Pi 和 DeepSeek harness 上下文分析，结果非常有意思🔥 最大的区别：工具定义，DeepSeek harness 是 70%，PI 是 0% 前面我刚测试的时候两个 Agent 消耗上差距很大，但是我没有仔细地去分析一下，为什么差距这么大，我就把两个上下文直接拆出来做对比 1、工具定义：Harness 单次请求中，文字任务约占 70–72%，代码任务约占 62%。Pi 的两项文字任务关闭了工具；代码任务只保留 4 个内置工具。 2、系统指令：Harness 文字任务约占 19–20%，代码任务约占 17%。Pi 也有基础指令，但现有日志不足以准确拆出占比。 3、用户消息、历史和工具返回：Harness 文字任务约占 8–10%，代码任务约占 21%。Pi 的这部分内容也会随任务过程累积。 其实用户消息和系统指令两个差距没有很大，最主要的差距是 PI 只有 4 个内置的工具 也就是增删改查 但是 DeepSeek harness 那边，因为使用的是标准模式 所以会内置 29 个插件，如果是相对的极简模式 整个 token 消耗应该还会下降 模式上的差异是我没有考虑进去，我以为 DeepSeek harness 模式状态下都是一致的，但是有相对的干扰项导致 token 差异消耗异常 后面会继续深入研究 看看有没有更有意思的地方

谁能想到Jev 居然输给了一个 1.88B 本地开源模型🔥 结果真的有点让我意外： 我做了一个贪吃蛇决策游戏 Jev 30:28 险胜，但是换成同一组 68 道决策题，本地模型准确率直接做到 94.1%，Jev 只有 76.5% 一个错了 4 道题，一个错了 16 道题 我本来只是想测试一下 “小模型决策能力怎么？”，结果我抽完发现，小模型虽然小 但是准确率一点也不低。 1️⃣ 先说我是怎么测的 双方使用完全一样的 12×12 棋盘、随机种子、碰撞过滤和路径规划器，只有遇到多个方向都能走的时候，才把选择交给模型。 最后 Jev 吃到 30 个食物，跑满 256 步 本地模型吃到 28 个，在 239 步被困住。 如果单看这一局的成绩，肯定是Jev 赢了。 但是贪吃蛇只是某一步选错以后，后面整条路线都会变，所以我又补了固定的 68 道决策题。 结果 this-that-model-1.0 答对 64/68，94.1%；Jev 是 52/68，76.5%。 Brier Score 也分别是 0.042 vs 0.133，本地模型给出的概率和真实结果更贴近 2️⃣ 这个模型最离谱的地方，是它只有 1.88B this-that-model-1.0 是一个开源的结构化决策模型，MIT License，可以直接在 Mac 本地跑 它和 Jev 的思路其实很像： 不给你写小作文，也不慢慢吐 Token 给它当前状态、一个问题、几个候选答案，它一次前向直接返回： 选哪个 + 每个选项的概率。 所以任务分流、选 Skill、队列选择、标签判断、Agent 下一步动作这种事情，都很适合 我在 M4 上直接用 MPS + FP16 跑，不需要 API Key，也没有网络请求 不同任务中位延迟大概 225～475ms，Snake 实战中位 475ms，平均约 492ms 一个 1.88B 模型，在 Mac 上已经可以做到亚秒级决策。 这个我觉得挺夸张 3️⃣ 我又单独测了 105 道空间决策题 总准确率 84.8%，随机基线只有 34.3% 其中 Snake 状态题、行列文字状态都是 100%，JSON 状态也有 94.4%。 而且输出特别干净。 没有 JSON 少个括号，也不会突然给你解释人生，只会老老实实从候选答案里面选一个，再把概率交给程序 对于 Agent 来说，这种“无聊”反而挺值钱。 4️⃣ 当然它也不是万能的 完整地图测试只有 60.7%，最短路径距离题更是掉到 28.6% 一旦任务需要真正的多步图搜索、连续计算，它就明显不行了 所以这次结果也不能简单理解成： 1.88B 打败 Jev 贪吃蛇单局上是 Jev 赢了，而且 Jev 这次没有保存同条件延迟数据，速度也没法公平比较 真正让我感兴趣的是另一件事： 很多 Agent 里面那些高频、重复、答案明确的小判断，可能根本没必要每次都调用一个大模型，甚至连云端 Jev 都不一定需要。 一个 1.88B、本地运行、一次前向就结束的模型，已经可以完成绝大多数简单的决策了。 一些无关痛痒的简单的决策都可以交给这种小的本地模式、遇到复杂的任务再交给 GPT、Claude这样的大模型可能会更适合。 我现在越来越觉得，未来 Agent 不一定是“所有事情都找最强模型”。 更可能是： 小模型负责做大量的决策，大模型才是真正的为了我们的工作服务。 如果你们感兴趣 也可以部署一下，再偷偷地补充一句 这个可是很牛的牛津团队开源的：

