铃阅时讯
❌

阅读视图

人生周报v085:博弈

原创 李继刚 2026-08-09 22:49 北京

博观而取约

《剑来》里,陈平安遇到眼前一亮的句子,会一笔一画刻在竹简上,时不时拿出来晒晒太阳,翻拣重读。

以陈平安为师,我想记录一下每周在这世上遇到的好句子。

每周读到的好句子,收下来晾一晾 —— 是以有「读」。

心里总有话忍不住想对这个世界讲 —— 是以有「说」。


读

Codex(及类似 Codex 的产品)对计算机世界最大的改变是:对终端用户来说,软件不再是只读(可运行)的,而是可写的。

这对于闭源软件的冲击不亚于“开源”这个模式被发明本身。

即刻 @评论尸

让我坚持表达最久的一句话:保持手感,不下牌桌。

即刻 @野生粽子 yeah

多么希望每个人死后尸体都能自动变成一本书, 书的内容就是死者的生平。 这样一来,有人成了名著,有人成了禁书, 有人变成菜谱,有人变成地图, 有人是美图秀秀使用手册, 有人是小旅馆的登记簿……

整个世界就是一个巨大的图书馆,

我们读着别人,做着自己,等着被读。

即刻 @Serein 晴天

所有的优缺点取决于最初的结构设计。

即刻 @菁财资本-葛贤通 Ksir

好像是被倒逼着开始回归。

读纸质书,把材料打印下来使用,用纸笔记录思考, 不看直播而看回放文稿, 逛书店而非网络书城

AI 每次给出一大堆的信息都像是一个大炮要把我炸翻,脑子里哄哄哄的 网上的视频也是一样,像是要轰炸我。

我几乎是逃窜式的躲进旧形式中。

即刻 @二当家李多余

Simplicity is hard.

Simplification without destroying the underlying idea is close to impossible. And when done right, it’s a work of art.

It’s like stripping away the language until only the conceptual skeleton remains.

X @MoZarrinsadaf

传统的面试流程应当终结。改成命题作文 vibecoding,不检查结果,只检查提示词。yc 就是这么干的。

X @赵纯想

Your attention is someone else’s business model.

X @MoZarrinsadaf

仔细想想,钱真的不是一份一份赚的,钱是一波一波赚的。一波不行,就再搞一波,总有哪一波能让你赚到钱。

X @qinluos

说

创作 = 创 + 作

  • 人来负责「创」(出题)

  • ai 负责「作」(解题)

责任制度是一种「选择压」。

  • 过紧,会导致实验减少,变异率降低。

  • 过松,会导致劣币驱良币,代价外溢

以「谁」为中心,是产品本体论问题。

有人认为,应以 X 为中心:Office、IM、笔记软件,在基本盘上引入 AI 功能,让原有产品更好用。

有人认为,应以 Agent 为中心:Agent 为众妙之门,Office、IM、笔记管理,都应作为 plugin 集成到 Agent 中来。

书

本周推荐书籍:《妙趣横生博弈论》。

普通决策把环境当成不回应的树林,策略决策面对的却是会观察、猜测并反制的参与者。同一个行动的价值会随别人的回应改变:降价可能抢来顾客,也会引发价格战;公开信息可能建立信任,也会让对手利用。更棘手的是,每个人都做自己的最佳回应,仍可能形成囚徒困境式的坏均衡。因而,问题不只是「哪一步收益最高」,还包括他人知道什么、按什么目标行动、谁先动,以及这套规则最终把众人推向哪里。

作者给出的主方法有四环。

  • 第一,画出博弈:参与者、真实目标、可选行动、各自信息、行动顺序和收益;公平、愤怒、误判等实际动机也属于收益,不能用「理性人」替代观察。

  • 第二,从他人位置求回应:相继行动向前展望、倒后推理,同时行动寻找优势策略和相互最佳回应;当固定规律必被利用时,以混合策略保持不可预测。

  • 第三,评价这个均衡。若个人理性经外部性、信息不对称或协调失败汇成集体损失,就进入第四环。

  • 第四,改变收益、选项、信息、先后次序或未来后果,使新的最佳回应支持目标。

跳转微信打开

  •  

OpenCode 可能被低估了:每个新模型,都在帮 OpenCode 赚钱

原创 StartupBoy 2026-08-09 17:30 日本

OpenCode Is More Than a Coding Agent

8 月 6 日,OpenCode 的日处理 Token 量是 7 万亿。8 月 7 日,变成了 8 万亿。一天之内新增了 1 万亿 Token。

但这家公司,在主流 AI 圈讨论的并不算多。

大多数人现在仍然把 OpenCode 看成一个 AI Coding 工具。从表面上看,它就是一个开源版的 Claude Code——一个运行在 Terminal 中的 Coding Agent,让开发者可以自由选择自己想使用的模型。

