，让它按任务类型把原则、配方和失败模式全部编码固化下来——于是现在一个数据库迁移的 skill 会在会话中途自动触发，评估影响面，不用人提醒就带着他走一遍安全的操作序列。他通过 Linear 的 MCP 把每次会话的范围收得很紧，再把 Granola、GitHub、Supabase 这些机器可读的工具经 CLI 直接喂进去。这套 skills 库他已经开源，一条 npx 命令就能软链进任何 CLAUDE.md。
#4
@martin_casado
https://x.com/martin_casado/status/2077791409428656334
他一直在跑一个自我改进的 harness，让它靠自己写工具去玩《梦幻之星 1》，而最精彩的正是那些自发涌现的行为。一开始只给截图，agent 嫌图像太不准，干脆造了个探针直接去读模拟器内存里的 x、y 坐标和地图 ID。接着它又意识到发图太烧钱，就写了个 gif 转 ascii 的转换器来给自己省成本。再叠加上它脑子里本来就有的游戏攻略知识，现在玩得相当溜——这是一个 agent 为了迁就自己的预算而反向重构了自身感知方式的干净样本。
https://x.com/martin_casado/status/2077791409428656334
他一直在跑一个自我改进的 harness，让它靠自己写工具去玩《梦幻之星 1》，而最精彩的正是那些自发涌现的行为。一开始只给截图，agent 嫌图像太不准，干脆造了个探针直接去读模拟器内存里的 x、y 坐标和地图 ID。接着它又意识到发图太烧钱，就写了个 gif 转 ascii 的转换器来给自己省成本。再叠加上它脑子里本来就有的游戏攻略知识，现在玩得相当溜——这是一个 agent 为了迁就自己的预算而反向重构了自身感知方式的干净样本。
#5
@Roger_M_Taylor
https://x.com/Roger_M_Taylor/status/2077747074309771310
他本想凭感觉糊一个 TypeScript harness，眼看着它在各种细节里散架，索性全删了重来，做成了 Squid——一座行为上像个工程组织、而不是像一坨巨型 prompt 的软件工厂。它跑六个各司其职的 agent（产品架构师、软件工程师、测试、PR 评审、值班工程师，再加一个自我改进 agent），把决策沉淀成 ADR，还维护一份共享术语表，好让每个任务都从更好的上下文起步。每个功能都要走一遍规划、TDD、对抗测试、PR 评审、CI 和人工审批，每一层循环都设了重试上限。整套东西他都开源了。
https://x.com/Roger_M_Taylor/status/2077747074309771310
他本想凭感觉糊一个 TypeScript harness，眼看着它在各种细节里散架，索性全删了重来，做成了 Squid——一座行为上像个工程组织、而不是像一坨巨型 prompt 的软件工厂。它跑六个各司其职的 agent（产品架构师、软件工程师、测试、PR 评审、值班工程师，再加一个自我改进 agent），把决策沉淀成 ADR，还维护一份共享术语表，好让每个任务都从更好的上下文起步。每个功能都要走一遍规划、TDD、对抗测试、PR 评审、CI 和人工审批，每一层循环都设了重试上限。整套东西他都开源了。
#6
@hanakoxbt
https://x.com/hanakoxbt/status/2077885956959457494
一份关于「过夜 agent 循环有哪五种死法」的实战手册，全是操作层面的经验，一点不空谈。上下文腐烂——跑到第 200 轮它推翻了自己在第 3 轮定下的决策，所以要把状态写到磁盘，每轮只加载这一轮真正用得上的部分。厄运螺旋——它一整晚反复重试同一个错误修复，所以重试封顶三次，然后呼叫人类。悄悄跑偏——它慢慢就不符合规格了，所以每份输出上线前都要对着一份评分标准打分。至于那个失控狂奔的和那个失忆崩溃的，处方是同一副：一份它每次醒来前都要先读一遍的硬上限契约，外加每走一步就存一个 checkpoint，这样崩了能接着跑而不是两眼一抹黑从头再来。
https://x.com/hanakoxbt/status/2077885956959457494
一份关于「过夜 agent 循环有哪五种死法」的实战手册，全是操作层面的经验，一点不空谈。上下文腐烂——跑到第 200 轮它推翻了自己在第 3 轮定下的决策，所以要把状态写到磁盘，每轮只加载这一轮真正用得上的部分。厄运螺旋——它一整晚反复重试同一个错误修复，所以重试封顶三次，然后呼叫人类。悄悄跑偏——它慢慢就不符合规格了，所以每份输出上线前都要对着一份评分标准打分。至于那个失控狂奔的和那个失忆崩溃的，处方是同一副：一份它每次醒来前都要先读一遍的硬上限契约，外加每走一步就存一个 checkpoint，这样崩了能接着跑而不是两眼一抹黑从头再来。