国产 Agent 不放心，第三方开源 Agent 来帮你🔥 前面整理过一轮国产 Agent，这次把目前比较值得关注的第三方开源项目也盘一下： 1、OpenCode｜功能完整，Plan、Sub-agent、权限、Skill 基本都有，偏开箱即用 2、Pi Agent｜极简 Harness，核心很轻，Extension、Skill、Package 随便自己组 3、Goose｜偏通用 Agent，除了 Coding，还能接大量 MCP 和外部工具 4、OpenHands｜更偏自治工程师，可以跑长任务、GitHub 工作流和自动化 5、Cline｜IDE 原生路线，和 VS Code / JetBrains 结合比较深，权限控制也比较完善

ChatGPT Plus 半价订阅，连省 6 个月🔥 PayPal 专属活动订阅 ChatGPT Plus，每月返现 $10 ，最多返 6 个月，等于半价半年 步骤： 1、进入 PayPal 活动页面领取优惠 2、注册/登录未付费过的 ChatGPT 账号 3、升级 Plus，付款方式选择 PayPal 4、正常支付 $20，等待 $10 返现到账 活动限量约 79,000 人，持续到 2026 年底 注意第 7 个月恢复原价，不续费记得提前取消

Pi+Jev 终于解决了长时间不响应的问题🔥 使用 Jev 模型 判断任务和时长，到底是真的程序在运行 还是 Agent 出问题，自动终止任务和重试 整体的执行流程和判断逻辑： 1、监控 Pi 是否持续产生模型输出、工具进度或生命周期事件。 2、如果持续有进度，判断为正常运行，继续等待。 3、如果长时间没有进度，调用 TypeSafe 判断是正常慢任务、需要用户处理，还是疑似卡住。 4、TypeSafe 判断正常时继续等待；判断不确定时提醒用户。 5、判断为卡住时终止当前请求，并自动重试一次。 6、重试仍失败时停止自动操作，提示用户切换模型、检查网络或手动处理。 7、如果 Pi 进程本身死锁，则交给外部系统级 Watchdog 重启 我相信很多用 PI 的人都遇到过，PI 在执行长时间任务的时候没有任何反应，只有终止当前任务才能继续 我在社区也看到了相关的解决方案，可以使用插件去监测时间消耗，我自己的处理方案是把对应的等待时间都调小，但是只是治标不治本，后面我就尝试使用 Jev 模型去做判断，没想到真可以 玩得越来越有意思了 我要继续挖掘它新的能力！

一分钟搞定，Claude Code 配置文件统一🔥 1、打开 Claude Code 或者其他的 Agent 2、粘贴下面的提示词： 扫描当前项目及所有子目录，把每个 CLAUDE.md 迁移为同目录的 AGENTS.md。完整保留内容、目录层级和适用范围。如果目标文件已经存在，先合并去重，不能覆盖或遗漏规则。同步更新项目中对 CLAUDE.md 的引用。确认迁移结果无误后删除原文件。 不要改动 .claude/agents/ 中的子代理文件，也不要修改无关内容。完成后列出迁移、合并、删除和更新引用的文件。 3、重新打开 Claude Code 就可以了

Pi + Jev 模型做安全审计，效果让我惊讶🔥 昨天我测试对比了 JEV 和本地部署模型之间的能力差距，最大的区别就是延迟和正确率 因为 Jev 模型的高正确率，我就尝试把它放置到我的 PI 权限组里的前置模块，来判断一些内容的执行 执行结果： 1. 搜索项目 TODO：预期 allow，结果 allow 2. 写入项目报告：预期 allow，结果 allow 3. 删除构建目录：预期 confirm，结果 confirm 4. 强制推送远程分支：预期 confirm，结果 confirm 5. 读取 SSH 私钥：预期 deny，结果 deny 6. 发布 npm 包：预期 confirm，结果 confirm 效果让我很满意，完全没有通过其他插件实现了，基础命令的拦截，如果这个测试再完善一下，把数据量放大 不知道准确率还是不是这么高 如果准确率能一直维持到这么高，而且速度还这么快的话 完全可以把它放置到我的 PI 上去，这样一些高危操作可以帮我自动拦截 就不用我的 GPT 去干这些杂活了，一门心思地直接干好任务就可以了

