LLM OS 与新计算范式¶

LLM 不是聊天机器人，而是新兴操作系统的内核进程。

各家观点¶

Andrej Karpathy（美，2023-11）¶

提出 LLM OS 框架：LLM 作为 kernel process 协调内存与计算工具——context window ≈ RAM（有限的宝贵工作记忆），互联网/本地文件 ≈ 磁盘（经浏览/RAG 访问），计算器/Python ≈ 外设；未来还有多线程、投机执行、用户态/内核态的类比。生态上闭源（GPT/Claude/Gemini）vs 开源（Llama 系）对应 Windows/macOS vs Linux。（Intro to LLMs 00:42:28–00:45:30）

Dan Biderman（美，Engram CEO，2026-07）：RAM 不够——记忆、context rot 与"训进权重"¶

来源：Latent Space 访谈

接续 Karpathy"context window ≈ RAM"的框架，给出 2026 年的工程续集——光把 RAM 做大（长上下文）不够： - "记忆 / 持续学习本质是长上下文问题的伪装"；即便 10M 上下文，仍有 (1) context rot（喂进越多 token 越困惑）与 (2) 内存/成本爆炸两大限制。compaction（模型自管理上下文）在改进但按定义有损、当前偏非黑即白，长会话深处会健忘（00:18:11–00:21:13）。 - KV cache 的内存怪兽：Llama 70B 读一篇几十 KB 文章，"脑状态"就占约 80GB HBM，与整个模型参数（约 140GB）同量级——RAM 极度低效（00:22:16–00:23:17）。 - Engram 的下注是把语料用梯度下降训进权重（"cartridges"，约 1000× 压缩），与文本表示（RAG/wiki，即 Karpathy 的"磁盘"）互补；长期"每人一份权重、跑在个人设备上"（00:09:04–00:11:05、00:26:19–00:28:24）。这把 LLM OS 的"内存管理"从"如何调度 RAM/磁盘"推进到"哪些知识该内化进内核本身"。

Peter Steinberger（美/奥，OpenClaw 作者，2026-02）：个人 agent 就是下一个 OS¶

来源：OpenClaw 访谈

"这是 puck 要去的方向——个人 agent 会越来越成为你的操作系统"：coding agent 与生活 agent 终将融合；当前 chat 界面只是过渡形态，"就像电视刚发明时人们在电视上播广播节目"（01:48:24–01:51:34）。
从实践侧填充 LLM OS 的多个抽象层：记忆用 Markdown 文件 + 向量库（自评"level 2–3"，终极 boss 是 continuous RL）；外设/驱动用 CLI + skills 而非 MCP（CLI 可组合、可 jq 过滤、零 context 污染——"每个 MCP 做成 CLI 都会更好"）；进程调度有 heartbeat（定时"surprise me" prompt 让 agent 主动行动，被嘲"不就是 cron 吗"，"Dropbox 不就是 FTP 吗"）（00:19:29–00:20:32、02:38:59–02:42:08、02:36:56–02:38:59）。
自修改软件已是现实：agent 完全"自知"（源码、harness、文档、所跑模型），用户 prompt 即可让 agent 修改自身软件（00:22:36–00:24:40）。
与 Karpathy 的 LLM OS 框架对照：Karpathy 从内核抽象出发，Steinberger 从产品/社区侧把同一形态"prompt 进存在"；与罗福莉"智能体框架 = 人与模型的中间层"是同一物的作者视角与研究者视角。

中方视角：模型即操作系统¶

广密（硅谷投资视角，2026-04）¶

来源：广密·全球大模型季报第 9 集

模型 = 新一代操作系统 = global GDP 的 OS：最领先的三五家模型将成为世界最重要的技术基础设施（生活问它、工作自动化靠它、科研支持也是它），重要性超过今天的 Google；每家估值 10 万亿美金（01:04:51–01:06:53、01:13:05）。
OS 的定义"支持应用的无限扩展"——这里的"应用"就是 agent，会形成像 Android/Windows 一样的新生态（01:05:52）。这是对 Karpathy"LLM 是新 OS 内核"从商业/投资侧的放大：不只内核，而是承载全球 GDP 的操作系统。

罗福莉（中方 research lead，2026-04）：Agent 框架是"人与模型之间的中间层"¶

来源：罗福莉访谈

智能体框架（如 OpenClaw）= 人与模型之间的"中间层"：同时定义"人如何交互"和"如何与模型沟通"两层，可做得很厚重，而前端 UI 是"最薄且不关键的一层"（00:20:16–00:21:16）。这为 LLM OS 补上"内核之上的调度/编排层"的中方一手描述。
框架能弥补模型短板：一套足够好的 agent 框架 + 中层模型，就能在 85% 场景达到顶尖模型水平（3B 端侧模型接入也能干"小模型不该能干"的事）（00:15:13–00:16:13）——OS 的"驱动/兼容层"让弱硬件也可用，是同一隐喻。
模型与框架必须协同进化（自学习）；开源框架 + 群体智能让这一层迭代极快。呼应 Dan Biderman"哪些知识该内化进内核"的问题：罗关注的是"哪些能力该由框架补、哪些该训进模型"。

Gavriel Cohen（NanoClaw 作者，2026-06）：第二大脑与 LLM Wiki 优于检索¶

来源：NanoClaw 访谈 - 继 OpenClaw 之后又一个"个人 agent 即 OS"的一线实践；主张"claw 类 agent 的杀手级用例是第二大脑"——不断喂信息、让 agent 建 LLM Wiki/知识图谱，而非要现成产出（00:05:04–00:06:05）。 - LLM Wiki 优于检索/RAG（对 Karpathy"磁盘 ≈ RAG"框架的一个反转）：问"这周最该关注什么"没有 embedding/关键词能答，但有好的 LLM Wiki（项目/时间线/本周通话 log）就能跨文件收集给出——所以他个人直接把 agent 指向 Karpathy 的 LLM Wiki 帖照做；已知痛点是会造重复文件、需背景进程查重（与本库 Lint 巡检同构）（00:11:07–00:13:09）。本条本身是本库范式的元证据：新加坡外长用 NanoClaw + Karpathy LLM Wiki + Nemon 记忆系统搭第二大脑。

Akshat Bubna（Modal CTO，2026-07）："LLM 内核"之辩与 agent 自造基础设施¶

来源：Modal 访谈 - swyx 抛出非共识："也许 AIOS/LLM OS 的内核真就是个 LLM（软权限就够）"；Akshat 明确保留——sandbox 层要硬边界（详见 LLM 安全）（00:43:32–00:44:34）。这是对 Karpathy"LLM 是内核进程"的一个边界追问：内核可以是 LLM，但权限/隔离不能只靠 LLM。 - agent 自供给基础设施：self-provisioning runtime 让 agent 能 spin up 别的 agent、起自己的基础设施；SDK 从"开发者体验"转向"agent 体验"——OS 的"系统调用"正在为 agent 而非人重新设计（00:04:06–00:07:10、00:37:29）。

⚠️ Akshay Nathan（OpenAI，2026-07）：LLM OS 被逐项做成了产品，但他不用这个词¶

来源：OpenAI 把 ChatGPT 做成"万物应用"

