Twitter AI Agent - 2026-06-18¶
1. 人们在讨论什么¶
1.1 应用型 AI 的重心正从模型封装转向集成与控制路径（🡕）¶
6 月 18 日最强的一条战略主线认为，价值正沉淀在模型能力与实际工作之间的那一层。至少有四条高强度内容支撑了这一判断：Levie 的应用型 AI 方法论、xAI 将 Grok 引入 Databricks Agent Bricks、DigitalOcean 提供一键部署的 Grok Build 界面，以及 DeepMind 公开发布的系统级控制防护论文。
@levie 认为（174 个赞、25 条回复、15,522 次浏览、258 次收藏）认为，应用型 AI 公司要胜出，靠的是构建面向特定工作流的界面、在前沿模型与更便宜的模型之间路由任务、在一线完成变更管理工作，以及建立面向垂直领域的 go-to-market 机制。这条讨论最鲜明之处在于，它以具体方式反驳了过去“薄层”的批评：护城河不在模型调用本身，而在其外围的实施界面。
@XFreeze 表示（87 个赞、18 条回复、4,208 次浏览）称，Grok 现已可在 Databricks Agent Bricks 中使用，其中 Databricks 提供数据与治理层，Grok 提供推理层。@digitalocean 补充说（84 个赞、11 条回复、68,563 次浏览）则给出了一个更偏部署的版本：将 Grok Build 作为预配置的编码代理界面放上 DigitalOcean Marketplace，并可通过 SSH 访问。
@sebkrier 分享了（26 个赞、2 条回复、1,199 次浏览、18 次收藏）提到了 Google DeepMind 新发布的两篇代理控制论文。附带的路线图截图列出了威胁建模、控制不变量、基于能力的缓解阶梯，以及由 15 项实用防御措施构成的组合；Google 公开的 安全代理概览 则表示，安全代理需要定义清晰的人类控制者、受限权限，以及可观测的行动与规划过程。
讨论洞察： 当天最有价值的一条回复来自 Levie 的讨论，一位读者说，企业代理本质上是“一连串权限转换：读取、推断、调用工具、修改记录、通知人类”。这与控制路线图释放出的信号一致：讨论焦点与其说是让模型更聪明，不如说是谁在监督整个运行过程。
与前一天对比： 6 月 17 日的中心仍是前沿模型热潮，尤其围绕 Fable 5；而到了 6 月 18 日，重心已转向让这些模型能够在受治理工作流中落地的运营层。
1.2 技能、记忆与工具框架被视为可安装的基础设施（🡕）¶
第二个主题是，构建者开始把代理能力当作可打包的基础设施：记忆原语、技能中心、元工具框架，以及可供其他团队安装或学习的课程材料。至少有五条内容支撑这一主题，其中两条还给出了非常具体的实现细节。
@Teknium 报道（313 个赞、25 条回复、12,670 次浏览、124 次收藏）称，Hermes Agent 的记忆管理工具现已支持保存、编辑、删除流程的批量操作。随附卡片并非装饰，因为它解释了旧流程的失效模式、新的原子化 operations[] 流程，以及量化结果：调用次数减少 52%，并在 32 次真实代理运行中得到验证，501 项单元测试全部通过。
@zeuuss_01 整理了（102 个赞、15 条回复、10,434 次浏览、122 次收藏）介绍了一套 Hermes 技能栈，其中包括 753 多项内容的网络安全包、Chainlink 官方链上技能、可生成更多技能的技能工厂、面向 300 多个高级 API 的 AgentCash、X/Twitter 抓取器，以及 HermesHub 的 65 多规则安全扫描器。@zhanghaili0610 开源了（63 个赞、3 条回复、5,009 次浏览、89 次收藏）提到了 Deep Agents in Action；公开的 仓库 及截图显示，其已有 8 个在线章节，涵盖规划、上下文工程、子代理、异步子代理、技能和长期记忆。
