00:00:00[音乐播放]
00:00:02大家好，我叫 Mario。
00:00:04我来自阿诺德·施瓦辛格的故乡，
00:00:06你们可能还没注意到这一点，
00:00:09基于我非常棒的英语水平。
00:00:12我想先说明一下，
00:00:13我们一整天都在带着四岁的孩子
00:00:16在伦敦到处乱跑。
00:00:17所以我们看了恐龙、木乃伊，当然还去了 Nandos，
00:00:24还有一些我已经忘掉的东西。
00:00:26我现在非常、非常累。
00:00:28如果你听不懂我说的话，
00:00:31就请举起手说：“老爷爷，醒醒。”
00:00:36我今天来这里其实是因为另一个人，
00:00:39他今天也在这里，在 Cockneyville。
00:00:40我们叫他 Shteter Pineburger 吧。
00:00:44回到 2025 年，大概是四月份左右，
00:00:53他告诉我还有 Armin Ronecha（你们可能也知道他，
00:00:58Flask 和 Sentry 的成名人物）：“伙计，那些编程智能体，”
00:01:02“它们现在真的能用了。”
00:01:04我的反应是：“噢，闭嘴吧。”
00:01:06抱歉，我也用了一些脏话。
00:01:09完全不是那样的。
00:01:10一个月后，我们在那套公寓里组队工作了 24 小时，
00:01:13熬了通宵，让自己沉浸在那些“破铜烂铁”中，
00:01:19沉浸在 Vibe Code（氛围代码）和 Vibe Slop（氛围废料）中。
00:01:21从那以后，我们基本上
00:01:23再也没怎么睡过觉了。
00:01:27所以我们开发了很多东西，很多东西，
00:01:32其中大部分我们其实从未用过，因为这是 2025 年的新趋势，
00:01:36还有 26 年。
00:01:37我们开发了很多东西，但真正投入使用的
00:01:39并不多。
00:01:40我们写了很多东西。
00:01:42最终，这让我产生了一个想法：
00:01:46“嘿，我讨厌所有现有的编程智能体或测试框架。”
00:01:50“我自己写一个能有多难？”
00:01:53Peter 当时觉得：“噢，我只是想做点东西。”
00:01:56“可能没几个人会听说它。”
00:01:58“它将成为一个私人助手，”
00:02:01“因为那是我一直想要的东西。”
00:02:03你们大多数人可能都知道他的故事结局。
00:02:05所以今天，我要讲讲我那个没那么令人印象深刻的故事。
00:02:08但我希望能传达一些经验教训，
00:02:11正如我们在行业中所看到的，这些是我
00:02:16在过去的几个月里收集到的。
00:02:17所以，关于 Pi。
00:02:19起初，有了 Cloud Code。
00:02:21其实最开始是从 ChatGPT 复制粘贴。
00:02:25在 2023 年初，我们都干过这事。
00:02:27然后出现了——谁还记得最初的 GitHub Copilot？
00:02:32是的，实际上，你们中有多少人是工程师？
00:02:35有多少人正在使用编程智能体，
00:02:37比如 Cursor 或 Cloud Code？
00:02:39好的。
00:02:40流行度测试，Cloud Code？
00:02:43Codex CLI？
00:02:45Cursor？
00:02:48Open——
00:02:48[听不清]
00:02:49是的。
00:02:50Open Code？
00:02:50Anti-gravity。
00:02:51噢，那不算多。
00:02:52有人在用这个吗？
00:02:55我喜欢你。
00:02:56待会我们要一起喝杯啤酒。
00:02:58总之，这就是 2025 年
00:03:03及以前发生的事情。
00:03:04从 ChatGPT 复制粘贴开始。
00:03:06基本上都是坏的。
00:03:07大多是些简单的函数，是你不想写的东西。
00:03:10然后你有了 GitHub Copilot，集成在你的 Visual Studio
00:03:13Code 里面，你只需要一直按 Tab 键就能通向幸福，
00:03:15这有时确实有效，但大多数时候不行。
00:03:17有时候它还会[听不清]背诵 GPL 代码，
