BetterOPCBetterOPC

BetterOPC レポート · 日次

AI と個人開発の動向を日付別にまとめました。本文と出典の題名は原文で表示します。

2026-11-10 · 収録件数: 37

簡体字中国語の原文

Claude Fable 5.2 多平台上线，企业智能体架构同步推进

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，官方称两款模型在编码、推理和视觉方面有所提升；Fable 5.2 已登陆 AWS 的 Amazon Bedrock 与 Claude Platform，并进入 GitHub Copilot。企业侧，AWS 博客给出运行在 Amazon Bedrock AgentCore 上的七层可组合 Agentic AI 参考架构，强调每层稳定契约、可逐层替换实现。

模型发布/更新

  • Claude Fable 5.2 登陆 AWS

    AWS 官方博客宣布，Claude Fable 5.2 与 Claude Mythos 5.2 现已在 Amazon Bedrock 和 AWS 上的 Claude Platform 上线。正文仅说明可了解两款模型的新变化、Fable 5.2 对技术工作负载的意义，以及在 Amazon Bedrock 上的上手方式，未披露具体能力、参数、定价或评测数据，信息有限。

    出典を読む ↗

  • Claude Fable 5.2 登陆 GitHub Copilot

    GitHub 博客更新显示，Anthropic 最新的 Fable 模型 Claude Fable 5.2 已在 GitHub Copilot 中正式可用，可用于大型代码库中的复杂多步骤编码任务。原文提到早期测试，但正文在此处截断，未给出测试结果、性能数字或具体可用范围，因此这些细节信息有限。

    出典を読む ↗

  • Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2

    Anthropic 官方账号宣布 Claude Fable 5.2 和 Claude Mythos 5.2 现已可用。引用的 @claudeai 发布内容称，这两款模型用于应对最艰巨的技术挑战，可在多领域的宏大项目中充当协作伙伴，并在编码、推理和视觉等方向有所提升。原帖未披露模型规模、基准分数、定价、开放范围或具体可用渠道等细节。该推文获 155 次转发、1452 次点赞、35466 次浏览。

    出典を読む ↗

  • NVIDIA Nemotron 3.5 Super VL 上线 Amazon SageMaker JumpStart

    AWS 官方博客宣布，120B 参数的多模态视觉语言模型 NVIDIA Nemotron 3.5 Super VL 已在 Amazon SageMaker JumpStart 上架。用户可几步部署 NVFP4 或 BF16 版本，并运行文本、图像和视频推理，面向文档智能、computer-use 智能体及多模态 agentic 工作负载。

    出典を読む ↗

  • Claude Fable 5.2 与 Mythos 5.2 发布：能力超越 Opus 5.5

    橘AI 发布笔记称，Claude Fable 5.2 和 Mythos 5.2 发布，几乎所有能力都超过 Opus 5.5。生成速度比 5.1 快 30%，价格降至输入 8 美元、输出 40 美元，下降 20%。在 FrontierCode 2.0 中，Fable 5.2 High 打平 Opus 5.5 Max，每任务成本仅一半；Xhigh 得分最高，说明思考努力程度并非越高越好。Mythos 5.2 预测了 34 个衣壳中的 28 个结构；1000 个 Fable 5.2 Agents 在 30 小时内完全形式化费马大定理，而 Opus 5.5 在 18 小时内仅完成 26%。Mythos 5.2 在 RoboDojo 双臂机器人基准上超越其他模型及多数专用机器人 AI。官方建议多数 Coding 和知识任务从 Opus 5.5 起手，最具雄心的开放式技术工作交给 Mythos 和 Fable。

    出典を読む ↗

  • bcherny：Claude Fable 5.2 为老订阅用户提供更多重置次数

    Anthropic 的 bcherny 在 X 上表示，团队希望为订阅时间最长的用户做更多事，因此在 Fable 5.2 中，订阅越久，获得的 Fable 重置次数越多。该帖引用了 @claudeai 的发布：推出 Claude Fable 5.2 和 Claude Mythos 5.2，称其用于应对最艰巨的技术挑战，可在多领域作为有雄心的项目协作者，并在编码、推理和视觉方面有所提升。原帖未披露具体重置规则、价格或上线时间。

    出典を読む ↗

  • Anthropic 发布 Mythos 与 Fable 新模型，回应 RSI 担忧

    Anthropic 发布了名为 Mythos 和 Fable 的新模型。据 TechCrunch 报道，Anthropic 表示这两款模型在编码、推理和视觉等方面有所提升，并且在与用户沟通时表达更清晰。报道提到此次发布伴随对 RSI 的担忧，但输入正文未展开 RSI 的具体含义、担忧来源或模型参数、定价、可用范围等细节，信息有限。