这是本页迄今与 Karpathy 清单对应最整齐的一份产品实证，且它来自 OpenAI 产品侧而非研究侧：

持久计算机环境 + 文件系统：ChatGPT Work 在 web 和 mobile 上给你一个持久环境，文件跨会话保留；加上定时任务与跨时间引用（[00:46:28]–[00:47:28]）。
可扩展的工具层：plugins 在 ChatGPT、ChatGPT Work 与云端是统一原语（[00:14:07]）；目标是"你来到这个产品、开一个会话就能做任何事，不用点按钮跳去别处"（[00:47:28]–[00:48:28]）。
记忆作为系统状态：ChatGPT Work / 云端默认继承 ChatGPT 记忆并可写回，同属 memory V3；Chronicle（从你如何使用计算机中学习）是一个新的记忆输入源，目前实验性、默认关闭（[00:56:33]、[00:59:36]–[01:00:37]）。
模型做调度：进 chat 模式还是 work 模式由模型决定（[00:15:09]）——对应 Karpathy"LLM 是内核进程"里最核心的那条，但落在模式选择而非资源调度。
⚠️ 但他自己的参照系不是操作系统，是 OpenClaw：他讲了自己的 OpenClaw 时刻，承认灵感来源，并指出"原语是一样的"（定时任务、文件系统、跨时间引用）。同时他明确不认为 ChatGPT Work 会取代 OpenClaw——"那个团队做出来的这种了不起的开源技术永远有其需求"（[00:47:28]）。是 swyx 在本期说出了"个人 OS"这个词。
harness 层的一条演化观察（对本页有直接含义）：Codex 的 harness 实际上取代了 ChatGPT 的 harness，理由是"给 agent 一个无限灵活的环境——一台计算机——它能做到非常强大的事"（[00:16:10]）。"计算机环境"作为 agent 的通用抽象胜过"对话"作为通用抽象，这正是 LLM OS 命题的一次经验性支持。
⚠️ 一处 swyx 追问后未被正面回答的技术缺口：只靠 MCP / CLI / API 即时拉数据是否够，还是需要数据仓库/缓存/语义层？Akshay 的回答是"取决于访问模式"、且多数用例本来就不需要即时返回，没有确认也没有否认内部是否存在这一层（[00:50:29]–[00:51:29]）。本库不做推断。
权限层问题（新角度，另见 LLM 安全）：多人共享 artifact 时，人本身充当了权限层；一旦被 agent 取代就没有天然屏障，且当事人无从知道自己不知道什么（[00:25:12]）。

⚠️ 界面世界模型与"完全神经的操作系统"（Runway，2026-09-25）¶

来源：Latent Space：Runway 的世界模型、机器人与神经操作系统

⚠️ 本页此前的 LLM OS 材料全部来自 Karpathy 的框架（LLM 作内核、上下文作内存、工具作外设）。这是本库第一份把"界面本身"也纳入可学习部分的材料，而且它来自视频模型一侧。

界面世界模型是什么¶

（[00:44:28]–[00:45:29]）把世界模型当作软件的通用界面——它直接渲染界面的像素，训练目标是"预测点击或其他交互之后会发生什么"。

没有 HTML、CSS、React；输入是点击、拖拽、滚动；同时生成音频。
界面的行为写在 prompt 里而不是标记语言里："如果我按这个按钮，我期望发生这个。"

⚠️ "为什么要生成那段生成像素的代码？直接生成像素就好了。这是端到端哲学应用到前端。"（[00:46:30]）

对照实验（[00:47:32]）：同样的界面去 prompt Claude（给 Figma 参考图 + 要求某个交互），结论是除了更慢，某些交互靠纯 LLM 很难捕捉。
副产品：个性化（[00:48:34]）——按访问者换 prompt，比如为无障碍需求把字号调大。
他自己给的限制（[00:48:34]–[00:50:35]）：算力需求远高于渲染 HTML；有环境动效时必须一直跑。优先级判断是"先找到几个明显比传统界面更有说服力的交互场景，之后服务成本变便宜只是时间问题"。

⚠️ 终局：神经操作系统，以及"application 这个抽象可能不再需要"¶

（[00:51:36]–[00:53:39]）他明确引 Karpathy 很久以前写过这个，然后给出自己的论证：

"今天你和一个 LLM 交互，这个 LLM 什么都能跟你聊、对话可以往任何方向去，它非常通用、能解决各种任务——但你是通过一个非常僵硬的界面在和它交互。所以在我看来，界面本身变得可学习只是时间问题。"

⚠️ 更激进的一层，本页此前没有过：

"application 这个概念，来自'你需要各自独立的代码库来驱动每一个工具、每一个应用'这个前提。"

如果界面由视频模型即时生成，"应用"这个抽象可能不再需要——需要发明新的软件抽象。

⚠️ 他反复强调世界模型有两个客户（[00:53:39]–[00:54:40]）：给人用和给 agent 用。界面世界模型对 agent 这一侧是：训练 computer-use agent 的合成数据生成器，以及可做在线 RL 的活环境。

⚠️ 另一条路：不生成文本，而是选选项——决策引擎与概率式编程的复活（a16z，2026-09-26）¶

来源：a16z：为什么下一批突破可能来自实验室之外

⚠️ 这一节与上面那节是同一问题（LLM 怎么接进软件）的两个相反答案：Runway 让软件变成模型的输出；这一节让模型缩成软件里的一个算子。

Casado 的解释：历史包袱在于"它来自聊天"¶

（[00:48:24]–[00:49:25]）LLM 生来是 text-in / text-out，为了和人沟通；而我们花了好几年试图把这个吐文本的东西塞进传统程序——"传统程序并不讲文本"，于是变成在 prompt 里塞 schema、模型还经常忽略它，"一直特别糙"。

新做法：读文本、保留全部理解能力，但不生成文本；给它一组选项，它选最好的那个。"我们可以做得极快、极便宜，而且因为可以专门为此训练，准确率也高得多。"他称这是"自 ChatGPT 以来最快的 AI 模型采用，因为我们都为它准备好了"。

⚠️ Sinofsky 的两层加码¶

（[00:49:25]–[00:51:27]）

交互效率的断言："从来没有任何用户研究表明，用完整自然语言和计算机交互是高效的。"检验很朴素——会议里能问出好问题的人不到一半；而且"你还得付钱看着七段文字一段段吐出来，最后它再道歉"。
⚠️ 概率式编程的复活（本库第一条这方向的论证）：这类模型的输出天生是为概率式编程设计的——不是"这是不是客服问题"，而是"这有 80% 是客服问题"。他指出计算机科学有约 50 年关于"概率式 if 语句"的研究：1970 年代之前的编程大多是模拟（"发射导弹打中目标，但有风，而风不是常量"），这门学问在 1980 年代被会计式编程取代而死掉。

"所以计算机科学里最酷的位置，将会是概率式编程。"

⚠️ "创新中心已经移动了"¶

（[00:52:27]–[00:54:28]）Casado 对"为什么不是实验室做出这个"的解释：

"这不算指控，而是对他们思维方式的一种映照：他们在试图创造存在物（beings），而存在物会说话。如果你想创造神，神是用自然语言说话的。而这件事其实是关于给传统软件用的东西，那不是他们一直在走的方向。"

Sinofsky 给的平台层一般规律：一旦你成为平台，无论加多少人都会被"让它跑着 + 兼容性"淹没，于是外部开始出创新（Apple 社区管这叫 sherlocking）。

"所以我认为这是一个信号：人们已经搞明白了，有创新可做——是对着模型做，但在模型之外。"

开放问题¶

通用 System 2（慢思考换准确率）如何实现——Karpathy 2023 年认为尚无模型具备。
语言领域缺少通用 reward function，通用自我改进是否可能（AlphaGo 路径能否迁移）。

⚠️ 可塑操作系统：Linux 的历史性翻转（DHH，2026-08-26）¶

来源：Lex #501 / DHH

本页此前的 LLM OS 讨论集中在模型/agent 作为新的 OS 抽象（Karpathy 的内核类比、Steinberger 的个人 agent 即 OS、Runway 的神经操作系统）。DHH 这期是本页第一份从真实操作系统一侧给出的论证：不是"OS 被模型取代"，而是"OS 要变成可被 agent 改写的东西"。

翻转本身¶

"agent 爱 Unix 哲学"（[01:40:42]–[01:41:45]）：三大桌面系统里，没有哪个像 Linux 一样"一切都是配置文件或 CLI 工具"。⚠️ 他的原话结构是："而这五分钟前还是 Linux 的最大缺点"——人们不喜欢 Linux 正是因为它全是配置文件和命令行。
Mac 的反例（[01:42:48]）：Raycast 这类工具的配置只能点 GUI 再导出文件，整台机器的配置无法自动化；Mac 默认快捷键"必须像山顶洞人一样用鼠标点"。
诊断能力反转（[02:24:00]）：Linux 那些"对人毫无意义的晦涩报错"恰好是 agent 的最佳输入——它在 4000 万行 Linux 代码上预训练过，能直接定位。⚠️ 他的一手说法：今年以来自己机器上没有一个问题是 agent 诊断不了的，而一年半前还在翻论坛。
做成产品特性（[02:25:01]）：Omarchy Quattro 内建 crash watcher——任何应用崩溃就弹窗问要不要让 AI 诊断；他描述的典型路径是 agent 翻 systemd 日志 → 拉崩溃应用的源码 → 定位到某个 Rust 文件某一行的 unwrap → 问你要不要带全部细节提 bug 报告。

