CodeX App 新推出的这个插件 Record and Replay，功能十分的逆天呀！ 基本上可以实现桌面自动化：你在桌面录制一遍自己的操作过程，它就能给你转成“技能”。以后只要是桌面上可以操作的，比如说发公众号文章之类的，全部都可以实现自动化。

RPA 也要进入 AI 时代了 Codex 推出 Record & Replay 插件 你操作一遍，Codex 就能学会 说实话，看到这个功能有些感慨 这可能会让整个 RPA 软件行业迎来一次大地震 当 AI 开始覆盖你的业务流程时，你该怎么办？

吴说获悉，硬件钱包厂商 Ledger 就 BIP-110 潜在分叉发布安全提醒称，BIP-110 是一项未内置重放保护（replay protection）的比特币软分叉方案，如果形成独立链，BTC 持有者可能在新链获得相同数量的对应资产，但两条链初期可能接受相同签名交易。用户若尝试转移或出售 BIP-110 链上的资产，相关交易可能被“重放”至比特币主链，导致对应 BTC 同时被转出。Ledger 表示，其设备在技术上可以签署相关交易，但建议在重放保护机制加入前不要领取或操作 BIP-110 分叉币。

Halborn 要审 Alkanes，而且明确说是 Bitcoin metaprotocol + indexer，这个定性我觉得很关键。 BTC L1 资产协议最难的地方，不只是合约逻辑本身，而是不同节点能不能从同一段 Bitcoin 历史里 replay 出同一个协议状态。 这也是我最近在本机跑 Bitcoin full node + Alkanes full index 的原因。 我不想只看 UI 或第三方 API 给出来的结果。 我更想自己从原始链数据往上验证 state transition、trace、余额、失败调用和流动性变化。 如果 BTC DeFi 真的起来，优势不会只是“谁先发现下一个 ticker”。 真正的壁垒会是：谁拥有自己的数据层。

特斯拉已经从图片学习向动态视觉学习大模型转变，OpenClaw和codex开始向动作过程学习转变，AI的学习能力会无限进化到比人类聪明而比人类能干。 ：Codex新出的Record & Replay是我今年见到最牛逼的功能，没有之一！以前，你需要通过文字描述创建Skills。现在，你只需要操作一遍，Codex会全部录下来，然后分析每步操作的逻辑，最后自动生成可重复使用的Skills。这个对于AI学习人类技能有非常大的促进！

我也是服了，最近真累。左手维权megaeth，右手绞杀脚本。 撸毛的老师不要再写脚本fake 前端状态提交了。@axisrobotics 虽然是可以提交成功的。但是通过不了后端轨迹的replay验证。 最后数据还是会被rejected，白白浪费我们大量服务器资源做数据verification。用脚本提交的假数据也会导致账号被封啊。 何必呢，老师。

继续分享今天的Manus使用实例。 起因是看到有媒体转载了A16z刚刚更新的Web端AI应用50强，编辑用红圈标出了其中的国产AI应用，用以佐证赢麻了的主题。（图1） 这就是我说小厂千万不要害怕营销风评的原因，在很多时候你连曝光权都不会得到平等对待，编辑只认得大厂出品的图标和名字，但实际上这里图还有一堆中国公司推出的AI产品，就这么被开除国籍了。 那么，如果要核实这里面到底有几家中国公司，怎么办？Claude会用知识库的截止日期来做筛选，Grok 3的Deep Research轮次不够，OpenAI的Operator应该可以但200美金我是真没开，最后用Manus解决回放在这里你们可以自己看： manus点im/share/AppolsjmuwQW9EevzVrRlN?replay=1 manus点im/share/KJDn3CJL4kVXBXiV0mANeU?replay=1 我的指令词是：「这张图上有50款AI产品，请确定其中哪些产品是由中国公司推出的，不要遗漏也不要偷懒，老老实实的对每一家公司进行核实，最后给我一份报告。」 这是一个纯体力活，如果给人（实习生）来做，就是让他把每一家公司的名字写下来，然后一家家的去查，最后给出一个报告，券商之类的机构把工作拆解到执行端，都是这么干的。 AI Agent至少能够起到等量价值，Manus的todo列得很清晰，先用OCR提取图片文本，列出1-50家公司，接着一家家的去做查询，包括搜索关键词、访问官网、确认总部、了解新闻、甚至阅读LindIn，最终告诉我列表里实际上有12款由中国公司推出的产品。（图2） 这个交付成果我是认的，有些带争议的判断，比如它没有把PixAI算进去，是因为PixAI本身总部就设在新加坡，实控团队在国内的消息比较隐蔽，按Manus给自己定的验证标准来看不算遗漏。 这么说吧，如果你要解决类似的需求，你是自己机械性的操作几个小时，不停的开关窗口更新文档，还是把活儿丢给AI Agent牛马去干，只负责验收结果？ 另外，从实测体感出发，「不要遗漏也不要偷懒，老老实实的对每一家公司进行核实」这句话也是必加的，原因和我前几天说的模型偷懒本能有关，不刻意强调的话很容易被AI偷工减料。 就像以前的提示词技巧会有情绪勒索的偏方，比如说你要是不认真回答这个世界就会有一个无辜的人死去，然后立竿见影的AI就会用心多了，后来几次训练迭代之后AI已经变聪明了，情绪勒索不再管用，但「请调用你的单次Token消耗上限」这样的明确命令还是偶尔能有奇效。 这次任务也超出了Manus的单任务算力上限，所以拆成了2次完成的，还是那句话，AI Agent发展路上的最大拦路虎，永远是计算资源的分配，芯片会是个好生意，而且不应该只是英伟达的好生意。

