Agent 需要什么样的基础工具集合 看到大家在聊 Agent 工具集的问题——是不是提供一个 shell 就都搞定了？做了 holon 之后发现，其实没有那么简单。 读：为什么放弃了 Read/Glob，全走 shell holon 的工具集改了几个版本，最后废弃了类似 Claude Code 提供的 Read（读文件）、Glob（模式搜索）这类专用工具，读取和查找全部通过 shell 来完成。这和 Codex 的路线一致——Codex 的 ExecCommand 一把梭，读文件就是 cat，搜代码就是 rg，不再单独给每种"读"操作定义一个工具。 这样做的理由很朴素：shell 是 LLM 最熟悉的"编程语言"。与其让模型去学你定义的 Read 工具的参数语义，不如直接让它写已经训练了几十亿次的 shell 命令。每多一个专用工具，模型的认知负担就加一层；而 shell 这个界面，模型已经足够熟练了。 但全走 shell 有一个代价：输出截断。框架为了避免 shell 返回值太长撑爆上下文，会给每个命令设输出上限。Agent 用 cat 读一个大文件，可能只拿到前半截，剩下的在 artifact 文件里，还得再 cat 一次甚至多次才能读完。Claude Code 的 Read 工具压缩阈值比通用 shell 高很多，读大文件一步到位，少了好几个来回。本质上是取舍：少定义工具降低认知负担，但专用工具在边界场景效率更高。 写：从 sed 到 ApplyPatch，以及 free grammar tool 的难题 但写操作就无法完全用 shell 搞定。 如果让 Agent 全用 sed 做编辑，就会发现遇到复杂的多行匹配很难处理——换行、转义、缩进，任何一层出了问题都会导致编辑失败。所以很多系统会提供 Replace String 这样的编辑工具，让 Agent 传一大段 old_string 来精确匹配并替换成 new_string。虽然笨拙，但比 sed 稳得多。 Codex 则走得更远，发明了自己的 ApplyPatch 工具，让 Agent 直接生成 patch，一次搞定批量编辑。holon 就借鉴了这个思路。 但落地的时候踩到一个坑：Codex 用的是一套 OpenAI 自己定义的简化 patch 格式，并且搭配了一种叫做 free grammar tool 的特殊工具机制来解决格式传递问题。 为什么要专门搞一种新机制？因为 LLM 的标准工具定义都是 tool(args) 这种 JSON 参数格式。如果把 patch 作为 JSON 字符串参数传递，会牵扯到大量的转义——换行要变 \n，引号要加反斜杠，缩进也得小心处理。Agent 写 patch 时本身就容易出错，再叠一层 JSON 转义，出错概率翻倍。free grammar tool 的思路是把 patch 的原始文本直接作为 tool 的输入体，不经过 JSON 参数编码，模型写什么就是什么。这大幅降低了模型生成 patch 时的出错率。 而这套机制目前只有 OpenAI 的 Codex 接口支持。holon 是要兼容多模型提供方的，没法只靠这一条路。 于是 holon 的做法是：根据模型注入不同的 ApplyPatch 定义。对支持 free grammar 的模型，直接走原始 patch 格式；对其他模型，就接收标准的 git diff 格式。我觉得 LLM 经过 GitHub 上几十亿次 diff 的训练，对 git diff 格式应该相当熟练。实践下来效果还可以——虽然也常出错，但多数时候能改对，而且随着训练数据积累，这个能力只会越来越好。不过我还是建议各家模型厂商都支持一下 free grammar tool，这对 Agent 写代码的场景确实是刚需。 调度：长时间命令和 task 抽象 第三个问题是 Agent 执行的 shell 命令不一定会很快结束——启动 dev server、跑测试、构建项目，都可能跑很久，甚至根本不退出。早期的 Agent 框架处理得很粗暴：要么同步阻塞把自己卡死，要么所有命令一律丢后台，结果 Agent 把同一个命令反复执行很多遍。 现在业界逐渐收敛到一个基本共识：不给 Agent 暴露"前台/后台"的选择——这件事 Agent 自己判断不准。更好的方式是设置一个时间阈值，命令超时自动转后台，对 Agent 完全透明。Agent 不需要预判这个命令该不该放后台，runtime 自己处理就行。 但自动转后台只是第一步。转后台之后，真正的工程问题才浮出来——而这些问题，目前业界还没有标准答案。 首先是输出怎么读。后台任务可能还在跑也可能已经结束，输出可能很大。但各家 API 的语义并不统一——有的走轮询，有的走事件推送。 其次是任务怎么停。各家都有取消机制，但取消是即时 kill 还是优雅退出、已产生的部分输出要不要保留? 最后是谁来叫醒 Agent。Agent 把任务丢后台以后休眠了，任务结束那一刻谁来叫醒它？这要求 runtime 和 Agent 调度深度绑定，不是独立工具层能解决的。 这三件事——读输出、停任务、叫醒 Agent——合在一起，就是后台任务完整的生命周期管理。各家都实现了"能后台跑"，但管理面还没有标准化方案，这可能是下一阶段 Agent 工具链演进的关键节点。 还没到无脑用一个现成模式的时候 所以回到开头的问题：shell 能解决 80%，但剩下 20%——编辑的精确性、patch 格式与模型能力的匹配、长任务的调度抽象——恰恰决定了 Agent 能不能从 demo 走向真正可用的系统。 工具集的选择远不止"封装一个 shell"那么简单，也远没到大家可以无脑套用一个现成模式的时候。这也是为什么 Codex 和 Claude Code 在这些基础问题上给出了不同的答案，而 holon 又根据自己的场景做了不同的取舍，这中间可以探索和改进的点，还很多。

