geohot 今天用一个词总结了现在的 AI 时代：Sloptember。
他的核心论断是 agent 不会编程——它只是在模拟编程概率分布的输出。输出越来越像对的，但坏掉的方式越来越难被发现。 他在 tinygrad 上试了六个月。他的原话：agent 把进度推到 80%，然后就变成 slot machine。你一直拉杆，希望那最后一口气能到。他觉得手动来更快。 这个判断我信。 真正有问题的不是高水平的人——他们能看出 slop 是 slop。危险在那些看不出来的人。他
GitHub 上有个 repo，138 个科学研究工具的 Agent Skill，24.7k stars。
覆盖生物信息、药物发现、临床数据库——Scanpy、RDKit、DeepChem、UniProt、AlphaFold 全在里面。 一行装进你的 agent： npx skills add K-Dense-AI/scientific-agent-skills 装完之后 agent 不用靠猜，直接拿到正确的 API 调用方式。 好的 agent 不靠更大的模型，靠更精准的工具知识。
我把所有 MCP 都删了。
GitHub 官方 MCP server 加载一次要 54,000 tokens。`gh --help` 是 562，模型训练数据里本来就有。 MCP 是给人包装的 JSON 官僚系统。agent 是进程，进程用 CLI 和 API 跟世界对话，几十年都这样。 Skills 30-50 tokens，触发时才展开。CLI battle-tested，可版控，可 debug。 这才是给 agent
学 AI 不缺资料，缺的是一条能走完的路。
一个 GitHub 仓库尝试解决这件事：从线性代数开始，一路到多 Agent 系统，435 节，20 个阶段。 不是教你 "调 GPT API"，是让你把反向传播、Tokenizer、Attention 机制都自己写一遍——再用框架重做一次。 到最后你手上有 435 个真正理解的工具：prompt、skill、agent、MCP server。 不只学会了，是真的建出来了。
DeepSeek 在组建 Harness 团队。
Harness 是 AI agent 执行任务的脚手架——工具调用、步骤编排、出错恢复。 这不是在做代码补全。这是在做 coding agent 的底层。 对 Cursor 来说，DeepSeek 进来意味着：有人要用自己的模型 + 自己的执行层，同时价格打到你接受不了。 Cursor 目前高度依赖 Claude API。这个弱点不小。 这个组合如果跑起来，AI 编程工具的格局要重新算。
面试一个 AI Agent 工程师，问他："怎么设计'竞品日报自动生成 Agent'？"
他没堆术语，直接拆架构： 规划 Agent — ReAct 框架拆解任务，生成执行计划 检索 Agent — RAG 召回信息，去重排序 分析 Agent — 结构化对比，关联产品路线图 审核 Agent — 安全合规校验 然后补了一句： "Agent 开发更像搭建虚拟自动化团队。要给它明确流程，也要给它容错机制。" 用 LoRA 微调对齐业务语境，用户修改记录变增量样本，模型周级自动更新。 这才
rohitg00/agentmemory 今天上了 GitHub Trending。
做的事很直接：给 AI Agent 加持久记忆层，让它记住跨对话的上下文、用户偏好、历史决策。 以前 Agent 每次对话都从零开始，现在可以积累。 这是 Agent 从「工具」变成「助手」的关键一步。
Simon Willison 写了篇让我想了一会儿的文章。
他说 vibe coding 和真正的 agent 工程，边界正在消失——这让他有点担心。 他不是在抱怨 AI 太强。他担心的是：当「随手 vibe」和「认真工程」看起来一模一样的时候，你怎么知道自己在做哪件事？
AI agent 时代，最终赚到系统性利润的，不是做模型的公司。
1/5 是让 agent 能在现实世界运作的 5 类基础设施👇（收藏备用） 2/5 💳 支付管道 Agent 要花钱、收钱、结算——没有支付基础设施，agent 什么也做不了。 关键玩家：Stripe / Coinbase / x402 3/5 🌐 网络管道 Agent 要访问互联网、缓存内容、应对速率限制——网络层是 agent 的神经系统。 关键玩家：Cloudflare 4/5 🛒
【1/7】OpenAI Codex 团队只有 40 人。
付费看完了他们的内部采访，记下几个让我印象最深的细节👇 【2/7】1 个 PM，2 个 designer，其他全是工程师。 这唯一的 PM 每天干什么？让 Codex 跑一遍：1 小时处理 100+ 用户 issue，大部分 24 小时内修复。 他在管理 Codex，而不是在管理产品。 【3/7】99% 的代码由 Codex 生成。 每个工程师同时跑 4 个并行 agent： code revi
GitHub 今天最热的 repo：ruflo
Claude 原生多 agent 编排平台，今天涨了 1834 star。 不是随机爆款——它踩在了一个真实的工程痛点上👇 ruflo 是干什么的： 1. 让多个 Claude agent 协作工作（swarm） 2. 内置 RAG 集成 3. 原生支持 Claude Code / Codex 接入 4. 自主工作流协调 简单说：不是一个 agent 帮你干活，是一组 agent 分工配合。 为