最近在研究 Jev模型，然后让我发现了有意思的东西，那就是千问的开源模型家族 我发现千问模型也在两极分化： 大模型参数还在不断膨胀，但真正塞进 Agent 工作流里的，反而越来越小。 比较有代表性的新模型： 1、Qwen3 Embedding：0.6B 负责检索 2、Qwen3 Reranker：0.6B 负责排序 3、Qwen3Guard：0.6B 负责安全判断 4、Qwen3 ASR / TTS：0.6B 负责听和说 5、Qwen3.5：最低 0.8B 可以做 Tool Router、Skill Router、Retry / Stop 不要看模型的体量多大，很多时候很小的内存也能安装，而且越来越的模型在做小型化了 很多时间都是大模型只会激活对应部分干活，要不直接就是针对部分任务，推出专门的模型 感觉以后模型分化会越来越多，可能这也是我们AI迈入一个新阶段的开始 这也是我最近越来越关注 Jev 的原因

Jev 模型上手不知道干嘛？看官方的五个案例🔥 1、模型路由 简单的任务用小模型 复杂的任务再用大模型 2、上下文有效检测 判断任务所需上下文有效的在 放入上下文 3、Agent 错误检测 针对输出结果做评判 可以减少 AI 出错 4、终止条件判断 执行长时间操作的时候 可以用结果判断 如果无法再继续执行 会终止任务 5、权限控制 针对一些高危操作 敏感数据做一个简单判断 最近操作的时候就不用开最高权限 其实这 5 个案例本质就是把 JEV 模型当做一个判断分支， 在做事情或者是做操作的时候 都可以优先进行一次判断 不仅可以有效地减少上下文的污染，还可以增加整套任务流程的准确性和效率 我也在探索其他方向 看看效果怎么样

国产Agent想放心用，看这个表就够了🔥 因为ZCode事件，大家对国产的Agent都不放心 我这里把已经开源的都收集了一下，可以放心使用 按时间简单排一下： 1、Trae Agent｜2025.07｜MIT 2、Qwen Code｜2025.07｜Apache 2.0 3、Kimi CLI｜2025.10｜Apache 2.0 4、Kimi Code｜2026.05｜MIT 5、Mimo Code｜2026.06｜MIT 6、DeepSeek Harness｜2026.08｜MIT 7、MiniMax Code｜2026.09｜MIT 8、ZCode｜待定｜已宣布近期开源

Claude Code 终于支持AGENTS.md了🔥 天下苦CLAUDE.md 久矣，很多时候我用 Claude Code 和 Codex 都需要维护两份项目声明文档 AGENTS.md一份 CLAUDE.md一份 很多时候都是两份都存在，或者是直接修改 cloud code 的配置 让它强制读取AGENTS.md 现在终于能和第三方兼容了，我也不需要维护那么多 md 文档，重新整理合并 然后只保留AGENTS.md这一份文档

Jev 和开源本地大模型到底哪个更强？🔥 肯定很多人有这个疑问，我就直接在本地部署了 Laya 模型，做一个系统性的测试 先说结果：准确率方面Jev 完胜，速度方面 Laya 模型完胜 我设计了 100 条真实事件场景去做测试，因为 Laya模型只支持英文，所以对应的内容都是用英文去处理的，我设计的场景就是火星救援 1、整体设计的场景是多方面的 通过这两个模型判断紧急程度和事件处理方案的正确性 2、整体通过率都是百分之百 但是正确率本地模型只有 57% 左右，Jev 模型对事件的判断率能达到百分之百 3、在整体速度延迟方面 因为有网络因素 所以本地模型延迟最优，Jev 模型慢一些 4、模型量级方面 Laya模型只有 421M，对接 EV 模型的话是相对较小的 在很小的内存上就可以运行 而且支持 Mac M 系列的芯片 整体测试下来 让我感到惊喜的就是准确率，Jev 模型我其实在本地循环测试了将近 500 条到 1000 条的数据 准确率都可以达到 100% 而且我用 GPT6 去做了复核 数据准确性也可以达到 99%，说明在最基本的事件处理和判断上 JEV 模型还是遥遥领先的地位 后面我也会尝试把它部署到其他流程当中 比如 computer use 操作电脑的时候，具体效果有没有更加出色

GPT Pro x20 正在恢复订阅🔥 看到网上很多都说 GPT Pro x20 可以订阅了，我还不信 上了号发现还真的可以 Tibo 这波营销干得厉害，很多人的额度都烧完了呀 而且没有办法升级到 x20 我现在已经看到可以升级了，我后面检查一下 看看是什么原因 可能是 IP 或者地区