@brucexu_eth 阶段性校对是我和 Agent 交互实现的，或者是我明确给扫描目标。比如现在 holon 仓库里的这批 issue，就是 Agent 基于 rfc/spec 和代码实现比较发现的 gap

从一间合租屋开始 SBF 用偷来的 $5 亿投了 Anthropic B 轮。 按今天 $3800 亿估值，这笔钱值 $300 亿。 但最有意思的不是回报率。是——他们为什么会认识？ 答案是一个叫 EA（有效利他主义）的圈子。 ─── EA 是什么 EA 说的是：慈善不该凭感觉，该凭计算。 每一美元都该流向数学上「最大化善果」的方向。 三个分支： • 全球健康派：算出每美元能救多少命，疟疾蚊帐 > 捐母校 • 长期主义派：AI 失控是人类头号存在性风险 • 赚钱捐钱派：先赚到极限，再捐到极限 最后这条是 SBF 走的路。 ─── Daniela 与 Wendy Rhoades 2010 年代中期，旧金山有一群人住同类合租屋，参加同类聚会，读同类论文。 Dario Amodei 就泡在这里面。 他和 GiveWell 联创 Holden Karnofsky 住同一栋楼。Karnofsky 后来娶了 Dario 的姐姐 Daniela——Anthropic 联创兼总裁。 Daniela 让我想起《Billions》里的 Wendy Rhoades。 Wendy 表面是 Axe Capital 的心理医生，实际上是整个基金的精神锚点——她管的不是交易，是人，是信念，是压力下的判断力。 Daniela 在 Anthropic 扮演的是类似角色。八位联创，全部还在。这在 AI 赛道几乎是奇迹。这个行业 cofounder 分裂是常态，不是例外。 Anthropic 极低的核心团队离职率背后，是有人在管那件最难管的事：让一群极度聪明、极度自我的人，在同一个信念下持续协作。 妹夫 Karnofsky 2025 年 1 月悄悄加入负责安全策略，Fortune 记者发现前公司甚至没有对外宣布。 ─── 死亡诗社 vs EA 合租屋 这个场景让我想起死亡诗社。 同样是一小群极度聪明的人，密室聚会，信念互相强化，思想茧房。 但内核完全不同： 死亡诗社是浪漫主义的小圈子悲剧——反建制、反功利，产出是诗歌和自我觉醒，风险是个体悲剧（Neil 自杀）。 EA 合租屋是理性主义的小圈子帝国——用最功利的方式做最理想主义的事，产出是基金会、对冲基金、AI 公司，风险是系统性的（FTX 爆雷波及数百万人）。 社交结构一样，价值内核相反。 ─── 圈子内部的资金循环 SBF 为什么能找到 Anthropic？ 不是什么天才投资眼光。是圈子内部的资金循环。 EA 历史上最大三个金主——Moskovitz、Jaan Tallinn、SBF——全是 Anthropic 早期投资者。Anthropic 最高治理机构「长期利益信托」四位成员里三位来自 EA 系统。 Dario 看到了足够多的红旗，所以给 SBF 的是无投票权股份，把他排在董事会外面。 这个决定后来被证明极其聪明。但也留下一个尖锐的问题： 红旗已经多到要做治理隔离了，为什么还是拿了？ ─── EA 最深的 bug 它提供了一套看起来无懈可击的框架，来合理化极端行为。 SBF 的「赚钱捐钱」和 Anthropic 的「安全发展 AI」，其实共享同一个底层逻辑——为了足够大的善果，可以承受不寻常的手段和风险。 区别只在于 Anthropic 在犯罪线的安全一侧，SBF 越过去了。 但「必须自己建造最强大的 AI 才能确保 AI 安全」和「必须先赚到极限才能捐到极限」，逻辑结构上是同构的。 ─── True believer vs 生意人 从这个角度看 Anthropic vs OpenAI 的长期竞争—— Dario 是 true believer。使命是信仰，不是品牌叙事，也是他整个 social graph 的地基。 Sam 是生意人。OpenAI 从非盈利到 PBC，从 $29B 融资到 Microsoft 入股，每一步都是极其灵活的资本运作。拿下 Softbank、签白宫安全承诺——转身继续加速。 两个人在玩不同的游戏。 Dario 的风险：信仰系统一旦被质疑，整个叙事会动摇。 Sam 的风险：没有信仰系统，市场叙事转向时没有东西锚定。 ─── Sam 的打法：不是对抗，是收编 据传 OpenAI 开出约 $10 亿把 OpenClaw 创始人招入麾下，Meta 也在竞价，最终 Sam 拿下——保留开源特性，但核心创始人归队。 不管细节如何，这个模式是真实的。 Dario 在国会山说「AI 可能杀死很多人」——真诚，是 EA 思维的直接输出。 Sam 去白宫签安全承诺，同时把 GPT-4o 做成最好用的消费品——同时服务监管者和市场。 生意人的优势就是这个：他知道什么时候该出手，出多少，用什么结构谈。 ─── AI 的入口会是谁 但 Claude 这边也在加速。 去年拒绝签美国政府 AI 安全协议，让 Anthropic 的「安全」叙事有了真正的可信度。Opus 4.6 带来更强的正反馈系统，能力在持续复利。 但 Claude 最近推出的一系列功能，不少人说是在学 OpenClaw 的路子，生态也越来越封闭。 OpenAI 的平台生态？Anthropic 的安全叙事？还是我们还没看清的第三条路？ SBF 不是「好人做了坏事」，是「聪明人用好人的叙事做了坏事」。 Anthropic 和 OpenAI 都是这场游戏的参与者，只是各自的赌注不同。 我们站在场外。但这个游戏的结果，会决定接下来十年所有人的上下文。