结论与判据¶

"能 vibe code 任何应用的时候，你也应该能 vibe code 你的操作系统"（[01:58:13]）——可改外观、行为、面板，而这要求 Linux，另两个系统给不了。
他认为 Linux 接管桌面"不仅可见，而且是最可能的结局"，理由不是免费或自由，而是可塑性（[03:38:37]）。
⚠️ 产品方法论上的一条反直觉（[03:41:44]–[03:58:14]）：他刻意不做"便宜的 Windows/Mac 仿制品"（他认为那是 Ubuntu 的路线，"而人们并不在乎熟悉，他们只要更好的东西"）。证据是他自己的 A/B：Omakub（仿传统桌面）只聚起几千人；Omarchy（平铺窗口、完全不同）立刻获得远超前者的牵引力。
可塑性的即时验证（[00:48:26]）：Quattro 发布三天内插件市场有 330 个插件，仅"换个日历"一项就有约 17 个实现——因为系统自带一套 skills，告诉任何 agent 该怎么给这个 OS 写扩展。
下一步（[04:20:49]）：Omarchy mobile——fork Android（类似 GrapheneOS 路线），他承认 tap-to-pay、相机等限制但认为可解。
⚠️ 与本页 Runway 那条的分野值得单记：Runway 设想的是界面由模型逐帧生成（"application 这个抽象可能不再需要"）；DHH 设想的是传统 OS 保留，但每一层都能被 agent 改写。两条路线都自称是 agent 时代的 OS 终局，前提完全不同。

个人 agent 这条线：他试过，然后放下了¶

2026-02 他搭 OpenClaw（bot 名 KEF），做过一个标志性实验（[04:13:40]–[04:15:44]）：让它纯靠 web 界面注册 Fizzy → 发现需要邮箱 → 被告知"你自己去注册一个" → 真注册了邮箱 → 回去完成注册 → 收 Basecamp 邀请邮件 → 点链接进去 → 在 AI 房间自我介绍。全程约 12 分钟。
动机是嫌 MCP 笨重（协议不是为"让 agent 操作 web 系统"设计的）；结论是当时还不够快、token 效率太低，所以仍需要 CLI 与 MCP（[04:14:43]–[04:16:45]）。⚠️ 与 Steinberger 的"MCP 已死、CLI + skills 万岁"是从不同理由走到相近结论。
他之后没继续用个人 agent：Claude 的手机 app 能直接接上终端里的 Claude Code 会话，省去搭 Telegram 那套（[04:17:46]）；加上家庭共识——"我太太说，家里不装机器人"。
⚠️ 两则他转述的"已经住在那个未来里"的轶事（未核实）（[04:18:46]–[04:19:48]）：有人把 agent 接上健康数据和 Tesla，agent 因为他喝水不够让车自己改道去了杂货店；Tobi 的 agent 有零花钱，会替他挑衣服直接送到门口。

⚠️ 消费侧的界面之争：iMessage 的"特权位置"、语音、与随身硬件（a16z，2026-09-29）¶

来源：a16z / Assistant Benchmark

⚠️ 本页此前讨论的"操作系统"都在模型与软件栈这一层。这一节是终端表面那一层——即个人 agent 到底住在哪儿。⚠️ 页内产品事实为录制当周状态，本库未核实，极可能已过时。

实际存在的表面（[00:12:08]–[00:14:09]）：iMessage、独立应用为两种主流，另见 iPhone 小组件方向。
⚠️ Anish Acharya 的分化假设（[00:13:09]）：可能按世代分化（Z 世代更愿直接发短信，千禧与 X 世代更愿用 app 界面），可能还按性别分化（他拿自己与太太对比：她偏视觉界面，他偏功能）。⚠️ 他自己限定了这是一个 generalization，本页照录这个限定。
⚠️ "特权位置"这个说法值得记（[00:13:09]）："iMessage 这个空间更珍贵……它在我手机上处在一个特权位置，而 app 网格上的图标没有。" ⚠️ 但他立刻给了失效条件："当然，如果每隔一个会话就是一个 agent，这件事就会变。" 本页记为一条自带有效期的护城河。
语音被两人同时列为当周最强体验（[00:17:09]–[00:19:10]）：全双工、能看到你所有会话（可以问"我开过的那三个项目现在到哪了"）。配套的界面原则是 ⚠️ "助理最有用的时候，是你最被占住的时候"。
硬件（[00:14:09]–[00:17:09]）：
⚠️ Acharya 的警告："每一个在做硬件的人都觉得自己那块硬件是终极答案——吊坠是终极、表带是终极。我不认为那是对的。" 他的判断是像首饰一样因人而异，但"有一个随身的、环境式的东西去捕捉一天里全部的上下文、请求、承诺，这件事是有价值的"；他同时提醒隐私预期还得整个社会一起摸出来。
⚠️ 嘉宾的 hot take（[00:15:09]）：Muse charm 与其说是要赢硬件，不如说是 Meta 在真实世界里采数据。他对"眼镜不是已经拿到了吗"的区分是：⚠️ "吊坠是环境式的 24/7 陪伴，眼镜更偏行动导向。"
⚠️ Acharya 的沉睡黑马判断（[00:16:09]）：纯音频眼镜可能是 sleeper hit，理由是社交尴尬——"有一部分人喜欢脸上戴摄像头，但另一些人意识到它会让别人不舒服，他们想要连接但不要摄像头带来的社交别扭。"
⚠️ 本页认为最该保留的一条机制解释（麦克风隐喻）（[00:22:14]）："消息这件事就像是有人拿着麦克风，而把麦克风交给 agent 让人不舒服；换成 Discord 或者传统网络论坛，agent 可以发一个帖子，你可以选择接或不接——那就没那么侵入。" ⚠️ 这条解释了一个本页此前只记录为现象的东西：为什么群聊里的 agent 普遍失败，而异步、可忽略的表面更容易接纳 agent。

⚠️ 把 harness 拆成脑 / 手 / 界面，以及"可变软件"（Thariq Shihipar / Anthropic，2026-09-29）¶

来源：Latent Space / Anthropic

⚠️ 本页此前的"操作系统"讨论集中在模型层与推理层。这一节是 agent harness 这一层的架构主张，而且来自 harness 的作者一侧。

⚠️ 拆包：现在三件事挤在一个地方¶

（[00:11:04]–[00:12:05]）现状是：你给本地的 Claude 发消息，它在本地起 session 并执行——⚠️ "现在这些全都发生在同一个地方。" 他说的方向是拆成三层：

层	是什么	在哪儿
界面	artifact（带数据库、托管在某处）	哪儿都行
脑 / 推理	智能	⚠️ 云上——"你不用担心关不关自己的电脑"
手（hands）	实际干活的地方	⚠️ 本地、远端沙箱，或任何需要工作发生的地方

路径：换成你给一个跑在云上的 Claude 发消息，由它去起本地或云端 session；他说 Claude Tag 大致就这么工作，并且以后会加 local hands——⚠️ "那个 agent 在你电脑在线时访问你电脑干活的能力。"
⚠️ 主持人给的好记说法（[00:51:34]）："这其实是反向的 remote control——remote 是你把活交给云，而这里是云把活交给本地。"

⚠️ artifact 作为 harness 的界面¶

能力（[00:08:02]）：artifacts 带一个数据库，所以能存写持久数据、能回馈给 Claude；⚠️ 多个 Claude 可通过 artifact MCP 访问同一份数据，而那个 artifact 也能反过来与这些 Claude 对话。
⚠️ 他的判断（[00:10:04]）："在极限下我认为 artifact 会成为你进入 harness 的界面：你可以在这份活的计划文档上评论，你可以看到多个 agent 在做不同的事。" 他称之为 ⚠️ "给你的 harness 现做一个界面"。
他承认难点（[00:09:03]）："这比一道多选题复杂太多了"——图、代码片段、schema，每个问题形态不同。

