Twitter AI Agent - 2026-05-05¶
1. 人们在讨论什么¶
1.1 /goal 命令重新定义多日代理运行 🡕¶
当天得分最高的帖子来自 @AlexFinn 宣称（349 次点赞、38 条回复、424 次收藏、15209 次浏览）。帖子称，"/goal" 是“今年 AI 编程领域最大的进展”，因为“它能让你的 AI 代理真正连续工作数天而不停歇。你给它一个任务，它会一直工作到任务完成为止”。关键洞察是：没有结构良好的执行计划，/goal 就毫无用处；瓶颈因此从模型能力转向了提示词架构。
@cheddarmandem 披露了（23 次点赞、30 次收藏、828 次浏览）提到了 OpenAI cookbook 中适用于 /goal 的执行计划模板，并直接链接到 developers.openai.com。@Dimillian 写道（105 次点赞、129 次收藏、13827 次浏览）则长篇反思了复合式工程：“技术栈和方法同样重要。”其观点是，合适的 harness 与模型组合，决定了多日运行究竟会成功，还是只会烧预算。
与前一天的比较： 5 月 4 日的焦点是“自研还是采购”harness 工程之争，以及 AHE 论文提出的 harness 自动演化。到了 5 月 5 日，讨论转向一个具体产品功能（/goal）：它把 harness 工程在实践中的能力具象化了——通过结构化规划，实现连续多日执行。
讨论洞察： 回复区揭示了 /goal 的威力与其对“执行计划”的依赖之间的张力——本质上，瓶颈已经从写代码转移到为代理写出好计划，这也带动了对计划模板和结构化提示词架构的需求。
1.2 SubQ 推出 1200 万 Token 上下文，宣称 RAG 已死 🡕¶
@KateMillerGems 宣称（997 次点赞、39 条回复、4 次收藏、115309 次浏览）写道：“RAG 流水线可以退场了。分块技巧可以退场了。摘要循环可以退场了。它们从来都不是什么聪明的工程，只是在为一个有缺陷的基础做补救。SubQ 已经交付了 1200 万 Token 的工作上下文。所有这些权宜之计都结束了。”这条帖子获得 11.5 万次浏览和 997 次点赞，成为当天浏览量最高的 AI 代理帖子。
@alex_whedon 宣布（47 次点赞、72 次收藏、9393 次浏览）宣布 SubQ 与其编程代理 SubQ Code 一同开放早期访问。@willdepue 从技术角度提出异议（59 次点赞、8 次收藏、2523 次浏览）发问：“能否说明你们方法的大致复杂度？是 O(n)、O(n log n)，还是 O(n^k < 2)？如果它真的是次二次复杂度，那为什么不演示 1 亿、10 亿，甚至 100 亿规模的上下文？”
与前一天的比较： 5 月 4 日，随着架构图和工作手册的出现，上下文工程开始形成更结构化的话语体系。到 5 月 5 日，SubQ 以“1200 万工作 Token”的具体产品主张，把讨论进一步推高，并将其包装成对整类基础设施（RAG、分块、摘要）的替代，而不只是渐进式改良。
讨论洞察： @willdepue 对计算复杂度的质疑表明，社区并没有照单全收“RAG 已死”的说法——在宣布战胜既有模式之前，大家先要看到可扩展性的证据。
1.3 Hermes + HyperFrames 打造代理视频技术栈 🡕¶
Hermes 生态的视频能力成为一条重要讨论主线。@AndyMarlowg 庆祝（49 次点赞、40 次收藏、8618 次浏览）写道：“Hermes 可以运行在任何地方。HyperFrames 可以在任何地方渲染。现在它们一起发布——这就是我想要的代理视频技术栈。hermes skills install hyperframes。”@dr_cintas 解释了（23 次点赞、21 次收藏、3013 次浏览）解释了具体机制：“描述你想要的视频。你的代理来写 HTML。再渲染成 MP4。不需要编辑器，也不需要时间线。”
@_0xpainn 演示了（30 次点赞、8 次收藏、233 次浏览）则谈到更广泛的自我改进方向：“一个运行在每月 5 美元 VPS 上的自我改进型 AI 代理，每项任务成本都是 0 美元。运行免费，每个任务免费，永远如此。租一台 5 美元的 VPS，安装 Ollama，用一条命令装上 Hermes。完成。它会从每项任务中提炼出可复用技能。”@MystiqueMide 测试了（14 次点赞、175 次浏览）提到了 Discord 语音模式，延续了多模态扩展。