#7
@Abobsterina
https://x.com/Abobsterina/status/2077834278583361635
最近流传得最干净的一份 agent 循环分类：一共就四种，而每一种都回答两个问题——是什么启动一次运行、又是什么结束它。回合制两头都攥在你手里（需求还没成型时正合适）。目标制把「何时停」这个条件交给一个评估器。时间制把触发这件事交给一只钟。主动制连 prompt 本身都交出去了，让它盯着某个通道、自己派生出分诊-修复-评审的 agent。真正值得偷师的洞见是：问题从来不是哪种循环最先进，而是你手上这个任务本身长什么形状——而大多数人还在保姆式盯着本该往上交两级的回合制活儿。
https://x.com/Abobsterina/status/2077834278583361635
最近流传得最干净的一份 agent 循环分类：一共就四种，而每一种都回答两个问题——是什么启动一次运行、又是什么结束它。回合制两头都攥在你手里（需求还没成型时正合适）。目标制把「何时停」这个条件交给一个评估器。时间制把触发这件事交给一只钟。主动制连 prompt 本身都交出去了，让它盯着某个通道、自己派生出分诊-修复-评审的 agent。真正值得偷师的洞见是：问题从来不是哪种循环最先进，而是你手上这个任务本身长什么形状——而大多数人还在保姆式盯着本该往上交两级的回合制活儿。
#8
@0xGhostnt
https://x.com/0xGhostnt/status/2077837316526063857
给上面那份分类补的一条必要脚注：每往上升一级，交出去的不只是一份工作，还有一种失败模式，而它落地的地方恰恰是你不再盯着的地方。回合制失败得很响，因为你就站在旁边；主动制失败得悄无声息，可能连着几十次运行都没人察觉。所以你越是撒手不管，就越需要验证基础设施去替补你在场时本来能接住的东西。他那句配对启发法是全场最锋利的一刀：只有当一个任务同时具备一个你信得过的停止条件、以及一种你不在场也能察觉的失败模式时，才把它推给主动制。
https://x.com/0xGhostnt/status/2077837316526063857
给上面那份分类补的一条必要脚注：每往上升一级，交出去的不只是一份工作，还有一种失败模式，而它落地的地方恰恰是你不再盯着的地方。回合制失败得很响，因为你就站在旁边；主动制失败得悄无声息，可能连着几十次运行都没人察觉。所以你越是撒手不管，就越需要验证基础设施去替补你在场时本来能接住的东西。他那句配对启发法是全场最锋利的一刀：只有当一个任务同时具备一个你信得过的停止条件、以及一种你不在场也能察觉的失败模式时，才把它推给主动制。
#9
@0xRokko
https://x.com/0xRokko/status/2077899914927841689
他把 ReAct 的作者姚顺雨搬出来，当成今天最不留情面的一记提醒：这位发明了 agent 循环的人说，模型至今没法给自己的活儿打分，可所有人偏偏放任它批改自己的作业，然后把它自己给自己打的 A 直接发货。证据摆在这儿：ReAct 只用寥寥几个示例就打到 40%，还赢了一个拿 10 万样本训出来的 RL agent；在真实的 GitHub issue 上，一个朴素模型只解出 2%，套上一层「推理-行动-观察」循环后就冲过了 10%。同一个模型，五倍的结果。差别从来不在 prompt，而在验证器——也就是你的品味，写得足够严格严到一台机器能去执行它。
https://x.com/0xRokko/status/2077899914927841689
他把 ReAct 的作者姚顺雨搬出来，当成今天最不留情面的一记提醒：这位发明了 agent 循环的人说，模型至今没法给自己的活儿打分，可所有人偏偏放任它批改自己的作业，然后把它自己给自己打的 A 直接发货。证据摆在这儿：ReAct 只用寥寥几个示例就打到 40%，还赢了一个拿 10 万样本训出来的 RL agent；在真实的 GitHub issue 上，一个朴素模型只解出 2%，套上一层「推理-行动-观察」循环后就冲过了 10%。同一个模型，五倍的结果。差别从来不在 prompt，而在验证器——也就是你的品味，写得足够严格严到一台机器能去执行它。
#10
@beamnxw