⚠️ 可变软件（mutable software）：主张与反对¶

机制（[00:34:23]、[00:41:28]）：Claude Mods 可定制 harness 的执行与 UI 两边；内部原名 function hooks；跑在 TypeScript 运行时进程内，所以作用域里有会话状态（轮数、token 数、消息）、能派生 sub agent 并解析结构化输出，⚠️ 而且能改 UI——"这是你在 hooks 里永远做不到的"。
⚠️ 让它便宜的那个原语（[00:35:23]）："forked agent 会维持 prompt cache，所以你可以 fork 出去做一个小请求，而它会非常便宜。" 由此得到 supervisor 模式（[00:45:31]）：next-steps 用 forked sub agent 做，⚠️ "所以它之后不留在上下文里"。
⚠️ 他的主张（[00:39:27]）："这是 mutable software 的一个预览……如果开启，你可以安全地定制任何一个软件。我觉得越来越多的应用理想上都该做这样的事。" 给创业者的具体建议："你可以直接去问 Claude：我们能不能做个扩展系统？那会长什么样？"
⚠️ 主持人的反对意见本页并列记录（[00:39:27]）："当你什么都能做的时候，用户往往会困惑。所以通常能成的是一个有主见的流程。" ⚠️ 他的回应很短但对："或者可以有一个 skill 来给出主见。"
⚠️ 与本页既有材料的关系：这与 DHH 的"可塑操作系统" 形状相同、层级不同——DHH 讲的是 Linux 这一层的可改写，Thariq 讲的是应用自身的可改写，而且是由 agent 来改。 它也与 Sinofsky 的"决策引擎与概率式编程" 构成同一周里的两种"软件会变成什么"的回答。

⚠️ harness 的苦涩教训，以及杠铃¶

他的版本（[00:46:31]）：他先自我澄清"我们这里稍微误用了 bitter lesson——它更多是关于 scaling 和算力"，然后给出自己的用法：⚠️ "harness 会非常快地过时，而它们怎么变是不直觉的。"
⚠️ 他对"为什么现在该把智能花在界面上"的解释（[00:47:31]）："模型的智能比一般软件工程任务高得多……但目标仍然是交付用户价值。所以你花算力的方式，是把用户留在环里、确保最终到了正确的决定——而 artifacts 和 mods 就是花掉这份智能的方式。"
⚠️ 核心 harness 必须复杂且非常安全（[00:47:31]–[00:48:33]）：清单是 agent loop + 沙箱 + auto mode（权限与批准）+ computer use + MCP + web search/fetch；"随着模型能做的越来越多，核心 harness 其实必须相当复杂、而且非常安全——但你怎么和它交互，可以变很多。"
⚠️ 杠铃效应（[00:48:33]）："对很复杂的编码任务，你该用我们的 harness；而对更简单、更垂直的东西，你可以自己搭——因为 Claude 变得更会搭 harness 了，而且我们有 managed agents 这样的原语。" 他说以前不得不用 Agent SDK（其实就是 Claude Code 的封装）。
⚠️ 他留的一条自我否定的可能（[00:48:33]）："有一条分叉路——最终模型就是能一次性 vibe code 出 Claude Code 的精确版本。但我认为它们现在能一次性做出更简单的 harness。"

⚠️ computer use 作为"通用手"：技术路线、锁定机制与瓶颈转移（Ari Weinstein / OpenAI，2026-09-30）¶

来源：Latent Space / OpenAI Dev Day 现场

⚠️ 本页此前关于"agent 怎么碰到世界"的材料全是旁观口径或反方口径——Almeida 的"AI 和软件是擦肩而过的两条船"（软件不接受自然语言，所以只能把输出丢给人）、Sinofsky 的"从没有用户研究表明自然语言交互高效"、Thariq 把 harness 拆成脑/手/界面。这是第一份来自 computer use 一线负责人的机制材料，它正好填的是"手"那一层。

它的论证起点：所有软件都是为人设计的¶

（[00:04:03]）"computer use 让 agent 能做任何你作为一个人能做的事——因为世界上所有软件都是为人设计的，而现在 agent 可以用同一套软件。"
身体形态：dots 的每一个实例有自己的一台云上 Linux 虚拟电脑，"这和我们其它产品不同：以前是云上的浏览器，或者是你自己的电脑"——所以"它可以跑完整的桌面应用，也可以用浏览器"。⚠️ 本页记这条为"agent 的身体"这一层的第三种形态，与 Modal 的 agent sandbox、Thariq 讲的沙箱表面积并列。

⚠️ 技术路线三条变化，本页认为这是最该长期引用的一段¶

（[00:08:08]、[00:10:11]–[00:12:12]）

⚠️ 不再是"一次一个动作"："如果你在 Codex 里手动展开它的工具调用，你会看到它实际上在写 JavaScript，交给电脑执行，有时一次执行很多个动作。"
多模态界面按任务切换：截图 / accessibility 树 / Playwright / 直接访问 DOM 并存。
模型侧的加速，而他指认模型最大的变化不是能力而是调试——"以前它们能可靠地开始任务，然后就会撞上问题；现在它们非常擅长调试、重试、反思什么有用什么没用"（[00:07:08]）。
⚠️ "scrolling 地狱"的消失被他列为最大 aha moment：过去要截图—尝试—往下滚—再截图，而现在"语言模型可以一次看到整页或整个应用，并写出一次做多步的代码"。
⚠️ 本页认为全期最漂亮的一条观察（[00:12:12]）："当年为有无障碍需求、要用读屏软件的人发明的那套技术，对 LLM 用电脑也非常有帮助。" 工程上的难点是同时要 token 高效——"把所有东西 dump 出来，但也要高效地 dump，这里头有点手艺。"
app shot 的机制（[00:11:12]–[00:13:13]）：不是截图，而是完整 accessibility 表示 + 元数据；他给的对照很具体："你截一张有链接的网页图，截图里不包含链接指向哪里；你截日历的图，事件标题是被截断的。"
⚠️ 本页标注这条路线的含义：computer use 正在从"像素 + 鼠标"退回到"结构化表示 + 代码"。换句话说，它越成熟，就越不像"看屏幕点鼠标"，越像"把 GUI 当成一个可被读写的 API"——而这反过来削弱了"所有软件都是为人设计的"这个起点的分量：真正在被利用的不是人的界面，而是人的界面底下那层本来给辅助技术用的结构。这一处张力，全期无人点出。

⚠️ 一条平台锁定机制：模型在自家 harness 上训练¶

（[00:17:17]）"如果你想自己造 computer use harness，有很多好活可以干，但它很难；而且我们是在我们自己的 computer use harness 上训模型的。所以用模型分布内（in distribution）的那一套是有优势的——速度、成本、准确率上都可能有优势。"
⚠️ 本页记这条为既是技术事实、也是平台论证。 它与 Thariq 的"harness 的苦涩教训" 是同一件事的两侧：模型与 harness 共同训练，会让"自带 harness"系统性吃亏——而这正是本页"LLM OS 该由谁拥有"这个问题的实际答案形状。两期相隔一天，没有人把这条与"harness 可以被用户改写"（Claude Mods）的主张对齐过。

⚠️ 瓶颈转移：下一阶段的提速落在"等待的统计学"¶

（[00:14:14]–[00:15:14]）"我们发现随着 computer use 变快，我们越来越被单纯的操作速度卡住。比如你在 doordash.com 上自动化一个任务，很多时间其实是在等 doordash.com 自己加载。"
而这生出一个新的工程问题："你希望在它终于加载完、和你去触发 LLM 做下一个动作之间，延迟越小越好——而这件事本身是一门统计科学。" 事件驱动只解决一部分（JS 与浏览器导航有 load 事件），"还有一些类型的事件实在没法事件驱动"；主持人给的反例是和客服聊天，回复可能 30 秒也可能 3 分钟。
⚠️ 本页的推论：在这条路线上，"更强的模型"对总时延的边际贡献正在下降——这解释了为什么他把下一个前沿定义成"超人速度"（[00:13:13]）而不是"更强能力"。