与前一天的比较： 5 月 4 日，Hermes 生态通过桌面应用、Shopify 技能和 MMORPG 插件持续扩张。到 5 月 5 日，又新增了视频创作流水线（HyperFrames）和语音模式，Hermes 也由纯文本代理进一步演化为完整的多模态自动化平台。
讨论洞察： @Feel594326 和 @yafadec815 的回复表明，社区重视的是“可移植性”——同一套代理技术栈能在任何地方运行、避免供应商锁定，这正是 Hermes 相较专有替代方案的关键差异点。
1.4 多代理编排工具开始成型 🡕¶
@geminicli 宣布推出 Scion（144 次点赞、112 次收藏、6132 次浏览）介绍了一款“新的多代理编排工具，它把代理（Claude Code、Gemini CLI、Codex 等）编排为相互隔离、可并发运行的进程。每个代理都有自己的容器、git worktree 和凭据”。@daytradingzoo 展示了（23 次点赞、25 次收藏、1562 次浏览）分享了一个实用的双代理配置：“Claude 负责前端，Codex 负责后端。靠交接、第二意见式审查和 github 来保持一致。”
@om_patel5 描述了（5 次点赞、2 次收藏、395 次浏览）提出了一种新模式：“两个开发者和两个 Claude Code 在同一个聊天室里——四方同时对话。两个人类和两个 AI 代理在一场对话中共同规划一个功能。”@aakashgupta 报道了（8 次点赞、24 次收藏、2902 次浏览）称：“一个由 21 个代理组成的团队，在 Claude Code 里并行跑 4 个 sprint，从想法一路做到提交 App Store 审核。”
与前一天的比较： 5 月 4 日，多代理协作的复杂性仍被视为令人沮丧的问题（全天直接运行“5-7 个代理”让人觉得束手束脚）。5 月 5 日则显示工具开始跟上需求——Scion 提供了正式的容器隔离，而实践者也分享了真正能在生产环境跑起来的多代理工作流。
讨论洞察： @om_patel5 发出关键警告：“两个 AI 模型可能会让彼此显得更有把握，并在悄悄偏离你真正要求的同时一起产生幻觉。”这意味着，多代理配置需要明确的决策日志和人工检查点，来防止集体漂移。
1.5 HeyGen Agent 占据异步沟通细分场景 🡕¶
HeyGen + Superhuman Go 的集成在 15 余条帖子中引发了大量讨论。@viipin8 记录了（91 次点赞、14 次收藏、11197 次浏览）概括了其价值主张：“大多数进度更新之所以无效，是因为第一次没传达到位，于是又在帖子串、会议和后续跟进里反复重说。Superhuman Go + HeyGen Agent 把它们变成视频/语音，看起来是个很干净的解决办法。”@Parul_Gautam7 补充说（46 次点赞、10 次收藏、6849 次浏览）写道：“打字更新——没人理。开会——用力过猛。现在你直接说出来就行。”
@Logical_Girll 指出（31 次点赞、6 次收藏、610 次浏览）表示：“感觉这像是代理开始活在你的工具里，而不只是待在工具旁边。”15 个以上账号转发同一条 @HeyGen 公告形成协同扩散，这种模式与 5 月 4 日的发布节奏相似，但持续互动更高。
与前一天的比较： 5 月 4 日，HeyGen + Superhuman Go 的发布还只是一个“新鲜且值得关注”的信号。到了 5 月 5 日，这一集成通过自然改写和采用信号充斥讨论，说明它的共鸣已经超出了最初的发布协同。
1.6 代理技能验证与供应链安全 🡒¶
@omarsar0 发布了两条关键帖子（21 次点赞、34 次收藏、1703 次浏览）。第一条讨论技能验证：“如果你在发布代理技能，你的运行时实际上默认把已签名、已审核的技能当成可信对象。这篇论文认为，在经过验证之前，技能都应被视为不可信代码。”他呼吁在代理技能库成为下一个攻击面之前，先建立“SKILL.md”。
他的 第二条帖子（105 次点赞、170 次收藏、7371 次浏览）则讨论了 HeavySkill 的 agentic harness 设计：“他们认为，真正驱动代理 harness 性能的并不是编排代码，而是一个单一的内部技能：并行推理。”
@yzg75001 回复道：“我一直在生产环境中运行代理技能，而现在的信任模型基本上就是靠感觉——签名技能 = 可信，这太离谱了。我们需要类似 sigstore 的代理技能方案。”
