异步视界博客
iaieye.com

最近更新

    ↑↓ 选择↵ 打开esc 关闭

    AI 早报 · 2026-11-18周三

    今天主条三条,都和「花在 agent 上的钱和时间」有关。Claude Code 团队公开了验证做法:每个仓库放一个 verify skill,agent 自己把应用跑一遍再交活,人只看失败的;HN 讨论里回复最多的反驳是:写成 Playwright 脚本更省钱。TokenEconomizer 是微软研究院的开源插件,在同一个仓库里用得越久,越能自动屏蔽用不到的工具、打断死循环,作者自测成本低 18.4%–30.9%。Hugging Face 把语言模型改成走 OpenRouter 路由,一个 HF token 就能让 Claude Code 跑 GLM 等开源模型,HF 不加价。速览九条:Claude Code 2.1.326(大多是修复)、harness 成本评测、GPT-6.2、OpenCode Browse、Blender skill 包、OpenMotion 首版、混元 Hy4 flash 低价、HyperFrames 能查文字压脸,以及 450 万参数的英文 TTS tiny-voca。

    • 3 条 · 重点 2
    • 2026-11-17 → 2026-11-18
    • 1 天窗口

    01⚡ 别人的做法1 条

    让 agent 先自测再交付

    Claude Code 团队博客·分享 verify skill、39 条可靠性清单与提交闸门

    为什么重要

    把验收步骤写进 skill 后,agent 可以先跑通核心流程,减少人工逐行检查 diff 的时间。

    细节
    • 🟢 verify skill:在仓库的 .claude/skills/ 下创建名为 verify 的 skill,写明如何启动应用和完成端到端流程。网页使用 Claude 的 Chrome 扩展,移动端使用 iOS / Android MCP,后端在本地启动服务。Claude 提交前会先运行它。连续 3 轮检查仍失败时,就停下来请人处理。
    • 🟢 三种测试:优先使用端到端测试(E2E),按真实用户流程走一遍,不容易被糊弄。属性测试(property test)则写下一条「一定成立」的规则,让 fast-check / Hypothesis 生成成千上万个输入尝试推翻它。迁移时使用差分测试,给新旧两套系统输入相同数据并比对结果。
    • 🟢 防止自己评自己:REVIEW.md 只从 base 分支或默认分支读取,不读取 PR 自己的改动,避免改动影响评判规则。39 条可靠性清单的每一条都带有可从 diff 识别的触发条件,每次只检查命中的 3–10 条。新提交闸门先启用 observe 模式,只记录、不拦截。确认没有误伤后再启用 enforce。
    • 🟢 官方自述的数字:团队约 90% 的代码由 Claude 编写和审查。在内部的结构化文件生成测试中,增加一项按评分表检查的独立评审,任务成功率最多提高 10 个百分点,难题的提升最大。
    怎么上手

    在常用仓库里创建 .claude/skills/verify/SKILL.md,写明启动命令、3 条核心流程及各自的预期结果,再让 Claude 多次运行并调稳。

    但是
    • HN 讨论(221 分)中回复最多的一条反驳是:每次都让 agent 开浏览器操作会消耗很多 token,写一次 Playwright 脚本反复运行,结果更确定,边际成本接近零。
    • 90% 和 10 个百分点都是 Anthropic 的内部数字,没有公开评测细节。
    核实记录

    全文存在 _raw/fetch/cc-verification.html 并通读:verify skill 放在 .claude/skills/、3 轮失败叫人、39 条清单每次命中 3–10 条、REVIEW.md 从 base 或默认分支读、off / observe / enforce 三档闸门、约 90% 和最多 10 个百分点,都取自原文。发布日期 Nov 16, 2026 取自页面;AIHOT 当天收录,HN 帖 50529612 发于 11-17。HN 讨论走 Algolia(_raw/fetch/hn-50529612.json,221 分),回复最多的反驳出自评论 50530087(Algolia 不给评论分数,按回复数排)。没有实际搭 verify skill。