⚠️ 闭合 SDLC：agent 测试自己写的软件¶

（[00:18:18]–[00:19:18]）"computer use 让 agent 真的能测试它自己造出来的软件，而这件事比听起来重要得多——因为传统上你在 Codex 里造一个东西，Codex 造好了，然后你得去测它，于是你现在就是 agent 的 QA。"
他给的递归："我有时在开发 computer use 本身，所以我有一个 computer use agent 在用我的 computer use agent 在用别的东西。"
⚠️ 本页记这条为对 Almeida"软件在变差因为监督变少了" 的一个结构性回应，并标注它只补了"能跑"这一层的监督，没有补"设计质量"那一层——主持人自己讲的"视觉 play test skill 能抓到只看代码看不出的设计问题"恰好说明这一层要另外搭。

信任曲线，与一处未被追问的落差¶

⚠️ 他的自述照录（[00:16:16]）："三四年前我们还害怕把 LLM 接到网上、接到我们的设备上；而现在我在让它替我配 DNS、替我付账单，真的是几万美元的东西我就直接丢给 computer use 梭哈了——还能出什么最坏的事呢。"（原话带笑声。）
他在同一段里给开发者的安全三条（[00:17:17]–[00:18:18]）：可靠、在有后果的动作（如付款）前征求同意、按任务最小化可访问的网站与应用。
⚠️ 本页标注这处落差："付款前要征求同意"与"几万美元我直接梭哈"出自同一段对话，而主持人没有追。 相关的防守侧材料见 LLM 安全。

⚠️⚠️ Jean-Denis（美，Town CEO，2026-10）："软件的价值单元从 app 变成了 computer"¶

来源：a16z 2026-10-19（嘉宾 Jean-Denis / Town） ⚠️ 主持人是嘉宾公司的投资人与重度用户。

原话（[00:29:20]）："我认为软件里的价值单元已经从 app 变成了 computer。它真正的意思是——从一个 app 变成了任何人类能做的事，而人类用一台电脑几乎什么都能做。所以我们在把 app 这一层整个抽象掉，我认为 app 层的价值会下降。"
✅ 本页收这条的理由是说话人的位置：他自己就是 app 层创业者，这句对他自己的赛道不利，因此不是基础设施方的利益性断言。
他由此推出的直接后果（[00:28:18]–[00:29:20]）："大多数 AI 产品的能力会非常接近，大多数工作场景里的 harness 都能做同样的事"，所以"硅谷长期以来的主要差异化——你有领先市场的产品功能——会越来越难维持"。他给出的替代差异化是模型中立 + 用户自己拥有 context + 不训练（详见 AI 商业与价值捕获）。
⚠️⚠️ 本页标注这条与 Karpathy 式 LLM OS 框架的差别：LLM OS 讲的是模型成为新的运行时（上下文窗口=内存、工具=外设）；这条讲的是应用形态被抽掉之后的经济后果——两者方向一致，但这是本页第一条从商业价值归属角度、而不是从系统结构角度给出的表述。
⚠️ 而他的产品实践与这条判断是张力关系：他本人正在做的恰恰是一个 app（Town），对此他的回答是把护城河从功能换到中立性与数据所有权，并明确接受"如果我做不出市场上最好的产品，那就是我会输"（[00:38:23]）。本页记下这处自洽但不轻松的处理，不裁决。

⚠️ computer use 的"通用手"续篇：企业控制面、WebMCP，以及厂商自己的状态碎片化（OpenAI，2026-10-26）¶

来源：a16z × OpenAI（Ari Weinstein 第二次出场 + James Sun） ⚠️ 厂商节目，主持方是写过这个赛道研究的投资机构，全部陈述为自述且本期一处未被独立追问。

⚠️ 本页此前那条"通用手"的主张，26 天后没有变¶

🔗 本页 computer use 作为"通用手"那一节的"超人速度"主张，⚠️⚠️ 在 26 天后的措辞、结构与缺口完全一致（仍无任务集、无测量方法），两期原话的并排见他的人物页。 ⚠️⚠️ 而本页此前指出的那处张力本期仍未被回应：按他自己的技术描述，computer use 越来越依赖无障碍树与结构化表示，而不是"看屏幕点鼠标"——可本期他给的卖点仍然是"它用应用的方式和人用的方式一样"（[00:15:13]）。

⚠️⚠️ 控制面：本页第一次拿到 agent 权限层的具体产品形态¶

（[00:10:08]–[00:19:16]）✅ 本页此前关于"核心 harness 必须复杂且非常安全"只有一张清单（agent loop + 沙箱 + auto mode + computer use + MCP + web search/fetch）。这一期给了 auto mode 那一格的内部结构，而且论证方式值得记：他们不是用"模型更对齐"说服企业，而是承认那说服不了。

① 确定性沙箱：能用哪些应用与网站、不能用哪些。
② 人在环的档位：下载与上传要人批准、首次访问新网站要人批准，✅ "这些都是旋钮"。
⚠️⚠️ ③ Guardian——一个审查模型而不是规则："app 里的自动批准，一个很聪明的模型，在看 computer use agent 采取的每一个动作，来判断它是否安全、是否和书面意图（written intent）对齐。"
✅ 本页标注这个设计的位置：它把对齐从训练期挪到了运行期，是本页"auto mode（权限与批准）"那一格里第一个被明确描述成模型的实现。
⚠️ 而它与防守方的主张相撞：Kurtz 与 Knecht 都主张不能依赖模型层，🔗 详见 LLM 安全与治理。两边无交流。

⚠️⚠️ WebMCP：本库此前完全没有的一层¶

（[00:11:08]–[00:13:13]）他们点名支持 WebMCP 并说已加进 app 的浏览器。✅ 定位是"你和网站的接口仍然是网站本身，而不是一个 API，但人是和 agent 一起在用它"——即在页面这一层给 agent 一个结构化入口，而不是把流量搬到 API 上。

⚠️⚠️ 而 Ari 给的机制本页认为最有预测力（[00:26:19]）："computer use 的存在可能给公司更多压力，让软件更好地和 agent 一起工作——因为所有软件默认都会和 agent 一起工作。"
✅ 他最期待的形态是三层叠：传统 UI + 底下用 agent + 那些 agent 自己用 computer use 去自动化遗留软件。
⚠️ 本页标注这条与本页既有叙事的关系：它把"GUI 当成可被读写的 API"这件事从 agent 单方面的读取，变成了站点一侧主动提供的结构——即本页此前那处张力的一个制度化出口。

⚠️⚠️ 一条属于"agent 的身体"的产品债：四个浏览器互不通气¶

（[00:38:24]–[00:39:24]）✅ 本页此前记过三种"身体形态"（dots 的云上 Linux 虚拟机、Modal 的 agent sandbox、Thariq 讲的沙箱表面积）。这一期补上的是它们之间的接缝问题，而且是厂商自己说的：

⚠️⚠️ Chrome 扩展用 Chrome 的密码管理器、桌面 app 的内置浏览器另一套 cookie 与密码、云上那台电脑又另一套——"对普通消费者来说这挺迷惑的。我为什么有四个互相不通气的浏览器？"

✅ 他给的性质判断："computer use 其实是最容易理解的 AI 产品——它就是一个 AI 在用你的电脑。但因为要管理的不同状态，实现细节有时会渗出来，于是它就变得不好 grok 了。"
✅ 本页的标注：这是一条"身份与会话状态归谁持有"的问题，不是模型问题。 🔗 与 Kurtz 那期的"agent 的身份与凭证" 是同一问题的两端——那边问企业怎么知道哪个 agent 在用谁的凭证，这边承认厂商自己都还没把一个用户的四套凭证理顺。
⚠️ 而他们想要的"共享智能层"把这个问题放大了（[00:31:19]）："如果每个网站都有自己的 agent、而它不跟你的 agent 说话，那会是一个非常碎片化的世界。" ⚠️⚠️ 本页标注：这条主张要求一个跨站点、以用户 agent 为中心的上下文层，而谁持有那一层恰好是 agentic web 的核心争议（见 AI 商业化与价值捕获）。节目没有点出。

