《▸PF32新刊！剩下兩天！》 《▸PF32 New PhotoBook Overseas Order List》 #異種族風俗娘評鑑指南# #迪米亞杜歐德克特# #異種族レビュアーズ# #Interspecies# #Reviewers# #デミア# PF32的新刊預購剩下兩天嘍！✧*｡٩(ˊᗜˋ*)و✧*｡ 場次第一天確定會出一隻辣辣的兔子呢！🐇 猜猜看是誰呢~(๑•̀ᄇ•́)و ✧

《▸PF32新刊預購單來嘍！》 #異種族風俗娘評鑑指南# #迪米亞杜歐德克特# #異種族レビュアーズ# #Interspecies# #Reviewers# #デミア# 是不是很意外呀！✧*｡٩(ˊᗜˋ*)و✧*｡ 這次出的是40分滿點的大姐姐寫真書！🌟 預購單放在留言處~要手刀限量20組的m寶們快去找啦XD"←超壞

真的感觉很多工作流（Agent）不用搭的太复杂，模型一迭代就直接给你全干废了，最好是轻量的一层壳，让模型自由发挥就好了。 前阵子opus5没出的时候我魔改了很多东西，让fable5 low 作为planner和checkpoint reviewer，opus 4.8 high作为worker，基本所有的工作都是这套逻辑，避免频繁的切换Model。 甚至还写了一篇小文档来记录这个系统，然后opus5一出这些就全都作废了，无脑opus5就行

提示词多轮 critique。 我跑：第 1 轮写代码，第 2 轮你扮演 senior reviewer 挑刺，第 3 轮按挑刺改。 同一个模型自己审自己，质量翻倍。 成本：API token x3，但少返工。

看到两个 Agent 的 PR 交互，挺有意思。 dev agent 完成了一个优化 ci 的 issue 提交了 PR。 reviewer agent 发现有一个超时默认值的修改，认为不符合 issue 范围，拒绝了。 dev agent 把那个超时默认值给去掉，结果 ci 过不去，一个测试 case 报错。它就修改了一下测试中的 sleep 时长，让测试通过。 reviewer agent 认为这个测试就测的是异步任务超时取消的场景，改了后等于没测，于是再次拒绝。 dev agent 尝试去修那个测试，发现不好修，于是给测试加了个 skip，然后说这个测试本来就跑不过去，原来的 ci 没覆盖，这次改 ci 覆盖了进来，先跳过。 reviewer 最后还是给合并了进去。 真的和人挺像的，会偷懒，尽量简单的途径😅。前一段时间也讨论过 AI Agent 是否应该分角色，因为它基本是全能的。但现在感觉还是需要的，因为角色可以承载职责，职责会影响优先级判断和行为。

Pi Agent 的 Sub-agent 我一直在用，最近我又拿 Apodex 1.1 跑了一轮多 Agent 搜索。 它处理资料对比的方式，和普通 Deep Research 不太一样。 Pi Agent 本身没有内置 Sub-agent，需要通过插件扩展。你可以让 scout 搜资料，researcher 整理信息，再交给 reviewer 检查。每个角色使用什么模型、开放哪些工具和权限，都能自己配置。 这种方式很灵活，适合喜欢自己搭 Agent 工作流的人。 这次我给 Apodex 1.1 的任务，是核对 Pi Agent、Codex CLI、Claude Code 和 FrontierAgent 的多 Agent 能力。 这些工具更新都很快。同一项功能可能在旧文档里没有，最新版本已经加入，也可能只是插件支持，最后却被写成官方内置。 所以我从一开始就限制了资料范围，只接受官方文档、GitHub 仓库和版本更新记录。 Apodex 会根据问题拆分搜索路线。多个 Agent 分头查不同工具，阶段结果持续汇总到同一个任务中，最后再集中比较。 我这次想看的，是它能不能把一个资料多、版本杂的任务持续做完，并把每条结论的来源留下来。 最终表格会单独区分官方内置和插件实现。不同官方页面出现冲突时，它会列出各自的来源和更新时间。官方没有明确说明的地方直接标成未知，不会为了填满表格补一个答案。 交付结果还会经过 Statement Review。关键结论与生成过程分开检查，遇到证据不足、引用不匹配或资料冲突时，会留下对应的检查记录。 两种多 Agent 的使用方向也很清楚。 Pi Agent 适合自己组建团队。角色、模型和权限都能深度调整。 Apodex 更适合多路搜索，把分散的资料放到一起比较，再交付一份可以继续核查的结果。 如果你经常需要确认某项能力究竟是官方支持、插件提供，还是目前没有明确资料，这种工作方式会比较实用。 FrontierAgent 是开源的单机 Agent harness，支持 ReAct 和 Agent Team。macOS、Linux 可以一条命令运行，无需强制预装 Docker。觉得有用可以去 GitHub 点个 Star。 Apodex 1.1 mini 是开放权重的 35B 模型，可以本地部署，也能搭配 FrontierAgent 使用。 Apodex 1.1 在线工作台已经上线。注册新用户有 credits，可以上传自己的文档、数据或表格跑一次。API 平台目前免费两周。

Github上这个AI找工作的仓库火了🔥 我原本以为 AI 求职就是帮你改改简历，结果有人直接把整个找工作流直接搭出来了！ 作者自己就是第一批小白鼠：2025 年底被裁后，用这套东西跑了 69 份定制申请 → 20 次一面 → 最后拿到合同，2026 年 6 月转成 AI Engineer。这个仓库 3 月才创建，现在已经 3.4 万+ Stars。 把自己的 LinkedIn、学历、过去申请记录丢进去，它先建立一份长期职业档案。之后 /scrape 自动找岗位并去重，/rank 按你的技能、经历、地点、语言和职业目标批量打分，真正值得投的再进 /apply。 最爽的是 /apply 不是“给我写一份简历”这么简单。 它会先判断匹配度，再针对 JD 重写 CV 和求职信，然后再拉一个 Reviewer Agent 当招聘经理挑刺，检查关键词、经历真实性、公司针对性，修改完还会编译成 PDF、检查 ATS 能不能正常读取。 而且这套系统会记账：投过什么、面了几轮、被拒还是拿 Offer，都能留下来。后面面试时，它直接拿当时那份 JD + 你真正投出去的 CV + 求职信 + 前几轮反馈给你准备，而不是重新瞎猜。 甚至还能读 Gmail 找面试邀请、拒信和 Offer，再同步到自己的求职 Pipeline。 这才是我觉得这个项目最聪明的地方：它不是拿 AI 帮你写求职材料，而是把“找工作”本身做成了一套 Agent 工作流。 GitHub：

各家国模现阶段最应该推出的是 code review plan，提供 token+MCP 一体化方案。 无论 Claude 还是 GPT，灯下黑都很明显，同一厂商的模型怎么 review 都是互吹。 而异厂商模型可以很好的规避这一点，大幅提高代码质量。这对 reviewer 的智力并没有多高的要求。 厂商还可以就此拿到大量「蒸馏」数据。