但我认为,这个定位恰恰低估了 OpenCode 正在发生的事情。它的 Inference 业务仅仅推出 8 个月,就已经达到了一个很少有 AI 基础设施公司能够达到的规模:

  • 1300 万 MAU
  • 460 万 WAU
  • 每天处理约 8 万亿 Tokens
  • 16 万付费订阅用户
  • 约 5800 万美金 ARR(其中约 4000 万年化 inference revenue + 1800 万订阅收入)

对于这些数据,一个最简单的解释可以是:OpenCode 做出了一个很好的产品,足够灵活,价格也便宜,但可能不只于此。它更值得关注的一点是:

OpenCode 选择了一个非常特殊的位置。

它没有试图去打造下一个 Frontier Model,而是在构建一个让不同 AI 模型争夺开发者的市场。而这个区别,可能比"它是不是一个更好的 Coding Agent"重要得多。

OpenCode 正在形成 Marketplace Flywheel

所有人都以为 OpenCode 在和 Claude Code 竞争,其实并不完全是。Claude Code、Codex 等产品,本质上都是垂直整合的产品。

它们希望开发者留在自己的生态系统里,模型越强,产品就越强。OpenCode 玩的是完全不同的游戏,其创始人在最近的一次访谈中说了一句话,我认为非常值得注意:

We're not betting on one model lab. We're betting on the field.

OpenCode 并不押注某一家模型公司,而是整个模型市场。这听起来只是一个很小的区别,但实际上会彻底改变公司的增长逻辑。

传统 AI 公司需要回答:"最终哪个模型会赢?"OpenCode 要回答的是:"如何让自己无论哪个模型赢都能受益?"

这是一个完全不同的问题。

每一个新模型,都可能让 OpenCode 变得更强,这是我觉得它非常重要的一个价值点。绝大多数 AI 公司都必须对未来做判断,应该押 GPT、Claude、DeepSeek、GLM 还是 Kimi?

OpenCode 不需要做这个选择,当一个新的 Open Model 变得足够好时,开发者自然会想尝试。而 OpenCode 恰好成为他们尝试这些模型最方便的入口。

从公司的数据来看,这种关系已经非常明显。

  • Kimi 变强,用户来了。
  • DeepSeek 发布新的模型,用户来了。
  • GLM 获得关注,用户又来了。

OpenCode 并不是在赌某一个模型最终获胜,它在赌模型之间的竞争本身会越来越激烈,这是一种非常特殊的商业位置。

对于大多数 AI 公司而言,竞争对手变强意味着自己的市场份额可能下降。但对于 OpenCode 来说,竞争本身就是增长的来源:模型越多、模型之间的差异越大、开发者越需要做选择,OpenCode 的价值反而越高。

因此这里真正值得关注的是Marketplace Flywheel,单纯把 OpenCode 看成一个 Coding Agent,可能就看错了。

它更像一个正在形成的 Marketplace,有点像早期的 Snowflake 或者 Postman——本身并不生产数据或 API,但成为工程师日常工作的默认操作层,慢慢积累了很高的迁移成本。

不过,OpenCode 目前对模型厂商的约束力远不如传统平台——模型厂商理论上可以绕过它直接触达用户。它能否真正形成平台效应,关键在于能否在开发者侧建立足够深的 Workflow 绑定。这一点,现在还没有定论。

平台的价值来自于:

参与者越多,平台越有价值。

OpenCode 正在形成类似的飞轮,而这个飞轮的驱动力完全来自开发者侧——模型厂商不需要主动做任何事,只要开放 API 就行:

新模型出现 → 开发者想尝试 → OpenCode 是最低摩擦的入口。更多开发者 → 产生更多真实使用数据。更多数据 → 改善模型推荐与路由体验。更好的体验 → 开发者更依赖 OpenCode 做模型选择。

最终形成一个循环。而最有意思的是:OpenCode 根本不需要自己做出世界上最好的模型。Anthropic 进步,OpenCode 受益。OpenAI 进步,OpenCode 受益。DeepSeek 进步,OpenCode 受益。Kimi 进步,OpenCode 也受益。

只要整个 AI 模型市场继续进步,OpenCode 就可以从中获得增长。这和几乎所有 AI 公司的增长逻辑都不一样。(以下内容为付费订阅会员专属。下面我会聊两个我认为目前被严重低估的点:OpenCode 正在悄悄积累的数据资产,以及它的企业级增长信号在告诉我们什么。)

全文共 3784 字

后续内容为付费会员专属,会员扫码登录直接阅读

Memo: Signal, not noise!

扫码或点击「阅读原文」继续阅读

订阅 Memo Pro

Memo(vcsmemo.com)是一个基于付费订阅模式的创投内容平台,已得到大量 VC、企业 CEO 以及高管的支持,我们希望帮助你捕捉最具价值的行业信号、过滤噪音(Signal,Not Noise)。

订阅 Memo Pro你将获得:

1.解锁未来一年以及之前的所有会员专属内容

2.邮件订阅功能:付费内容+最新行业快讯+...

3.优先体验 Memo 新产品和新功能

4.后台回复“发票”获得开票入口

限时 799 元/年(原价 999 元/年),扫码立即订阅

图片

阅读原文

跳转微信打开

  •  

Agent 插件工程化:如何让 Skill 可验证、可维护、可演进

原创 Phodal 2026-08-09 14:11 浙江

将把一项能力写进 SKILL.md,再封装成 Agent 插件,并不难。真正困难的是,当它被不同用户、不同项目和不同 Agent宿主反复调用之后,如何保证它仍能被正确触发、执行和验证,并证明一次修改带来的是改善,而不是退化。

将把一项能力写进 SKILL.md,再封装成 Agent 插件,并不难。真正困难的是,当它被不同用户、不同项目和不同 Agent 宿主反复调用之后,如何保证它仍能被正确触发、执行和验证,并证明一次修改带来的是改善,而不是退化。

本文结合 Better Harness 的开发实践,从规格驱动、上下文编排、确定性验证、行为评测和证据闭环五个方面,讨论如何把 Agent 插件中的能力从“写出来能用”,逐渐变成可验证、可维护、可持续演进的软件资产。

引子:从 Agent 插件说起

在加入 Qoder 的这三个月里,除了设计基于 Canvas 的 Agentic UI 体系,我另外一项持续投入的工作,是构建 Agent 插件生态。从筛选社区里已有的软件工程流程插件,到创建 Architecture Visualization、Design Review 等插件,我们尝试把原本分散在不同角色、不同工具里的能力,封装成 Agent 可以发现和调用的能力。

例如在 Architecture Visualization 插件中,Agent 可以直接通过 Canvas 可视化架构模块之间的依赖关系,并分享给团队成员,帮助他们理解系统结构:

一开始,插件更像是对 Agent 能力边界的扩展:缺什么能力,就补一个 Skill、一个工具或者一段工作流。但随着插件越来越多、越来越复杂,我们开始遇到另一个问题:

这些能力应该如何被长期维护?

特别是在构建 Better Harness 的过程中,这个问题变得越来越明显。Better Harness 面向 Coding Agent 的工作流分析与持续改进,其中包含一个核心 Skill、大量 JavaScript 脚本、参考资料、评测逻辑,以及不同 Agent 宿主的适配。

当这些能力真正作为插件的一部分被长期维护之后,我们发现,问题已经不再只是“怎么写好一个 SKILL.md”。

Agent Plugin 到底是什么?