00:03:22比如 John Carmack 的平方根倒数算法
00:03:25之类的，那真的很有趣。
00:03:29然后出现了 Adir。
00:03:30有人记得 Adir 吗？
00:03:31有的。
00:03:32老伙计们。
00:03:33你好。
00:03:33是的。
00:03:37你都有白头发了。
00:03:37你显然知道 Adir。
00:03:41还有 AutoGPT。
00:03:43可能人不多。
00:03:44好的，行吧。
00:03:45他什么都知道。
00:03:48最后终于出现了 Cloud Code。
00:03:51我记得他们是在 11 月发布的，
00:03:52实际上是 2024 年的一个测试版。
00:03:55但它真正开始被广泛使用，再重复一遍？
00:03:59是在二月。
00:04:01是的，二月或三月，大概是 2025 年。
00:04:03我的反应是：“我太爱它了。”
00:04:05“太棒了。”
00:04:06Cloud 团队也非常出色。
00:04:07他们在社交媒体上很活跃。
00:04:08他们都是非常优秀且才华横溢的人。
00:04:13他们基本上开创了整个品类。
00:04:15我知道虽然有 Adir 和 AutoGPT 这种前身，
00:04:18但都没有达到这种程度。
00:04:20这基本上就是整个“代理搜索”的事情。
00:04:22不像 Cursor 那样进入你的代码库，
00:04:25进行索引、构建抽象语法树（AST）并对之索引。
00:04:29而且那种方式效果并不太好。
00:04:31他们只是说，呃。
00:04:33我们对模型进行了强化训练，
00:04:35让它能够直接使用文件工具、Bash 工具，
00:04:37实时探索你的代码库，找到它需要的
00:04:41位置来理解代码，然后修改代码。
00:04:44这效果非常好，以至于，是的，我们
00:04:46停止了睡觉，因为突然之间，
00:04:48我们能比以前手动编写产出多得多的代码。
00:04:52那时候，它简单、可预测，
00:04:54而且非常契合我的工作流程。
00:04:57很好。
00:04:58但随后他们掉进了陷阱，我们大多数人
00:05:05可能都会掉进去。
00:05:06这些智能体可以写这么多代码。
00:05:08为什么不让它实现你能想象到的所有功能呢，对吧？
00:05:11这难道不棒吗？
00:05:11让我们把这个功能加进去，那个也加进去，
00:05:12还有这个，还有那个。
00:05:14最终，你得到了荷马·辛普森设计的——
00:05:15我都不知道那叫什么。
00:05:18我管它叫宇宙飞船。
00:05:20现在的 Cloud Code 就是一艘宇宙飞船。
00:05:21它提供了如此多的功能，而你实际
00:05:23可能只会用到其中的 5%。
00:05:26你总共也才了解其中的 10%。
00:05:28而剩下的那 90%，
00:05:30就像是 AI 和智能体领域里的“暗物质”。
00:05:33没人知道它到底在干什么。
00:05:36我个人觉得这并没有什么帮助，
00:05:37因为我仍然认为你某种程度上需要
00:05:40知道智能体在做什么。
00:05:43这位仁兄在某种程度上可能不同意。
00:05:45我们现在在 TESOL，他们也
00:05:49喜欢上下文管理或上下文工程，
00:05:51正如我们所称呼的那样。
00:05:54我最终发现 Cloud Code 在可观察性
00:05:55和实际管理上下文方面
00:05:58并不是一个好工具。
00:06:01然后还有这个。
00:06:04谁会喜欢 Cloud Code 这一点，比如那大量的
00:06:06无法解释的闪烁？
00:06:09好吧，其实我知道怎么解释以及它为什么发生，
00:06:10但他们还是没有修复它。
00:06:13这是 Tarik。
00:06:15他真的很棒。
00:06:16我爱死他了。
00:06:16他是他们的开发者关系负责人，主要活跃在 Twitter 上，人很棒。
00:06:17但有时他也会说些值得商榷的话，
00:06:21比如：“我们的终端用户界面现在是一个游戏引擎。”
00:06:24你要知道我有游戏开发背景。
00:06:27那是我的老本行。
00:06:30当我读到这样的话时，