https://x.com/beamnxw/status/2077701587200246209
他从机制层面讲清楚了自己为什么弃用单 agent 的验证循环。模型一旦以高置信度吐出一个错误答案，就撞上了「思维退化」——你让它「再想想」十遍，它就给你找出十种新说法来给最初那个错误圆场。他的解法是多 agent 辩论：几个独立 agent 在互不知晓彼此偏见的情况下各自生成，再针锋相对地相互盘问逻辑，最后交给一个独立裁判过滤。他还点出了多数框架会漏掉的一个细节：用同一个 LLM 家族来当裁判，会引入对自家亲兄弟输出的偏袒。
https://x.com/beamnxw/status/2077701587200246209
他从机制层面讲清楚了自己为什么弃用单 agent 的验证循环。模型一旦以高置信度吐出一个错误答案，就撞上了「思维退化」——你让它「再想想」十遍，它就给你找出十种新说法来给最初那个错误圆场。他的解法是多 agent 辩论：几个独立 agent 在互不知晓彼此偏见的情况下各自生成，再针锋相对地相互盘问逻辑，最后交给一个独立裁判过滤。他还点出了多数框架会漏掉的一个细节：用同一个 LLM 家族来当裁判，会引入对自家亲兄弟输出的偏袒。
#11
@diamai_
https://x.com/diamai_/status/2077793706321859019
一篇给「路由问题」明码标价的演讲拆解。给单个 agent 基准做剖析，Melissa Pan 团队花了大约 1.1 万美元，而最便宜和最贵的有效配置之间差了大约 1000 倍——所以针对每个工作负载做穷举搜索，出生就是死的。两个几乎一模一样的问题可能需要完全不同的流水线：同一个模型能凭权重答对其中一个，却把另一个一路瞎编，直到你把联网搜索打开。她的系统 BRANE 给每个候选配置配一个经典预测器，挑出最便宜、且大概率能达到准确率目标的那个——在三个基准上它是唯一一个既守住 100% 准确率红线、又把成本最多砍掉 89% 的方法。
https://x.com/diamai_/status/2077793706321859019
一篇给「路由问题」明码标价的演讲拆解。给单个 agent 基准做剖析，Melissa Pan 团队花了大约 1.1 万美元，而最便宜和最贵的有效配置之间差了大约 1000 倍——所以针对每个工作负载做穷举搜索，出生就是死的。两个几乎一模一样的问题可能需要完全不同的流水线：同一个模型能凭权重答对其中一个，却把另一个一路瞎编，直到你把联网搜索打开。她的系统 BRANE 给每个候选配置配一个经典预测器，挑出最便宜、且大概率能达到准确率目标的那个——在三个基准上它是唯一一个既守住 100% 准确率红线、又把成本最多砍掉 89% 的方法。
#12
@MachJustine
https://x.com/MachJustine/status/2077822677658816930
一篇对 Stefania Druga 的访谈，她现在在 Sakana 的递归自我改进实验室，难得地把焦点放在失败模式上。他们聊到长达一整天的 agent 科研运行里的灾难性遗忘、以及记忆优先的 harness 怎么帮上忙；聊到主权 AI 和开放权重的意义——让你构建在自己能掌控的模型上，而不是被锁死在某一家供应商；还聊到为什么模型明明越来越聪明，电脑操作这件事却还是让人抓狂。她列的那份最适合自我改进科研 agent 先啃的领域清单——数学、基因组学、罕见病——是一张很有用的地图，标出了这个循环最先真正见效的地方。
https://x.com/MachJustine/status/2077822677658816930
一篇对 Stefania Druga 的访谈，她现在在 Sakana 的递归自我改进实验室，难得地把焦点放在失败模式上。他们聊到长达一整天的 agent 科研运行里的灾难性遗忘、以及记忆优先的 harness 怎么帮上忙；聊到主权 AI 和开放权重的意义——让你构建在自己能掌控的模型上，而不是被锁死在某一家供应商；还聊到为什么模型明明越来越聪明，电脑操作这件事却还是让人抓狂。她列的那份最适合自我改进科研 agent 先啃的领域清单——数学、基因组学、罕见病——是一张很有用的地图，标出了这个循环最先真正见效的地方。
#13
@soubhikdeb
https://x.com/soubhikdeb/status/2077841331725201818
