越来越多的基础设施开始是面向 Agent 了。 很多人开始抱怨 github 的 CI 跟不上了，面向 Agent 的 CI 基础设施开始出现了。 github.com/dagger/dagger

Agent 的 memory 也需要花大量的时间和精力去维护。 如果一个 memory 长时间没有用到，可能就会被遗忘了，今天就遇到一个这样的问题，然后就需要重新去 wiki 中检索恢复。 但是短期 memory 中的空间确实有限，这个有没有好的解决方法。

其实抛开各种花里胡哨的内容，提升使用 Agent 的方式很简单。 因为 Agent 本身的能力已经足够强了，我们需要做的就是给 ta 一个可以发挥出自己全部能力的环境。

Opus 5.5 之后，国产模型沉默的有点久了。 能不能给点惊喜。

账号解封之后流量一直很低，可以看到我这条推文吗？

OpenCode 居然把这个数据都放出来了。 可以看到 OpenCode 日活也就在 30 万级别，比我预想的低了很多。 这是能放出来的数据吗？🤣

相比于 AI 在其他领域的推进，AI 在生物领域研究可能会对人类的影响更大，有好的一面，但还可能打开的是一个潘多拉魔盒。 全球每年有超过 120 万人被蝎子蜇伤，导致 3250 多人死亡，死者大多是医疗资源匮乏地区的儿童。 目前的常规救治手段是注射抗毒血清。制造血清需要把蝎毒注入马等动物体内，等动物产生免疫反应后，再从马血里提取抗体。 但是这种方式耗时往往长达数月，成本高且产量有限，提炼出来的抗体通常还只对少数几种特定毒素有效。因为受害者多在贫困地区，商业回报低，药企长期缺乏研发动力。 既然靠动物免疫太慢太贵，科研界开始尝试用计算机从零设计蛋白质，也就是 de novo design（不依赖自然界已有模板，直接计算生成全新的蛋白质序列）。 但是从头设计蛋白质依然是个重度依赖人类专家的苦力活。 Anthropic 联合投资研究机构 Citrini Research 做了一个实验，把整套设计流程交给了运行在 Claude Science 环境中的内部研究模型。在 64 个小时里（消耗了约 10000 GPU 小时），人类只给了 1 个初始提示词和 4 次后续引导，剩下的活全由 Claude 自己干完。 最后筛选出了 211 个候选方案（其中 180 个由 Claude 独立选出，31 个由研究团队在 Claude 协助下补充）。Claude 甚至自己写邮件把蛋白质序列发给了外包实验室，等实验结果出来后，又包揽了数据分析、画图和写报告。 Anthropic 目前已经把这 211 个蛋白质的设计方案、预测结构和实验室测试数据全部开源，后续将由全球的抗毒药物研究人员接手，推进细胞中和测试与动物活体实验。 anthropic.com/research/claud…

很多人说使用 DeepSeek 官方的 API 与使用第三方的 DeepSeek 订阅会有差异。 难道是这个推理框架的原因？

AI 时代的 Linux 么？

作为靠 DeepSeek 起家的中转站，那肯定要跟进。还是很舒服的。

把 sui 的游戏机刷成了 omarchy，目前感觉还不错。 控制杆用不了，但是可以直接外接鼠标和键盘。

对 agent trace 做了一个大版本的升级，可以观察和评估本地 Agent 的运行情况，所有的数据都在本地。 github.com/rayjun/agent-trac…

我所有的 api key 都被直接撤销了。这种处理问题的方式有点奇葩。这样如果有客户依赖这些，那么业务的损失谁来赔呢。😅😅 另外，现在创建新的 api key 失败的概率很高。

OpenCode 加上它免费的模型很适合用来作为 code review 的工具。 因为每次都是做一次性的工作，对上下文的要求也不高，200k 差不多够了。

DeepSeek V4.1 flash 1017 来了，斩杀线最严厉的父亲。

最近在本地环境使用 Herdr 越来越多，对于一些写代码的工作，同时让 多个 Agent 参与 review 是成本最低，收益最高的操作。 而 Herdr 提供了最简单的方式，可以让多个 Agent 协作。 而且 Herdr 的插件功能也很丰富，这几个是我常用的插件： 1. eliasstravik/herdr-projects 多 Agent 看板（Mission Control）。同时调度十几个 Agent 在各自 Git 分支干活，自动指派第 2 个 Agent 做 Review，只在需要人工拍板时提醒你。 2. persiyanov/herdr-reviewr 直接在终端面板里看 Agent 的 Diff，像写 GitHub PR 一样加行级评论（Line Comments），一键打回给 pi / Codex 返工。 3. devswha/herdr-web-ui 手机/浏览器远程控制台。带 Web Push 推送，离开电脑后一旦有 Agent 卡在权限审批（blocked），手机秒收通知并远程放行。 4. eugenioenko/ttt 提供零配置的终端 GUI 级编辑器，告别在终端和编辑器之间反复横跳。 5. alizdavoodi/herdr-context-usage 能在侧边栏实时监控 Claude Code / Hermes 的 Context 占用率，还支持通过 CLI 触发自动压缩。 安装方式：herdr plugin install <owner/repo>。

