搜索结果 actor
actor 贴吧
一个关键词就是一个贴吧，路径全站唯一。
用户
未找到
包含 actor 的推特
你可能不知道我們的名字，但你一定看過我們的作品。
You may not know our names, but you‘ve definitely watched our films.
#reels# #meme# #japan# #actor# #女優#
显示更多
秘訣都寫給你們了
剩下就靠個人造化了。
------------------------------
@bioutw_official 你我生醫第三代瑪卡
推給各位，我已經吃了一年，現在88折優惠，有興趣趕緊搶購吧✌️
跟我一起硬起來！！！😎
(Strengthening Maca recommended by AV actors)
Buy here👇購買連結
显示更多
autoresearch 运用这种理念，加上不停的 loop 循环，这个项目的核心真的非常有意思，真的可以完成很多探索型的工作
Auctor AI 完成 2000 萬美元 A 輪融資，由 Sequoia 領投！
他們要重新定義「軟體如何被部署」——打造 AI-native 平台，專為系統整合商與服務團隊設計，解決企業級軟體實施的全生命週期。
從「如何在規模下協調人群」這個問題出發，將發現會議、文件、決策中散落的資訊，自動統整成可追溯的需求規格、流程圖、用戶故事等 artifact，大幅減少重工、加速交付！
讓大型組織的複雜軟體真正被有效採用與使用
显示更多
Autoresearch 这种 修改 -> 评估 -> 保留/舍弃 -> 修改... 无限循环迭代的思路太好用了，终于可以实现让 Codex 无人值守 24 小时不停工作了，就是 token 消耗太恐怖了，试了下只是跑 2 个循环任务，4 个 Pro 账号是不够用的
显示更多
推荐这个工具，autoresearch——一个 Claude Code skill。
把 Karpathy 的 630 行 Python 自主实验脚本泛化成了 14 个命令的通用 agent 循环：你给一个目标和指标，它自主迭代到完成为止。
核心循环
LOOP (N 轮或直到完成):
1. 审视当前状态 + git 历史 + 结果日志
2. 选择下一个改动（基于之前什么有效、什么失败、什么还没试）
3. 做一次聚焦的改动
4. Git commit（验证之前先提交）
5. 运行机械验证（测试、benchmark、分数）
6. 如果改进 → 保留。如果变差 → git revert。如果崩溃 → 修复或跳过。
7. 记录结果
8. 重复
每次改进叠加。每次失败自动回滚。进度记录为 TSV 格式。
v2.2.0 新增：自主编排器
不再需要手动设置 Goal / Metric / Verify。直接输入一个自然语言目标，编排器自动分类目标、推导 Success 谓词、与你确认一次，然后在 14 个子命令之间自主编排，直到完成。
14 个命令
| 命令 | 用途 |
|------|------|
| /autoresearch | 核心迭代循环，或自主编排模式 |
| /autoresearch:plan | 把目标转化为验证过的配置 |
| /autoresearch:debug | 假设驱动的自主 bug 猎手 |
| /autoresearch:fix | 逐个击破错误直到归零 |
| /autoresearch:security | STRIDE + OWASP 安全审计 |
| /autoresearch:ship | 8 阶段通用发布工作流 |
| /autoresearch:scenario | 12 个维度的边缘案例探索 |
| /autoresearch:predict | 5 个专家角色辩论预测 |
| /autoresearch:learn | 自主文档生成引擎 |
| /autoresearch:reason | 对抗性辩论精炼（盲审团裁定） |
| /autoresearch:probe | 8 个角色对抗性需求审问 |
| /autoresearch:improve | 产品改进研究 + PRD 生成 |
| /autoresearch:evals | 结果分析：趋势、平台期、收敛信号 |
| /autoresearch:regression | 稳定性门禁：baseline vs candidate → STABLE/UNSTABLE |
另有 Guard 机制：在优化某个指标时设置"这个命令必须始终通过"的安全网。
安装
npx skills add uditgoenka/autoresearch
然后重启 Claude Code，14 个命令全部可用。通过 /plugin update autoresearch 升级。
v2.1 架构重写
原来的 SKILL.md 是一个 813 行的单体文件，每次调用消耗约 100K token。v2.1 把它拆成了一个 41 行的路由文件 + 12 个自包含命令文件（每个 94-120 行，每次调用约 5-8K token）。相同功能面，token 减少 95%。
9 个安全 hook
默认全部启用，可单独关闭。覆盖：阻止 node_modules 等目录进入上下文、阻止读取 .env/SSH 密钥、阻止 force-push/rm -rf、压缩后重新注入上下文、子 agent 状态感知等。
GitHub：
参考：
#ClaudeCode# #Skill# #AgentLoop#
