Logo
返回创作者榜
宝玉

宝玉

在 X 查看
@dotey最近同步 8/29/2026, 4:12:23 AM

AI Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.

今日排名
#17
总粉丝
24.3万
今日涨粉
-1
今日发帖
3
今日曝光
11.6万
帖均曝光
3.9万

粉丝趋势

近7天每日已结算数据

7天30天

内容表现趋势

曝光/互动与发帖量均按自然日结算

发帖趋势

近7天每日发帖量

7天30天

帖均曝光趋势

每日总曝光 ÷ 每日发帖量

7天30天

宝玉 的 X 文章

共 0 篇，按收藏数排序。

查看文章榜
该创作者暂无已收录 X 文章

近7日爆款推文

按近 7 日曝光排序，展示前 10 条。

2
宝玉@dotey
24.3万 followers
Views2.2万
OpenAI 断供 Cursor，11 月 12 日起停止提供模型 OpenAI 今天宣布终止和 Cursor 的合作，停止向 Cursor 提供 GPT 系列模型，日期定在 11 月 12 日。触发点是两周前 SpaceX 以 600 亿美元完成对 Cursor 的收购。OpenAI 给的理由是，它无法相信马斯克旗下的公司会按服务条款使用它的技术。 OpenAI 在博客里点了两桩旧账。一桩是马斯克收购 Twitter 之后，Twitter 违反了和 OpenAI 签的合同。Twitter 后来并入 xAI，xAI 今年 2 月又并入 SpaceX，所以现在都算 SpaceX 的事。另一桩更近：今年 4 月 30 日，马斯克起诉 OpenAI 的案子开庭，他在证人席上承认 xAI 曾蒸馏 OpenAI 的模型，也就是拿 OpenAI 模型的输出当训练数据来训练 Grok，OpenAI 的服务条款明文禁止这么干。那场官司马斯克在 5 月输了，正在上诉。 OpenAI 和 Cursor 的合同里有一条控制权变更条款，Cursor 易主后 OpenAI 有一个时间窗口可以解约。OpenAI 选了合同允许的最晚日期，给开发者留两个半月缓冲，但从现在起不再给 Cursor 接入新模型。它特别提到了 Astra，这是 OpenAI 本月刚披露的下一代模型，内部评估无法排除它的网络攻击能力达到"关键"级别。OpenAI 说，这样的模型交到谁手里、怎么用，它需要比以前更严格的把关。 负责 OpenAI 全部核心产品的 Tibo 在 X 上说，这件事说到底是信任问题。他也给了替代方案：Cursor 用户可以继续绑定自己的 OpenAI API key 调用 GPT 模型，OpenAI 的 Codex 插件也会继续支持在 Cursor 里运行。区别是钱从 Cursor 订阅里出，变成直接付给 OpenAI。 对 Cursor 用户的直接影响：11 月 12 日之后，订阅里的 GPT 模型选项会消失。想继续用 GPT，自带 key 或者装 Codex 插件；不想折腾的，换成 Claude、Gemini、Grok，或者 Cursor 自家的 Composer。 OpenAI 也不是局外人。它 2024 年和 2025 年两次接触过 Cursor 想收购，被拒后转向 Windsurf，那笔交易最后也黄了。它现在的 Codex 和 Cursor 是直接竞品，信任之外，少给对手的产品供货本身就是生意。 接下来最大的变数是 Anthropic。Claude 一直是 Cursor 里用得最多的模型，Anthropic 到现在没有表态。它有跟进的先例：去年 6 月 OpenAI 传出要收购 Windsurf，Anthropic 几天内就切断了 Windsurf 的 Claude 接入，联合创始人 Jared Kaplan 的原话是“把 Claude 卖给 OpenAI 太奇怪了”。 今年 1 月，xAI 工程师通过 Cursor 调用 Claude 做竞品研究被发现，Anthropic 封了 xAI 的访问。但它也有不跟进的理由：今年 5 月 Anthropic 租下 SpaceX 的 Colossus 1 整个集群，22 万张 GPU，Claude Code 限额翻倍就靠这批算力。
Reply 13Repost 1
3
宝玉@dotey
24.3万 followers
Views1.1万