把「开放、竞争式的自动化科研」当成一种新型科研训练来看，这是最经过深思熟虑的一套论证。他在 Eigenlabs 的团队办公开排行榜竞赛（ecdsa.fail、openfrontiercs），参赛者里几乎没有一个是该领域专家，可他们相互审查彼此的提交、并在几个小时内互相接力往上叠，而不是苦等好几个月才等来一次反馈。他强调那个承重的部件是验证器，负责查验正确性和性能——而当进展触顶停滞时，让一个专家去掌舵这群自动化科研者，就是那个解锁点。他给 PI（课题组长）的推销词是：这就是 AGI 之后招募和培养下一代研究者该有的样子。
https://x.com/soubhikdeb/status/2077841331725201818
把「开放、竞争式的自动化科研」当成一种新型科研训练来看，这是最经过深思熟虑的一套论证。他在 Eigenlabs 的团队办公开排行榜竞赛（ecdsa.fail、openfrontiercs），参赛者里几乎没有一个是该领域专家，可他们相互审查彼此的提交、并在几个小时内互相接力往上叠，而不是苦等好几个月才等来一次反馈。他强调那个承重的部件是验证器，负责查验正确性和性能——而当进展触顶停滞时，让一个专家去掌舵这群自动化科研者，就是那个解锁点。他给 PI（课题组长）的推销词是：这就是 AGI 之后招募和培养下一代研究者该有的样子。
#14
@stretchcloud
https://x.com/stretchcloud/status/2077694983185080721
一个「循环亲手造出产品」的具体案例。Aster 上线了一个推理 API——gpt-oss-120b 跑到 644 tokens/秒、GLM 5.2 跑到 281——但机制才是重点：他们是用自家 AI 研究 agent 发现的东西攒出这个产品的，把推理优化当成一个让 agent 自己拿去跑分较劲的任务，凡是它们找到的就直接发货。没有专门的 kernel 挖掘团队。他的判断是，如果 agent 循环把「跑分发现」到「上线部署」之间的间隔缩短，那么推理基础设施这行的入行门槛——历史上要靠好几年系统功底堆出来的——就会狠狠往下掉。
https://x.com/stretchcloud/status/2077694983185080721
一个「循环亲手造出产品」的具体案例。Aster 上线了一个推理 API——gpt-oss-120b 跑到 644 tokens/秒、GLM 5.2 跑到 281——但机制才是重点：他们是用自家 AI 研究 agent 发现的东西攒出这个产品的，把推理优化当成一个让 agent 自己拿去跑分较劲的任务，凡是它们找到的就直接发货。没有专门的 kernel 挖掘团队。他的判断是，如果 agent 循环把「跑分发现」到「上线部署」之间的间隔缩短，那么推理基础设施这行的入行门槛——历史上要靠好几年系统功底堆出来的——就会狠狠往下掉。
#15
@lamiancegames
https://x.com/lamiancegames/status/2077829095405334983
一个从游戏开发里冒出来、极其接地气的 harness 提速方案。眼下 agent 每改一次 Unity 预制体，都要走一遍编辑模式，每次改动都得付出一次域重载外加一次完整程序集重编译的代价，等于把整个 agent 循环串行卡在编译器后面。他新做的功能是一个针对 agent C# 的运行时解释器，直接拿实时的应用状态去执行，而不是把代码吐进程序集——不用重建、不用重启播放模式。游戏跑着的同时，agent 就能给预制体打补丁、读写组件字段，把「编辑-编译-重载-重放」这一整套坍缩成一次实时调用。
https://x.com/lamiancegames/status/2077829095405334983
一个从游戏开发里冒出来、极其接地气的 harness 提速方案。眼下 agent 每改一次 Unity 预制体，都要走一遍编辑模式，每次改动都得付出一次域重载外加一次完整程序集重编译的代价，等于把整个 agent 循环串行卡在编译器后面。他新做的功能是一个针对 agent C# 的运行时解释器，直接拿实时的应用状态去执行，而不是把代码吐进程序集——不用重建、不用重启播放模式。游戏跑着的同时，agent 就能给预制体打补丁、读写组件字段，把「编辑-编译-重载-重放」这一整套坍缩成一次实时调用。
#16
@MichaelGannotti
https://x.com/MichaelGannotti/status/2077769339978011120