    出典を読む ↗

  • Meta 发布 Muse Ember：面向 Agent 执行的轻量模型

    Meta 发布轻量模型 Muse Ember，定位用于 Agent 执行。TechCrunch 报道称，其输入价格为每百万 token 10 美分，明显低于 Haiku、Luna 等前沿竞品。原文正文仅给出价格对比，未披露模型参数规模、上下文长度、基准测试成绩或具体上线方式，这些信息目前有限。

    出典を読む ↗

  • 字节跳动发布Seedream 5.5图像模型，接入豆包与即梦

    11月9日，字节跳动发布豆包图像创作模型Seedream 5.5。相较Seedream 5.0 Pro，新模型生成速度大幅提升，增强多轮编辑稳定性，原生支持RGBA透明素材生成与分层输出，并优化图像真实感和小字渲染。豆包、豆包工作、即梦已接入，API即将上线火山方舟。API延续“输入图+输出图”两段计费，文本Token不收费，2K方图编辑单张成本约0.28元，不到5.0 Pro一半。实测连续上百轮修改后，非编辑区域仍保持像素级一致。MagicArena测试显示，其在电商、营销、影视、游戏、办公与服装设计六类场景可用率均明显提升。后续将推出Pro版本并拓展Agent工作流应用。

    出典を読む ↗

  • 字节跳动发布 Seedream 5.5：支持百轮编辑与透明背景直出

    字节跳动 Seed 团队 11 月 9 日发布新一代图像创作模型 Seedream 5.5，带来三项核心升级：多轮编辑实现非编辑区域像素级保持，消除色彩偏移，支持同一作品最多 100 轮持续创作；原生生成带 Alpha 通道的透明或半透明图像，省去后期抠图；改善光照、材质与皮肤纹理，并提升文字渲染准确度。团队在 MagicArena 平台围绕电商、营销、影视、游戏、办公与服装设计六类场景评测，相比 Seedream 5.0 Pro，生成效果评分与可用率均有提升，影视与办公场景可用率达上一版本两倍以上。严重文字崩坏率降至 0.4%，轻微崩坏率降至 1.7%。模型正陆续上线即梦、豆包、火山方舟等平台，2K 方图编辑单张成本约 0.28 元，不到 Seedream 5.0 Pro 一半，后续将推出 Pro 版本。

    出典を読む ↗

产品发布/更新

  • 可插拔 Agentic AI 框架：Amazon Bedrock AgentCore 上的七层可组合企业级参考架构

    AWS 博客介绍了一套面向企业 Agentic AI 的七层可组合参考架构，目标是把企业智能体从原型推进到生产环境，运行在 Amazon Bedrock AgentCore 之上。该架构的核心设计是每一层都有稳定的契约（contract），因此可以在任意一层替换技术实现，而无需重新设计整个技术栈。原文未披露各层的具体名称、组件细节、性能数据或客户案例。

    出典を読む ↗

  • Amazon Bedrock 托管知识库支持单次与智能体检索

    Amazon Bedrock 托管知识库现支持通过 AgenticRetrieveStream 发起单次 RAG 和仅检索请求，同时保留智能体检索能力。文章说明 maxAgentIteration 参数如何按每次请求匹配检索投入，并以一个内部银行政策助手作为示例进行演示。

    出典を読む ↗

  • ChatGPT Enterprise 现已上架 AWS Marketplace

    OpenAI 宣布 ChatGPT Enterprise 已在 AWS Marketplace 上架。企业可以通过现有的 AWS 采购和计费关系购买该产品，从而简化采购流程。原文未披露定价、可用区域或具体功能变化等细节。

    出典を読む ↗

  • CrossnoKaye 如何用 Amazon Bedrock AgentCore 落地物理 AI

    CrossnoKaye 借助 Amazon Bedrock AgentCore 将物理 AI 引入重工业。其 ATLAS 平台与 AURA 智能体系统把 AI 推理建立在工厂实时数据之上，并在隔离的 AgentCore 沙箱中运行可验证的 Python 代码，从而为工厂工程师提供可核查、有数学依据的答案，而非模型猜测。

