强烈推荐这篇。Simon Willison 用 Fable 5 给他的核心开源项目 sqlite-utils 做 4.0 终审，发现了自己都没发现的严重数据丢失 bug，37 个 prompt 跑完 34 个 commit 的修改，然后让 GPT-5.5 做交叉审查又抓出 2 个 P1 问题。全程大部分在 iPhone 上完成——在国庆日游行间隙断续操控 agent。这才是 2026 年独立开发者真实的 agent 工作流。 --- # sqlite-utils 4.0rc2，主要由 Claude Fable 写的 sqlite-utils 4.0rc1 发布两周后，Simon Willison 用 Fable 5 做最终审查。初始 prompt： "Final review before shipping a stable 4.0 release — very important to spot any last minute things that would be a breaking change if we fix them later." ## Fable 发现的关键 bug Fable 发现了 5 个"发布拦截"级别的问题——最严重的是一个数据丢失 bug：`delete_where()` 从未 commit 并且毒化了连接。运行 `delete_where()` 后，连接卡在 `in_transaction=True` 状态，后续所有 `atomic()` 调用走 savepoint 分支，全都不 commit。删的行会丢，删之后插入的新行会丢，连新建的表都会丢。重新打开数据库后，删操作、新行和新表全没了。 "非常高兴没发布它——虽然至少这是个可以在 4.0.1 修掉的 bug，而不是逼迫 5.0 的设计缺陷。" ## 37 个 prompt，34 个 commit 后续用 37 个 prompt、34 个 commit、+1321 -190 行修改、跨越 30 个文件，逐条处理完所有反馈，同时做了几个额外的设计改进。 一个关于 coding agent 的奇怪事实：像这种更难的任务实际上提供了更多同时做其他事的机会——因为 agent 有时需要 10-15 分钟去啃新任务。Simon 在那段时间去看了 Half Moon Bay 的国庆日游行，偶尔从手机上检查进度、发下一个 prompt。 ## 让 GPT-5.5 做交叉审查 Simon 现在有一个习惯：让 Anthropic 最好的模型审查 OpenAI 的工作，反之亦然。这次让 GPT-5.5 审查 Fable 的改动。GPT-5.5 抓出了 2 个值得调查的 P1 问题：`db.query("update ...")` 在 raise ValueError 之前已经 commit 了 update——对一个文档说"只能用于返回行的 SQL"的方法来说非常意外的副作用。以及 `INSERT ... RETURNING` 通过 `db.query()` 只在返回的生成器完全耗尽后才 commit——不耗尽就永远不 commit。 "审查这段代码帮我建立了更好的 SQLite 事务语义边缘情况的心理模型。" ## 估计成本：$149.25 主会话 Fable 5 $141.02，4 个子 agent 各 $1-2.4，一个 Opus 4.8 agent $0.32。总共 $149.25。在 Claude Max $200/月订阅下免费，但 7 月 7 日之后即使是 Max 订阅也要付全价。 Simon 的反思：应该更积极地用子 agent 配便宜模型。他在 Fable 上的周限额已用到 63%。 ## 发布说明由 agent 写 Simon 过去坚持手写发布说明。这次让 Fable 写——"这些说明比我手写的好。发布说明是那种适合外包给 agent 的写作：无聊、可预测、准确。" 他还发现审查文档改动是建立对变化的理解的绝佳方式——比直接看代码 diff 快得多。 #Fable5# #Agent实操# #开源#

