Hyacehila's Blog

BettaFish/MiroFish 和 OpenClaw 分别把 Agent 推到两条信任边界上：我们能相信 AI 说到什么程度，以及我们愿意让 AI 在自己的环境里做到什么程度。

一篇面向开发者的研究综述：从 Claude 系列与 GPT 系列在编码场景中的能力差异出发，理解这些差异如何投射到 Claude Code 与 Codex 的 agent runtime、任务执行边界、上下文组织和工作流体验中。

代码生成成本下降后，软件工程需要更早获得原型和集成反馈，再把经过验证的约束整理成文档、契约、测试与 ADR。Spec 仍然有用，但它更适合系统逐渐收敛之后。

LangChain 关于 agent = model + harness 的说法只在粗粒度上成立；真实工程里更有解释力的是工程、产品、用户友好外壳与 task interface。

三门问题最迷惑人的地方，不是算不出 2/3，而是主持人开门以后，人会本能地把局面看成 50/50。真正关键在于，主持人的行动不是随机事件，而是一次带约束的信息披露。

科幻短篇三则，灵感来源于被 Anthropic 封号后；当人类社会被人工智能接管，除了金钱的贫富以外另一种阶级的差距；包括大纲在内，正文由 LLM 辅助撰写。

凯恩斯低估的不是生产率，而是人类欲望与社会分工的弹性。生成式 AI 更可能压缩旧任务、重排劳动结构，并催生新的服务与需求，而不是直接让劳动消失。

按真实系统的训练流水线重写 Agent 训练闭环：从数据治理、工具环境和 verifier 设计，到 trajectories、SFT、curriculum、online RL 与 benchmark audit。

当 LLM 从回答问题变成在环境中持续行动，真正决定系统上限的往往不是某个 loss 的名字，而是从数据治理、环境合同、反馈栈到 online RL 再到蒸馏回流的这条训练闭环有没有被接对。

Memory 不是外挂数据库，而是长期认知状态的形成、激活、更新与治理问题。本文梳理 Agent Memory 的全景：五种记忆类型、激活与写入两端、研究演化脉络，以及为什么评测仍跟不上方法演进——难点在写入正确性、时间有效性、冲突消解、遗忘和系统级评测。