    出典を読む ↗

  • 专业工作值得专业工具：认识 AWS Quick

    AWS 宣布将 Amazon Quick 更名为 AWS Quick，并推出首个品牌推广活动，主题是致敬推动业务运转的团队。据原文介绍，AWS Quick 是专为工作场景打造的 AI 工作空间，团队可在其中使用 AI 智能体，在已有的数据和应用程序上进行研究、分析并采取行动。原文未披露具体功能细节、定价、上线时间或客户案例，信息有限。

    出典を読む ↗

  • Kuken Industries 用 OpenAI API 几分钟检索 70 年图纸

    Kuken Industries 使用 OpenAI API 检索其 70 年积累的冷却塔图纸。工程师过去查找一张维修所需图纸要花近一小时，现在只需 4.5 分钟。原文仅给出这一检索耗时对比，未披露具体模型、检索实现方式或更多效果数据。

    出典を読む ↗

  • Instagram推出Effect Builder：用AI提示词生成自定义滤镜

    Instagram在将Edits应用扩展至macOS后，推出Effect Builder，用AI为Stories帖子生成自定义滤镜。该功能目前面向18岁以上的美国居民开放，提供提示词输入框，可向聊天机器人描述滤镜创意，并支持附加风格参考图。用户可上传自己的照片预览AI生成效果，并通过后续提示词要求修改。此外还可让Instagram的AI重写提示词，例如将一行测试提示词“做一个把照片变成漫画书页面的滤镜”扩写成多段AI生成内容。

    出典を読む ↗

行业动态

  • OpenAI 推出 Control Room：统一追踪模型工作负载，35 秒内可中止

    OpenAI 表示已构建 Control Room，用于追踪其研究基础设施中的模型工作负载，并在出现安全或安保问题时快速停止任务。该系统连接所有研究推理工作负载，包括用于模型训练与评估的 agentic sampling、数据处理等，并与失准监控系统协同：一旦决定干预，可在 35 秒内停止模型输出。OpenAI 称 Control Room 只是其安全训练与部署前沿模型整体方案的一部分。

    出典を読む ↗

  • CodeRabbit 借助 OpenAI 模型扩展智能体软件开发，交付量提升 20 倍

    OpenAI 官网案例显示，CodeRabbit 使用 OpenAI 模型来治理和信任 AI 生成的代码，并借助 Codex 在工程团队规模不变的情况下将软件交付量提升 20 倍。原文仅给出这一结果，未披露具体实现细节、时间范围或统计口径。

    出典を読む ↗

  • 网信办上线新技术新应用备案系统，整合生成式AI与算法备案

    网信办11月9日发布公告，建设“互联网新技术新应用信息服务备案系统”，可一体化开展生成式人工智能、算法、深度合成、区块链等新技术新应用备案。系统于2026年11月9日正式上线运行，原“互联网信息服务算法备案系统”和“区块链信息服务备案管理系统”同步停止使用。网站可通过主体名称、备案名称、备案编号等查询备案信息。使用疑问可拨打电话010-82990521咨询，接听时间为工作日9时至17时。

    出典を読む ↗

  • 英伟达在韩举办 AI Day，与韩政府、三星、LG、现代等达成合作

    英伟达 11 月 9 日在首尔举行 NVIDIA AI Day，公布与韩国政府及多家企业的合作。与韩国科学信息通信技术部（MSIT）扩大主权 AI 生态合作，涵盖半导体、数据中心、人才、初创、模型、智能体与安全，并为韩国 NPU/XPU 公司参与 NVLink Fusion 生态奠定基础；与四家韩国基础模型构建商合作，用 NVIDIA Dynamo 优化推理，包括 SK Telecom 的 A.X K2、LG AI Research 的 K-EXAONE 2.0、Upstage 的 Solar Open 2 和 Motif Technologies 的 Motif-3。三星电子扩大加速计算与 AI 物理技术合作，用于材料研究、工艺开发和器件工程。Kakao Mobility 基于英伟达自动驾驶计算与安全技术推进 L4 级自动驾驶。LG 电子演示 CLOiD 机器人由 NVIDIA Isaac GR00T 驱动完成制造任务。现代汽车探索 NemoClaw 蓝图和 OpenShell 运行时；AIM Intelligence 将 Starfort 平台与 OpenShell 集成。

    出典を読む ↗

  • 迪士尼与Adobe合作开发生成式AI工具

    华特迪士尼公司与Adobe宣布建立多年合作伙伴关系，共同开发专有的“艺术家主导”生成式AI模型，以支持迪士尼的制作流程。该合作在Adobe MAX大会上公布，Adobe将向迪士尼提供其最新技术的早期访问权限，覆盖主题公园、邮轮业务到ESPN内容等场景。双方还将合作探索新兴技术，包括负责任开发的AI。通过Adobe Firefly Foundry，迪士尼将直接与Adobe合作，针对迪士尼自有IP定制生成式AI模型。