最近币圈行情依旧没啥波澜，BTC 价格也一直卡在七万多震荡，没太多可操作的空间 身边不少人都跑去跟风打新了，相比之下，我还是更愿意深耕 AI 赛道，感觉长期发展会更稳定 刚好 Consensus 2026 也才落幕 ，看到圈内不少人都在聊 AI 智能体商业，之前有刷到过的 Pieverse @pieverse_io 这段时间有不少新动态，也落地了不少东西，感觉可以和大家简单聊一下，有时间不妨看看 不知道大家有没有刷到黄仁勋说的一句话：普通聊天机器人只会回答问题，真正的 AI Agent 是能实际做事的 现在英伟达内部上万员工都已经用上 Codex 了，能明显看出来，Web2 这边，AI Agent 的底层布局一直在悄悄往前推进 再看 Web3 这边，就可以来关注下 Pieverse @pieverse_io 了，算是少数真正落地运行起来的 Agent 底层项目 它主要给各类 AI Agent 做基础支撑，提供安全钱包、链上操作权限还有各类实用技能，并且直接整合在日常常用的社交软件里，使用起来很方便 有几个细节我觉得挺不错： 1）首先是 TEE 钱包，不用手动记助记词，私钥也不会外露，安全层面更稳一些； 2）其次兼容多款主流 AI 模型，适配性比较强； 3）另外目前已经上线三万四千多个实用技能，覆盖 BNB Chain 等多条生态，在 BNB Chain 的日常访问量也排在第二，还覆盖了 2.4 亿+ 用户 这几点就看得出来它不是单一的工具应用，更像是为 Web3 的 AI Agent 搭建的一套底层操作系统 我一直觉得，支付只是 Agent 能干的第一步，后面 discovery、negotiation、reputation 这些环节更关键 OKX就把支付这件事做得不错，他们的协议这次也在 Consensus 上和 Coinbase、Stripe 被重点讨论了 Pieverse 也是 OKX @okx官方首发合作伙伴之一，已经把 A2A Commerce Protocol 接进去，帮 Agent 把整个商业闭环走通 说白了就是，OKX 管好付款，Pieverse 负责让 Agent 能主动找服务、谈条件、完成结算，还建立起信誉体系 对了，代币 $PIEVERSE 5 月 4 日也要正式上线 Boost了，大家记得看看，别忘记参与了 产品的话现在已经在 BNB Chain 上跑起来了，也接入了 MEXC、 等环境，开发者能直接用 还有一个比较好的点就是，他们已经在线下实际场景跑通了 之前在台北做的线下试点就很直观，普通用户打开日常用的 LINE，和 AI 智能体简单沟通就能点单买奶茶，付款直接用 Binance Pay 完成 整个过程商家完全不用接触区块链相关内容，正常收款经营就可以，同时还能用上订单管理、用户复购维护这类工具 很多人都说 2026 是个人 AI 智能体发展的起点，其实比起各类演示样品，这种融入日常、普通人能直接用上的落地模式，才更有实际价值 接下来首尔、巴厘岛、大阪的线下落地活动，也都在陆续筹备推进中，到时候在当地的可以去体验看看 最后一点，也是大家比较关心的，看几组行业数据，就能直观判断 AI Agent 后续的发展趋势 2026 年二季度，Agent 相关融资就有 200 亿美金，差不多占了整个 AI 领域融资的一半 不少企业的 AI 项目，也从简单测试慢慢落地，正式投入使用的比例，从去年三季度的 11% 涨到了 31%。全球 MCP 服务器现在已经突破 9400 台，单季环比涨了 58%。斯坦福最新数据也显示，AI Agent 处理实际实操任务的成功率，已经达到 66% Pieverse 依托日常常用的社交聊天软件，触达的用户基数不小，一直在慢慢完善底层基建 大多功能都是实打实落地运行的，不管是行业开发者，还是平时关注 AI Agent 落地的人，都可以多留意，项目动态更新得很透明，感兴趣可以看看 @pieverse_io！ 好啦，今天就说到这啦！

关于 AI 交易，聊概念的太多了，想看点实操的？ 新栏目「对话 AI 交易员」即将上线，每期找一位真实用户，听他讲怎么把 Agent 打造成专属交易班底。 RT 此推，留言分享你的 OKX Agent Trade Kit 交易经历，我们将从中邀请用户登上栏目、参与访谈，完成还能领取周边！下一期的主角，或许就是你💻