    02💸 更便宜·免费2 条

    减少同仓库的 token 开销

    TokenEconomizer v0.1.0·微软研究院开源插件,从历史会话学习并裁剪闲置工具、干预死循环

    为什么重要

    如果你经常在同一个客户仓库里工作,重复发送工具定义的开销可以自动减少,无需修改 agent 或另配 key。

    细节
    • 🟢 成熟度:项目由 UC Berkeley、微软研究院和微软安全团队出品。建于 2026-10-13(约 1 个月),★7,475,只有一个 release v0.1.0(10-26),最近提交 11-17。GitHub 接口和 LICENSE 文件都写 MIT,README 的徽章却写 Apache 2.0。增速未核实。
    • 🟢 三个机制:一是工具裁剪。某个工具连续 10 次提示没用过,且跨了至少 2 个会话,下次就通过 agent 自己的设置屏蔽它,也能用一条命令恢复。二是死循环干预:一轮里反复遇到同样的错误时,评审模型会判断是否卡住。把握 ≥0.7 才会提示「换个思路」,每轮最多 1 次,不会替你停止任务。三是 micro-skills:在会话开头告诉 agent「这个仓库要用 python -m pytest」这类事实。
    • 🟢 默认开什么:工具裁剪和死循环干预默认开启,micro-skills 默认关闭,因为它需要额外调用模型。插件自己的模型调用使用你当前 agent 的登录和额度,花费会计入它的报告。学到的内容只保存在本机 ~/.tokeneconomizer。
    • 🟢 论文数字:评估覆盖 6 个仓库共 277 道 SWE-Bench 题(取自真实 GitHub issue 的修 bug 题集),以及 5 种 agent + 模型组合,平均成本低 18.4%–30.9%。30 个「仓库 × 组合」全部更便宜,5 个组合里有 4 个的 Pass@1(一次就做对的比例)上升。其中 Claude Code + Opus 4.8 成本降 30.9%,Pass@1 降 1.0。
    怎么上手

    运行 git clone https://github.com/microsoft/TokenEconomizer.git,再运行 claude plugin marketplace add "$PWD/TokenEconomizer" 和 claude plugin install tokeneconomizer@tokeneconomizer;进入 claude 后先运行 /tokeneconomizer:status(允许它的脚本),再运行一次 /tokeneconomizer:toolprune refresh-catalog。

    但是
    • 省钱数字来自作者在 SWE-Bench 上的自测,使用 Sonnet 5、Opus 4.8、GPT-5.6,不是现在的 5.5 / Fable 5.2。实验中每个仓库平均连跑约 46 道题,偶尔打开一次的仓库省不了多少。
    • 工具裁剪会把 deny 列表写进 agent 的设置。想先查看再决定,可以设 toolprune=propose,撤销用 toolprune restore。
    核实记录

    README 存在 _raw/fetch/readme-tokeneconomizer.md,读了开头、Results、How it works、Quick start(Claude Code 部分)、Everyday commands 和 Settings:三个机制和参数(p=10、m=2、c=0.7、r=1)、默认开关、~/.tokeneconomizer、277 道题和 18.4–30.9%、各组合的数字都取自这里。★7,475、建库 2026-10-13、最近推送 11-17 取自 api.github.com(repo-microsoft_TokenEconomizer.json);v0.1.0(10-26)取自 rel-microsoft_TokenEconomizer.json;MIT 取自 LICENSE 文件和接口,Apache 2.0 是 README 徽章上写的。微软研究院博客两次抓取超时,正文没读到;改稿时补抓到页面标注「Published November 16, 2026」,date 据此改为 11-16(HN 帖 50528293 是 11-17 提交的,2 分、0 评论,hn-50528293.json)。「平均约 46 道」是 277 ÷ 6 算出来的。没有安装试用。

    一个 HF token 调用开源模型

    Hugging Face Inference Providers·语言模型改由 OpenRouter 路由,失败时自动切换供应商

    为什么重要

    用 Claude Code 调用 GLM、Kimi、DeepSeek 等开源模型,只需一个 HF token,即可发送 Anthropic 格式的请求,HF 不加价。

    细节
    • 🟢 改了什么:11-16 起,语言模型请求改由 OpenRouter 路由,按实时价格、速度和可靠性选择供应商。请求失败时,会在同一次调用中切换到下一家重试。模型名后加 :cheapest、:fastest 或供应商名,可以指定策略。同一段对话会尽量留在持有提示缓存的供应商。
    • 🟢 接 Claude Code:官方文档提供两种方式:安装 hf CLI 扩展(hf extensions install hf-claude),用 hf claude 交互选择模型;或手动设置 ANTHROPIC_BASE_URL=https://router.huggingface.co 和 HF token,再把各档默认模型指向例如 zai-org/GLM-5.3。Codex、OpenCode、Pi、Hermes 也各有一份指南。
    • 🟢 价格:按供应商原价计费,HF 不加价。PRO 每月送 $2 额度;免费账号没有赠送额度,要先买 credits。HF 引用 OpenRouter 的数据:开源模型每百万输入 / 输出 token 平均 $0.28 / $1.62,闭源模型是 $1.27 / $6.36。
    • 🟢 自带 key 不能用了:语言模型不能再使用自己的供应商 key,费用一律记在 HF 账单上。图片、视频、音频生成不走 OpenRouter,自带 key 照常可用。
    怎么上手

