与「COD」相关的搜索结果

任何人想要优质的流量，看到这条帖子，请立即把 GitHub 前 3650 个高星项目，用 Codex / Claude Code 拉出来，整理好，接下来每天发 10 条 最好和 Skill 相关，或者和 PPT, 写作，去 AI 味强相关，多了不说，1个月 3,5000 的粉丝可涨 每个时代都有自己的鸡蛋要领，这话，含金量天天涨

Build a plugin once and use it across compatible agent clients. Introducing Agent Plugins, an open standard developed with @awsdevelopers, @cursor_ai, @github, @code, and @vercel that packages Agent Skills and supports MCP server configurations in a shared format.

今天用 Kimi K3 给 CatReader 增加一广场的功能呢，其实改动量不少，包括前端后端和设计，差不多折腾了一天，上线了。Token 消耗比网传的少太多了。K3 的表现相当出色。 我觉得 Kimi 犯了一个宣传上的大问题，导致很多用户直接用 做 Coding 的事，但 Kimi App 做的是 Work 的事，用 Work 做 Coding，Token 消耗是急剧增加的。 我的 Vibe 群一堆用户用 Kimi App 而不是 Kimi Code cli 工具做编程，不烧 Token 才怪。

herdr 真棒，自从之前推友介绍 agent skills 以后， 可以在 harness 之间可以互相召唤 互相指挥以后，很多场景都顺了。 如图是我用我的 review-forge 流程 做 code-review， 可以让 codex 先 review，然后它自动创建两个 agent panel，kimi k3 和 opencode 的 deepseek v4，去 review。然后主 codex 接收到两个 review 结果以后，生成 summary，我汇总 check 以后，再让 kimi 去修 bug，修好以后自动通知让 codex 去 verify， verify 后，kimi 再去读结果来回反复直到所有问题都解决，整个流程除了中间必须让我去 check 哪个 bug 要修之外，其他全都是自动化的，非常非常好用！

我发现。已经将近一个月没用 Claude 了，我睡眠质量直线上升，Claude code 用的我提心吊胆，又是改时区，改系统语言，改 家宽 IP，改各种傻逼设定。没吊毛用的网络知识学了一大堆，我都快变嘉豪了，真就像做贼一样的，生怕一大早睡醒邮箱跳出来封号邮件，现在 Codex 驱散了橙色恐怖。虽然给洋人磕头不合适，但我真的高低要给 Tibo 老师 @thsottiaux 磕一个！！！谢谢你！

‼️FLOOD THE PHONES‼️ Tell the Senate to remain in DC until the SAVE America Act is passed. Every Senate number begins w/ 202-224-XXXX. “My name is ____. My zip code is ____. I’m asking Senator ____ to remain in DC until the SAVE America Act is passed. I vote in every election.” Peacefully.

TapNow 正在招聘一名 Agent 工程师（QA 方向）。 你要负责把 QA Agent 调教好：让测试用例先行，让 Agent 能够可靠执行、正确判断、提供证据，并与开发 Agent 形成 TDD 闭环。 我们不要求传统测试背景，更看重你使用、开发和评测 Agent 的深度。如果你真正用 Coding Agent 做生产，并且想参与一个还没有标准答案的方向，欢迎来聊。 深圳｜builders@tapnow.ai

gpt-5.6-sol 对训练它的harness 还挺执着，尝试调用不存在的 apply_patch（pi中）。 不过只会犯一次错误，也没有证据证明放到codex下的gpt-5.6-sol就比pi里的好。 感觉这个harness mismatch 也没太大影响。

We tried using Meta's new Muse Code agent, but it has a bug that doesn't let it sign in from a docker container. So we did a fun experiment: Meta claims Muse Spark 1.2 was co-trained with their Muse agent harness. So we extracted instructions from their system prompt and added them to the Cline harness. TL;DR of this special prompting: - Trust source code over the user prompt, so read every call site and existing tests before starting the task - Weigh edge and error cases as heavily as the happy path - Always reproduce the bug before fixing - Don't trust the first passing test suite, and verify suspicious looking half-baked tests - Never stop at just editing, keep working until the change is verified complete. We then asked this modified harness to fix a real bug from our repo, and compared the results to the original Cline agent harness. Results: - Used 2.7x fewer tokens (19.7M → 7.2M) - Finished 2x faster (49min → 24min) - Cost 2.4x less ($7.69 → $3.25) Same Muse Spark 1.2 model, same task, only the prompting changed. Incredible how much of a performance gain Meta was able to achieve training it on these special instructions!

🚀发现一个很适合搭配 Pi、Claude Code、Cursor 使用的开源知识库项目：pi-llm-wiki。 它采用 Karpathy 提出的 LLM Wiki 思路，把 URL、PDF、Markdown、JSON、XML 等原始资料，转化为可持续维护、相互链接的本地 Wiki，而不是每次提问都重新进行一次性 RAG。 核心亮点： ▪️ 自动采集、整理和关联不同来源 ▪️ 区分原始资料、来源摘要、概念页和综合分析 ▪️ 兼容 Obsidian，可直接查看和编辑 ▪️ 原生支持 OKF v0.2，知识库不被特定应用锁定 ▪️ 同时搜索个人知识库与项目知识库 ▪️ 自动检查断链、孤立页面、内容冲突和知识缺口 ▪️ 通过 MCP 接入 Claude Code、Cursor、Windsurf ▪️ 可选记录 Agent 的任务轨迹，并沉淀为可复用 Skills 这不是简单的“让 AI 搜索笔记”，而是让 AI 帮你长期维护一套会不断积累、更新和复利的知识系统。