00:00 / 04:22
连播
清屏
智能
倍速
点赞69
00:00 / 04:12
连播
清屏
智能
倍速
点赞10
00:00 / 00:50
连播
清屏
智能
倍速
点赞614
00:00 / 04:16
连播
清屏
智能
倍速
点赞8
00:00 / 08:29
连播
清屏
智能
倍速
点赞40
00:00 / 00:07
连播
清屏
智能
倍速
点赞4
AI敲代码不再需要人类了?OpenAI秘密实验曝光:3个人,0行手写代码,5个月做出百万行产品!最近爆火的Harness Engineering到底是什么? 一下键盘都不用敲,3个人就能造出一个100万行代码的产品。这并非科幻,而是OpenAI、Anthropic正在进行的疯狂现实。 本期视频,我们彻底拆解让整个硅谷陷入沸腾与焦虑的“Harness Engineering”(驾驭工程)。这到底是什么? 核心矛盾:为什么AI在“连续行动”时,成功率会从1%暴跌至37%?提示词工程为何在此失效? OpenAI的答案:揭秘其内部“人类不得手写代码”的铁律实验。7名工程师如何驱动AI完成1500个Pull Request,实现“Humans steer. Agents execute.”(人类掌舵,智能体执行)。 Anthropic的对策:面对AI“迷之自信”、无法自我评估的难题,他们如何用“生成器+评估器”的多智能体协作,强行掰正质量? 行业冲击波:LangChain的实验显示,不换模型,只换“壳”(Harness),AI编程性能竟飙升13.7%。这揭示了怎样残酷的未来:模型正在商品化,真正的护城河与价值洼地,正在从“模型能力”转向“驾驭模型的能力”。 五大模块拆解:我们将深入一套成熟Harness系统的核心——上下文管理、工具编排、约束护栏、反馈闭环与可观测性,看它们如何成为AI智能体的“缰绳与鞍具”。 终极争议:这是点石成金的魔法,还是终将被更强模型取代的“临时脚手架”?Martin Fowler等大佬的尖锐质疑点出了哪些要害?当投资逻辑从“追求最强模型”转向“追求最稳定产出系统”,我们的钱包和饭碗将如何被重新定义? #HarnessEngineering #OpenAI #Anthropic #LangChain #AIAgent
00:00 / 15:45
连播
清屏
智能
倍速
点赞154
00:00 / 03:59
连播
清屏
智能
倍速
点赞10
00:00 / 03:55
连播
清屏
智能
倍速
点赞18
00:00 / 01:32
连播
清屏
智能
倍速
点赞18
OpenAI Codex 最佳实践指南 OpenAI Codex 最佳实践指南 - 8个步骤完整闭环、5个实操结论和7个典型误区 OpenAI 这篇文档写的非常有深度,目标是教会我们把 Codex 当作一个需要配置、磨合和持续改进的团队成员,通过正确的上下文、配置和自动化,构建一套让 Codex 持续稳定工作的协作系统。 先说文档主线的8个步骤闭环,实践路径非常清晰易学 1. 先把单次任务说清楚 2. 再让复杂任务先规划 3. 再把反复要说的话沉淀进 AGENTS.md 4. 再把环境、权限、模型等放进配置 5. 再把测试和 review 变成闭环 6. 再把外部系统通过 MCP 接进来 7. 再把高频流程做成 Skills 8. 最后把稳定流程做成 Automations 最值得采纳的 5 个实操结论 1. 先把任务写成 Goal + Context + Constraints + Done when 2. 复杂任务默认先 plan 3. 把反复出现的规则写进 AGENTS.md 4. 把“写代码”升级成“改动 + 测试 + review”的闭环 5. 先 skill,后 automation;先稳定,后放大 文档也在提醒避免这些典型误区 · 把长期规则全塞进 prompt,而不是沉淀进 AGENTS.md · 不告诉 Codex 如何运行 build/test,导致它“看不见自己的结果” · 多步骤任务不做 planning · 一开始就给过大权限 · 在同一份工作区里并行改同一批文件却不用 worktree · 流程还不稳定就上 automation · 一个项目只开一条超长线程 #ai #openai #agent
00:00 / 00:38
连播
清屏
智能
倍速
点赞24
golutra1周前