翁家翌新 blog：超越梯度的学习 昨天看到翁家翌（前 OpenAI 研究员）新写了一篇 blog《Learning Beyond Gradients》，挺有意思的，分享一些我读下来的感受。 原文较长且偏技术，下面这版做了不少删减和重组，建议感兴趣的同学直接读原文 · · · 翁家翌：超越梯度的学习 持续学习（Continual Learning）之所以一直很难，很大程度上是因为神经网络的顽疾：灾难性遗忘。那如果我们不只盯着权重更新这一条路呢？ 随着 LLM agent 越来越强，写代码这件事变得又快又好。但翁家翌注意到一个更有趣的现象：agent 可以反复读取失败信息、修改策略代码、添加测试、回放录像，让整套程序在不动任何网络权重的情况下持续变强。 · · · 这个视角让他重新审视了一个老朋友：heuristic，也就是手写规则和程序化策略。之前很多 heuristic 不是没用，而是维护太贵了，而coding agent 改变的正是这条维护曲线。那些曾经用完就扔的一次性补丁，开始变得值得长期拥有。 凡是能被持续迭代的东西，都开始变得更可解，这也恰恰是持续学习一直追求的目标。 它有没有可能成为继 pretraining → RLHF → 大规模 RL/RLVR 之后的下一个范式？ · · · 翁家翌用 Codex（gpt-5.4）做了实验，纯写规则版本，完全不碰神经网络。结果超出预期： — Atari Breakout 的打砖块分数从 387 一路升到 864，达到理论最高分； — MuJoCo 四足和跑步机器人任务中，纯 Python 策略也跑进了常见 Deep RL 结果的量级，HalfCheetah 五轮均值 11836.7； — 跑完 Atari 全部 57 个游戏后，在相同的环境交互步数下，中位数得分已经远高于 PPO 这类标准算法。 这里被更新的对象早就不是单纯的策略函数了，而是一整套带着记忆、反馈入口和回归机制的软件系统。翁家翌把它叫作 Heuristic Learning（HL，启发式学习）。 （我自己也做过 evolve，但不训练神经网络，纯靠规则约束，感觉系统怎么都智能不起来。其实不管 RL 还是 HL，能不能跑起来都是看一件事，优化结果的评分能不能清晰定义。） · · · Heuristic Learning（HL） 是什么？HL 怎么持续学习？ HL 的核心是用 coding agent 维护一个 Heuristic System（HS）。 和 Deep RL 的差异： — 反馈来源：不是 loss 函数，而是测试结果、环境奖励、日志、视频、失败模式分析； — 更新方式：不走反向传播，agent 直接改 policy、状态检测器、测试、配置或记忆结构； — 维护对象：不止一个 trace（黄金轨迹）、环境 wrapper 等。 以前怎么没人搞？专家系统 70 年代就有，但人维护起来是噩梦：加一条规则修好 case A，case B 崩了；规则堆到几百条后，除了原作者没人看得懂。 而 coding agent 不怕堆规则。它能同时读所有代码、跑全量测试、对比日志，把维护成本打下来。用翁的比喻说，就像纺纱机改变纺线成本曲线一样：手工纺贵得要死，机器一上来就塌掉了。 · · · Heuristic Learning 怎么做 Continual Learning 神经网络把经验压进权重，忘没忘、怎么忘的都是黑箱。HL 的历史则是显式的：版本 diff、回归测试、replay、视频、golden trace 全透明。新增能力前先固化旧能力：跑回归测试、跑固定种子回放。如果新规则破坏旧 case，agent 能直接定位到哪行代码引入的 regression。 但规则叠太多、agent 自己都维护不动的时候，就需要"历史压缩"，把一堆 case-specific 的补丁合并成更通用的逻辑，否则系统迟早变成没人敢碰的代码泥球。 · · · 当然，HL 不是万能药。因为 Heuristic Learning 并不能做所有神经网络能做的事情。它的上限卡在代码的表达能力：比如复杂感知和长程泛化。翁家翌也坦率地说，他想不出有哪个 agent 能纯靠 Python、不用网络去搞定 ImageNet。 所以真正的问题变成了：怎么把神经网络和 HL 结合起来，同时搞定在线学习和持续学习？ 最有希望的方向是：用 HL 快速处理在线数据，把在线经验变成可训练、可回归、可筛选的数据，再周期性地更新神经网络。以机器人为例，借用 System 1 / System 2 的说法，一种可能的分工是： — 专用浅层 NN 作为 System 1 的一部分：快、便宜，负责感知、分类、物体状态估计； — HL 也可以当做 System 1 的一部分：负责最新数据处理、规则、测试、回放、memory、安全边界、局部恢复； — LLM agent 作为 System 2：负责给 HL 提供反馈、改进数据，并周期性把 HL 生成的数据拿过来更新自己。 · · · Agentic coding 改变的不仅是写代码的速度，更改变了"哪些代码值得被长期拥有"。过去很多 heuristic 看上去没前途，不是它们太弱，而是维护不起。 coding agent 改变的就是这条维护成本曲线。 规则、测试、日志、记忆和补丁，原来只是散落的工程材料，现在开始能组成一个持续进化的 Heuristic System，去解决在线学习和持续学习一直没搞定的事。 欢迎来到下一个范式。 · so，skills + instruction following = AGI？