显示更多
推荐这个工具，autoresearch——一个 Claude Code skill。
把 Karpathy 的 630 行 Python 自主实验脚本泛化成了 14 个命令的通用 agent 循环：你给一个目标和指标，它自主迭代到完成为止。
autoresearch 是一个 Claude Code skill，把 Karpathy 的 autoresearch 概念（一个 630 行的 Python 脚本，能自主跑通宵 ML 实验）泛化到了任意领域。支持 Claude Code、OpenCode 和 OpenAI Codex。MIT 开源。
核心循环
LOOP (N 轮或直到完成):
1. 审视当前状态 + git 历史 + 结果日志
2. 选择下一个改动（基于之前什么有效、什么失败、什么还没试）
3. 做一次聚焦的改动
4. Git commit（验证之前先提交）
5. 运行机械验证（测试、benchmark、分数）
6. 如果改进 → 保留。如果变差 → git revert。如果崩溃 → 修复或跳过。
7. 记录结果
8. 重复
每次改进叠加。每次失败自动回滚。进度记录为 TSV 格式。
v2.2.0 新增：自主编排器
不再需要手动设置 Goal / Metric / Verify。直接输入一个自然语言目标，编排器自动分类目标、推导 Success 谓词、与你确认一次，然后在 14 个子命令之间自主编排，直到完成。
14 个命令
| 命令 | 用途 |
|------|------|
| /autoresearch | 核心迭代循环，或自主编排模式 |
| /autoresearch:plan | 把目标转化为验证过的配置 |
| /autoresearch:debug | 假设驱动的自主 bug 猎手 |
| /autoresearch:fix | 逐个击破错误直到归零 |
| /autoresearch:security | STRIDE + OWASP 安全审计 |
| /autoresearch:ship | 8 阶段通用发布工作流 |
| /autoresearch:scenario | 12 个维度的边缘案例探索 |
| /autoresearch:predict | 5 个专家角色辩论预测 |
| /autoresearch:learn | 自主文档生成引擎 |
| /autoresearch:reason | 对抗性辩论精炼（盲审团裁定） |
| /autoresearch:probe | 8 个角色对抗性需求审问 |
| /autoresearch:improve | 产品改进研究 + PRD 生成 |
| /autoresearch:evals | 结果分析：趋势、平台期、收敛信号 |
| /autoresearch:regression | 稳定性门禁：baseline vs candidate → STABLE/UNSTABLE |
另有 Guard 机制：在优化某个指标时设置"这个命令必须始终通过"的安全网。
安装
npx skills add uditgoenka/autoresearch
然后重启 Claude Code，14 个命令全部可用。通过 /plugin update autoresearch 升级。
v2.1 架构重写
原来的 SKILL.md 是一个 813 行的单体文件，每次调用消耗约 100K token。v2.1 把它拆成了一个 41 行的路由文件 + 12 个自包含命令文件（每个 94-120 行，每次调用约 5-8K token）。相同功能面，token 减少 95%。
9 个安全 hook
默认全部启用，可单独关闭。覆盖：阻止 node_modules 等目录进入上下文、阻止读取 .env/SSH 密钥、阻止 force-push/rm -rf、压缩后重新注入上下文、子 agent 状态感知等。
GitHub：
参考：
#ClaudeCode# #Skill# #AgentLoop#
显示更多
📋 awesome-autoresearch 周期巡检
本轮新增 2 条目：
1. agent-collabs（infra，HuggingFace 官方）：HF 发布协作式 autoresearch 基础设施，标志主流平台正式采纳 autoresearch 模式。
2. pla-fea-autoresearch（scientific）：首次将 autoresearch 应用于 3D 打印材料测试，CalculiX FEA 仿真驱动 PLA 填充方案迭代验证。
📂
📊 488 entries
显示更多
📋 awesome-autoresearch 周期巡检
本轮新增 1 条目（discussions）：
Introspection（Latent Space 采访）：ex-xAI 的 Roland Gavrilescu 创立新公司 Introspection，明确围绕自改进 autoresearch 系统构建基础设施，在 AI Engineer World's Fair 发表「Autoresearch in the Wild」演讲，提出三个生产模式：loop is the product、learn before automating、ground feedback in real signals。标志 autoresearch 从开源项目走向专门创业公司。
📂
📊 463 entries
显示更多
