在 Lody 里开发 lody-ios 和 lody-android 还是有点舒服的，随时拿手机就直接看着直接调。😂甚至还可以直接在预览的模拟器里直接让 ai 调。
顯示更多
DimAgent 开源了！
🪼期待和大家交流！
预告：11月15日下午杭州云谷中心，COSCon'26 开放 Agent 生态圆桌，我们邀请了 @lody_ai @DimAgentai @newapi_ai @NowledgeMem @raft_hq 社区参与到我们的 BoF 中，现场会以讨论交流为主，欢迎大家到场激情开麦，如果无法来到现场，也可以在本条推文下留言，由我作为替身使者来现场提问
顯示更多
软件行业正在从传统的 Winner Take All 转变为餐饮行业的模式。有头部玩家，但头部玩家依然只占据市场的一小部分，剩下大量的长尾市场由各种精品小店瓜分，用户可以选择更符合自己品味的软件。
软件生产力的过剩，让很多细分场景都可以很容易地做出近乎完美的软件。选择哪个完美软件，就逐渐变成了一种纯粹的品味享受。我们拿远程控制 Agent 这个场景举个例子，它不仅不会被 Anthropic、OpenAI 等模型大厂完全吸收，像 Lody 这样的第三方厂商会有自己的生存空间，也会有用户选择用 Raft 这样目标更大的产品去做这样一件更小的事情。还会有各色各样的智能硬件来 Take Over 这个场景，智能音箱已经属于没什么想象力了，做成桌搭（我一直期待制糖工厂做这个，但他们似乎天天在折腾那个意味不明的 AI 调整功率），做进眼镜，做成玩偶，做成钥匙扣，每一种形态都会有人喜欢。
这天然让人焦虑，因为每天都能看到各色各样的竞品出现，且有大量用户夸赞，部分之前使用自己产品的用户也会转向新的产品。但正因为如此，更要坚持自己的品味输出，而不是跟风别人做的东西，别人做什么就补什么。软件生产力已经过剩了，如何保持克制才是真正需要思考的。
顯示更多
Prompt: 批量地检查我们已有的所有 lint typecheck tests，其中有大量的冗余。我只希望保留能够证明产品或逻辑假设的测试。像这种仅仅保证实现是否正确的测试，我现在已经完全不需要了。
什么是假设？例如，xxxxxx，这就是产品上的假设。也就是说，如果这个假设被破坏，产品会走样，逻辑会变得错误。只有满足这种要求的测试才值得被保留。
我现在不缺少时间，你可以挨个测试逐条去查看，仅保留能够体现这种假设的测试，其余的测试全部删除。我要求宁可错删也不放过。
能够辅助正确打包、成功发布版本等相关的测试，需要保留下来。开始执行吧
顯示更多
让 AI 清理一批单元测试，没想到 GPT 吭哧吭哧一共跑了 8 个多小时，算上没开源的一共删了 15 万行的测试。
帮转！Boyi 要才华有才华，要颜值有颜值
大家好，我是 Boyi，正在找平台工程 / 云基础设施 / AI Agent 基础设施方向的机会，杭州或远程都可以。
我有 8 年以上后端与系统工程经验，曾任 Zeabur 平台工程负责人，主要负责多云 Kubernetes 平台和基础设施工具开发。主力语言是 Go，也做过 AI Agent 沙箱、LLM 网关、eBPF 可观测性工具等相关项目，有平台可靠性建设与跨层故障排查经验。
有合适的机会欢迎私信，也感谢大家帮忙推荐！
顯示更多
你马上可以让 agent 同时调试 iOS 和 Android 应用，并排地检查 UI 和交互是否一致，随时截图发到对话调整。
我今天还在说怎么觉得 gpt 好像比 opus 会写 UIKit 呢？难道被路由到了 6.2 Astra 吗？
在 @lody_ai 移动端上远程预览 Android 模拟器助力开发 lody-android
claude 到底用了什么魔法让 opus 5.5 这么强？我越用越悲观，觉得其他家在之后也很难有这种 LLM Experience
我很努力去用了，但是没想明白有啥是一个定时任务解决不了的。 反而觉得这些 bot 有点吵闹，动不动就让我分心。
最近看到各种 personal agent 像雨后春笋一样冒出来，但是我并不看好这个方向
因为，我很难想到日常场景有什么地方会需要 agent 来帮我，比如说找地方吃饭，或者买衣服，这些都需要我的 pick，而不是一个 agent 来做这些事情，况且传统大数据的智能推送在这方面已经能做得很不错了
我认为 personal agent 最有价值的地方是，它能广泛收集信息，并且发现一些用户自己发现不到的关联，我认为这也是一种涌现智能，只不过是差异化的，对用户自己个人而言的
那么如何收集信息，怎样积淀之前的理解，就成了很重要的事情，一个对应的是 connector，一个对应的是 memory，这两者我认为最难做的是 connector，因为仅靠数字世界的信息是很难完整拼凑出一个人的生活的，我们需要更多的 proactive 的信息来源，这也是我不看好 startup 做这个方向的一个原因
顯示更多
四月末 Lody 比较可用的时候我就认为是这样的，而且是需要异构的 multi agent
今天和一位朋友探讨现在单agent + 少量的subagent能胜任大部分任务，multiagent时代是否会开启。
我认为一定会到来的：
1. 未来的token一定变得越来越便宜，推理速度越来越快。随着各家旗舰模型能力越来越接近，模型服务商一定是求着消费者使用他们的模型，开启token abundance时代。
2. 当前agent帮我们完成的任务只能叫做sub-optimal，可能做的都还可以，比如说可能架构不够优雅，有潜在的bug，性能做的不够充分都还会有偏差。我们需要扩大搜索范围和多尝试不同的方案才能找到optimal solution。token abundance我们才愿意烧怎么多token 从 suboptimal到optimal
这是几种我认为会主流的烧token模式：
a. Parallel universe development：扩大候选方案的覆盖范围。
比如说同一个任务可以开n个parallel worktree，n个并行开发，最后从其中挑一个最好的。
之前读到过一篇Meta Agent论文Sheppard，main agent决定从什么时候fork出来一些分支派多个subagent并行局部相同的子任务，最后main agent挑选一个觉得最好的candidate，然后以此往下循环。
b. 任务执行subagent的role变得丰富
比如说，在一个任务里，subagent 的角色会越来越丰富：researcher 调研已有方案和约束，architect 推敲架构与取舍，reviewer 独立寻找漏洞，另一些 agent 专门负责测试、性能和可维护性。 帮助Agent找到忽略的问题。
C. massive broad search
像 Manus 的 broad search、Kimi agent swarm，还有 Claude code dynamic workflow对于文档阅读 、 总结效果都是非常好的。但是目前的问题只是太贵了。当token变得便宜，agent可以把代码库翻个底朝天，收集到充分的context再进行任务。
顯示更多