    在 HF 设置中创建一个勾选「Make calls to Inference Providers」权限的 token,运行 export HF_TOKEN=... 后再运行 hf extensions install hf-claude,然后用 hf claude 选择模型并启动。

    但是
    • 开源模型能力仍有差距:HF 引用 Artificial Analysis 的数据,最强的开源模型 Kimi K3.1 Pro 是 46 分,Claude Fable 5.2 是 65 分,但单任务成本约为后者的 1/7。
    • 本期没有实测 Claude Code 接入开源模型时工具调用是否稳定。
    核实记录

    官博全文存在 _raw/fetch/hf-openrouter.html:路由改动、:cheapest 等后缀、缓存感知、$0.28 / $1.62 对 $1.27 / $6.36、Kimi K3.1 Pro 46 对 Fable 5.2 65、自带 key 的 breaking change 和图片视频不变,都取自这里,发布日期 November 16, 2026。Claude Code 接入步骤取自文档 hf-doc-claude-code.html;PRO $2 / 月、免费账号无赠送额度取自 hf-doc-pricing.html。HN 上只有两个低分帖(4 分和 1 分),没有讨论。没有实际调用。

    +速览一行看懂,点开看源

    • Claude Code 2.1.326:11-16 发布,大多是修复。新增的有:开着 agent teams 也能用 Code Mode;/status 会显示哪些功能被供应商或 DISABLE_TELEMETRY 之类的环境变量关掉了;Ctrl+O 能看被隐藏的启动提示。还修了 claude purge 在输出被重定向时提示看不见、多按一次回车就可能删掉项目数据的问题 ↗
    • 换模型时也该换 harness:Runta 联合 Baseten 跑了 22 种 harness(agent 外面那层负责调工具、管上下文的程序)× 5 个开源模型 × 62 道终端任务。同一模型下,最贵的 harness 每个任务的花费是最便宜的 1.8–5.0 倍;决定成本的是步数,不是提示词长短或工具多少;64.5% 的钱花在了没通过的任务上。只测了开源模型(Claude 等闭源模型列在后续计划里),做测试的 Runta 本身卖运行时。HN 284 分 ↗
    • GPT-6.2 Astra / Sol:OpenAI 新一代模型。OpenRouter 标价 Sol 每百万输入 / 输出 $2 / $10,Astra $8 / $40,上下文 1,050,000 token。HN 798 分:有人庆幸价格没涨,也有不少人吐槽 6.x 爱过度设计、堆抽象。官方页面拒绝抓取,跑分未核实 ↗
    • OpenCode Browse:一个 MCP server 加 Chromium 扩展,让 Claude Code 等 agent 在后台标签组里用你真实浏览器的登录态,碰到登录、2FA、付款就把标签交还给你。MIT,★850,v0.1.0 是 11-16 才发的,新,未经时间检验。HN 322 分,回复最多的一条批评 OpenCode 团队一周发好几个项目、对安全太随意;另有评论建议给 agent 单开浏览器 profile,防提示词注入 ↗
    • Blender Agent Skills:28 个 Blender 工作流 skill,覆盖建模、UV、PBR、烘焙、绑定、动画、导出和 QA,脚本都在真实 Blender 里测过(69 个无头测试),v1.3.0 起适配 Blender 5.3。Claude Code 用 /plugin marketplace add EL4CTEO/blender-skills 安装。建于 10-14(约 1 个月),★1,929,MIT,v1.3.2(11-17) ↗
    • OpenMotion 发了首个版本:11-13 上速览时还没有 release,11-17 发了 v0.1.0。上传参考视频或贴社交平台链接,agent 拆解镜头,用 HTML 重做成你自己品牌的版本,再导出 MP4。★10,852,Apache-2.0 ↗
    • 腾讯混元 Hy4 flash:OpenRouter 标价每百万输入 $0.035、输出 $0.1405,上下文 1,048,576 token,适合大批量的摘要和分类。AIHOT 摘要称它总参数 224B、激活 12B,官方人民币价是输入 0.5 元、输出 2 元,但官方页是 JS 渲染没抓到,这几项未核实 ↗
    • HyperFrames 0.9.61–0.9.64:11-17 一天连发(0.9.60、0.9.62 没进 npm)。hyperframes check 能找出压在人脸上的文字,measure 会报告画面里的手;Studio 预览拖时间轴时能听到音乐轨;接收的项目和它引用的文件被限制在自己的文件夹里 ↗