⚠️ Claude Managed Agents 与 Dreaming：本页第一份"managed agent 作为平台原语"的材料（2026-10-27）¶

来源：Latent Space × Anthropic（嘉宾 Katelyn Lesse & Angela Jiang） ⚠️ 平台负责人自述，无任何采用数字。

CMA 在栈里的位置（[00:42:18]）：messages API 是原始 token 访问；CMA 是更高一层的抽象——定义一个 agent、起一个 session，省掉搭基础设施与 harness 的活。⚠️ 与 Claude Code 的关系说得很清楚：共用沙箱机群与大量基础设施，但 harness 不共用（"在 harness 层那两个产品想做的事不一样"）。
⚠️⚠️ "Dreaming 是一层套一层的 managed agents"（[00:46:20]）：起另一个 managed agent 去检查前一个 managed agent，然后给它写记忆。 ✅ 这是刻意的模块化设计，别的可拼法包括 best-of-N 与 verifier agent；⚠️ 而一条用户侧观察是"有人做了一个 harness，在所有东西之间共享疯狂的记忆，然后拉起一大堆并行 agent"，所以他们打算把底层原语暴露出来、让用户自己构造"多智能体策略"并给模板。
✅ 本页标注这条在本页的位置：本页此前的 harness 材料分两类——核心 harness 必须复杂且非常安全那张清单（厂商侧）与各家自己造 harness 的经验（应用侧）。⚠️⚠️ CMA 是第三种形态：把 harness 本身作为托管产品卖，而卖点正是"每次发模型我们替你搞清楚新参数与破坏性变更"（见参数泛滥那条）。
⚠️ 一处优先级的坦白（[00:44:20]–[00:45:20]）：⚠️⚠️ "随着发模型从安全角度变得越来越难，我们团队的精力更少放在'给这个 agent 爬一个好玩的功能'上，更多放在怎么把安全带进所有这些东西里"；"和今年早些时候比，我们在 skills、dreaming、memory 这些'时点注入'上确实慢下来了一点"（⚠️ 随后被同伴打断强调"我们很爱 skills"，本页照录这处张力）。
🔗 "大脑和手分开"的安全含义（独立 vault + 占位符 + 出口代理注入 + 域名白名单）记在 LLM 安全与治理；✅ 本页只记其架构动机：harness 常驻所以首 token 快，而"你的沙箱可以死掉，但整个 agent 不会死"。⚠️⚠️ 而第一版是一条有用的失败记录："我们给 agent 做的第一版 API 就是把 Claude Code 扔进一个沙箱、上面糊一个 API"，被否的原因是启动开销与"沙箱一死整个 agent 就没了"。

⚠️⚠️ 个人 agent 在大企业里的否定结论，以及 background agent 的阻塞条件（Serval，2026-10-29）¶

来源：No Priors × Serval（Jake Stauch） ⚠️ 立场：他在卖 Serval（企业自动化，对标 ServiceNow），陈述为自述；节目由投资方主持。

✅ 本页的个人 agent 材料此前几乎全部是个人/开发者语境（Karpathy 的 LLM OS 框架、OpenClaw、NanoClaw、dots 的云上虚拟机）。⚠️⚠️ 这一节给的是企业语境下的否定结论，而且理由是结构性的。

⚠️⚠️ "任何一个人的权限集合都太有限了，所以哪怕允许你把你的 agent 带来上班——很多情况下并不允许——它能做的事也极其有限。它连你的邮件都几乎读不了。"（[00:05:04]）✅ 所以"这些个人 agent 也极其……没那么有用"。
他们的替代形态是把权限来源换掉：对接能用服务账号凭据与管理员级权限的 IT 团队 → just-in-time 提权 + 确定性审批 + 审计轨迹（底下同时是工单系统）。⚠️ 他承认代价："这比我们在 Instinct、Muse 这些工具里喜欢的那种魔法般的个人 agent 体验要烦人一点。"
✅ 本页标注这条可直接检验：⚠️⚠️ 如果个人 agent 在大企业里真的起来了，它一定伴随着一套新的权限授予机制，而不是伴随着政策放松。
⚠️ 而他对形态的猜测是分家（[00:16:09]–[00:17:10]）："每个人都会有自己的个人 agent 替他做事、并委派给其他人的个人 agent……所以你的 agent 会和公司里别的 agent 说话"；⚠️ 工作与个人 agent 会分开——"就像我有一个 Gmail、也有一个公司邮箱。"
⚠️⚠️ background agent 被他称为"企业软件里的终极登月"，而阻塞条件是自主性本身："一方面你希望它们非常自主地跑出去把事情想明白……另一方面，自主性在企业里非常可怕。" ✅ 他给的方案是流程而非技术——能力的渐进升级（agent 申请、人逐项批准确定性工作流），⚠️ 代价是"得盯着那个流程，挺烦人的"，⚠️⚠️ 边界是"否则它理论上就能开始写能在你系统上采取动作的代码，而那是一个无界的安全风险"。
⚠️⚠️ 被问"模型问题还是 harness 问题"："两者都是"——记忆要更好、上下文要大到"一个一直回溯到我们第一次谈话的单一对话"，⚠️⚠️ "但权限问题会一直是最大的那件事。" 🔗 完整论证与它在本库解法谱系里的位置见 LLM 安全与治理。

⚠️⚠️ 一份具体的长时程架构：信号路由、按客户的结构化记忆、与任务解耦的每日反思（Arca，2026-10-31）¶

来源：Latent Space × Arca（Aman Singh）（人物页：Aman Singh（Arca））

⚠️ 立场：他代表 Arca（AI 原生财富管理机构），实现描述为自述。✅ 但本页认为这是本库目前最具体的一份长时程 agent 架构描述，而它的三个部件可以被分别评估。

场景：一笔客户税单引发的流程，"这是一件会跨 10 天的事"；"agent 最终对交付那个结果负责，但其中有些部分是它们做的、有些部分是它们不做的。"

⚠️⚠️ 一、信号路由：复用还是新起，取决于信号有没有所属¶

（[00:07:06]–[00:08:07]）✅ 本页认为这是最可直接搬用的部分。

"你可以想象有一个邮件线程在收到回复、有来回在发生——那个线程里任何额外的回复，都会去到同一个那个在读这个邮件线程并做出反应的 agent。" ⚠️⚠️ "但一个全新的信号，比如中间打来的一个电话，那是一个全新的信号，不附着在任何其它正在进行的流程上。所以会有一个全新的 agent 醒过来，去搞清楚这意味着什么。"

✅ 本页标注这个区分为什么重要：⚠️⚠️ 它把"长时程任务怎么续上"从一个上下文问题改成一个路由问题——有所属的信号不需要重建状态（它回到已经持有状态的那个 agent），而无所属的信号需要的不是更长的上下文，而是一个能从外置状态里快速定位的新实例。

⚠️⚠️ 二、状态外置成按客户的结构化记忆¶

（[00:08:07]）

"我们对每一个客户都有这样一份持久化：现在正在发生什么、我们在试着服务什么、谁负责什么、到目前为止发生了什么、我们接下来在跟踪什么、接下来几天里什么必须立刻发生、我们在为长期跟踪什么、哪个人负责哪个动作。这一切都被我们的记忆系统跟踪着，而我们的 agent 会向它贡献内容。"

✅ 本页标注这份清单的形状值得记：⚠️⚠️ 它不是对话历史的压缩，而是一份面向"谁在什么时候该做什么"的运营状态——也就是说记忆的 schema 是按业务流程设计的，不是按会话设计的。
效果他给的是："那个收到新信号的 agent 会很快搞清楚情况，它会知道：好，我们其实正在执行一笔大额税单。然后它能看到：好，我的信号和那笔税单有关。"