    出典を読む ↗

  • PyTorch 新增 CUDA 13.5 AlmaLinux 构建镜像

    PyTorch 仓库合并 PR #203610，这是构建 CUDA 13.5 CI 镜像三步计划的第一步。改动包括：在 install_cuda.sh 中新增 install_135，安装 CUDA 13.5.0 runfile、cuDNN 9.27.0.42、cuSparseLt 0.8.1.1、NVSHMEM 与 NCCL；在 almalinux/Dockerfile 和 build-almalinux-images.yml 中增加 cuda13.5 阶段与标签，发布 pytorch/almalinux-builder:cuda13.5-main，供 magma 构建使用。作者说明需先合入此步，下一步 magma-cuda135 将基于该镜像构建。

    出典を読む ↗

  • 谷歌扩充TPU芯片阵容，推出8tx/8i Max两款新品挑战英伟达

    据彭博社报道，谷歌将推出两款新TPU：TPU 8tx面向政府机构及受严格监管行业等需要处理机密数据的客户，将与AMD芯片协同工作，可在芯片层面加密数据；TPU 8i Max面向超长上下文窗口AI应用，两颗TPU集成于同一封装，适用于药物研发、数学计算和编程类应用。谷歌芯片业务负责人Amin Vahdat称，新品并非完全重新设计，而是在现有芯片基础上重新配置，预计明年上市。彭博行业研究预计，到2028年谷歌TPU销售额将超1350亿美元，远高于今年预计的120亿美元；TPU成本比英伟达GPU低约30%，已吸引苹果、Meta、甲骨文及Jump Trading等客户。

    出典を読む ↗

  • AI数据中心抢购燃气轮机：新设备交货排到2030年代，二手市场火爆

    据路透社报道，AI数据中心建设热潮导致燃气轮机供不应求，新设备交货期集中在2030至2031年，美国平均交货期长达六年。电力企业、项目开发商和数据中心供电商转而抢购二手或翻新机组，甚至将退役喷气发动机改造成发电设备。伍德麦肯兹数据显示，全球燃气轮机订单总容量超100GW，产能仅60至70GW；杰富瑞估计今年美国数据中心需近17GW，2028年需求或增至三倍以上。二手设备每兆瓦约150万至170万美元，翻新机组约130万美元，低于新机组的200万至250万美元。分析师认为二手市场缓解作用有限，且存在维护记录不完整、剩余寿命有限等风险。

    出典を読む ↗

论文研究

  • s3：用协作强化学习让智能体集群自主学习协调策略

    该推文推荐了一篇关于扩展多智能体集群的论文。现有系统通常按开发者预先写好的计划决定各智能体的分工与通信时机，且该计划跨任务保持不变。新工作 s3 让智能体通过协作式强化学习自行学习这套计划：何时独立工作、何时共享发现、何时阅读队友成果，且不预设角色。在训练与推理预算匹配的条件下，规模为训练规模两倍的 s3 集群解决的协调问题比最强基线多 25 倍以上；在并行探索中，通信智能体重复工作减少近 50%，并比 best-of-N 最高高出 9.4 分。智能体还会自行形成互补角色，且这些角色可迁移到更大团队。

    出典を読む ↗

技巧与观点

  • Claude Code 的 settings.local.json 泄露密钥风险

    Claude Code 在用户点击「Yes, and don't ask again」后，会把整条被批准的命令写成 allow 规则，存入项目里的 .claude/settings.local.json；若命令中含密码、Token 或连接串，也会以明文留下。安全公司 Apiiro 扫描公开 GitHub 发现，104,185 份该文件中 1,122 份（约 1.1%）至少含一个密钥，合计 1,379 个不同密钥，跨 103,617 个仓库；其中 379 个数据库密码、43 个 SSH 登录、42 个 GitHub/GitLab/npm Token、23 个 AWS 密钥，涉及 63 个组织账号。复查时带密钥文件仍在默认分支，一半仓库该文件已存在至少 217 天；Apiiro 未统一验证密钥是否仍可用。删文件不等于止血：历史中 509 个仓库旧版本多出 734 个密钥，74 个原仓库的 211 个 fork 仍带同样密钥。正确顺序是先轮换密钥，再清理文件与历史。官方文档写明 Claude 自建该文件时会加入本机 global git excludes，手建则需自行加入项目 .gitignore；它不会自动写入项目级 .gitignore。Claude Code 团队 Boris Cherny 在 HN 回应称正在看密钥清洗和预防，强调文件本意应留在本地，并称不少是人手创建后检入。Apiiro 则指出，在 1,105 个真有密钥且追到提交的仓库里，539 个曾有 Claude 作为 co-author 改过该文件。