给表妹写的一些 AI 学习和实操建议。 刚从中央美院回来，跟今年即将毕业的表妹聊了一路。聊下来我发现，她对 AI 的理解基本上还停留在豆包和 DeepSeek 上。 于是我真诚的给她写了一些建议，整理出来，希望也能帮到其他人。 1、不管怎么样，先买一个月 ChatGPT 会员，然后就去用。问它问题，什么问题都问，工作的、生活的，任何自己困惑的都行。 然后也试一试里面的图片模型，让它生成有意思图片。别因为舍不得 100 来块钱，或者嫌麻烦，不愿意折腾 ChatGPT 会员。这绝对是最值得的一笔人生投资。 2、ChatGPT 的 Plus 会员就有不少的 Codex 使用额度，不用另外花钱。所以，相当于有一个 ChatGPT 的会员，就可以直接用 Codex 了。 Codex 是类似 Claude Code 这样的 Agent 工具，可以写代码，处理各种各样的工作任务。 3、别费劲折腾 Claude Code 了。虽然 Claude Code 也有客户端，但现在大家主要还是在终端里。 对很多非计算机相关的人来说，门槛太高了。我觉得在 Codex 已经追上来的情况下，真没必要去学那些命令行，命令行根本不是这件事的关键。 4、用 Codex 解决一个真问题。光装上不算用起来，得拿它去解决一件自己手头的事。 我跟表妹说，她前段时间不是写论文吗，那能不能用 AI 做一个小工具，帮她排版，或者帮她优化论文。做一个小工具，立马就能够体会到成为一个 Builder 的爽感。 5、手机也一定要装上 ChatGPT。如果用的是苹果手机，那一定要想办法装 ChatGPT。 其实办法也很简单，只要愿意查，现在小红书那么多教程。手机上有 ChatGPT 之后，那我们随时随地只要有问题就可以问它，这就会方便很多。 6、把自己了解 AI 行业的信息源切换到 X 和 YouTube，去那里看最新的实践和思考。 X 上我们知道的硅谷创业者基本都有账号，可以 follow 他们，看他们在思考什么，在研究什么，在讨论什么。YouTube 上则有非常多优质的播客。 记得前两天看过一个帖子，说我们和硅谷的距离并不重要，只要我们会用 YouTube 和 X，我非常认同。 7、我刷 X 的目标很明确，就是去看硅谷那些顶尖的创业者、CEO、工程师，他们最新的思考、判断和经验。这个真的受益匪浅。 8、英语不好也没关系。可以给浏览器装一个翻译插件，这类插件很多，能设置成自动翻译某个网站的内容。 YouTube 也是，听不懂英文的话，可以找工具把视频内容导出为中文文字再读。 9、一定要用语音输入法。我现在电脑和手机上都在用豆包语音输入法。语音输入会极大地加快我跟 AI 互动的效率。 10、花 15 分钟搞懂什么是 Skill。注意，就花 15 分钟。这个概念其实不复杂，不需要长篇大论看很多东西。 明白之后立马去 Codex 里操作一下，装一个 Skill，再试着搭一个自己的 Skill。 然后就慢慢地、循序渐进地把它用到工作里。我的思路是永远在实践中学习。 11、还是要重视提示词。提示词说白了就是我们怎么跟 AI 沟通，跟怎么跟一个朋友沟通是一个道理。语气不一样、方式不一样，它给你的结果可能就不一样。 举个最简单的例子，让 AI 帮忙续写内容的时候，你提前跟它说好，别凑字数，不懂的地方要反过来追问我，这样最后生成的质量就会高不少。类似的小技巧还有很多。 12、刻意去调整自己的工作习惯。我们过去基本都是自己一个人在那吭哧吭哧地干活。有了 AI 之后你会发现，身边其实多了一个能跟你协作的人。 AI 不是工具，AI 是一个能帮我们干活的人。明白这一点，就得调整习惯，调整思维方式，告诉自己所有的事先让 AI 去干。 这个习惯不太好改，我的办法是在电脑前贴张便签，或者换一张壁纸提醒自己，硬逼着自己花 14 天把这个思维扭过来。

清华、上海交大和 MemTensor 最近提交了一篇论文，系统评测了 12 种 Agent 记忆架构。重点从“谁的模型更强”，转向“记忆系统该怎么选”：什么时候用 RAG，什么时候用向量数据库，什么时候引入知识图谱。 论文标题：我们准备好构建 Agent 原生记忆系统了吗？ 论文把 Agent 记忆拆成 4 个环节： 表示与存储 → 提取 → 检索与路由 → 维护 然后分别评估每个环节对长期记忆效果的影响。 几个核心结论： 没有万能架构 不同任务适合不同记忆系统，关键在于记忆架构和 workload 的匹配度。 局部维护更划算 只更新受影响的记忆片段，比每次全局重构更省成本，效果也接近。 差距主要体现在两点 12 个系统跑了 5 个 benchmark、11 个数据集后发现，真正拉开差距的是检索精度和长周期稳定性。 实操上可以这样理解： 简单问答场景：向量检索基本够用。 需要多跳推理：最好加知识图谱层。 知识频繁变化：优先做局部维护，别动不动全量重建。 这篇论文的价值在于，它把 Agent 记忆从“概念讨论”推进到了“工程选型”：不同场景该用什么记忆系统，终于有了一套相对系统的评测框架。 论文： 代码：

本周有什么大事发生，会如何影响行情 ？ 一句话，让 Agent 把事件、时间、影响逻辑、走势预测一次给齐，本周看： 一季度 GDP 二次修正 核心 PCE、PCE 同比 芝加哥制造业 PMI 多位美联储官员密集发言... Agent 还能按"超预期 / 不及预期"分别推演行情走向！凡你所思，Agent 皆可为。实操视频⬇️