00:06:31它真的让我有点受伤，
00:06:32因为那只是一个该死的终端界面，伙计。
00:06:34它不是游戏引擎。
00:06:37相信我。
00:06:38你之所以觉得它是游戏引擎，
00:06:39是因为你在终端界面里使用了 React，
00:06:41它需要花费大约 12 毫秒
00:06:44来重新布局你的整个用户界面图。
00:06:45别那样做，伙计。
00:06:49它不是游戏引擎，对吧？
00:06:51然后正在编写 Ghosty 的 Mitchell
00:06:54就说：“伙计，这很冒犯人。”
00:06:56“别甩锅给 Ghosty 或任何其他终端。”
00:06:59“是你的代码太烂了。”
00:07:02“终端的渲染频率可以达到每秒几百帧，”
00:07:04“每帧耗时不到 1 毫秒。”
00:07:05所以别那么说，对吧？
00:07:09后来他们终于修复了那个闪烁。
00:07:12但接着又发生了别的事。
00:07:15就像是他们完全沉溺于氛围编程（Vibe Coding）中了。
00:07:16你每天使用 Cloud Code 时都能感觉到。
00:07:20再次声明，我不想贬低他们的努力
00:07:23和成果。
00:07:27Cloud Code 仍然是该品类的领导者，这很有道理。
00:07:28他们发明了这玩意儿，而且做得很好。
00:07:30我个人只是一个年纪大了、
00:07:32喜欢可预测且简单工具的人。
00:07:34而这已经不再适合我的工作流和需求了。
00:07:37所以，是的。
00:07:41而且他们在后台做了很多事，
00:07:42在操纵你的上下文。
00:07:44我在 2025 年夏天开发了一堆工具，
00:07:46能让我拦截那些从 Cloud Code 发往
00:07:50他们后端的请求，去发现
00:07:52有哪些额外的小文本
00:07:55在你不知情的情况下被注入到了你的上下文中。
00:07:58这一切都非常有危害，
00:08:00而且一直在变。
00:08:01比如每天或隔天就会有一次新发布，
00:08:04改变了在什么时候注入什么内容，这基本上
00:08:06会有新的版本发布，改变了
00:08:08在什么位置注入内容，这基本上会搞乱
00:08:11你现有的工作流程。
00:08:13它根本不是一个稳定的工具。
00:08:14现在我能从他们的角度理解了。
00:08:16他们需要进行实验。
00:08:17而且他们拥有庞大的用户群。
00:08:18当你拥有庞大的用户群时，
00:08:19进行实验确实非常困难。
00:08:21但他们并不在乎。
00:08:23所以我们所有人都不得不承受这些。
00:08:25你在使用这个新工具。
00:08:27你试图创建可预测的工作流程。
00:08:31然后工具供应商在底层
00:08:35改变了一个微小的细节，导致大语言模型
00:08:36在你现有的流程中表现失常。
00:08:38这简直是不可持续的。
00:08:39我需要对此拥有控制权。
00:08:40我不能指望他们给我提供某种稳定的东西。
00:08:46所以我认为，作为 UI 设计的结果，
00:08:52他们需要减少你所拥有的可见度。
00:08:54我个人不太喜欢那样。
00:08:56但这只是个人偏好。
00:08:57我理解大多数人会对
00:08:58Cloud Code 呈现给你的
00:09:00信息量感到满意。
00:09:03显而易见，这里没有模型选择，
00:09:06因为可以这么说，它是 Anthropic 的原生工具。
00:09:09这不算缺点，因为 Claude 模型——
00:09:12我很喜欢它们。
00:09:13它们真的非常出色。
00:09:15而且几乎没有可扩展性。
00:09:17你可能会觉得这挺搞笑的，因为他们
00:09:19有这一整套钩子系统之类的东西。
00:09:21但如果将其与 Pi 允许你做的事情相比，
00:09:25它的集成度并不够深。
00:09:28它基本上是基于在
00:09:32钩子事件开始时运行一个进程，如果你
00:09:36必须一遍又一遍地启动该进程，那是很昂贵的。
00:09:40所以最终，我对 Cloud Code 失去了兴趣，
00:09:42并不是因为它很糟糕。
00:09:44只是它不再适合我了。