    出典を読む ↗

  • Claude Code 的“不再询问”秘密：Git-Exclude 缺口、扫描器漏检与预提交修复

    文章基于 Apiiro 研究（经 LATENT、Hacker News、iTnews 转述）：Claude Code 在用户选择“Yes, and don't ask again”时，会把精确命令（含 PGPASSWORD 等明文凭据）写入 .claude/settings.local.json。Apiiro 在公开 GitHub 收集到 104,185 个该文件（103,617 个仓库），其中 1,122 个含至少一个“真实”密钥，共 1,379 个；计入历史、共享 settings.json 和 agent 记录则为 1,994 个仓库、2,539 个。gitleaks 与 TruffleHog 分别捕获 50.3% 和 57.3%，19.2% 两者均漏。作者用假凭据在本地复现各层缺口，并给出规则感知扫描器和预提交钩子。

    出典を読む ↗

  • 评估安全产品中的机器学习：一个框架

    文章指出，安全产品中ML检测分数常被误当作概率使用，例如0.93分被自动隔离阈值0.9触发，但团队无法说明其真实含义。作者引用Guo等人在ICML 2017关于现代神经网络校准的研究，说明深度网络系统性过度自信，厂商的min-max缩放会让任何数值看起来像概率。文章建议用POC输出数据，将厂商分数与分析员处置结果关联，运行scikit-learn的calibration_curve（使用quantile分箱，因安全分数集中在零附近），并计算Brier分数；若0.9附近分箱仅30%确认为恶意，则0.9隔离规则会误伤大量干净主机。修复方法是用一个月处置数据拟合IsotonicRegression映射，在下一月验证，再基于映射值设置剧本阈值，避免随机划分导致未来数据泄漏。

    出典を読む ↗

  • 孙建伟：远程控制电脑Agent办公的方式有这么多

    作者孙建伟在购买iPad mini 8后，梳理了通过iOS APP远程控制另一台机器上Agent的多种工具：uu远程可手动远程并支持终端；ChatGPT Codex需扫码或匹配码连接；Cursor在Mac登录客户端后自动生效；WorkBuddy、千问办公、MiniMax Code、豆包工作/飞书均可在设置中开启APP远程控制，其中千问办公入口比WorkBuddy更明显；Grok Bot需登录同一账号并设置仅允许在电脑上执行；ZCode和Kimi Code点击远程后生成网页链接；Tailscale组网后可SSH或网页链接进入；OpenClaw/Hermes则通过绑定飞书机器人等IM bot对话控制。

    出典を読む ↗

  • ClaudeDevs：该用哪个 Claude 模型来构建？

    ClaudeDevs 发布新指南，说明在不同场景下应选用 Fable 5.2、Opus 5.5、Sonnet 还是 Haiku，并介绍何时应调整 effort 而非切换模型，以及如何通过把子代理放到更小的模型上来节省成本。原文仅给出指南要点概述，未展开各模型的具体适用条件与成本数据，细节需查看链接原文。

    出典を読む ↗

  • 一个 SKILL.md 多智能体通用：编写跨 Claude Code、Codex、Cursor 和 Hermes 的 Agent 技能

    多数 AI 智能体工具现已读取同一技能格式：包含 SKILL.md 的文件夹可在 Claude Code、Codex、Cursor、GitHub Copilot、VS Code、Gemini CLI、goose、Amp、OpenCode 和 Hermes Agent 等工具中使用，因此工作流写一次即可跨智能体复用。该 Agent Skills 规范由 Anthropic 最初开发并作为开放标准发布。技能目录至少含 SKILL.md，可选 scripts、references、assets 子目录。SKILL.md 由 YAML frontmatter 加 Markdown 组成，仅 name 和 description 为必填。name 限 1 到 64 字符，仅小写字母、数字和连字符，不能以连字符开头或结尾、不能含连续两个连字符，且须与父文件夹名一致。description 最长 1024 字符，需说明技能做什么以及何时使用，智能体主要依据该字段决定是否加载技能。可选字段包括 license、compatibility、metadata 和 allowed-tools，其中 allowed-tools 标注为实验性。