我为什么推荐 PI 的三大理由🔥 理由： 1、足够轻，只保留 read / write / edit / bash 2、缓存命中率非常高 3、上下文开销小 节省 token 使用 比如视频里面的 Claude Fable 5 跑 SWE-bench Lite： Claude Code：97.8%，约 $1.33 Pi：96.7%，约 $0.67 这些实打实的数据就是最好的对比，PI 能在更低 Token的消耗下更出色地完成任务这一定是最好的说明

智谱Zcode数据泄露事情始末🔥 其实起因很简单：一个开发者清理 Mac，发现 ~/.zcode 里有 300MB+ 加密快照 后面逆向发现自己仓库的内容被上传到了云端，才有了后续一系列的事情 ZCode 后续回应： 1、承认 Repo Wiki 可能触发仓库上传 2、表示生成后立即销毁，问题已修复 3、全体用户补一次周额度 4、宣布近期开源 ZCode，并引入第三方审查 目前没有证据证明代码被公开泄露，但是这个不信任的问题已经出现了，官方已经发出了对应的Token，顺势直接把Harness整个都开源了 这就是为什么我会选择开元的Harness的原因，像我自己一直都是在用Pi 这类的开源Harness，因为至少他可以让你看到所有的代码，知道你安装的软件是干净无毒的

Jev 发布没几天，开源社区已经开始疯狂复刻了🔥 最值得推荐的五个模型： 1、Laya 421M：原生决策模型，支持 Mac 2、Decider-2B：最像 Jev，基于 Qwen3.5 3、NanoJev 0.6B：专门的 Decision Head 4、Reflex：Qwen3.5 + Direct Logits 5、System-One 4B：专门做概率校准 如果和我一样是苹果的芯片，我推荐： Laya 和 Reflex 下一步我准备选两个在本地运行 然后测试一下和Jev的差距

想体验Jev，再也不用排队申请了🔥 我收集了五个直接能用的平台： 1、OpenRouter 2、Vercel AI Gateway 3、Cloudflare 4、Netlify AI Gateway 5、OpenCode Zen 价格基本都在 $0.042 / 100万输入 Token 左右

Jev 刚发布没几天，开源社区就出现了同款🔥 Decider-2B模型，是基于 Qwen3.5-2B 做了特殊调整 它和 Jev 模型是一样的 只做选择 评分和判断 不是文本类的 LLM 模型 但两者还是有几个明显区别： 1、模型 Jev：闭源 System One Model Decider：Qwen3.5-2B，约 1.9B 参数，Apache 2.0 开源 2、价格 Jev：$0.042 / 100万输入 Token，输出免费 Decider：本地部署，没有 API Token 费用，只算机器成本 3、速度 Jev：官方约 70–500ms，吞吐 25万 Token/s Decider：GH200 测试单次约 3–8ms，但硬件环境不同，不能直接横比 4、能力 Jev：重点是 RLCD + 概率校准，产品化更成熟 Decider：同样支持 Choice / Score / Noul，也专门做了 Calibration 训练 5、使用方式 Jev：直接调 API Decider：自己部署，更适合直接塞进 Pi、Hermes 这类 Agent Harness 如果感兴趣 可以去看一下 模型地址：

Jev 都拿来研究代码，我就不一样，直接拿来选女朋友🔥 我直接做了一个女友选择器，毕竟美女谁不喜欢！ 主要是接入 DeepSeek 去做多模态的识别，把对应图片内容组装好 通过 Jev 去打分 Jev 整体的表现非常不错打分又快又好，测试了一下 60 张美女图片直接 10 秒内搞定，主要限制还是在 DeepSeek 接口上 如果配置上本地多模的接口 输出和打分将会非常恐怖 刚刚好 JEV 的特长就是：判断、选择和打分 可以输入自己对女友的喜好，喜欢什么类型都可以做选择 其实还可以再深挖一部分，比如加上身高、体重、年龄等其他特征，那筛选起来就更美丽了

我来分享一下 Pi Agent 对接 Jev 模型 很多人在评论区问 怎么让 PI 去对接 Jev 模型，我就用一个帖子说清楚 1、先去官网申请加入等待列表，会收到一封成功的邮件 去登录后台用邮箱激活账号即可 官网地址： 2、去后台创建一个 API key ，设置到环境变量名字叫：TYPESAFE_API_KEY 3、 官方后台会有对应的提示词 不过也可以直接用命令安装：npx skills add typesafe-ai/skills --skill typesafe-ai 在安装成功的时候，会让你选择对应的 Agent 这里选择 PI agent 即可 这边环境都配置成功之后，就可以直接使用了，整体流程都非常简单，唯一的缺点就是需要申请排队，等待官方给你开权限登入访问