与前一天的比较： 5 月 4 日，讨论聚焦于代理安全缺口（摩斯电码攻击、20 万美元被转走）。到 5 月 5 日，讨论进一步升级：从“代理会被黑”变成“技能分发层本身就是攻击面”。一篇已发表论文提出了形式化验证，@omarsar0 则将其明确框定为供应链问题。
讨论洞察： @DylSwanepoel 的回复准确概括了这一转变：“代理技能不只是提示词或图方便的封装。它们是可执行制品。一旦技能能够触达工具、数据、资金或生产系统，信任就不能仅凭它来自哪里来推定。”
1.7 企业代理治理进一步深化：ServiceNow + Microsoft 🡒¶
@ServiceNowNews 宣布（47 次点赞、8 次收藏、3570 次浏览）称，“ServiceNow + Microsoft 正在统一两大平台上的代理治理”。AI Control Tower 现在将治理范围扩展到 Microsoft Agent 365，让团队可以“在一个地方发现、审批和管理代理”。@Sam_Badawi 提供了（66 次点赞、2 次收藏、4463 次浏览）补充了财务语境：“$NOW 正在将其 AI Control Tower 与 $MSFT Agent 365 集成，扩大对运行于两个生态系统中的 AI 代理的治理和可见性。”
@Arkive_live 报道了（12 次点赞、2 次收藏、44 次浏览）写道：“Meta 最近有一个内部 AI 代理泄露了受限员工数据和组织架构图。即使是科技巨头，当 AI 走出受控环境时，也很难把治理做好。”
与前一天的比较： 5 月 4 日，Microsoft Agent 365 正式可用，DeepMind 也发布了代理攻击分类法。到 5 月 5 日，ServiceNow 的跨平台集成公告和 Meta 的具体数据泄露事件进一步加深了企业治理叙事，说明治理不是理论问题，而是正在发生的运营难题。
2. 什么让人沮丧¶
Token 成本与优化复杂性¶
@akshay_pachaar 量化了（130 次点赞、223 次收藏、24291 次浏览）展示了显著节省：“Claude Code 只改了一个地方，Token 用量就少了 3 倍：改动前：10.4M tokens、10 个错误、$9.21。改动后：3.7M tokens、0 个错误、$2.81。”修复方法是使用“Insforge Skills + CLI 作为后端上下文工程层”——这意味着，开箱即用的代理配置可能在无谓烧钱。
多代理信心漂移¶
@om_patel5 警告（5 次点赞、2 次收藏、395 次浏览）指出，在多代理配置中，“两个 AI 模型可能会让彼此显得更有把握、共同产生幻觉，同时悄悄偏离你真正提出的要求”。这种失效模式很隐蔽：每个代理都在验证另一个代理的输出，形成一个看似正确、实则已经偏离原始意图的闭环。
技能信任模型“靠感觉”¶
@yzg75001 在回复 @omarsar0 时承认：“我一直在生产环境中运行代理技能，而现在的信任模型基本上就是靠感觉——签名技能 = 可信，这太离谱了。供应链攻击这个向量是真实存在的。”从“上架 marketplace”到“经验证可安全执行”之间的鸿沟，依然没有被填平。
演示品与生产级代理¶
@databricks 发起了（53 次点赞、18 次收藏、2717 次浏览）直言不讳地评价：“大多数‘agentic AI’仍然只是演示品。明显的例外是数据工作和编程。”@LandonExplr 回复道：“Agentic AI 只有在输出可验证的地方才有效。数据流水线符合这一点。其他所有自称 ‘agentic’ 的东西，仍然都只是演示品。”
3. 人们希望出现什么¶
代理间通信管道¶
@SaidAitmbarek 描述了（12 次点赞、1 次收藏、206 次浏览）介绍了自己在 ChatGPT 和 Codex 之间来回复制内容的工作流，并希望有这样一种东西：“一个无头桥接器（pipe），能在代理之间流式传输数据（ad-hoc）。就像 OAuth，但面向代理，而且带持久化流。”当前的缺口是：不同供应商的两个代理之间，还没有一种标准方式可以实时来回传递上下文。
技能验证基础设施¶
@omarsar0 呼吁（21 次点赞、34 次收藏）提出了“SKILL.md”——一种类似软件供应链证明的代理技能验证标准。@yzg75001 转发并补充道：“在有人发布一个对生产环境有写权限的恶意技能之前，我们需要类似 sigstore 的代理技能方案。”