    出典を読む ↗

  • 用表格对比API账单与自托管开源模型成本

    Intercom首席AI官Fergal Reid给出真实案例：查询规范化任务每月API花费约25万美元，后由微调14B参数Qwen模型替代几乎全部推理支出，但同产品中最难的用户提示仍用前沿模型。文章提供成本拆分公式：托管API按请求数×token数×单价计算；自托管需估算p95延迟下的token吞吐、GPU数量（注意MoE模型激活参数与显存占用不同），以及训练运行、评估、失败实验和工程团队人力。Reid强调只算推理会做错决策：其AI团队两年半从约10人增至55人，标准训练配置为一个H200节点，方法从LoRA转向分布式全量微调和强化学习。决策规则：任务需高量、重复、定义清晰且有明确输入输出契约才值得微调。

    出典を読む ↗

  • 用 Claude Code 多线并行：handoff 与定向 compact 实践

    作者 Qinc3251 分享自己同时开七八条 AI 会话（最多十条）长期干活的方法：把长期事项做成固定角色的“线”，如投流线、前端线、服务器线，每条线各司其职。上下文将满时，他原本用 handoff：让当前 AI 写交接文档和开场白，新开对话接着干，每交接一次版本号加 0.1，服务器线已到 v7.0。9 月 2 日他发现 handoff 占总成本 12.4%，于是改用定向 compact，即在 /compact 后让 AI 自己写明要保留哪几类信息。第一版把检查点写进文件失败，因为 compact 只能看到对话、打不开文件；改成把检查点全文写进对话后，他定的事 10 条留 10 条、警告 7 条留 7 条、被否方案 7 条留 7 条。对照中，不带定向指令的 42 条丢了 6 条，带指令的 11 次一条没丢，样本较小。

    出典を読む ↗

  • 2026年如何在ChatGPT、Perplexity和AI搜索中排名

    文章指出，Google前十结果与AI引擎引用内容的重合度已从2025年中的约75%降至2026年初的17%-38%，仅约14%的营销人员在追踪AI搜索表现。各引擎差异明显：ChatGPT实时搜索基于Bing索引，新内容约需4-8周浮现；Perplexity最重新鲜度，与Google前十相关性最高，新内容约1-2个月可见；Claude/Gemini更看重结构、清晰度和可证明的权威性。约44%的LLM引用来自页面前三分之一，建议每节以独立答案句开头、用真实问题式标题、具体可核查表述及表格和编号步骤。技术清单包括提交Bing Webmaster Tools、清晰标题层级、快速加载、具名作者、真实更新日期和有效JSON-LD（Article、FAQPage、BreadcrumbList），其中FAQ schema尤应重视。作者认为GEO并非与SEO竞争，多数GEO友好做法本就是良好SEO，GEO只是叠加平台特定结构与新鲜度纪律。

    出典を読む ↗

  • Barret李靖：DeepSeek Harness 源码本质是面向 Agent Runtime 的 IoC 模块系统

    作者 Barret李靖 在即刻分享阅读 DeepSeek Harness 源码的体会，认为它本质上是一个面向 Agent Runtime、支持动态插件生命周期的 IoC 模块系统。他将其与曾参与设计的企业级 Node.js 框架 Tegg 对比：Tegg 用 SingletonProto()、ContextProto() 声明对象作用域和访问级别，用 Inject() 管理依赖；DeepSeek Harness 则通过 Service 注册和 inject 建立能力提供者与消费者的依赖关系。生命周期上，Tegg 为 postConstruct→preInject→postInject→init→preDestroy→destroy，DeepSeek Harness 用 Fiber 管理插件，经历 PENDING→LOADING→ACTIVE→UNLOADING→DISPOSED，并用 Effect 管理插件注册的资源和副作用。作者指出依赖注入、模块边界、生命周期、作用域、AOP、事件驱动、动态组合等经典服务端框架思想正被系统性应用到 Agent Runtime，认为 DSH 设计有参考价值。

    出典を読む ↗

产品雷达

  • ha-mcp：用 Claude、ChatGPT 配置和自动化 Home Assistant

    ha-mcp 是一个用 Python 编写的开源项目，目标是让 Claude、ChatGPT 等 AI 助手来配置和自动化 Home Assistant。该项目当前位列 GitHub Trending 日榜第 10 名，当期新增 31 Stars，累计 5678 Stars、279 Forks。正文只给出了项目定位和榜单数据，没有说明具体功能细节、使用方式或效果。

    出典を読む ↗

過去のレポート