00:09:47在那段时期，它变得适合更多的人。
00:09:50所以显然，他们做对了，但对我来说不是，
00:09:54因为我老了。
00:09:56于是我开始寻找其他选择。
00:09:59有 Codex CLI，但我真的很不喜欢。
00:10:01起初无论是用户界面还是模型都不行，
00:10:05但这已经改变了，至少在模型方面是这样。
00:10:08Codex 现在真的相当不错了。
00:10:10然后是 AMP。
00:10:12其背后的团队以前在 Sourcegraph 工作。
00:10:15他们是从 Sourcegraph 剥离出来的。
00:10:20他们是非常出色的工程师。
00:10:21他们成功打造了一个商业编程框架，
00:10:25在其中他们删减功能，而不是增加功能。
00:10:28他们的绝大多数选择对我来说都非常有意义。
00:10:33所以，如果你正在寻找商业编程框架，
00:10:36我绝对会向你推荐 AMP，因为它真的很棒。
00:10:39Factory Troye，情况也差不多，同样非常优秀，
00:10:44尽管他们不像 AMP 那样具有实验性。
00:10:47然后是 OpenCode，这是很多人使用的
00:10:50开源编程框架。
00:10:53我个人有开源背景。
00:10:55我投身开源领域已经 17 年了。
00:11:00我管理过大大小小的开源项目。
00:11:04所以开源对我来说意义非凡。
00:11:05因此我想，我该试试 OpenCode，
00:11:08因为它更符合我的理念。
00:11:12除了 AMP 之外，他们拥有这个领域里
00:11:15最务实、最脚踏实地的团队之一。
00:11:16他们不会用你可能永远用不到的功能
00:11:18来对你进行天花乱坠的宣传。
00:11:20他们试图维护一条非常稳定的
00:11:23核心路径。
00:11:26而且他们对于编程智能体
00:11:27对我们这一职业意味着什么，也有非常深刻的见解，
00:11:29我个人对此深表认同。
00:11:32OpenCode 的问题在于，它也不太擅长
00:11:37管理你的上下文。
00:11:38例如，在每一轮对话中，它都会调用 sessionCompaction.prune，
00:11:44其作用如下：
00:11:46它会修剪掉最后 40,000 个 token 之前的所有结果。
00:11:52那么，这里有谁知道什么是 Prompt Caching（提示词缓存）吗？
00:11:56这对你的提示词缓存会有什么影响？
00:11:58所以 OpenCode 和 Entropic 之间有一段有趣的往事。
00:12:05最终，Entropic（在我看来，这是正确的）
00:12:11说道：“伙计们，那是不可能的。”
00:12:14这件事从来没有公开化。
00:12:17但 Tarek 在这里解释了这一点。
00:12:19如果你去健身房却不遵守规矩，滥用
00:12:22那里的基础设施，那你就会被禁止入内。
00:12:25而且我认为——
00:12:27虽然我没有任何证据，
00:12:28但我认为这就是为什么
00:12:30Entropic 和 OpenCode 之间存在这种敌意的原因。
00:12:33我完全同意，或者至少我
00:12:36认为 Entropic 在这里显然是占理的一方。
00:12:39不要乱搞基础设施。
00:12:42还有其他一些东西，比如 OpenCode
00:12:44OpenCode 带有 LSP，即语言服务器协议支持，
00:12:46开箱即用。
00:12:48回到上下文工程，
00:12:51假设你给你的智能体一个任务，
00:12:53修改一堆文件。
00:12:55这在实践中意味着什么？
00:12:57它会进行一系列编辑，一个接一个地
00:13:02对一堆文件进行操作。
00:13:03在 10 次编辑中，第一次编辑后
00:13:09代码能编译成功的概率有多大？
00:13:12如果你逐行修改代码会发生什么？
00:13:15它需要多长时间才能再次稳定
00:13:17并干净地编译？
00:13:19它不会。
00:13:20第一次编辑后它不会编译，可能
00:13:22第二次编辑后也不会，以此类推。
00:13:24所以如果你转头说：嘿，亲爱的 LSP 服务器，