超越 1200 万 Token 的上下文扩展性证明¶
@willdepue 质疑了（59 次点赞、8 次收藏）直接向 SubQ 发问：“如果它真的是次二次复杂度，是什么阻止你们演示 1 亿、10 亿，甚至 100 亿规模的上下文？”人们需要的是可验证的演示，来证明长上下文方案真的能扩展，而不只是抛出缺乏复杂度分析的大数字。
原生代理的权限与身份层¶
@Arkive_live 认为（12 次点赞）在 Meta 泄露事件后表示：“企业从第一天起就需要带有内置权限边界和可审计性的智能层。”Meta 事件证明，把治理事后补到现有代理部署上是行不通的。
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Claude Code + /goal | 编程代理 | 正面 | 多日自主运行、执行计划结构、子代理 | 需要精心编写计划；没有好提示词就毫无用处 |
| Hermes Agent | 代理框架 | 正面 | HyperFrames 视频、语音模式、每月 5 美元 VPS 部署、100+ 技能、17 个平台 | 新的技能信任模型尚未验证；生态质量参差不齐 |
| Scion | 多代理编排器 | 正面 | 每个代理独立容器隔离、git worktree 分离、并发进程 | 刚发布；生产记录有限 |
| SubQ | 长上下文引擎 | 两极分化 | 宣称支持 1200 万工作 Token；消除 RAG/分块 | 复杂度尚未证实；没有 1 亿+规模的公开演示 |
| Insforge Skills | 上下文工程 | 正面 | Claude Code Token 降低 3 倍；相较 10 个错误的基线实现 0 错误 | 需要熟悉 CLI；生态较新 |
| Genie Code (Databricks) | 数据代理 | 正面 | 4 年以上 harness 调优；Spark Declarative Pipelines；自然语言 | 仅限数据工程领域 |
| OpenClaw | 代理平台 | 正面 | marketplace 中有 13,700+ 技能；支持按代理选择模型 | 按 @cyrilXBT 的说法，自行运行“仍然是一场噩梦” |
| AG-UI Protocol | 代理协议 | 正面 | 已被 Google、AWS、Microsoft、LangChain、Mastra、TanStack 采用 | 协议不是运行时；需要自行实现 |
| DeepSeek TUI | 终端编程代理 | 新兴 | 1M 上下文、子代理、键盘驱动、git 管理 | 生态支持不如 Claude/Codex |
| Flue | 代理 harness | 正面 | 一键部署到 Render；将 .ts 文件放入 agents/ 即可 | 仅支持 TypeScript；处于早期阶段 |
最显著的变化是：工具层面的讨论已经从“哪个模型最好”转向“哪个编排层能在尽量延长自主运行时间的同时，把 Token 开销压到最低”。Insforge 的 3 倍 Token 降幅，以及 /goal 的多日执行能力，代表了新的性能前沿。
5. 人们正在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Scion | @geminicli | 带容器隔离的多代理编排器 | 代理共享状态和凭据会扩大风险波及面 | Containers、git worktrees、Claude/Gemini/Codex | 已发布 | 帖子 |
| HyperFrames Skill | @HeyGen + @NousResearch | 让 Hermes 代理用一行命令渲染视频 | 代理若不借助外部编辑器便无法生成视频 | Hermes skills、HTML-to-MP4 | 已发布 | 帖子 |
| Entire CLI Skills | @ashtom / @EntireHQ | 教代理使用完整 commit 上下文（提示词、转录、决策） | 代理无法获取代码改动背后的推理过程 | 开源、session-handoff | 已发布 | 帖子 |
| Autoresearch v2 | @AndrewK404 | 支持记忆、异步实验和证伪器的长时优化运行 | Karpathy 的 PoC 在长时运行中缺乏诚实性约束 | Agent swarm、记忆层 | 已发布 | 帖子 |
