最新

Hi HN，我构建了 VAEN（一个开源 CLI），因为我一直在 AI 编码代理工作流程中遇到一个令人厌烦的问题：设置变得有用，但之后却很难迁移。<p>一个好的、有用的代理框架不仅仅包含指令：还有技能、mcp 服务器等等。应该有一种比仅仅使用 .MD 文件更好的共享方式，这就是我创建 VAEN 的原因。<p>它的工作原理：创建一个 yaml 文件，按照仓库中的说明运行 CLI 命令，然后得到一个 .agent 文件，你可以共享和提取它。 想想如果任何人都可以使用一个非常有用的代理框架，并且只需一个 CLI 命令就能分享它，那会是多么棒的事情。

我注意到，一些初创公司已经开始从 LeetCode 式的评估转向某种“克隆起始代码，构建功能，提交代码”的模式。 这种模式的一个关键问题似乎是，更智能的 AI 模型（如 Opus 4.6）最终会过度干预，在系统设计和构思方面提供过多帮助，从而破坏了问题的关键洞察。 我搭建了一个评估平台，它基本上充当中间人代理，记录 Claude Code 和 Anthropic 端点之间的所有请求。 我最近一直在试验一项功能，该功能可以防止 Opus 级别的模型提供过多洞察，而是确保 LLM 的建议仅针对朴素和蛮力的问题洞察，除非明确提出挑战。这应该可以防止越来越智能的模型削弱从这种评估中通常可以获得的信号分辨率。 在线演示：[https://app.gonfire.io](https://app.gonfire.io) (showhn@gonfire.io / Aa123123123123)