最新

目前，基于智能体的解决问题方案非常脆弱。我曾对它充满热情，但它带来的问题和它解决的问题一样多。 我是 Ben Cochran，我在全栈工程、DevOps、高性能计算和机器学习领域摸爬滚打了 20 多年，曾在 NVIDIA、AMD 和其他各种机构工作，最近担任杰出工程师。 为了让智能体可靠地工作，要么需要庞大的参数数量，要么需要巨大的上下文窗口来保持解决方案空间的可行性。大多数人都在通过更大的模型和更长的提示来蛮力实现可靠性。 如果我把问题变小，而不是把模型变大呢？ 我采用了不同的方法，使用较小的模型：参数范围在 130 亿到 200 亿之间的模型，并让它们解决真实的 SWE-bench 问题。我使用形式化状态机来约束工具和解决方案空间。状态机中的每个状态都定义了模型可以访问哪些工具、它有多少次迭代以及哪些转换是有效的。规划状态获得只读工具。实现状态获得编辑工具（范围限定以防止大型编辑）和友好的 bash 工具。测试状态获得 bash，但仅用于测试命令。模型在物理上不能跳过步骤或在错误的时间使用错误的工具。这是通过协议强制执行的，而不是通过提示。 结果比我预期的要好。在多个模型系列中，无论其年龄（qwen-coder、gpt-oss、gemma4）如何，改进都一致地高于 130 亿参数的拐点。低于此值，模型可以导航状态机，但无法保留足够的上下文来生成准确的编辑。关于研究的更多信息：[https://statewright.ai/research](https://statewright.ai/research) 令人惊讶的是，这也在前沿模型中产生了改进。Haiku 和 Sonnet 开始表现出色，Opus 使用更少的 token 和死亡螺旋也能更可靠地解决问题。微调并没有为我带来这种功能上的改进。似乎得出的结论是，上下文窗口的利用比原始上下文大小更重要——在每个步骤中都有一个严格限定的工作上下文，其表现优于一个被赋予了对所有事物自由支配权的模型。使用确定性代码约束非幂等 LLM 是一种目前没有人谈论的模式。 因此，我构建了 Statewright。它的核心是一个 Rust 引擎，用于评估状态机定义：状态、转换、保护和工具限制。它的编排不使用 LLM，只是强制执行状态机。在此基础上是一个插件层，通过 MCP 与 Claude Code（以及即将推出的 Codex、Cursor 等）集成。当您激活工作流程时，钩子会自动强制执行每个状态的防护措施。模型可以看到 5 个可用的工具，而不是几十个，为当前阶段获得清晰的指令，并在满足条件时进行转换。重要的是，它会告诉模型何时尝试做超出范围、不正确的事情，或者在遇到问题后需要尝试其他事情。 您可以通过 MCP 使用您的智能体为您构建一个状态机，以解决您当前上下文中的问题。statewright.ai 上的可视化编辑器允许您在图形视图中调整这些工作流程......您可以清楚地看到失败路径、重试循环和批准门。状态机不是 DAG；它们循环和重试，这正是智能体工作实际需要的。 Statewright 目前已上线，提供免费套餐，在 Claude Code 中运行以下命令进行试用： /plugin marketplace add statewright/statewright /plugin install statewright /reload-plugins 然后“启动 bugfix 工作流程”或 /statewright start bugfix。系统提示时，您需要粘贴您的 API 密钥。最新版本的 Claude 可能会抱怨——再次粘贴 API 密钥并说您真的这么认为，Claude 只是在这里保持谨慎。 欢迎对工作流程编辑器、插件体验提供反馈，并告诉我您首先想构建哪些工作流程。智能体是建议，状态是法律。

嘿，HN，我是 Sina。<p>我有一些 Cloudflare 积分将在 5 月 14 日到期，想知道该怎么处理。当 Kimi K2.6 发布并在 Workers AI 上可用时，我决定用它构建一个开源的 Claude Code 克隆。没想太多。（有人问我是否了解 Opencode，说实话，我是在构建完这个之后才知道他们的。但他们看起来真的很棒。）<p>总之，kimiflare 是一个 CLI 编码助手，基本上是 Claude Code，但由 Cloudflare Workers AI 上的 Kimi K2.6 提供支持。<p>它目前是 v0.57.0 版本，已经有 12k+ 的 npm 下载量，137 个 GitHub 星标，以及来自 4 位贡献者的 PR（包括来自 featherjs 的 Marshall Thompson 的 zed/ACP 集成）。积分是云端服务的唯一支撑，所以一旦它们在周四到期，我将停止这项服务，而该项目将继续作为开源项目 / BYOK（自带密钥）运行。<p>在积分到期之前注册的用户，我将免费赠送 500 万个 tokens，无需信用卡。注册后，当 CLI 提示时选择 Cloud 选项，您将自动获得 tokens。<p>仓库：<a href="https://github.com/sinameraji/kimiflare" rel="nofollow">https://github.com/sinameraji/kimiflare</a> 安装：npm i -g kimiflare<p>乐于回答任何问题。<p>附注：我在 kimiflare 的前 2-3 次提交中使用了 Claude Code，然后从 v0.3.0 版本开始使用 kimiflare 来构建它自己，以实现最大的“狗粮”效应。这是一个有趣的体验。

我开发了 Chumlord，一个小型 iOS 应用，帮助我与我在乎的人保持联系。为每个朋友设置一个联系频率，它会显示你多久没联系谁了。无需注册账号，不收集任何数据，只需打开它，就能查看你的朋友列表的“健康”状况！ 这款应用在技术上很简单，但社交圈萎缩是我在 HN 上经常看到的话题，我决定尝试用一种实体形式和工具来解决这个问题。我已经用了一个星期了，真的很喜欢它！ <a href="https:&#x2F;&#x2F;apps.apple.com&#x2F;us&#x2F;app&#x2F;chumlord&#x2F;id6767711584">https:&#x2F;&#x2F;apps.apple.com&#x2F;us&#x2F;app&#x2F;chumlord&#x2F;id6767711584</a>