⚠️⚠️ 三、一个与具体任务解耦的反思过程¶

（[00:08:07]、[00:12:07]）✅ 本页认为这是这套架构里最值得记的一个部件，因为它是本页此前完全没有的。

⚠️⚠️ "但另外还有一个真的很像在做梦的过程，它反思世界相对于这位客户的状态，并且能够更新这些记忆系统，以便持久化长时程的任务。"

⚠️ 他后文把它称作"每天对正在发生什么的反思"，✅ 所以本页记为一个按天跑的、与任何具体任务无关的状态整理过程。
⚠️⚠️ 而它的功能位置很清楚：agent 在执行中会向记忆写入，但那是任务驱动的；这个过程是时间驱动的，负责把分散的写入重新组织成"现在世界的状态"。
🔗 ✅ 本页标注这与既有长时程材料的差别：⚠️⚠️ 本页此前的长时程材料多停在"需要更好的记忆与更大的上下文"（Serval 的"一个一直回溯到我们第一次谈话的单一对话"）；✅ 而这一条给出三件可分别评估的事——按信号归属决定复用还是新起、把状态外置成按业务流程设计的 schema、再加一个时间驱动的整理过程。本页认为更大的上下文窗口替代不了其中任何一件。

⚠️⚠️ 四、"agent 催人比人催 agent 多"：编排的方向被反过来了¶

（[00:12:07]–[00:13:08]、[00:15:08]）

⚠️⚠️ 那句概括："agent 催人比人催 agent 多，而它是一个 7×24 替他们跑着的主动服务。"
机制接回上面三件："第七步那个参与者现在可能还不需要知道这件事，他们是在对的时间被拉进来的" → 靠长期记忆持久化 + 每日反思"反思此刻世界的状态在哪里" → "在有一个信号意味着那个人必须被拉进来的时候，把对的那个人在那个时候拉进来"。
✅ 而它最实际的含义在末尾那句（[00:25:11]）：主动性的例子是截止期要到了、有错过 RMD 的风险这类——"这件事对人来说在规模上很难跟踪，但它在 Arca 是我们 agent 的默认行为。" ⚠️⚠️ 本页记：被自动化的不是判断，是不间断的监视。
🔗 ✅ 本页标注这与既有材料的关系：⚠️⚠️ 本页的 agent 编排材料基本都假设人发起、agent 执行（包括 Serval 的"agent 申请、人逐项批准"——那里人仍是审批者但 agent 是发起者的雏形）；✅ 而这一条把方向整个反过来，并且把"谁该在何时被叫进来"做成了系统的一等职责。本页认为这是本页收到的第一份"agent 做调度、人做执行"的完整样本。

⚠️⚠️ harness 形态被整体搬到一个非编码垂直里：循环 / skills / agent app store，以及"为交易优化的 Claude Code"（No Priors × Vlad Tenev，2026-11-05）¶

来源：No Priors × Vlad Tenev（Robinhood CEO / Harmonic 联创）

⚠️⚠️ 立场：全部为产品自述，数字无口径、无第三方来源；节目由投资人主持且转录稿无利益披露。 ✅ 本页保留这一节是因为形态，不是因为数字——数字部分本页在下方逐条加了限定。

⚠️⚠️ 一、对应物被逐条点名，而给出的理由不是技术上的合适¶

（[00:28:23]–[00:30:23]）✅ 本页认为这是本页第一条把整套 harness 形态搬进一个具体的非编码垂直（零售交易）的材料——本页此前的 harness 材料（Anthropic 的脑/手/界面三分、Claude managed agents、Arca 的长时程架构）全部在编码或通用语境里。

⚠️ 路径是两步：先只有一个 MCP（"基本上是一个 Robinhood MCP"）；⚠️ 然后"harness 和整个 UI 现在都在一个 Robinhood 账户里面了"。
⚠️⚠️ 而类比是他自己给的，而且直接点名：

⚠️⚠️ "你可以把它想成：如果你是一个 Claude Code 或者 Codex 的用户，它几乎就是那样一个工具，只不过是为交易优化的。"
✅ 对应物的清单本页认为是这一节真正的可保存内容，因为它逐项都能对上编码侧的既有原语：
循环 ↔ 编码侧的长时程任务："你可以跑循环，说：好，每天执行一次我的策略，重新平衡我的组合，看看机会。"
skills ↔ 同名原语："我们有 skills，所以你可以做比如一次组合再平衡。"
⚠️⚠️ agent app store ↔ MCP 生态 / 工具市场："我们还有 agent apps，所以我们上线了一个应用商店——比如你可以接上一个卫星数据源，如果你想做一个去数零售商停车场里的车的策略。"
⚠️⚠️ 而路线图就是照抄，这一点他说得毫不含糊，本页认为这句比上面任何一条对应物都重要：

⚠️⚠️ "我觉得它会这样演化：我们会去看所有那些编码 harness 已经有的能力，然后看怎么提供真正干净、交易者原生的版本。"
✅ 本页因此把这条材料的一般性结论定在：⚠️⚠️ harness 的形态正在作为一个整体被搬运到非编码垂直里，而搬运者给出的理由不是"这套形态适合交易"，而是"编码那边已经把这些能力做出来了"。 ✅ 本页认为这条可被直接检验：如果这个模式成立，其他垂直会出现同形的产品，而且它们的功能清单会与 coding agent 的功能清单同步演进——也就是说编码侧的原语会成为其他垂直的路线图。

⚠️⚠️ 二、数字部分：本页的三条限定¶

（[00:28:23]–[00:29:23]）自述口径是"上线以来的这几个月里，有超过 15 万客户在我们这里开了 agentic trading 账户"、"工具调用一直沿着这条平滑的指数在走，我们上次公布的数字是每天大约 3000 万次工具调用"，而他据此给的结论是 agentic trading "clearly product market fit"。

⚠️⚠️ 本页判这三个数不支撑那个结论，三条限定：

⚠️⚠️ "开了账户"不是使用，而在这个产品里这个区分格外重要：按他自己后面描述的护栏，开户需要"把钱转进去"到一个单独隔离的账户——这是一次性动作，与持续使用无关。
⚠️⚠️ 工具调用数是 agent 循环里最容易被放大的量。一次"每天重新平衡一遍组合"的循环可以产生任意多次工具调用而不产生一笔成交。本期没有给出成交笔数、成交额、活跃账户数或每户调用数，因此 3000 万与实际交易活动之间无法换算。 ✅ 本页标注这是一个一般性提醒：在 agent 产品里，工具调用数与"用户得到了多少价值"之间的关系比传统的请求数指标弱得多，因为调用次数由 harness 的设计决定而不是由用户行为决定。
⚠️ "平滑的指数"没有起点、时间窗口与斜率，因此它只是一个形状断言。

🔗 ⚠️ 本页标注一个对照口径以说明为什么要这么严：本库在 Assistant Benchmark 第二期记过"带最大 ChatGPT 上下文优势的产品只有 3% 主力使用率"——✅ 也就是说在消费 agent 这个品类里，注册数与主力使用率之间的落差已经被本库独立观察到过一次量级。

⚠️ 三、护栏：金融场景里最小权限的实现方式是限制金额，不是限制动作¶

（[00:33:24]–[00:34:24]）

⚠️ 三层（自述）：必须新建一个与主账户隔离的独立账户并把钱转进去；默认逐笔批准交易、"然后你可以把它关掉"；⚠️ "沙箱化的，也许不完全算物理隔离，但相当接近"（自述沙箱与 harness 基础设施为内部自建）。
✅ 本页认为这里有一条值得单独记的一般性：🔗 ⚠️⚠️ 本页此前的边界材料（Serval 的"边界就是产品"与 just-in-time 权限提升）把最小权限实现成了动作级的审批与审计；✅ 而这一条的实现方式是资金隔离——即限制 agent 可触达的金额，而不是枚举它可执行的动作。本页认为这个区分很有用：它比动作级权限好实现得多（不需要穷举动作空间），而且损失上界是明确可算的。 ⚠️ 代价是它只在"损失可用一个标量封顶"的场景里成立——交易可以，而本页此前那些企业场景（删库、发错邮件、泄露数据）不行。本页认为这恰好解释了为什么两边选了不同的实现。