00:13:28我刚刚在这个文件里改了一行。
00:13:30它坏了吗？
00:13:31然后 LSP 服务器会说：是的，真的坏了。
00:13:34这个功能的作用是，它随后
00:13:36直接在工具调用之后注入这个错误，
00:13:39作为给模型的一种反馈。
00:13:43“噢，你刚才做的是错的。”
00:13:45模型就会觉得：“搞什么鬼，老兄？”
00:13:47“我还没改完呢。”
00:13:49“你为什么要告诉我这些？”
00:13:50“显然它现在还没好。”
00:13:51但如果你经常这样做，模型就会直接放弃。
00:13:54这会导致非常糟糕的结果。
00:13:58所以我不喜欢 LSP。
00:13:59我认为启用它是一个非常糟糕的主意。
00:14:02有一些自然的同步点
00:14:03是你想要进行 Lint 检查、类型检查
00:14:06以及所有这些操作的时候。
00:14:07那就是当智能体认为它完成时，只有那时候。
00:14:10这种情况最近发生了变化。
00:14:14这是一个 OpenCode 的单次会话，其中每条消息
00:14:20都变成了一个单独的 JSON 文件。
00:14:22磁盘上的每一条消息都变成了一个单独的 JSON 文件。
00:14:26这向我表明，整个系统的架构
00:14:29并没有经过太多的思考。
00:14:31如果我失去了对它的信任，我
00:14:33就不想再使用那个工具了。
00:14:35再说一次，我认为那个团队其实非常出色。
00:14:37我认为他们迭代得非常快，
00:14:39并构建了一些对很多人非常有用的东西，
00:14:42显而易见。
00:14:43只是，同样的，有些决策我不会去做，
00:14:46这让我决定自己动手构建一个。
00:14:50还有这一点。
00:14:51Open code 默认自带一个服务器。
00:14:54所以它的核心架构是基于服务器的。
00:14:56客户端连接到该服务器。
00:14:57终端用户界面就是其中一个客户端。
00:15:00还有一个桌面界面。
00:15:01我也不太清楚。
00:15:03结果证明这成了一个安全漏洞，
00:15:05默认就内置了远程代码执行。
00:15:09而且——如果你对自己的服务器基础设施
00:15:12或服务器架构如此自豪，
00:15:15那么我会假设你们是成熟的工程师，
00:15:18也考虑过安全问题。
00:15:20但显然，事实并非如此。
00:15:21而且这个问题存在了很长时间。
00:15:23再次声明，我并不是在指责任何人。
00:15:25如果你在这样一个以惊人速度
00:15:27运作的行业中工作，
00:15:31这种事情确实会发生。
00:15:33只是如果存在这种问题，我就不想用那个工具。
00:15:36以上是我对现有编程工具
00:15:42参考资料的观察。
00:15:42AMP 和 Droid 本来是我可以使用的工具。
00:15:45但同样，没有控制权。
00:15:47以 AMP 为例，他们甚至决定你可以使用哪些模型。
00:15:50而且每种类型的任务只能使用单一模型。
00:15:53这不适合我。
00:15:55至于 Droid，我认为它稍微开放一点。
00:15:58但在我尝试它的时候，
00:16:00它只是没有——
00:16:02我没看到它比 Cloud Code 有多大优势。
00:16:07然后我因为完全不同的原因去查看基准测试，
00:16:10发现了 Terminal Bench。
00:16:12有谁知道 Terminal Bench 是什么吗？
00:16:15好，基本上它是一个编程或智能体评估
00:16:20测试框架，其中包含了一系列计算机使用和编程
00:16:24相关的——
00:16:24抱歉，因为照顾 4 岁的孩子，又老又累。
00:16:31它有一系列计算机使用和编程相关的任务，
00:16:35智能体或者智能体框架内部的 LLM
00:16:39需要去完成这些任务。
00:16:40我想大约有 82 个左右的任务。
00:16:43而且它们非常多样化。
00:16:44从修复我的窗口设置到编写一个蒙特卡洛
00:16:48模拟程序之类的。
00:16:51他们还有一个排行榜。
00:16:52在排行榜上，你可以看到编程智能体框架
00:16:54和模型的组合表现。
