TapeAPI 是 TapeOut 的开放服务层，让 Circuit、Container、应用与 Agent 通过可验证服务协作。 TapeAPI is TapeOut’s open service layer, enabling Circuits, Containers, apps, and agents to collaborate through verifiable services.

聚焦在现有工作上用coding Agent去解决，是一条错误道路，人类已经把能吃的红利吃差不多了， 接下来就是无尽的人指令-agent执行-人指令-agent执行的iteration中逐渐迭代工作，很难把人从这种小幅度高强度反复的iteration中解放出来。 因为现有codebase不仅高度复杂，而且人的大部分命令都是高度模糊、 高度开放、高度自由、无法验证的命令， 场景也是高度开放、高度自由、无法在containers中直接测试跑一跑，必须在真实世界中获得反馈才能继续修改工作。 所以我最近半年一直坚持反复告诉大家： 1. 在现有所有大型科技互联网软硬件移动外包平台coding agent的红利很快就吃完，现有人类像唱山歌一样和claude code高强度一问一答的模式，就是短期内的最优解——像full self coding一样大量agent并行完成coding工作，不会带来更多的收益； 2. 在coding agent很快增长和红利消失的大前提下，人类如果想继续把AI Agent和multi agent的红利吃干抹净，必须持续找到有价值的新领域、新方向、新问题： A. 同时满足问题定义简单干净、环境封闭、非常非常易于verify、问题解决方案搜索空间巨大的复杂问题，让goal-driven( 前提是易于verify，必须用很低的成本去verify最终输出是否正确，保持持续验证这个criteria，给予正确的反馈和无限工作循环的核心条件，直到完整完成工作； B. 能够把multi agent的并行度吃干抹净，一次性1000个agent大批量初始化和启动，在一些setup中持续活跃，保持multi agent的可观测性， 除了openclaw时代就臭大街的各种爬虫以外，还有行为经济学、社会学、心理学、教育学、法学等等大规模试验，不由分说充足token，先初始化1000个agent模拟跑几天，观察一些初步结论； C. 就像我半年前说的价值10万刀的策略：把一切人类社会中遇到的所有问题，整理成文档、表格、图片、文字、structured data，让一些富有经验、富有memory的coding agent（就是claude code和codex本人）进行一步步解决， 你始终要明白，现阶段的头部coding agent已经足够复杂、 足够高级、机制足够完善，AI Agent已经经历了4~5轮工业革命，完善到整个industry其他任何生态和框架继续手搓的任何agent都像一个玩具，只要一个claude code/codex一个文件夹+一个docker/kubernete，就是未来一切企业和流程中的general agent； 3. 有一点几乎被所有人忽略，也是我近几个月意识到的问题。 在经典deep learning时代，一些产业对于经典neural network和baysian model有天然的不信任感和敌意，他们会非常激进、偏执地要求一切machine learning的模型尽可能地跟随可解释性、AI伦理、因果推断等等方向。 在AI Agent时代，越是激进使用的人，越是对AI Agent产出的代码、报告、分析、数据、结论产生严重的怀疑， 因此不只是GPT model需要superalignment，LLM Agent本身更需要superalignment，在Agent时代，superalignment的重要性会越来越高， 而且AI Agent产出和workflow的可解释性需求也会越来越高，最最基础浅表的就是各种问答chatbot的来源引用，今后其他越来越复杂的工作，包括coding本身，都会有可解释性的大量问题涌现， 一种方式是尽可能用formal verification或者prover的形式来自动化验证， 一种是用agentical的验证方式，就像人一样去用一个或者多个agent来反复review和challenge一项工作； 4. 还有一点很多人没想到，就是AI Agent会对人施加反过来的影响。 比如office出现后，普通人要求用office三件套来完成工作，office重塑了人类办公的基本流程和规范， 比如出现了google之后的早期，普通人要学会正确输入搜索关键词，把想问的问题拆分成正确的关键词，以获得正确query的结果（后来google反复做了优化，这个技能也逐渐不重要）， 比如social network出现之后，人们学会了全新的交友方式、social network的交友礼仪、聊天方式， 所以在AI Agent时代，人最重要的技能，没有之一，就是如何正确使用AI Agent、挑选正确的模型、使用正确的工具、组建正确的prompt、描述正确的问题、输入充足完备的信息、如何用goal-driven去构建一套dual-agent的简单无休止infinite-loop workflow， 一个不会正确定义问题、不会正确输入足够多的信息、不能让AI Agent在一个边界清晰的闭包问题中正确工作、持续工作的人，天天拿AI Agent当成无所不知的万能神、百宝箱、随机神、超人，除了问弱智问题，就是玩猜猜看、问宏大开放的无异议问题， 这种人大概率会被这个时代逐渐淘汰掉。