一个人 = 一家公司?我把它做出来了。一人公司ai应用演示 我刚开源了一个项目: GitHub: https://github.com/golutra/golutra #通过这个系统,你可以构建自己的 AI 蜂群(Agent 团队),让多个 AI 自动协作完成任务: 写代码 跑任务 维护项目 管理内容或自媒体 执行基于角色的工作流 持续生成视频、小说等内容 核心不再是“一个 AI”,而是: 👉 一整套 可自由组合的多 Agent 架构 + 工作流系统 目前已经实现的能力: 多 Agent 协作:像真实团队一样分工合作 灵活工作流:适配不同行业和使用场景 CLI 模板复用:无需重复造轮子 长时间运行:可以像“AI 员工”一样持续工作 一个我觉得很关键的设计点: 大多数桌面应用,其实是看不到底层命令行的, CLI 都被 UI 封装起来了。 但在这个系统里: 👉 你可以点击任意一个 Agent 头像,实时查看它的终端输出 这点在多 Agent 场景里非常重要,因为: 子 Agent 很容易“掉链子” 或者 silently fail(悄悄出错但你不知道) 所以我做了一个能力: 👉 你可以随时和任意一个 Agent 对话 👉 在它运行过程中动态调整行为 👉 不需要重启整个工作流 本质上就是在运行时对工作流进行微调。 未来规划: 自研 CLI 和 Agent 运行体系 支持更长期的 автоном运行(比如连续运行一个月) 这是一个面向未来的产品方向, 并不是完全不现实。 #ai #vibecoding #claude #chatgpt #gemini
00:00 / 03:16
连播
清屏
智能
倍速
点赞16
00:00 / 05:25
连播
清屏
智能
倍速
点赞259
00:00 / 01:59
连播
清屏
智能
倍速
点赞875
golutra1月前
一人公司,并行开发多项目的ai应用。秒杀codex桌面端 官网:https://www.golutra.com golutra 是新一代多 Agent 协同工作台,它把你现有的 CLI 工具升级为一个完整的 AI 协作中枢。无需迁移项目,无需重学命令,无需切换终端——只需保留你熟悉的工作方式,即可获得并行执行、自动编排和实时结果回传能力。 你可以点击每个 Agent 头像查看终端日志、运行状态与输出结果,也可以将提示词直接注入终端流,实现即时反馈。多个 Agent 可在后台静默运行,持续推进任务。基于 Vue 3 + Rust,采用 Tauri 桌面架构,支持 Windows 与 macOS。 它将“一个人 + 一个编辑器”的开发模式,升级为 “一个人 + 一支 AI 军团”,用多智能体并行与自动化协作,取代传统 IDE 的单线程 + 人工切换模式。 核心亮点 无限多 Agent 并行执行 从分析到部署的自动化流程编排 CLI 兼容:Claude、Gemini、Codex、OpenCode、Qwen 隐形终端,具备上下文感知能力 可视化界面 + 命令行原生掌控力 你继续使用熟悉的命令,golutra 负责把它们连接成完整工程闭环。 后续规划 golutra 目前只是第一阶段。 下一步将重构 OpenClaw 为真正的“总指挥层”——一个中央 AI 协调核心,可根据任务复杂度自动创建 Agent、分配角色、生成协作频道,动态组建结构化的 AI 团队。未来不再需要手动调度,系统将按需自动组建作战单元。 正在规划中的能力包括: 手机端远程操控 —— 随时查看 Agent 状态、日志输出,并可远程干预与调度任务。 自动 Agent 构建能力 —— 面向不同行业场景,一键生成专属 Agent(如重构 Agent、合规审查 Agent、交易策略 Agent 等)。 Agent 通用接口协议 —— 标准化接入规范,使新 Agent 能无缝加入协作体系。 深度记忆层 —— 跨 Agent 共享长期上下文记忆,强化知识积累与跨任务协同推理能力。 从“多 Agent 并行执行”进化为“自组织 AI 团队”,通过更强的协同机制、记忆能力与角色分工,使整体协作效率提升 30% 以上。 一个人,一支 AI 军团。 未来,是一个智能化的 AI 组织。 #vibecoding #claude #chatgpt #gemini #opencode
00:00 / 11:44
连播
清屏
智能
倍速
点赞62
00:00 / 00:41
连播
清屏
智能
倍速
点赞NaN