AI Agents > Virtuals Robotics 从链上 ai 代理到机器人能够进入经济系统 @virtuals_io 真的在 all in 机器人赛道 Virtuals Robotics 也不是单独做机器人硬件，而是让 AI 代理，能够直接参与真实机器的任务、协作和结算 这个能力的核心，是他们推出的 Agent Commerce Protocol ACP 就是 Virtuals 在 robotics 的核心竞争力，可以把 ACP 理解为一套为机器准备的商业协议 正因为 ACP 的存在将链上代理的流程标准化，下面这些项目才不是零散的机器人创业公司，而是被拼进同一条路径 📌@BitRobotNetwork 从真实世界采集可训练的机器人动作数据 关键进展： SeeSaw 成为其第 5 个子网（SN/05） 已收集 25,000+ 真实机器人训练任务 覆盖系鞋带、折衣服等日常动作 FrodoBots Lab 在 2025 年完成 800 万美元融资 这些数据都是货真价实的，它们是机器人进入经济系统之前，必须先补齐的常识层 📌@PrismaXai 让人类经验变成机器人资产 > 构建远程操作协调层 > 众包高质量 VLA（Vision-Language-Action）数据 > 把操作者经验变成可激励、可交易的数据 2025 年的进展: > 6 月完成 1100 万美元种子轮 > 实时远程操作平台上线 > 顶级操作员累计 100+ 小时 实操 > 通过 RoboCon AI、大会和周刊，持续吸引操作者 📌@openmind_agi OpenMind 是目前最接近机器人经济操作层的项目 2025 年最重要的一步，是 ACP 正式集成进 OM1 开源机器人 OS 这直接带来了非常具体的变化： > 机器人可以通过语音指令 > 调用代理 > 跨协议分配 1000 USDC > 执行接近 10% APY 的 delta-neutral 策略 > 全流程本地完成，无云依赖 📌@xmaquina 机器人当作生产资产，谁拥有机器人，谁分享自动化收益 他们的路径是把机器人资产直接 token 化： 推出 $DEUS，社区优先销售（2026 年 1 月 8 日） 构建机器人 DAO 已演示首个 tokenized robo-cafe（peaq 链） 把机器人视作可以被持有、被分红、被治理的生产资料，脑洞大开，牛逼！ ⭕️Robotics 的终极方向就是将机器人开始在一个完整体系里工作、协作、结算 也是 AI Agents 往现实世界延伸的那一步 2026年注定是 robotics 井喷的一年

挖到一个 A 股开源投研神器 —— TradingAgents-Astock 专门为 A 股深度定制，数据源完全免费，mootdx + 东财 + 新浪 + 腾讯财经 + 同花顺等直连，无需 API Key，龙虎榜、解禁、资金流一应俱全。 内置 7 个 Agent 分析师，含政策、游资、解禁 3 个 A 股特化角色。 多头空头会议室对账，最终输出考虑 T+1、涨跌停等规则的实操方案。 国内直连也很丝滑，支持 DeepSeek、MiniMax、通义、Claude 等 9 个大模型随意切。 Web UI 和 CLI 都有，不写代码也能用 仅做开源分享，非投资建议 地址：

当下一些顶尖科技巨头，正悄然显露典型的大企业衰老疲态。 公司顶层长期由六零后、七零后元老把持，这群缔造了企业辉煌时代的掌舵人，手握过往通信时代的累累战绩，奠定了企业的行业根基，也守住了多年的基本盘。 但时代风向骤转，AI智能浪潮席卷全局，全新的Agent智能体、通用大模型、智能化开发范式快速迭代。 可企业顶层思维仍停留在传统硬件与通信逻辑，对新兴AI生态感知迟钝、接纳缓慢，极少深入一线跟进前沿技术迭代，更无一线亲手实操、试错创新的经历。 固化的管理层结构，催生了僵化的组织模式。 庞大的元老团队占据大量股权分红与人力成本，拖累整体经营效率。对比互联网企业灵活敏捷的AI迭代节奏，巨头的云业务、通用大模型赛道增速疲软，战略反复、调整滞后， 增长红利逐步消退，曾经的高速成长，已然步入缓慢滞涨的衰老周期。 世间所有组织，皆逃不开新生、鼎盛、衰老的宿命。 固守过往辉煌、依赖旧路径红利是人的天性，行成稳固的势力和得利截阶层，最终打破格局、自我革命、主动破局重生，几乎不可能。 唯一的可能就是砸碎就框架。就是掀桌子。 不掀桌子，他们不仅会自我盘踞还会社会盘踞，阻碍科技进步，社会脚步。