00:16:57他们有自己的编程智能体，叫做 Terminus。
00:17:03我觉得它非常出色，因为它是
00:17:06它是基准测试中性能最好的 harness 之一。
00:17:09稍后我们会看到它。
00:17:11它具体是做什么的？
00:17:12其实，模型得到的只是一个 TMUX 会话。
00:17:17它唯一能做的就是向其中发送按键，
00:17:19并读回发出的 VT 代码序列。
00:17:23所以，这就像是模型与计算机之间
00:17:27最微小、最精简的接口。
00:17:31而且这在整个排行榜中表现也是顶尖的。
00:17:36那么，这告诉了我们关于现有的编程智能体 harness 什么呢？
00:17:39为了让模型真正发挥性能，
00:17:41我们需要所有这些功能吗？
00:17:43对我个人而言，这不仅仅是关于模型
00:17:48本身是否优秀的问题。
00:17:49还关乎我作为用户、作为人类，
00:17:51有一种与我的智能体、与模型交互的方式。
00:17:54Terminus 显然不是我想要的
00:17:58用户体验或开发者体验。
00:18:00但它告诉我们，所有这些编程 harness
00:18:03拥有的功能，可能对于让智能体
00:18:08获得良好结果并非必要。
00:18:10所以不需要文件工具，不需要子智能体，不需要网络搜索，什么都不需要。
00:18:13基于所有这些发现，有两个论点。
00:18:16我们正处于“胡搞并发现”的阶段。
00:18:18没有人知道完美的编程智能体该是什么样，
00:18:21或者完美的编程 harness 该是什么样。
00:18:23我们既在尝试极简主义，也在尝试全副武装的
00:18:27智能体集群、团队，以及无控制、全自主
00:18:30之类的各种尝试。
00:18:31我认为这一切还没定论。
00:18:33我们还没回答理想状态下
00:18:35这应该是什么样子，以及什么将成为
00:18:37行业标准。
00:18:38第二点是，我们需要更好的方式
00:18:40来尝试这些编程智能体。
00:18:42也就是说，我们需要它们能够自我修改，
00:18:47并变得具有延展性。
00:18:48这样我们就能快速实验各种想法，
00:18:50看看这是否是我们可以打造成行业标准的东西，
00:18:53一个我们可能都会采用的新工作流。
00:18:58所以基本想法是——
00:18:59这非常简单，不是什么高深科技——
00:19:01剥离一切，构建一个极简的可扩展核心。
00:19:05它带有一些舒适配置。
00:19:06它不是一张白纸。
00:19:09这就是 Py。
00:19:10核心座右铭是：让编程智能体
00:19:13适应你的需求，而不是让你去适应它。
00:19:16它附带四个包，一个是 AI 包，基本上
00:19:21只是对多个供应商的简单抽象，
00:19:24因为它们都使用不同的传输协议。
00:19:27所以可以非常轻松地与所有供应商对话，
00:19:29并在同一上下文或会话中自由切换。
00:19:34还有智能体核心，它只是一个通用的
00:19:36带有工具定位、验证等的智能体循环，
00:19:38诸如此类。
00:19:39以及流媒体，一个终端用户界面，
00:19:42大约只有 600 行代码，且运行效果
00:19:47出奇得好，因为它不是由机器写的。
00:19:51还有编程智能体本身，它既是一个 SDK，
00:19:54你可以在无头模式下使用，
00:19:57也可以作为一个全功能的终端界面编程智能体。
00:20:02这就是全部的系统提示词。
00:20:05与其他编程智能体的系统提示词相比，
00:20:08这里没有多余的内容。
00:20:10这是以 token 计量的。
00:20:13事实证明，前沿模型经过大量的 RL 训练，
00:20:16已经知道编程智能体是什么了。
00:20:18那么为什么还要一直告诉它们，它们是编程智能体，
00:20:21以及应该如何完成编程任务呢？
00:20:27默认开启 YOLO 模式，这是为什么？
00:20:30目前大多数编程智能体 harness 都有两种模式。
00:20:33要么智能体可以随心所欲，
00:20:36要么智能体必须问你：
00:20:40“你真的想删除这个文件吗？”