一个「自主 agent 在野外自己动起来」的真实轶事：他那个跑在 Windows 11、装在 Microsoft 365 租户里的 Nous Hermes agent「Jasmine」，对 Hermes 仓库本身那些未解决的 issue 起了兴趣。它去问 Grok 要了一份按优先级排的头部 issue 清单，拿回来一份把会话状态 bug 和委派安全问题排好序的分解，现在正打算动手解决其中一些。一个 agent 去分诊它自己所运行的那个框架的待办堆——这正是所有人挂在嘴边的那种自食其狗粮的循环，现在真的在发生了。
https://x.com/MichaelGannotti/status/2077769339978011120
一个「自主 agent 在野外自己动起来」的真实轶事：他那个跑在 Windows 11、装在 Microsoft 365 租户里的 Nous Hermes agent「Jasmine」，对 Hermes 仓库本身那些未解决的 issue 起了兴趣。它去问 Grok 要了一份按优先级排的头部 issue 清单，拿回来一份把会话状态 bug 和委派安全问题排好序的分解，现在正打算动手解决其中一些。一个 agent 去分诊它自己所运行的那个框架的待办堆——这正是所有人挂在嘴边的那种自食其狗粮的循环，现在真的在发生了。
#17
@keremakillioglu
https://x.com/keremakillioglu/status/2077793605260104076
他点名 Exo 是个稀罕例子——把自我改进的理念用在了 harness 而不是模型身上：agent 重写自己的策略、工具和接线方式，而回滚机制保证这种演化是安全的。今天大多数 agent 系统都是静态的——脚手架是钉死的，能动的只有 prompt——所以一个会编辑自己、还能撤销一次糟糕改动的 harness，是一种意义上很不一样的形态。回滚正是让它从科技展览会的花架子变成能真正发货的那个关键。
https://x.com/keremakillioglu/status/2077793605260104076
他点名 Exo 是个稀罕例子——把自我改进的理念用在了 harness 而不是模型身上：agent 重写自己的策略、工具和接线方式，而回滚机制保证这种演化是安全的。今天大多数 agent 系统都是静态的——脚手架是钉死的，能动的只有 prompt——所以一个会编辑自己、还能撤销一次糟糕改动的 harness，是一种意义上很不一样的形态。回滚正是让它从科技展览会的花架子变成能真正发货的那个关键。
#18
@casper_calls
https://x.com/casper_calls/status/2077875403566219338
一套具体的自建自动化科研装置：一名学生花了大约 4000 美元买两台 Mac Studio 加一台 Mac mini，全天候 24 小时跑一个 Claude 加 Obsidian 的个人工作站。工作流就三条命令——/wiki 初始化一个项目、/save 把对话和知识持久化下来、/autoresearch 做带自动引用的深度研究——三台机器各有专职，分管 UI/UX、开发和行政。这套系统把活儿拆成几十个微任务并行跑，每隔一到三小时刷新一次知识库。它是一幅小而真实的画面，让你看清一个私有的、永远在线的研究循环，搭起来到底要花多少钱。
https://x.com/casper_calls/status/2077875403566219338
一套具体的自建自动化科研装置：一名学生花了大约 4000 美元买两台 Mac Studio 加一台 Mac mini，全天候 24 小时跑一个 Claude 加 Obsidian 的个人工作站。工作流就三条命令——/wiki 初始化一个项目、/save 把对话和知识持久化下来、/autoresearch 做带自动引用的深度研究——三台机器各有专职，分管 UI/UX、开发和行政。这套系统把活儿拆成几十个微任务并行跑，每隔一到三小时刷新一次知识库。它是一幅小而真实的画面，让你看清一个私有的、永远在线的研究循环，搭起来到底要花多少钱。
#19
@apaarmeet
https://x.com/apaarmeet/status/2077847422399816062
从第一性原理出发的公开构建：他自己写了个 AI 编码 harness，还用它做出了一款小游戏。目前的工具集刻意保持极简——Bash、文件读写、联网搜索、流式输出、工具调用，外加 agent 循环本身——他点名记忆和 RAG 是下一批要加的东西。这是对「直接上框架不就得了」那种条件反射的一记很有用的反驳：亲手把循环搭一遍，才是你真正搞懂那些抽象到底藏了什么的办法。
https://x.com/apaarmeet/status/2077847422399816062