| AgenC Marketplace | @tetsuoarena | 面向 Claude/Codex/Hermes/MCP 的链上代理任务 marketplace | 钱包权限与不可信任务文本混在一起 | Solana、MCP、多种代理 CLI | Devnet | 帖子 |
| AutoSwarm | @artemg314 | 自动优化整个多代理流水线（Terminal-Bench 从 30% 提升到 90%） | 只优化单个代理会忽视团队动态 | 元代理、Terminal-Bench | 已发布 | 帖子 |
| DAEMON Terminal | @DaemonTerminal | 带本地 LLM、插件 marketplace 和团队工作区的代理 IDE | 代理工具碎片化、缺乏协作 | Ollama、LM Studio、插件 | 路线图 | 帖子 |
| Odysseus (VLM Gaming Agent) | @sethkarten | 通过 PPO 强化学习微调 VLM，以击败 Mario | 游戏代理缺乏反应式空间推理 | VLMs、PPO、Super Mario Land | 研究 | 帖子 |
| oh-my-agent-skills | @GT_Chiang | 6 个 bundle 内含 14 项技能——用于代理故障恢复的执行逻辑 | 没有结构化恢复路径时，代理容易失败 | Skills SDK | 已发布 | 帖子 |
| PEPT://BASE Hermes Skill | @peptbase | 为生物科技代理工作流提供结构化肽类情报 | 缺乏代理原生的肽类知识访问能力 | Hermes skills、100+ 肽类 | 已发布 | 帖子 |
| Obsidian Vault for Agent Memory | @tom_doerr | 可供编程代理访问的持久化知识库 | 代理会在会话之间丢失上下文 | Obsidian、代理集成 | 已发布 | 帖子 |
6. 新鲜且值得关注的动态¶
Coinbase 裁员 14%，并要求采用 AI 原生小组¶
@rohanpaul_ai 分析了（6 次点赞、4 次收藏、2272 次浏览）提到了 Brian Armstrong 的备忘录：Coinbase 将裁员 14%，并推行“one-person teams”，让工程师、设计师和 PM 融合为由代理舰队增强的单一角色。其框架是：“AI 已将软件工作的最小有效单元，从一个团队改写为一个拥有高上下文的单一操作者。”这是首家明确围绕代理能力、而不只是增配 AI 工具来重组自身的大型上市公司。
Grok Build 和 Grok Terminal 进入编程代理竞赛¶
@MarioNawfal 报道了（141 次点赞、16 次收藏、33142 次浏览）写道：“Grok 不再只是一款聊天机器人。xAI 正在推出 Grok Build——一个完整的编程代理，以及可直接从命令行使用的 Grok Terminal。”@testerlabor 补充说（14 次点赞）称，3 个 Grok Build 模型正在同时训练。编程代理市场又多了一位资金雄厚的竞争者。
xAI 为代理 API 推出自定义语音克隆¶
@AlternativeTo 报道了（9 次点赞、3 次收藏、1302 次浏览）称，xAI 推出了 Custom Voices：“不到两分钟，就能为 Grok 文本转语音、应用和 Voice Agent APIs 克隆并部署语音，且支持多语言。”这显著降低了代理语音个性化的门槛。
TradingAgents 登顶 GitHub 金融类仓库¶
@quantscience_ 列出了（72 次点赞、121 次收藏、3521 次浏览）介绍了增长最快的 GitHub 金融类仓库：“TradingAgents（+7.9K stars）——由 UCLA/MIT 推出的多代理 LLM 交易框架，包含基本面分析师、情绪分析师、技术分析师和风险经理，并使用 DeepSeek V4 thinking。”
Ctx2Skill：通过多代理自博弈实现技能自我演化¶
@HuggingPapers 分享了（43 次点赞、33 次收藏、2062 次浏览）介绍了一个新框架，它“通过多代理自博弈，从复杂上下文中自主发现技能。不需要人工标注或外部反馈”。结果是，GPT-4.1 在 CL-bench 上的解题率从 11.1% 提升到 16.5%。