@tom_doerr 附上了链接（14 个赞、1,428 次浏览、14 次收藏）提到了 ctf-skills，其 README 将该仓库定位为面向 Web 漏洞利用、二进制 pwn、密码学、逆向工程、取证和 OSINT 的 Agent Skills 技能包；截取时该项目在 GitHub 上有 2,446 个 star。@Dinosn 提及了（3 个赞、630 次浏览、6 次收藏）提到了 Omnigent，这是一个拥有 3,818 个 star 的 alpha 版元工具框架，公开宣称可通过策略与沙箱，在 Claude Code、Codex、Cursor、Pi 和自定义代理之间实现编排。
讨论洞察： 不同类型的产物呈现出一致的打包模式。无论是记忆原语、技能中心、CTF 技能包，还是元工具框架，核心诉求都一样：不要再一次次用提示词重建代理行为。
与前一天对比： 6 月 17 日已经出现了自演化技能和市场；到 6 月 18 日，同一趋势更进一步走向运营层面，表现为可量化的运行时收益、经过扫描的技能注册表，以及可复用的课程材料。
1.3 实践者开始按任务、投入级别和服务提供方来优化技术栈（🡕）¶
第三个主题是，模型选择正变得更加细粒度。实践者不再问“哪个单一模型最好”，而是开始明确描述面向规划、执行、审查、隐私和预算的路由规则。
@morganlinton 分享了（26 个赞、7 条回复、1,058 次浏览、13 次收藏）展示了一张公开的技术栈卡片，为常规工作、较难工作以及“疯狂困难的架构构建”分别分配不同模型。这张图片之所以重要，是因为它是一份真实操作者手册：规划用 Opus 或 Fable，执行用 GPT-5.5 和 Composer，而审查则按难度采用不同选择。
@levie 明确纳入了 在其应用型 AI 方法论中讨论了模型路由，认为最好的平台会按任务在前沿智能与更廉价的模型之间取得平衡。@TheMaran 分享了（56 个赞、6 条回复、1,885 次浏览、53 次收藏）介绍了如何在无需信用卡的情况下通过 Zenmux 使用 GLM 5.2，同时也提醒速率限制“很快就会触发”。@ErikVoorhees 展示了（63 个赞、8 条回复、5,963 次浏览、24 次收藏）提到 Hermes 通过 Venice 接入 GLM 5.2；Venice 公开的 API 文档 则描述了一个兼容 OpenAI 的端点，支持私密推理和编码代理集成。
讨论洞察： 回复相当务实。Morgan 的讨论认为，当中等投入已经足够时，xHigh 往往只是浪费时间和 token；而 Erik 的 Venice 讨论下，回复者则立刻追问：私有代码是否仍可能被推理服务商通过上下文做指纹识别。
与前一天对比： 6 月 17 日的模型讨论仍主要围绕前沿能力与访问资格；到 6 月 18 日，团队已经开始主动把模型分配到规划、执行和审查等角色上，开放模型网关也进入了这套组合。
1.4 代理开始拥有自己的语音与邮件渠道（🡕）¶
最后一个清晰主题是，通信界面正变得原生面向代理。相关证据不如工具框架与模型路由那两类丰富，但足够具体：代理现在开始拥有自己的收件箱和语音层，而不再完全依赖文本聊天。
@AndrewYNg 介绍了（71 个赞、13 条回复、10,855 次浏览、43 次收藏）提到一门课程，讲解如何在不重写提示词、工具或 RAG 流程的情况下为代理添加语音能力。这条推文列出了三种具体模式，而非含糊地谈“语音 AI”：一个语音交互游戏、一个用约 10 行代码就能获得语音能力的现有代理，以及一个能够拨打外呼电话并实时回传转录文本的代理。
@testingcatalog 报道（83 个赞、4 条回复、11,028 次浏览、57 次收藏）称，Atomic Mail 为代理提供独立收件箱，并允许它们通过 MCP 或 Agent Skill 完成注册、发送、接收和回复。公开的 Atomic Mail 代理页面 则通过暴露注册和 JMAP 请求的 CLI 命令，让这件事真正具备了可操作性。
讨论洞察： 回复清楚暴露了缺失的控制机制。Andrew Ng 的讨论下，有人追问审批是否发生在音频环路内，以及延迟与可靠性之间该如何权衡；而 Atomic Mail 的后续回复则强调，真正带来工作流收益的是注册、验证邮件和线程式回复。