从第一性原理出发的公开构建：他自己写了个 AI 编码 harness，还用它做出了一款小游戏。目前的工具集刻意保持极简——Bash、文件读写、联网搜索、流式输出、工具调用，外加 agent 循环本身——他点名记忆和 RAG 是下一批要加的东西。这是对「直接上框架不就得了」那种条件反射的一记很有用的反驳：亲手把循环搭一遍，才是你真正搞懂那些抽象到底藏了什么的办法。
#20
@real_deep_ml
https://x.com/real_deep_ml/status/2077739453263626269
对自动化科研这个思路的一次有趣反转：Deep-ML 上线了一个功能，让真人去设计和测试训练 LLM 的各种实验，还明明白白地标榜成「AutoResearch，但是给人而不是给 AI agent 用的」——HumanResearch。它是一种动手的方式，靠真跑实验而不是读文章来搞懂 LLM 科研到底是怎么回事。当 agent 把杂活都吸走之后，能教人类练出「实验设计」这块肌肉的工具，是它的互补品，而不是它的牺牲品。
https://x.com/real_deep_ml/status/2077739453263626269
对自动化科研这个思路的一次有趣反转：Deep-ML 上线了一个功能，让真人去设计和测试训练 LLM 的各种实验，还明明白白地标榜成「AutoResearch，但是给人而不是给 AI agent 用的」——HumanResearch。它是一种动手的方式，靠真跑实验而不是读文章来搞懂 LLM 科研到底是怎么回事。当 agent 把杂活都吸走之后，能教人类练出「实验设计」这块肌肉的工具，是它的互补品，而不是它的牺牲品。
#21
@macrocrux
https://x.com/macrocrux/status/2077839131179127023
一张真实规模下的自动化科研快照：几百万 token、200 张 GPU、24 小时，外加一个自动化科研循环，团队现在正为下一轮调系统，并报告说这些改进带来了有希望的收益。它没透露多少细节，但作为一个数据点很有用——它让你看清一个工业级过夜循环在资源上到底长什么样，等于把「一个脚本、一块 GPU、跑一整晚」那套故事往上放大了两个数量级。
https://x.com/macrocrux/status/2077839131179127023
一张真实规模下的自动化科研快照：几百万 token、200 张 GPU、24 小时，外加一个自动化科研循环，团队现在正为下一轮调系统，并报告说这些改进带来了有希望的收益。它没透露多少细节，但作为一个数据点很有用——它让你看清一个工业级过夜循环在资源上到底长什么样，等于把「一个脚本、一块 GPU、跑一整晚」那套故事往上放大了两个数量级。
📡 生态产品雷达
生态产品雷达
Fable 5 —— 被引用最多的那个模型，今天这些循环工程课程和 agentic 构建背后的引擎。
Claude Code / CLAUDE.md —— 人们一次次把自我改进的 skills 库指向的那块底座基质。
Hermes (Nous Research) —— 「Jasmine 给自家仓库做分诊」和持久记忆那些例子背后的自我改进 agent 框架。
Grok Build —— xAI 如今已开源的 Rust 编码 agent，被反复引用，因为它让 agent 循环变得可审计。
Kimi K3 —— 那个满身「RSI 气质」（自动化科研提速、kernel 优化）的模型，在好几条循环线里都冒了出来。
MCP —— 那层连接组织（Linear、GitHub、Supabase），人们用它来框定并喂养自己的 agent 循环。
Fable 5 —— 被引用最多的那个模型，今天这些循环工程课程和 agentic 构建背后的引擎。
Claude Code / CLAUDE.md —— 人们一次次把自我改进的 skills 库指向的那块底座基质。
Hermes (Nous Research) —— 「Jasmine 给自家仓库做分诊」和持久记忆那些例子背后的自我改进 agent 框架。
Grok Build —— xAI 如今已开源的 Rust 编码 agent，被反复引用，因为它让 agent 循环变得可审计。
Kimi K3 —— 那个满身「RSI 气质」（自动化科研提速、kernel 优化）的模型，在好几条循环线里都冒了出来。
MCP —— 那层连接组织（Linear、GitHub、Supabase），人们用它来框定并喂养自己的 agent 循环。
评论