00:20:41“你真的想列出这个目录下的文件吗？”
00:20:44等等。
00:20:44这中间有不同的程度。
00:20:47但归根结底，都要落实到用户
00:20:49需要批准智能体的某项操作。
00:20:52然后我们就觉得安全了。
00:20:53我认为这是错的，因为这会导致疲劳。
00:20:55人们要么完全关掉它，开启 YOLO 模式，
00:20:58要么就坐在那儿一直按回车，什么都不看。
00:21:01所以我不认为那是解决办法。
00:21:02容器化也不是解决办法，
00:21:04如果你担心数据泄露
00:21:06和提示词注入的话。
00:21:07但我认为这是你——
00:21:10我认为这是比审批或对话等
00:21:14护栏更好的基础。
00:21:17它只有四个工具：读取文件、写入文件、
00:21:19编辑文件和 Bash。
00:21:21Bash 就是你所需的全部。
00:21:22里面缺了什么？
00:21:23没有 MCP，没有子智能体，没有计划，没有后台，
00:21:25只有 Bash，没有内置的待办事项。
00:21:26以下是你可以替代的做法。
00:21:28对于 MCP，可以使用 CLI 工具加技能，
00:21:30或者构建一个扩展，我们稍后会看到。
00:21:34为什么没有子智能体？
00:21:35因为它们不可观察。
00:21:36相反，使用 tmux 并再次派生该智能体。
00:21:41你可以完全控制智能体的输出和输入，
00:21:44并且能看到子智能体中发生的一切。
00:21:48很有趣的是，Code Spawn 的
00:21:50团队模式现在基本上也是这么做的。
00:21:55没有计划模式，就写一个 plan.md 文件。
00:21:57这样你就拥有了一个持久的产出物，
00:21:59而不是某些根本无法适应
00:22:02终端视口的蹩脚 UI。
00:22:04而且你可以在多个会话中重复使用它。
00:22:07没有后台 Bash，也不需要，我们有 tmux。
00:22:09这是一回事。
00:22:11没有内置待办事项，就写个 todo.md。
00:22:13道理相同。
00:22:14或者按照你喜欢的方式亲自构建这一切。
00:22:17这就是 Py 通过超强的可扩展性赋予你的能力。
00:22:21所以你可以自定义扩展工具。
00:22:22你可以给 LLM 提供你定义的工具。
00:22:26我认为目前没有其他编程智能体 harness
00:22:28能提供这一点，除非你 fork 开放源代码。
00:22:31在这里你不需要那么做。
00:22:32你只需写一个简单的 TypeScript 文件，
00:22:34它就会被自动加载。
00:22:37你还可以编写自定义 UI。
00:22:39技能显然包含在它们的提示词模板和主题中。
00:22:43你可以把所有这些打包，放在 NPM 或 Git 上，
00:22:46然后用一条命令安装，这非常棒。
00:22:49而且所有内容都是热重载的。
00:22:51所以我会在 Py 的项目中
00:22:53开发针对特定项目或任务的自定义扩展。
00:22:59当智能体修改扩展时，我只需重新加载。
00:23:05它会立即更新所有运行的代码，
00:23:10这非常方便。
00:23:11在实践中，这意味着你可以做自定义压缩。
00:23:14我认为这是人们应该更多尝试的事情之一，
00:23:16因为目前所有的压缩实现
00:23:19都做得不够好。
00:23:21权限网关，你可以轻松地用 50 行代码
00:23:23实现它们，以此涵盖其他智能体 harness
00:23:24所做的那些功能，如果你想要的话。
00:23:27自定义供应商，注册自托管模型的代理。
00:23:31我并不在乎。
00:23:32你不需要让我来为你做这个。
00:23:33你可以自己做，实际上，你的机器也可以为你做。
00:23:37或者重写任何内置工具。
00:23:38修改 read, write, edit 和 bash 的工作方式。
00:23:41我不在意。
00:23:42我有一个版本的 read, write, edit 和 bash，
00:23:43它是通过 SSH 在远程机器上运行的。
00:23:47对我来说，只花了五分钟来实现，但它很有效。