与前一天对比： 6 月 17 日重点在本地桌面、终端和端侧界面；到 6 月 18 日，代理进一步走向外部，进入电话、收件箱和代理自有的通信渠道。
2. 什么让人感到挫败¶
企业代理部署仍主要是集成与治理工作¶
严重程度：高。@levie 表示（174 个赞、25 条回复、15,522 次浏览、258 次收藏）认为，面向特定工作流的界面、模型路由、现场实施和领域 GTM，才是应用型 AI 的真正工作，而不只是模型层本身。一条回复进一步把这点提炼成操作者的抱怨：企业代理不是一次聪明的模型调用，而是一串权限转换。@sebkrier（26 个赞、2 条回复、1,199 次浏览、18 次收藏）随后又补上了 DeepMind 公开的控制路线图，其截图列出了威胁建模、控制不变量、缓解阶梯以及 15 项具体防御措施。@XFreeze（87 个赞、18 条回复、4,208 次浏览）则将 Databricks Agent Bricks 上的 Grok 定位为数据与治理集成，而非单纯的原始模型故事。团队的应对方式，是把代理放进受治理的数据栈中，并在工具使用周围增加更多监督。这个方向值得投入，因为这一抱怨同时出现在战略讨论和控制系统研究里。
长时程与重记忆系统仍然脆弱或低效¶
严重程度：高。@Teknium（313 个赞、25 条回复、12,670 次浏览、124 次收藏）推出了批量记忆操作，因为旧的单操作流程可能会拒绝接近容量上限的写入，并迫使系统用多轮交互来删除并重试条目。附带卡片量化了痛点和修复结果：采用原子更新路径后，调用次数减少 52%。@jianxie_（201 个赞、11 条回复、800,902 次浏览）将 QUEST 的长时程强化学习流程描述为一条依赖链：评审器、搜索、检索或缓存中的一个微小 bug，就可能毁掉数天训练；团队表示，仅稳定这套栈就花了将近两个月。他们给出的应对手段也很明确：到处加回退机制、将会话级训练限制在 32K tokens，并使用缓存，最终把缓存命中率做到约 40%，以减少重复 API 开支。这个方向值得投入，因为问题既出现在运行时体验，也出现在训练基础设施中。
语音与通信闭环仍暴露出审批与可靠性缺口¶
严重程度：中。@AndrewYNg（71 个赞、13 条回复、10,855 次浏览、43 次收藏）将语音代理定位为“今天就能构建”，但回复者立刻追问：动作审批究竟发生在音频环路内，还是要等转录确认后才进行；另一条回复则点名打断处理会是下一个失效点。@testingcatalog（83 个赞、4 条回复、11,028 次浏览、57 次收藏）展示了代理拥有独立收件箱，但其价值主张仍主要围绕验证邮件、线程式回复和注册等运营杂务。人们的应对方式，是在高风险步骤保留人工参与，并把首批工作流收窄为边界明确的通信任务。这个方向中等值得投入，因为需求足够具体，但信任模型仍不完整。
廉价且私密的模型访问正在改善，但构建者仍要在限流与信任之间权衡¶
严重程度：中。@TheMaran（56 个赞、6 条回复、1,885 次浏览、53 次收藏）推广了无需信用卡访问 GLM 5.2 的方式，但随即提醒限流可能很快触发。@ErikVoorhees（63 个赞、8 条回复、5,963 次浏览、24 次收藏）展示了 Hermes 通过 Venice 私密运行 GLM 5.2，但有回复者追问：推理服务商是否仍能从上下文中识别出私有代码。Venice 公开的 API 文档 将私密、兼容 OpenAI 的访问方式面向编码代理进行推广，这说明隐私与兼容性如今已成为卖点，而不再只是小众需求。构建者的应对方式，是将免费或更便宜的模型塞进更窄的执行环节，同时把更高信任度或更强能力的提供方留给规划和审查。这个方向中等值得投入，因为约束是真实存在的，但市场上已经挤满了各类网关。
3. 人们希望出现什么¶
能跨越工具变更的可移植技能与记忆产物¶