7. 机会在哪里¶
[+++] 代理技能验证与供应链安全。 @omarsar0 提出的“SKILL.md”框架、@yzg75001 承认生产环境中的信任“靠感觉”，以及 OpenClaw marketplace 中 13,700+ 技能，共同指向一个明确空白：代理技能领域还没有 sigstore 的等价方案。随着技能 marketplace 扩张，谁能做出可验证的技能证明体系，谁就有机会掌握信任层。
[+++] 消除 Token 浪费的上下文工程。 @akshay_pachaar 通过 Insforge Skills 演示了 3 倍 Token 降幅（10.4M 降至 3.7M），且错误数为 0。SubQ 则宣称支持 1200 万 Token 的工作上下文。共同模式是：位于用户与模型之间、通过组织信息来减少冗余推理的上下文工程层，正在成为增长最快的价值捕获点。
[++] 具备漂移检测能力的多代理编排。 Scion 已提供容器隔离。@om_patel5 指出信心漂移问题。@artemg314 的 AutoSwarm 则把多代理流水线从 30% 提升到 90%。从“代理并行运行”到“代理保持一致地运行”之间的缺口，带来了内置分歧检测的协同工具机会。
[++] 原生代理的视频与语音生产。 HyperFrames + Hermes、HeyGen + Superhuman Go、xAI Custom Voices，以及 Deepgram + Together 都在同一天发布。这个汇聚信号表明，多模态代理输出（而不只是文本）正在成为标配，机会存在于质量控制、品牌一致性和自动化编辑。
[+] 单人团队基础设施。 Coinbase 围绕“one-person teams”的重组，以及 @code_rams 的“3-agent solo founder stack”，都指向一种基础设施需求：让单个操作者能管理覆盖研究、内容和运营的代理舰队。能让这一模式可靠运转的工具（监控、交接、质量闸门）需求正在增长。
[+] 去中心化代理工作 marketplace。 AgenC、ShelleyBay、GenLayer 和 Handshake trading skills 都代表了独立构建链上代理任务 marketplace 的尝试。这一模式已被多个团队验证；最终谁胜出，将取决于执行能力和信任基础设施。
8. 要点¶
-
/goal 命令让“执行计划”的质量成为新的瓶颈。 AlexFinn 那条得分 2577、收藏 424 次的帖子证明，社区已经认识到，多日代理运行是可行的，但完全依赖结构化规划文档——最值钱的技能因此从“写好代码”转向“为代理写好计划”。（来源）
-
上下文工程今天就能带来可量化的 3 倍成本下降。 @akshay_pachaar 展示的前后对比（10.4M tokens/$9.21 对 3.7M tokens/$2.81），且错误数归零，证明上下文工程层不是理论概念——对任何大规模运行代理的人来说，它都能立刻带来可量化节省。（来源）
-
技能生态的发展已经超过其信任基础设施。 OpenClaw 拥有 13,700+ 技能，HyperFrames 已为 Hermes 发布，而实践者也承认信任“靠感觉”，这说明代理技能层的分发扩张速度已经快于验证能力。@omarsar0 的供应链安全框架，是在首个重大技能型攻击发生前发出的预警。（来源）
-
多代理编排已经从概念走向容器化产品。 Scion 为每个代理提供容器隔离，@daytradingzoo 的前后端拆分，以及 @om_patel5 的“4 人团队”（2 个人类 + 2 个 Claude）都表明，多代理如今已是实用工作流，而不再只是研究好奇心——但漂移检测仍未解决。（来源）
-
Coinbase 裁员 14%，表明“AI 原生组织结构”已经成为上市公司的运营命题。 单人团队、扁平化层级和代理舰队不再只是博客文章里的概念——它们已经在一家市值 600 亿美元以上的公司里左右裁员决策。这将加速企业对代理管理与治理工具的需求。（来源）
-
代理视频技术栈在一天之内到位。 HyperFrames、HeyGen + Superhuman、xAI Custom Voices，以及 Together 上的 Deepgram STT 都在 5 月 5 日发布。代理不再只是文本输入/文本输出——多模态输出正成为默认能力，也在把原本彼此分离的工具类别压缩为单技能安装。 （来源）