日读论文： From Context to Skills: Can Language Models Learn from Context Skillfully? (Ctx2Skill) 互斗写书，越斗越偏 ──────── 医生想用一份刚出的临床指南调整治疗方案。50 页文档，密密麻麻全是术语，规则之间还交叉引用。他真正需要的是把"什么病合什么药"变成几条能照着走的步骤。直接把整份指南扔给 GPT-5.1 让它答题，全 benchmark 平均对率 21%——大模型读完了，用不出来。这不是它"长上下文"不行，是 *它没把规则提炼成可以反复调用的小手册*。 老办法是把人类标注员请来给文档画重点：把规则、流程、注意事项提炼成自然语言"技能"，附在 prompt 前面给模型用。但这条路有两个死结：一是*标注成本爆炸*——50 页技术文档，标注员要把整套领域逻辑读到能复述，几小时才标一份；500 份这么搞，人累死也搞不完。二是*没有外部反馈*——如果想让 AI 自动写技能，怎么验证它提炼对了？没有 ground truth、没有执行结果、没有标准答案，它瞎写你都不知道。已有的"自动写技能"方法（AutoSkill、SkillX 等）都需要环境给反馈信号——比如"代码跑出来对不对""任务完成没"——可面对一份纯文档，没人替你判对错。 作者说不需要外人。让模型自己跟自己打——一个出题，一个解题，第三方判 pass/fail。每一回合，错题让解题方反省"我漏了什么知识"，过得太轻松的题让出题方反省"我出题不够刁"。两边各自维护一份自然语言的"技能手册"，回合结束之后改写各自的手册。这套循环不依赖人类标注，也不依赖任务本身的对错反馈—— *只用模型互相之间的胜负就能把技能写出来*。 ──────── 按常识，5 个回合互相磨练完，第 5 回合的 Reasoner 手册应该最强吧？ 错。论文做了固定回合的对照实验（GPT-4.1）：*单调下降*。越练越差。 为什么？作者起了个名字： *adversarial collapse*——对抗坍缩。Challenger 越来越凶，开始出"考钻牛角尖"的题；Reasoner 为了应付这些极端题，把手册改得越来越歪——专为对付怪题而存在的条目挤掉了通用知识。两边都在围着一个不代表真实任务分布的"病态点"打转。 更阴险的是， *这种崩塌在循环内部察觉不到*——Judge 每一回合只看当前题，没有信号告诉你"之前学会的事是不是被新条目挤丢了"。 ** 怎么找回早期的好手册：Cross-Time Replay 既然不能信"最后一版"，得回头挑。但凭什么挑？ 办法：在 5 个回合里偷偷攒两套小探针—— - *Hard probe*：每回合败得最惨（评分点通过率最低）的那道题 - *Easy probe*：每回合解得最轻松（评分点最少）的那道题 循环跑完，把 5 个版本的 Reasoner 手册*回去重做*这两套探针。每个版本算两个分：在难题集上的解题率 ρ_h、在易题集上的解题率 ρ_e。 *选哪一版？* 让 ρ_h × ρ_e 最大的那一版赢。 为什么是乘积不是相加？*乘积惩罚"舍弱保强"*——一个版本如果为了多解几道难题、把易题做塌了，乘积立刻塌（一个 0 拉低全场）；加法只算总分，掩盖短板。消融：换成加法 → -0.6%。 ──────── *你的对手如果只服你一个人，他会变成你的镜子，不是你的镜鉴*。 Self-play 跑久了，Challenger 出的题不再代表真实世界，只代表 Reasoner 当下还不会的边角；Reasoner 的手册也不再是知识，只是这场私局的应试手册。两个人在屋里关久了，一起走进自己造的回音壁。 破解的办法不在循环里——*在循环之外保留一份"代表性参照"*，回头挑哪一版没飘走。Cross-Time Replay 是这个论文真正的灵魂，不是某个技术细节。它在说：*对抗优化必须配一个不参与对抗的判别器*，否则一定会塌。这个判别器不一定是人，可以是从对抗自己内部偷出来的、有代表性的小样本——但它必须独立于"当下这一刻在追什么"。