    • tiny-voca:只有 450 万参数的英文 TTS,两个美式英语声音(男女各一),4 个 CPU 线程能跑到约 70 倍实时,带 ONNX 版,可以在浏览器里试。Apache-2.0,建于 11-14。只支持英文 ↗
    主动剔除 7 组
    • 钱、公司与人事:加州总检察长起诉 OpenAI / 美国收紧 AI 芯片出口 / 黄仁勋辞职风波及表态 / IMF 警告 AI 循环融资 / 百度、小米 CEO 谈 AI 回报 / Nvidia 不再披露新加坡营收 / 保险资金押注 AI 债务 / Mem 停服 (行业新闻,看完没有能拿来用的东西)
    • 故障与安全通报:Optimizely 供应链投毒(CNN、Zoom、GitLab 等) / Apple 服务故障 / JPMorgan 网银延迟 / NSA 内网中断 / United 航空系统故障 / FBI 通报 Artex / Windows 11 收集 coding agent 使用数据 / Spamhaus 新发信要求(11 月起逐步要求发信 IP 有合法 HELO、反向 DNS 和匹配的 A 记录,只影响自建邮件服务器) (维护和防御类,也不是读者栈里不处理就会坏的变化)
    • skills.sh 安装量异常:gencraft-labs 的 5 个 skill 都在 15.4k–15.6k / microsoft/azure-skills 14 个 skill 都在 11,412–11,423 / flowkit-labs 两个都在 15.6k–15.8k (同一组织多个 skill 的安装量几乎相同,按规则标存疑)
    • 已报过、本期没新角度:Qwen4-Max(11-17 主条) / Gemini 4 Carbon 与 Hydrogen / hallmark、taste-skill、impeccable / claude-mem v15.20–15.21(修复和 Code Mode 兼容) / last30days v4.3.0–4.3.2(主要是修复,加了 Exa 高亮) / OpenMausBot 0.1.169 / morluto/rea / Kimi-K3.1-Pro / Orca、plannotator、LoopForge、hypit、OpenMontage (过去 30 天出现过。前几项读了 release,没有值得单独报的能力;最后一组的新 release 本期没读,只按去重放过)
    • HF 上的去审查 / 换脸 / 融合模型:Qwen-Image-2.1-Uncensored 系列 / bfs-best-face-swap / Qwen3.8-27B 各种 abliterated、Heretic 融合版 / LTX-2.3-10Eros (社区改版,来源和许可不清,对读者的创作没有增量)
    • HN 综合热帖(非 AI 应用层):CMU 计算机课上 YouTube / 学校禁手机提高成绩 / Jiff 1.0 / Solid 2.0 / jQuery 4.1.0 / Alloy CSS / Three.js 光照管线 / Phrack 73 (和 AI 应用层无关,或者只是普通前端库的版本更新)
    • 第二编辑提名、过去 30 天已报:VoiceStudio(11-16 速览 v0.5.8,之后无新 release) / chrome-devtools-mcp(11-14 速览 1.13.0) / video-shotcraft(11-11 速览,release 仍是 09-01 的素材包) / vercel-labs/agent-browser(v0.43.0 发于 11-12,11-17 按去重放过) (都是好工具,但窗口内没有新版本或新角度,按跨期去重不重复报)
    采集范围 1 天

    日报,窗口 11-17 → 11-18。脚本候选池 _eval/pool.json 218 条按标题和摘要全扫。awesome 增量返回 0 条,feeds 2 条(都是 Simon Willison)。仓库元数据和 release 走 api.github.com,HN 讨论走 Algolia API,原文都存在 _raw/fetch/。OpenAI 的 GPT-6.2 页面返回 403,混元官方页是 JS 渲染,微软研究院博客两次超时(改稿时补抓到发布日期):这三处的价格和数字改从 OpenRouter 模型接口(openrouter-models.json)和 GitHub README 取。三条主条(Claude Code 团队博客、TokenEconomizer 的微软研究院博客、HF 官博)都发于 11-16,是窗口前一天,AIHOT 和 HN 在 11-17 才收录,按实际发布日期标注。跨期去重 grep 了 2026-10-18 至 11-17 各期(只看 11-18 之前)。