00:23:51而且由于你拥有完整的 TUI 访问权，你实际上
00:23:54可以在编程智能体中编写完全自定义的 UI。
00:23:58Cloud Code 发布了，顺便说一下，有人只花了五分钟
00:24:02就在 Py 中复制了它，而且功能更多。
00:24:05PyMessenger，我不知道它是干什么的，
00:24:07但显然，它就像一个让多个 Py 智能体
00:24:10进行交流的聊天室，并且拥有自定义 UI。
00:24:13我们可以看看他们在做什么，是的，它就这么运行起来了。
00:24:18还有 PyMess，如果你无聊了，
00:24:23就在智能体运行时玩个游戏，对吧？
00:24:24你可以那样做。
00:24:25或者 PyAnnotate，打开你当前
00:24:28正在开发的网站，在前端进行标注，
00:24:31然后直接在线给智能体提供反馈。
00:24:35将其反馈回上下文中，让它进行修改。
00:24:39或者我会用到 File Switch It。
00:24:42我不想切换到 IDE 或编辑器。
00:24:43我只想快速查看被修改的文件。
00:24:46所以，所有这些都是扩展。
00:24:48这些都不是内置的，人们通常只需
00:24:50花上几分钟到一下午的时间，
00:24:52就能按照自己的意愿构建出这些。
00:24:56PyWavic 也是，不知道它是干嘛的。
00:25:00Py 还附带树状结构。
00:25:01我不打算解释那个。
00:25:03去 py.dev 看看就知道了。
00:25:04你的会话是一棵树，而不是线性的聊天列表。
00:25:07所以你基本上可以实现一些智能体，
00:25:09比如读取目录下的所有文件，
00:25:11对其进行总结，然后回到对话的根节点，
00:25:14带着摘要去执行实际的工作。
00:25:19没有任何东西是背着你偷偷注入的。
00:25:22智能体、技能、完整的成本追踪。
00:25:24很多 harness 在这里都不提供这个。
00:25:26开源代码做得并不好。
00:25:29HTML 导出、JSON 格式、无头 JSON 流等等。
00:25:33它真的有效吗？
00:25:34看看 Terminal Bench。
00:25:35让我放大一下。
00:25:36我放不了。
00:25:37这太神奇了。
00:25:38这是 Py，紧随使用 Claude Opus 4.5 的 Terminus 2 之后。
00:25:45那是十月份的事，当时 Py 甚至还没有压缩功能。
00:25:49演示环节，跳过，直接对抗那些破坏开源的机器。
00:25:51如果你与这家伙的项目有关联，
00:25:54就会有成百上千的人从 OpenClaw 跑来
00:25:56你的仓库，用机器垃圾、谩骂来刷屏。
00:26:02所以我不得不发明一些应对措施。
00:26:06我发明了“开源假期”。
00:26:09我直接关闭了几周的 issue 和 PR，
00:26:11自己一个人钻研。
00:26:14任何重要的事情以后总会有人再报告，
00:26:16或者在 Discord 里反映。
00:26:20然后我还实现了一种自定义访问机制，
00:26:21我在仓库里放了一个 markdown 文件。
00:26:26如果有人提交 PR，而他们的账号名
00:26:28不在那个 markdown 文件里，PR 就会被自动关闭。
00:26:32我不在乎。
00:26:34首先，请通过 issue 用人类的声音介绍你自己。
00:26:35写一个不长于屏幕显示的 issue，
00:26:39因为其他的很可能都是机器生成的垃圾。
00:26:42一旦你做到了这一点，我也很乐意通过你的请求。
00:26:45这样你就能进入那个文件，并可以向仓库
00:26:47提交 PR 了。
00:26:50我所要求的只是真人验证。
00:26:51Ghosty 的 Mitchell 随后采用了这一做法，并构建了
00:26:53一个名为 Vouch 的项目，它可以更轻松地应用到
00:26:57你自己的开源仓库中。
00:27:00这就是 Py。
00:27:02去尝试一下吧。
00:27:03我的分享就到这里。
00:27:05[掌声]
00:27:06[音乐播放]
00:27:07[音乐结束]