如果你已经熟悉 Agent Plugin 和 Agent Skills,可以直接跳到下一节。

简单来说,Agent Plugin 是能力的交付与分发边界,Skill 是其中可以被 Agent 独立发现和执行的能力单元。一个典型的 Plugin 可以同时包含 Skill、MCP Server、Hook,以及针对不同 Agent 宿主的扩展:

  1. my-plugin/
  2. ├── plugin.json
  3. ├── skills/
  4. │└── summarize/
  5. │├── SKILL.md
  6. │├── scripts/
  7. │└── references/
  8. ├── mcp.json
  9. └── com.example.client/
  10. └── hooks/

其中, SKILL.md 并不是插件本身,而更像插件中的一个能力入口。它描述这个能力什么时候应该被发现、如何执行,以及需要继续读取哪些资料和工具。如果 Skill 只是自己偶尔使用的 Prompt,这种区别并不重要;但一旦它进入 Plugin,被不同用户、不同项目和不同 Agent 宿主反复调用,事情就不一样了。

为什么插件需要工程化?

在个人使用阶段,写清任务和步骤通常就够了;但当一个插件被不同用户、不同项目、不同 Agent 宿主反复调用之后,一系列更接近软件工程的问题就会自然出现:

  • • 行为契约:它应该怎么工作? 什么场景应该触发,什么场景不应该触发;需要哪些上下文,可以调用哪些工具,又有哪些行为必须禁止?

  • • 变更验证:修改之后还是对的吗? Skill、脚本或参考资料发生变化之后,如何确认原有能力没有被破坏,已经修复的问题不会再次出现?

  • • 环境兼容:换个环境还能工作吗? 当模型、Agent、宿主乃至运行环境发生变化时,这套能力是否仍然能够被发现、加载和正确执行?

  • • 效果评估:它真的让 Agent 变好了吗? 即使 Skill 被正确触发并完整执行,我们又如何证明,相比不使用 Skill,它确实改善了真实任务的结果?

这些问题已经很难通过“把 Prompt 写得更详细”来解决。它们对应的其实都是软件工程中非常熟悉的问题:*定义契约、验证变更、管理兼容性,以及评估真实效果 *。继续往下拆,才会进一步涉及规格、知识与依赖组织、接口和权限边界、自动化测试、回归验证,以及跨模型、跨宿主的行为评测。

也正是在 Better Harness 的开发过程中,我们逐渐开始用另一种方式理解 Skill:

Skill 一旦从个人 Prompt 进入插件生态,它面对的问题就越来越像软件,而不是提示词。

下面结合 Better Harness 的实践,依次展开这五个工程环节。

一、规格驱动:把 Agent 行为写成可验证契约

规格驱动(Spec-driven)是我们在 Better Harness 中最早开始实践的部分。它的核心思想是:在实现之前,先把“什么时候做、做什么、做到什么程度”写成可验证的契约。 

我们在 AGENTS.md 中约定:

只要 Skill、脚本、模板、宿主适配或评审工作流发生会影响实际行为的变化,就要先建立规格和可追踪的验收条件。

一份规格至少要回答几个问题:什么请求应该触发,哪些相似请求不应该触发;需要读取什么信息,允许调用哪些工具;哪些行为明确禁止;证据不足时应该停止、降级,还是交回给人;最终又用什么证据证明这次实现符合预期。

每条验收条件还应该有稳定编号,例如 AC-01、 AC-02 ,并分别对应实现、测试和评审证据。一份边界加固规格 就把已经复现的问题拆成 AC-01 到 AC-09。

例如,Agent 扫描写入内容时不能回显密钥;分析某个 workspace 时,不能顺手把其他目录的会话也算进来;无法确认 Git 基线时,应明确停止,而不是把失败伪装成“没有变更”。最后再由 AC-09 收口到完整测试与打包验证。

规格本身也需要评审。在 Better Harness 的 triangulate-spec-review Skill 中,我们会让至少两个、通常三个评审 Agent 在相同上下文下,分别检查实现复杂度、使用便利性和长期演进。主评审 Agent(Lead Agent)负责合并同类问题、核对证据和修改文档,其他评审 Agent 只提供独立判断,不直接改文件。规格驱动的价值,就是先把这些模糊从运行时搬到设计时。

不过,规格驱动也有边界。验收条件写得过细时,AI 很容易把测试变成对 Skill 文本的逐字匹配,而不是验证真实行为,反而降低测试稳定性。因此,规格应该约束可观察行为,而不是锁死具体措辞。