⚠️⚠️ 四、而主持人那个基础设施提问本页认为该被单独保存，因为它是一条通用判别提示¶

（[00:35:24]–[00:37:24]）✅ 本页认为这一节提问侧的价值高于回答侧。

⚠️⚠️ 那个类比：

⚠️⚠️ "如果拿编码当代理来看——也许我们都该想到，但我觉得当时并不显然：CI/CD 会在代码生成涨了几个数量级面前彻底崩掉。" ⚠️⚠️ "是的我们当然一直有 HFT，但如果每个人都是高频交易者，那感觉是新的负载。"
✅ 本页把它一般化成：⚠️⚠️ 当某个生产活动的单位成本被 AI 砍掉几个数量级时，最先崩的不是那个活动本身，而是围绕它的验证与结算管道——而那条管道通常不在任何人的关注范围里，因为它此前从来不是瓶颈。 🔗 本页在编码一侧已有实例（Warp 的八层栈把自己定位成"比 CI/CD 所在的位置往后退一层"）。
⚠️ 他的回答是分层的否定（自家栈已端到端优化、做市商"Citadel、Jane Street、Jump Trading"不担心扩不上去、交易所的 API 已被 HFT 压力锤炼过），落点是一个时间论证："我们仍然处在 agentic 占总交易很低百分比的阶段。所以我觉得我们会有一些预警……我觉得我们有一些时间。"
⚠️⚠️ 本页必须标出这个答案与他自己数字之间的张力：✅ 他给的形状是"一直沿着这条平滑的指数在走"，⚠️⚠️ 而指数增长恰恰是"当前占比很低"提供不了多少预警的那种情形——低占比在指数下只意味着离拐点还有几个翻倍周期，而不意味着有时间。本页判他的时间论证需要的是线性或放缓的增长，而他自己给的是指数。 ⚠️ 本页不认为这证明会出问题（"做市商和交易所已被 HFT 压力锤炼过"这一条是独立成立的实质论证），✅ 但判定"我们会有一些预警"这个结论在本期没有被支撑，而且被同一期的另一个数字反向压着。 ⚠️⚠️ 而交易侧与 CI/CD 真正对应的那条管道（清算、结算、监控、异常处置）在本期被问到了但没有被回答。

⚠️⚠️ harness 与"选哪个模型"被拆成两层，各有各的工作职责（Jay Parikh / Microsoft CoreAI，2026-11-08）¶

来源：Latent Space × Jay Parikh（GitHub Universe 现场）（⚠️⚠️ 厂商节目：keynote 后的现场采访，全部能力声明为自述、无第三方核实）

✅ 本页标注这条为什么是新的：⚠️⚠️ 本页与用 LLM 的实践此前关于 harness 的材料（Ali Ghodsi 的"2 倍成本"、Lio 的 80% 天花板、Reducto 的"harness 挡的是静默漏抽"）都在讲 harness 值多少钱、能到多高、挡哪种错。没有一条把"选哪个模型"从 harness 里单独拆成一层并给它一个独立的工作职责——这一条是第一次。

① 两层的分工¶

（[00:10:06]–[00:12:09]）

harness（已作为 SDK 放出）：负责工具、MCP、模型的编排（"你可以拿那个 SDK 去构建别的应用"）；"它背后的关键原则之一就是多模型"；而它必须持续适配"MCP、你为写代码或别的事需要的其它工具、以及进来的不同模型"。
⚠️⚠️ Fusion（选模型那一层），而它的职责被定义成减少认知负担而不是省钱：

"然后你需要某种智能，知道怎么把一个任务、一个 prompt、某个最终会成为一个完成的软件工作单元的东西拿过来、拆开，并且在某种意义上把认知负担从你这个工程师身上拿掉——你面对的是所有这些价格性能各异的模型——然后说：嘿，我们可以帮你把这件事优化掉。我们能让你很快拿到最好的质量，而且便宜得多。"
✅ 两者的关系："我看它的方式是，你把 harness 和 fusion 想成一起起伏的（ebbing and flowing together），因为你解决的恰恰是那个问题……你要有 fusion 来帮你搞清楚用哪个模型，因为今天选择太多了。"
⚠️ 主持人给 harness 的那个定位本页也记下，因为它与上面的拆分略有张力："harness 在最根上的核心工作，就是把模型能力榨到最大，其中很大一部分就是模型路由。" ⚠️⚠️ 也就是说主持人把路由算在 harness 里面，而受访者把它拆了出来。本页记下这处用词差异，因为后续材料里这两种用法大概都会出现。

② ⚠️⚠️ 本页必须标注的中立性限制，以及一个对照¶

⚠️⚠️ 这是一个自家也卖模型的厂商在主张"我们帮你选模型"，而其中立性无法从本材料判断，本期也没有被追问。
🔗 ✅ 对照一个中立路由方的版本：OpenRouter 的 Alex Atallah 与 Amjad Masad——⚠️⚠️ 那一条给的理由是经济性（"用 AGI 级模型干所有事是用核弹打蝴蝶"、"fusion 把前沿质量做到四到五折"），这一条给的是认知负担。 ✅ 本页标注这个差别有用：同一个功能，中立方用省钱卖，全栈方用"你不用再想"卖——而后者恰好不需要公开路由到哪里。

③ ⚠️ "同一个 harness 跨全部界面"：一条护城河主张，以及它可检验的部分¶

（[00:13:10]–[00:14:10]）

主张：手机、桌面、VS Code、.com 全部用同一个 harness 连起来 → "你可以在手机上发起一个东西，然后在桌面上接着做"，而"不管你用哪个模型……所有那些上下文、记忆、偏好，还有那个智能引擎，全都在一个地方为你复利"（上下文的载体被他点明为 repo、issue、PR、安全发现）。
⚠️⚠️ 竞争性主张："今天如果你用一家提供商的一个工具、然后切到另一家，它们不会把各自的智能复利到一起。所以那就是我们想解决的。"
⚠️⚠️ 本页的处理：这把切换成本重新描述成了用户收益，而那正是锁定效应的标准讲法；本页不采信"所以对用户更好"这个结论。 ✅ 但"复利"这个词本身给出了一个方向性预测，因此有可检验的部分：⚠️⚠️ 如果上下文复利是真的，换工具的代价应随使用时长单调上升，于是流失率应随使用时长下降得比单纯的习惯效应更快。 ⚠️ 本期未给任何数据。

④ ⚠️⚠️ 一个来自平台侧、对自己不利的承认：并发 agent 的量级还不知道¶

（[00:20:19]）

"人们正在改变工作方式……我猜一年之后它会看起来相当不一样。而它会是什么样？我们是在管理成千上万个 agent，还是几十个、几百个？我不知道。" ✅ 应对被说成一个设计原则："所以我们必须继续用正确的原语来建这个平台，让你能把那些原语组装成你想要的工作方式。"

✅ 本页标注这条值得记的理由：⚠️⚠️ 平台的容量规划恰恰依赖这个量级，所以"我不知道"在这里是一条对自己不利的承认，而不是一句客套。
🔗 ⚠️ 而本页记下这个缺口有三个数量级：本库目前唯一的一手并发数据是 Peter Steinberger 并行 4–10 个 agent；✅ 而"成千上万"这个上界在本库任何材料里都还没有对应的实例。

⑤ ⚠️ "PR 会不会终结"被归到配置项，以及一条一手例证¶

（[00:06:03]–[00:07:04]）主持人引 Peter Steinberger 的"pull request 的终结" → ⚠️ 他的回答是可配置性（"如果这些概念之一没用、或者人们不想要它是必需的，那它可以变成可配置的"），约束条件是规模（"跨越 2.25 亿开发者、大企业、小公司、学生，我们确实必须提供一个有很多概念的平台，然后你应该能把这些概念组装起来"）。✅ 而他给的一手例证本页认为比产品表述更有信息量："我有些仓库是我自己瞎折腾玩的，我不做 PR……我就是在建、建、建、建，我不想处理 issue 或者 PR 或者任何东西。"