苹果亲儿子 container 项目，实测 virtiofs 性能吊打 OrbStack，顺便把这背后的坑讲清楚。 macOS 不是 Linux，Docker 靠的 cgroups、namespace 全是 Linux 内核概念。 所以不管 Docker Desktop、OrbStack、Podman，在 macOS 上跑容器都得先起一个 Linux 虚拟机，容器其实是在虚拟机里跑的，不是直接跑在你的 macOS 上。 你的文件在 macOS 上（比如外接硬盘），容器在虚拟机里，两边隔着一层虚拟机边界，要让容器访问外接盘，得把 macOS 目录"共享"进虚拟机，这层桥接技术叫 virtiofs——不走网络协议，走的是虚拟机和宿主机之间的共享内存通道，理论上比 NFS/SMB 那种网络共享快。 但这层桥接是有限流的。我这次测试是 128 并发对 23 万个文件做 stat，这种极端并发下 virtiofs 守护进程要同时处理海量文件句柄请求，OrbStack 的实现直接 ENFILE（文件表溢出）——不是外接盘的问题，是桥接层扛不住。 苹果自己的 container 为什么就扛住了？ virtiofs 本身是苹果操作系统内核和 Virtualization.framework 里的东西，苹果自己既是协议设计者也是实现者。第三方工具是在苹果开放的框架上层搭自己的虚拟化栈，底层调优空间有限。 苹果用自家 Containerization 框架加自家 VM 方案，文件句柄队列深度这些参数调得更狠，同样的桥接技术，扛并发的能力天差地别。之前我以为"virtiofs 协议本身有并发上限，换哪个工具都一样"，这个判断是错的，限制在于各家实现的成熟度，不是协议本身的天花板。 顺带一提，真 Linux 机器（NAS、VPS）跑容器根本没这问题——容器和宿主机共享同一个内核，不用起虚拟机，不用 virtiofs 桥接，外接盘挂载点直接被内核当普通文件系统访问，没有中间层。这也是为什么 NAS 跑容器化图库从来不是问题，坑是 macOS 独有的。 文件访问这块 container 已经证明能打，但 build 工具链还很嫩（相对路径解析有 bug、registry 连接失败会疯狂重连），修复 PR 提了还没合并。 适合先玩起来，别急着上生产。

苹果去年开源了自家的 container 容器工具，不少人想在 Mac 上用它替代 Docker，但它只有命令行，日常管理起来不太顺手。 Contained 给它配了一个 macOS 原生图形界面，容器、镜像、卷、网络、日志都在里面。 容器的启停、编辑、重启、删除点几下就搞定，还能把 Docker Compose 文件导入成可编辑的运行表单。 GitHub： 有个细节挺好的，执行关键操作前会把对应的 container 命令原样亮出来，图形界面没有把命令行藏起来。 提供开箱即用的安装包，想在 Mac 上试苹果原生容器方案的朋友，可以配一个。

🍎 苹果官方刚开源了一个狠东西——container，让 Linux 容器在 Mac 上跑得又快又省 GitHub 一口气冲到 48K star，官方出品自带光环。 在 Mac 上跑 Docker 的都懂那个痛：一个臃肿的虚拟机常驻后台，风扇狂转、内存吃满、电量哗哗掉。苹果这个 container 换了思路——它用 Swift 原生写，专门针对 Apple 芯片优化，把每个 Linux 容器做成一个轻量虚拟机单独跑，启动更快、占用更小。 它全面兼容 OCI 标准镜像，你原来在容器仓库里拉的镜像照样能拉、能跑、能推。唯一门槛是得 macOS 26 及以上、Apple 芯片的 Mac。 苹果亲自下场做容器，本地开发这块要变天了。 GitHub：

M 系列芯片的同学看过来： Apple Container 1.0 发布了！ Mac 上跑容器，终于有了一个更“苹果原生”的选择， Docker 不一定立刻下岗，但确实可以开始试试它了

其实从这个角度来看，cf 提供的 dynamic worker 这种方式和它的 container 目前是功能缺位的，stripe 提供 cli 来做 project 协调，意味着协调者所在计算环境必须是完整的 sandbox，也就是说，大家仍然倾向于在成熟的隔离计算环境中为 agent 提供服务。