Claude 新的一篇博文《How Warp builds self-improving agents on Claude》 https://t.co/CsyjaGY8TC ，看了后还是挺有收获，它解决的是 Skill 的进化问题。 这个问题我以前也研究过，我写了一个反编译 JS 代码的 Skill（https://t.co/y6kA8TDnZ3），每次 Agent 反编译的时候遇到新的场景解决了就自己更新自己的 Skill，效果还不错，能一直优化，就是 Skill 文件越来越大。 我还研究过写作的自我进化 Skill，那个就一言难尽，因为它其实没有自己统一的标准，经常负优化，越写越糟糕。 说回来 Warp 这个，Warp 是一个挺有名的终端工具，内部尝试借助 AI 做 Code Review。一开始让 Agent review 代码，效果并不理想，主要问题体现在 Agent 不了解你的项目，不知道你的团队规范，不知道历史经验教训，就算你指出来问题它下次还记不住。简单来说就是没有记忆。 初期他们采取了很多补救措施： - 手动根据失败案例改系统提示词 - 完善项目的 AGENTS.md 文件（有意思的是这篇文章是 Claude 发的，但是用的是 AGENTS.md 而不是 CLAUDE.md，我记得 Claude 默认不支持 AGENTS.md 的😅） 但效果并不理想，一方面它依赖于人主动去做，成本较高；另一方面团队成员在 Code Review 时人工在 PR 写的高质量评论完全没用上。 所以他们搞了个解决方案，一个基础 Skill 负责做代码审查，一个改进 Skill 负责定期收集人类工程师在代码审查时的评论，尤其是对 Agent 审查结果的评论，根据人类工程师的评论去更新代码审查的 Skill。 换句话说，它不是依赖于模型自己去改进自己，而是 Agent 根据人类对模型结果的标注（人类对代码审查的评论），去改进技能。 只不过它把这个事做的摩擦力极低，不需要人手工去收集整理评论，不需要填写调查问卷，人只要自然的去代码下写评论，后面的事情都是 Agent 自动完成。 这可能正是 Agent 的最佳实践方案之一：人负责高纬度的标注、评论、反馈这些事情，Agent 去做执行的工作，Agent 根据人类的反馈去改进 Skill。 除此之外，他们还总结了一些最佳实践： 1. 写原则，不要写死规则。 编写 skill 时，要像在指导一个聪明人，而不是在给计算机编程。在 Skill 中写“寻找重复代码”，比列出详尽的变量命名规则更有效。 2. 解释为什么。 说明规则背后的理由，能让智能体针对问题进行推理，而不是机械执行僵化指令，也因此更容易举一反三。 3. 让反馈没有摩擦毫不费力。 在人们原本工作的地方收集反馈，例如直接评论 PR 或 issue。同时让收集过程自动发生，不要增加额外的提交步骤。低摩擦才能让信号持续流动。如果反馈太麻烦，你就收不到反馈，也就无法改进 Skill。 4. 保持 Skill 精简，并使用渐进式披露。 优秀的 skill 文件不会很庞大；它会引用资源文件和脚本，而不是一次性把所有内容都塞进上下文。 5. 反馈质量大于数量，但数量也有帮助。 一位资深工程师给出的少量、详细且与领域相关的反馈，可能比大量草率反馈更有价值，因为简单的赞成／反对并不能说明“为什么”。 即使样本量相对较小，只要反馈来自掌握领域知识的人，而且足够详细，你也能得到非常好的信号——这些知识是智能体通过其他方式根本无法获得的。话虽如此，优质信号的语料越多，效果越好。 6. 做好改进 Skill 的 Skill，可以用来改进其他 Skill。 把改进 Skill（也就是前面提到的一个代码审查 Skill 一个改进 Skill）做好，收益不��限于眼前这套 Agent 循环，因为改进 Skill 在不同用例之间具有很高的复用性。除了领域专用知识这一部分，它其实是一套相当通用、可复用的机制。代码审查 Agent 的改进 skill，也可以应用到其他 Skill 的改进上。 可能有人会担心：如果反馈本身是错的呢？ Warp 的做法是永远不让 Agent 盲目接受反馈。给它足够的上下文来做基本的合理性检查，限制谁的反馈有权影响技能更新（不是所有人的意见都同等重要），最后始终保留人在循环中审核改动。 对于那些有明确标准答案的领域，比如代码是否通过了测试、部署是否成功，可以先建一个验证基准，让 Agent 自己对着基准跑。没有标准答案的领域，比如代码风格、文档质量，就靠领域专家的判断，不要开放给所有人随意反馈。
宝玉 的图片 1
视频 1
Reply 10Repost 22