规格定义了能力应该怎样工作,下一步则是让 Agent 在执行时准确找到支撑这些行为的知识。

二、上下文编排:让 Skill 知识在需要时准确抵达

Agent Skill 通常采用渐进式披露:知识不应该一次性全部进入上下文,而应按任务需要逐步展开。

宿主先读取 name 和 description 完成发现,决定使用后才加载完整的 SKILL.md,更细的资料则按任务需要进入上下文。它本质上是一种面向 Agent 的上下文工程:不是把所有知识一次性塞给模型,而是设计知识何时出现、从哪里进入,以及如何被继续追踪。

对应到目录结构上,入口应该保持短:

  1. my-skill/
  2. ├── SKILL.md          # 触发条件、主流程、停止条件
  3. ├── references/# 按需读取的判断规则
  4. ├── scripts/# 可重复执行的确定性逻辑
  5. └── assets/# 模板与交付骨架

SKILL.md 负责触发、路由和停止条件;详细判断放进 references/;稳定执行的逻辑放进 scripts/;模板与交付骨架放进 assets/。

但在 Better Harness 的实践中,我们发现,仅仅把知识拆开放置还不够:文件存在,不代表 Agent 找得到;入口曾经引用过,也不代表重构之后路径仍然有效。

所以,我们主要从三个方面保证知识路由:

  • • 可发现:通过 SKILL.md 的入口和明确引用,把相关资料纳入 Agent 的知识路径,而不是依赖它临时搜索。

  • • 可到达:通过自动测试 检查相对链接是否有效,以及 Skill 所需资料是否真正被入口路由。

  • • 可追踪:通过文档图生成器从真实 Markdown 引用生成 Mermaid 图,并验证生成结果是否与当前引用关系一致。

这样,Markdown 引用本身成为事实来源,图只是知识路由的一种可验证投影。文档移动、链接断裂或路由关系发生变化时,可以由机器及时发现,而不是依赖维护者人工同步。

上下文编排的目标,不是让 Agent 读得更多,而是让正确的知识在正确的时机,通过仍然有效的路径进入上下文。知识准确抵达之后,下一个问题是:哪些边界应该交给程序直接判断,而不是继续让模型猜。

三、确定性验证:把能判断的交给程序

在 Skill 和插件里,并不是所有问题都应该交给模型判断。关键词、正则和程序检查适合处理边界明确、结果可判定的问题,例如元数据、目录结构、断链、数据格式、废弃名称和权限声明;但它们不能证明 Agent 是否理解了任务,也不能替代语义质量评审。

在 Better Harness 中,我们主要用三层确定性机制守住这些边界:

  • • 静态检查(Lint):检查文件头、目录结构、断链、数据格式和权限声明,尽早发现低成本、可确定的问题。

  • • 单元测试(Unit Test):验证脚本、解析器和模板转换等确定性逻辑,保证基础能力在修改之后仍然成立。

  • • 契约测试(Contract Test):验证命令和入口真正允许发生什么,包括输入输出、错误状态、产物位置,以及副作用边界。

一个比较典型的例子,是 Better Harness 对 --help 路径的测试。 better-harness-cli.test.mjs 不只是检查帮助信息是否正确,而是进一步验证:执行帮助命令时,不应该读取工作区、写入文件、等待标准输入、启动子进程或访问网络。只要其中任何一种副作用发生,测试就会失败。

这里真正被验证的,不是“帮助文案长什么样”,而是这个入口被允许做什么、不允许做什么 。这也是确定性验证的价值:把原本容易被模型行为掩盖的边界,变成可以自动检查、持续回归的工程约束。在 Agent 系统里,模型更适合理解、规划和权衡,确定性程序则更适合验证、约束和拒绝。

能被程序明确判定的,就不要交给模型猜;需要语义判断的,也不要硬塞进字符串断言。

不过,确定性验证只能守住可判定边界,无法证明 Agent 在真实任务中真的照做。这就需要进入行为评测。

四、行为评测:验证 Agent 是否真正照做

Skill 存在、被发现、被加载、被执行、最终带来改善,是几件不同的事。静态检查通过,只能说明文件和脚本没有明显问题;Agent 会不会在正确的时候选择 Skill、执行关键步骤,并在证据不足时停下来,仍然需要行为评测。