在传统软件开发中，为了保证新写的代码不把线上系统搞崩，团队通常会要求所有代码合并前都必须经过人工代码审查。 一个程序员写完代码提交 PR（Pull Request，合并请求），另一个程序员就得一行行去读这些变更，确认没问题才允许上线。 但是当 AI 开始接管写代码的活，这套依赖人的传统流程就有点跟不上了。 在 Anthropic 内部，Claude Code 团队已经有大约 90% 的代码是由 Claude 自己写出来的。整个公司主代码库每天合并的代码量，从 5 月份的每天 2500 笔，暴涨到了 9 月份的每天 30000 多笔。如果还让人类工程师去逐行阅读这些代码，团队哪怕全天不写代码光看屏幕，也根本审不完。 为了解决这个问题，Claude Code 团队干脆让 AI 来审查 AI 写的代码。 每次提交代码前，写代码的 Claude 必须先自己跑完测试和构建，拿出一份能证明代码跑得通的证据。接着，系统会叫醒另一个处于全新上下文中的子代理（Sub-agent，专门分担特定任务的独立 AI），让它对照项目规范文件（CLAUDE.md）和代码所有者写的审查指南（REVIEW.md），先做一轮自我检查。 等到 PR 正式提交，真正的 AI 审查才刚开始。系统会同时派出一群 AI 代理，结合整个代码库的背景去找问题。这些代理各自找完漏洞后会进行一轮内部投票，把那些纯粹挑剔代码风格或者无关紧要的清理建议直接过滤掉，最后只把真正有威胁的问题按严重程度排好序呈现出来。 与此同时，一条独立的安全审查流水线和常规的 CI（持续集成，自动运行多平台测试和类型检查的工具）也会同步介入。只要安全审查抓到了未修复的漏洞，且提交者没有给出合理解释，这笔代码就会被死死卡住，根本走不到下一步。 但这又带来了新的麻烦。AI 审查员有时候太较真，会报出一堆假警报，甚至和写代码的 AI 陷入无限修改的死循环。 团队为此给 AI 加上了专门的刹车机制。如果写代码的 AI 和审代码的 AI 来回拉扯了三轮还没达成一致，系统就会直接叫停，要求重新审视解决思路，而且后续的重审只看最新改动的差量部分（Diff）。 为了让 AI 审查员越来越准，团队还会追踪人类对 AI 评论的反馈来降低误报。他们甚至把历史上真正导致过线上故障的 PR 全都收集起来，做成一套专门的测试集（Eval），每天用这些真实的惨痛教训去自动考核和打磨审查模型。 既然大部分审查都被自动化接管了，难道所有代码都不需要人类过目了吗？如果连修改核心计费逻辑也全靠 AI 自审自发，风险还是太大。 所以他们在自动化防线后面，又加了一道按风险分级的人工审批机制。系统会自动评估每次代码变更的危险程度，决定交不交给人来看。 如果是改改文档、内部小功能，或者带着特性标记（Feature Flags，一种可以在线上随时开启或关闭特定功能的开关）的增量修改，会被判定为低风险。只要前面的自动化检查和安全扫描全绿，代码直接放行，完全不需要人类插手。 如果是常规的产品修改，或者动到了缓存、系统提示词这类敏感区域，属于中风险，必须有 1 名人类工程师点头才能过。而一旦动到核心代码或者底层测试工作流，就触发了高风险警报，必须拉来 2 名人类工程师同时审批。 代码过了审批还没完。它们会先进入合并队列防止并发冲突，接着挂着特性标记在团队内部先跑起来。上线时采用分阶段灰度发布，一旦发现不对劲，靠一步回滚机制就能立刻撤回。这套习惯了小步快跑的流程里，团队的规矩是谁上线谁负责。真出了故障，原作者或值班人员直接回滚修复，把事故当成改进系统的素材，而不是开会追责。 从 6 月到 9 月，靠着这套六层防线，团队合并的 PR 数量翻了一倍，但代码回滚率反而下降了 40% 以上。现在，Anthropic 的人类工程师已经不再干逐行读代码的苦力活了。他们把精力全放在了决定做不做某个功能、把关架构设计、核对 AI 提交的测试证据，以及守住账单和自动更新程序这些高危底线上。 至于平时需要了解某块陌生代码的逻辑，他们也不再自己硬啃庞大的变更记录，而是直接让 Claude 针对那块代码写一份专属的说明文档或者可视化小工具，按需搞定团队内部的知识同步。

以后回忆起来，2026 年绝对是不同寻常的一年。 因为程序员完全不用自己写代码了。