信息流反复指向的是可复用能力包，而非一次性提示词。@zhanghaili0610（63 个赞、3 条回复、5,009 次浏览、89 次收藏）围绕规划、上下文工程、子代理、技能和记忆组织了一门开源课程；@tom_doerr（14 个赞、1,428 次浏览、14 次收藏）指向 ctf-skills，一个拥有 2,446 个 star 的专业技能包；@Dinosn（3 个赞、630 次浏览、6 次收藏）则提到了 Omnigent，后者承诺在多个编码工具框架之间提供统一编排层。@Teknium（313 个赞、25 条回复、12,670 次浏览、124 次收藏）又从运行时一侧补充了这一需求：让记忆更新更原子、更便宜。这是一个非常现实的需求，已有活跃构建者和公开产物持续落地。机会：直接。
原生面向代理的通信基础设施¶
两条不同讨论在不同渠道里提出了同一个诉求：给代理一个属于自己的通信界面。@testingcatalog（83 个赞、4 条回复、11,028 次浏览、57 次收藏）描述了一个属于代理的收件箱，可处理注册、验证、发送、接收和回复工作流；@AndrewYNg（71 个赞、13 条回复、10,855 次浏览、43 次收藏）则描述了具备语音能力的代理，它们可以外呼、实时传输转录文本，并在部署前接受评估。实际需求很清楚，但周边回复也表明，可靠性、审批和延迟仍需要更强的默认方案。机会：直接。
更好的模型路由、成本控制与隐私运营工具¶
@levie（174 个赞、25 条回复、15,522 次浏览、258 次收藏）将模型路由列为应用型 AI 方法论的核心组成部分；@morganlinton（26 个赞、7 条回复、1,058 次浏览、13 次收藏）则发布了一张具体的技术栈卡片，按难度层级为规划、执行和审查分工。@TheMaran（56 个赞、6 条回复、1,885 次浏览、53 次收藏）显示，构建者仍在追逐免费或廉价访问；而 @ErikVoorhees（63 个赞、8 条回复、5,963 次浏览、24 次收藏）则通过 Venice 展示了同一需求的隐私版本。这是一个现实需求，但网关、仪表盘和多模型运行时等解法已经竞争激烈。机会：竞争性。
面向真实系统中代理的更强控制与审计界面¶
最清晰的治理诉求，恰恰来自那些同时描述了风险的地方。@sebkrier（26 个赞、2 条回复、1,199 次浏览、18 次收藏）分享了 DeepMind 的路线图和面向政策制定者的指南，而 Levie 的讨论则把产品定位为模型周围的控制路径，而不是模型本身。实际诉求并不是抽象的“安全”，而是受限权限、可观测计划，以及能够随着代理能力扩展而映射到真实能力的防御机制。对企业部署而言，这一方向紧迫且务实，尽管不同买家想要的控制层会不同。机会：直接。
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Claude Opus 4.8 / Fable | 模型 | (+) | 在公开操作者技术栈中被用作较难任务的规划层；Levie 也将前沿能力视为可选择调用的输入，而不是整个产品 | 对许多常规任务而言太贵或性能过剩；操作者也越来越避免默认使用最高投入级别 |
| GPT-5.5 | 模型 | (+/-) | 在模型路由方法论中被公开用于执行和审查；Levie 将其列为应保留给真正需要前沿智能任务的模型之一 | Morgan 的讨论称，xHigh 往往会花更多时间和 tokens，却未必改善答案 |
| GLM 5.2 | 模型 | (+/-) | 构建者通过 Zenmux 和 Venice 将其用作更便宜的编码模型；Erik Voorhees 讨论中的一条回复称，它能可靠处理类似 Claude Code 的工具框架工作 | 免费访问很快可能被限流，重视隐私的用户仍在追问推理服务商能从上下文推断出什么 |
| Venice API | 网关 | (+) | 公开文档将其定位为兼容 OpenAI 的私密 API，支持 250+ 模型，并明确集成编码代理 | 仍需要信任外部网关来处理敏感上下文和 API 密钥管理 |
| Hermes Agent | 运行时 | (+) | 具备内置学习闭环、技能生态、持久记忆，如今还支持原子化批量记忆更新，并有调用下降的量化结果 | 表面能力扩张很快，意味着更新频繁；更大的技能栈也需要扫描与信任控制 |