在 Better Harness 中,我们通常准备三类场景:应该触发的正例、不应该触发的负例,以及措辞相似但意图不同的边界用例 。执行过程中重点观察四件事:

  • • 选择:该用时有没有用,不该用时有没有误触发;

  • • 上下文:有没有读取真正需要的资料;

  • • 执行:关键步骤、工具和权限是否符合约束;

  • • 结果:最终产物能否通过独立验证。

同一个场景还需要重复运行,因为一次成功只能证明“这次跑通了”,不能证明行为足够稳定。

到了宿主边界,Better Harness 还会通过真实 Qoder CLI 和插件加载链路做端到端验证,并从中立目录发起测试:

  1. python3 <skill-creator-root>/scripts/quick_validate.py <skill-dir>
  2. qodercli --cwd <neutral-dir>--plugin-dir <plugin-root>-p "<forward-test-prompt>"
  3. qodercli plugin validate <plugin-root>

从 neutral-dir 发起测试,是为了避免 Agent 意外借用当前仓库中的配置、上下文或未声明依赖,让“能跑通”显得比真实情况更乐观。与此同时, qodercli 的回答只属于模型行为证据,最终是否通过,仍然由本地校验器、产物检查和 Git 状态等确定性证据决定。

模拟用例负责覆盖异常和边界场景,真实宿主测试则验证 Plugin 加载、Skill 发现、资料读取、工具调用到最终交付这条链路是否真的连通。 行为评测真正要证明的,不是 Agent “看过” Skill,而是 Skill 要求的关键行为确实发生了。

但证明 Agent 确实执行了 Skill,仍不等于证明这个 Skill 带来了更好的结果。后者需要进入证据闭环。

五、证据闭环:先证明 Skill 有效,再谈自我演进

行为评测回答的是“Agent 有没有照做”,证据闭环进一步回答:面对同样的任务,使用这个 Skill 之后,Agent 是否真的做得更好?

在 Better Harness 中,我们把它设计成一套评测执行协议 。在任务、模型、工具、权限和测试环境保持一致时,进行三组对照:无 Skill / 当前版本 Skill / 候选版本 Skill。

评测不只看最终成功率,还要观察关键步骤是否执行、验证是否完整、时间与 Token 成本,以及有没有额外副作用。否则,一个看起来“更好”的 Skill,可能只是用了更多权限或资源。

这里尤其要防止一种“假使用”:Agent 找到了 Skill,也读取了 SKILL.md,但并没有真正执行其中要求的步骤。Better Harness 将这种情况称为“ 已经路由,但没有真正执行”( routed-but-not-applied)。

因此,我们会沿着一条证据链继续判断:

  • • 存在吗? Skill 和相关机制是否存在;

  • • 找得到吗? 真实任务能否发现并选择它;

  • • 执行了吗? 要求的关键步骤是否真正发生;

  • • 有效吗? 相比不使用 Skill,结果是否确实改善。

在 Agent Work Loop 中,这对应“已存在 → 已接入 → 已执行 → 有效果证据”( Present→Wired→Exercised→Outcome-supported)。核心原则只有一个:证据走到哪一步,结论就只能说到哪一步。

这也和近期 Skill 评测研究的方向一致:SkillsBench 关注同一任务下使用与不使用 Skill 的结果差异,Skill Coverage 则进一步检查 Skill 中要求的行为是否真的出现在执行轨迹里。前者回答“结果有没有变好”,后者回答“过程有没有真正发生”。

结果改善和过程覆盖,两种证据缺一不可。 只有这条证据链建立起来之后,自我演进才有意义。否则,Trace2Skill、EvoSkill、CoEvoSkills 或 SkillOpt,都可能只是帮助 Agent 更快地产生更多未经验证的 Skill。

Skill 的演进,不应该从“生成更多经验”开始,而应该从“证明这次修改确实让下一次做得更好”开始。

结语

Agent 插件工程的核心,不是把 Skill 写得更复杂,而是把插件中的能力当作软件资产来维护:用规格约束行为,用上下文编排知识,用确定性验证守住边界, 用行为评测确认执行,再用对照证据判断效果。

当这些机制能够共同工作时,一个插件才真正从“写出来能用”,走向“可验证、可维护、可持续演进”。

阅读原文

跳转微信打开

  •  
❌