| Omnigent | 元工具框架 | (+) | 在 Claude Code、Codex、Cursor、Pi 和自定义代理之间提供统一编排层，并支持策略与沙箱 | 公开标注为 Alpha，因此从现有证据看，可移植性先于成熟度 |
| Atomic Mail | 通信基础设施 | (+) | 为代理提供独立收件箱和 JMAP 操作，可用于注册、验证、发送和回复 | 仍处于开放 alpha，现有证据最充分的仍是边界清晰的邮件工作流，而非更广义的通信 |
| VocalBridge voice stack | 语音层 | (+/-) | 让构建者无需重写提示词或工具，就能添加语音、外呼和评估能力 | 回复指出，延迟、打断处理和审批闭环之间的权衡仍未解决 |
| Databricks Agent Bricks + Grok | 企业技术栈 | (+/-) | 让数据/治理层留在企业数据原本所在位置，同时替换接入推理模型 | 信息流主要停留在发布定位层面，团队实际如何运行它的运营细节仍然有限 |
总体来看，人们对分层系统持积极态度，但对任何单一模型或单一渠道的看法则更为复杂。最明显的迁移模式，是从“迷信一个模型”转向明确路由：一个模型负责规划，另一个负责执行，在任务足够困难时再换一套审查配置。第二个迁移模式，是从提示词技巧转向可安装产物，例如技能、记忆原语和元工具框架。市场在控制偏好上也出现分化：一些构建者想要私密网关和更便宜的开放模型执行，另一些则愿意为更简单、更可信的前沿模型方案支付更高价格。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Deep Agents in Action | @zhanghaili0610 | 面向规划、上下文工程、子代理、技能和记忆的开源课程与文档站点 | 构建者需要生产级代理系统的具体、最新示例 | LangChain、LangGraph、Astro、GitHub Pages | 已发布 | 推文, 仓库 |
| Atomic Mail | @testingcatalog | API 优先的邮件服务，代理可注册收件箱并通过邮件执行工作流 | 代理需要持久通信渠道来完成注册、验证、发送和线程式回复 | MCP、Agent Skills、JMAP | Alpha | 推文, 代理页面 |
| Omnigent | @Dinosn | 可编排 Claude Code、Codex、Cursor、Pi 和自定义代理的元工具框架 | 团队希望实现跨工具框架的可移植性、策略控制和沙箱，而无需重写工作流 | Python、YAML agents、托管沙箱 | Alpha | 推文, 仓库 |
| ctf-skills | @tom_doerr | 面向 Web、crypto、逆向工程、取证和 OSINT 任务的专业 Agent Skills 技能包 | 通用编码代理往往缺少攻防安全工作所需的领域专用流程 | Agent Skills spec、Python、Friday Studio 集成 | 已发布 | 推文, 仓库 |
| QUEST | @jianxie_ | 使用 Mid-Training → SFT → RL、会话级训练和缓存的深度研究训练系统 | 长时程研究代理成本高且运营上脆弱 | 搜索/检索服务、judge model、缓存、会话级训练 | Alpha | 推文 |
| Loop Engineering Orange Book | @AlchainHust | 面向工具框架之上循环工程的免费实战指南 | 实践者需要可复用的外层循环设计模式，而不只是更好的提示词 | PDF 指南、公开案例研究、流程模式 | 已发布 | 推文, 仓库 |
Atomic Mail 最突出的一点，在于它把通信变成了代理的一等界面，而不只是通知渠道。公开的 agents 页面直接暴露了注册和 JMAP 请求命令，因此“代理收件箱”并不只是发布文案，而是有可见界面支撑的能力主张。
Omnigent 和 ctf-skills 在不同抽象层级上体现了同一种打包冲动。Omnigent 把编排、策略和可移植性打包进一个运行时，ctf-skills 则把领域流程打包成可安装的专业产物。再加上 Deep Agents in Action，它们共同表明，当前相当大一部分构建活动都在分发可复用的代理能力，而不是构建单用途聊天机器人。
QUEST 则代表了另一种构建模式：让长时程代理在经济上能够存活下去的基础设施。其公开说明并未优先强调基准成绩，而是突出流程稳定性、回退设计、上下文上限和缓存复用——这恰恰是底层痛点属于运营而非概念问题时，最常见的构建模式。
6. 新动态与值得关注的内容¶
DeepMind 用公开的系统级语言讨论代理控制¶
@sebkrier 提及了（26 个赞、2 条回复、1,199 次浏览、18 次收藏）提到了 Google DeepMind 发布的一对论文，它们将对抗性代理视为系统设计问题，而不只是模型对齐问题。路线图截图之所以重要，在于其中点名了具体控制原语——威胁建模、控制不变量、基于能力的缓解阶梯，以及 15 项防御措施；Google 公开的 安全代理概览 则给出三项核心原则：人类控制者、受限权限，以及可观测的行动/规划。这种组合让 6 月 18 日的安全讨论比抽象层面的争论更具操作性。
公开操作者方法论开始越来越像真正的运行手册¶
@morganlinton 发布了（26 个赞、7 条回复、1,058 次浏览、13 次收藏）发布了一张具体的模型路由卡片，而不是泛泛地说“用最好的模型”；@levie 描述了（174 个赞、25 条回复、15,522 次浏览、258 次收藏）则在战略层面提出了同样的明确模型路由需求。这很重要，因为它表明市场正在产出足够稳定的操作者启发式，已经可以在公开场合发布、争论并持续打磨。
7. 机会在哪里¶
[+++] 代理治理与控制界面 —— Levie 的应用型 AI 方法论、DeepMind 的控制路线图，以及 Grok 被放进 Databricks Agent Bricks 的方式，都指向同一个缺口：当代理接触真实工作流与真实数据时，团队需要监督、审计以及受限权限。
[+++] 有状态、可移植的技能与记忆 —— Teknium 将记忆更新带来的调用次数减少了 52%，再加上 Hermes 技能包分发、Deep Agents in Action、ctf-skills 和 Omnigent，都表明市场需要那种可打包、可复用、可跨会话或工具框架迁移的代理能力。
[++] 原生面向代理的通信基础设施 —— Atomic Mail 和 Andrew Ng 的语音代理课程都表明，收件箱和电话正成为代理界面，但审批逻辑、可靠性和工作流边界仍不成熟。
[+] 具备成本意识的模型路由与私密开放模型部署 —— Morgan Linton 的技术栈卡片、Levie 关于模型路由的论述、GLM 5.2 访问讨论，以及 Venice 的私密网关，都表明市场越来越需要这样的工具：在不牺牲信任或速度的情况下，选择成本最低但仍可接受的模型。
8. 结论¶
- 6 月 18 日，市场讨论的重点是代理周围的控制层，而不只是其中的模型。 Levie 的讨论将工作流集成与治理视为护城河，而 DeepMind 公开的控制路线图则提供了相匹配的系统级词汇。（来源）
- 如今，“有状态”能力已经开始通过运行时指标来衡量，而不只是停留在产品文案里。 Hermes 的记忆批量更新附带了一张明确的前后对比卡片，展示了更少的调用次数和清晰的验证数量。（来源）
- 模型路由正在成为常规运营实践。 Morgan Linton 公开的技术栈卡片、Levie 的路由论述，以及 GLM 5.2 访问讨论，都显示规划、执行和审查正越来越多地分散到不同模型和网关上。（来源）
- 可复用的技能与工具框架产物，是信息流中最清晰的构建模式之一。 Deep Agents in Action、ctf-skills、Omnigent、HermesHub 和 Loop Engineering Orange Book，都在把代理知识打包成可复用资产，而不是每次重新提示生成。（来源）
- 代理开始拥有自己的通信渠道，但控制问题也随之而来。 Atomic Mail 的代理收件箱和 Andrew Ng 的语音代理课程，都让这种渠道迁移变得具体可见；与此同时，回复者也立刻提出了审批、延迟和可靠性问题。（来源）