fangjun retweeted
前一段 Loop Engineering 不是很火么，不过真做好的也不多。
知名开源开发者 yetone 在 X 上公开了他维护 Magpie 的工作流：用 Claude Code 加官方的 Opus 5.5 模型，同时开 3 个 /loop 循环任务，让 AI 自己盯 GitHub issue 和 PR、Discord 社区和推特反馈，修 bug、加功能、发版、回复用户。他自己每晚抽一点时间“铲铲屎”，主要处理 UI/UX 问题，“然后就没活儿了”。
他自己说这套流程“没有任何的魔法，甚至还特别简陋”。
【3 个循环任务分别干什么】
/loop 是 Claude Code 自带的命令，让同一段提示词反复执行；不写间隔时，由模型自己决定多久跑一次。这个命令 Codex 也支持，其他的我没测试，估计也差不多。
yetone 截图里的 3 段提示词都没写时间间隔，我自己去 Codex 跑了一下，默认是 1 小时。
简单解释一下他这三个循环。
第一个循环：管 GitHub 和 Discord。
指令要求 AI 盯 GitHub issue，判断哪些值得修、值得做；修完要发版并回复提问的人，不值得做的也要回复。有一类 issue 单独规定了统一话术：如果是“中转站”来打广告，统一回复“感谢关注，日后会出相关合作方案，敬请期待”，不能直接把第三方中转站加进产品。
对 PR，指令要求逐行看代码、看逻辑，再把代码拉下来实际跑一遍，确认没有 bug 才能合并，否则回复或关掉。指令里写了原因：“我怕有的人提的 PR，是无脑用 Coding Agent 乱写的，自己都没测过。”
指令还要求 AI 实时盯 Magpie 的 Discord 服务器，所有频道一个不漏，有价值的反馈就去修或加功能，值得讨论就继续讨论。最后专门叮嘱：在 Discord 里要真正 @ 到人，只写名字对方收不到通知。
第二个循环：管 X/推特 的用户反馈。
盯推特上关于 Magpie 的反馈，有价值的建议或能复现的 bug 就去做，上线后回复那条推文。这段指令要求先用便宜的“决策模型”，比如 Jev，判断推文是不是在说 Magpie、是不是反馈，不相关的直接丢掉，别转给主模型，“不然太浪费 Token 了”。
【注：Jev 是 TypeSafe AI 推出的模型，只做判断题、选择题和打分，输出概率或分数，不生成文字。官方定价是每百万输入 Token 0.042 美元，输出免费。】
顺便说一下，如果你的产品名或者要关注的事比较稀有，不一定需要 Jev，他之所以加，是因为 magpie 在英文里是“喜鹊”，按关键词抓推文会抓到大量无关内容，全丢给 Opus 判断很费钱。
第三个循环：清理和总结。
这段指令开头写着“现在 magpie 完全是自动化更改代码和合并社区里的 PR”，要求 AI 定期清理“屎山代码”和恶意代码，防止项目变得难以维护；同时把经验教训写下来，比如哪些 PR 不该合、哪些验证不够严密，留给以后的 AI 参考，避免重复犯错；还要把总提交低质量代码的人拉进黑名单。
【作者补充的两点】
发完截图后，他在两条回复里补了两点。
一是给 AI 真实的运行环境。他准备了一台 Mac 和一台 Windows 电脑，再在 Windows 上开一个 Linux 虚拟机，三个系统的复现环境就齐了。AI 每次都要在这三端真实复现 bug，再去修。
二是 AI 怎么做出符合他心意的决策。他说靠的是 Claude Code 的记忆系统和仓库里的设计文档。开发 Magpie 之初，他和 Claude Code 讨论、头脑风暴了很多内容，这些都被记进了记忆文件。之后遇到要拍板的事，或者涉及审美偏好的设计，AI 会参考这些记录，做出跟他比较一致的选择。
【总结下】
他把维护项目的日常活拆成了 3 条流水线，每条只管一个入口（GitHub、推特、代码库本身），各自循环。人只留下 AI 做不好的部分，也就是 UI/UX 的审美判断。
当然要跑起来得有几个前提：
1. AI 能在真实的三端环境里跑代码，验证结果靠实际运行；
2. AI 手里有他早期写下的偏好和设计文档，知道他会怎么选；
3. 犯过的错被写成经验，下一轮的 AI 能读到。
提示词都是大白话，篇幅主要花在边界情况上：不值得修也要回复，中转站广告怎么回，Discord 要真 @，不相关的推文别浪费 Token。
有几个特别要注意的点：
1. 先把验证环境搭好，再让 AI 干活。AI 改完代码说“修好了”没用，要能在出问题的那个系统上跑一遍。你的项目只跑在网页或服务器上，一个容器可能就够；要多端的，就像他一样把每一端都备齐。
2. 在提示词里写清楚“遇到这种情况怎么办”。他的三段指令里，大部分字数花在例外处理上。你让 AI 自动回复用户之前，先想想会有哪些奇怪的来信，提前定好处理办法。
3. 用便宜模型挡在前面。先用一个几乎不要钱的分类模型过滤一遍，只把真正的反馈交给贵模型，这个做法几乎任何监听类任务都能用。
4. 让 AI 自己总结教训。第三个循环要求把“不该合的 PR”“验证不严的地方”记下来，下次的 AI 读到就会更谨慎。这相当于给 AI 建立了一个自我迭代优化的循环。
5. 项目早期多花时间和 AI 聊设计。他说 AI 后来能按他的偏好做决策，依赖的是开发初期那些讨论被记进了记忆和设计文档。想让 AI 少问你，就先把你的想法写下来让它记住。
仅供参考，重要的是学习思路，不必一模一样的照搬。
fangjun retweeted
非常赞同自己的Agent产品需要自己的Eval/Benchmark。
而且做Eval有特别多额外的好处，比如：
- 思考自己的产品究竟从Agent中想表达什么。
- 直观的看出不同的模型在这个产品上的表现。
- 形成相对稳定的回归测试。
不过做Eval很大一部分工作很枯燥，毕竟你无法相信LLM的结果。手动标注会是很大一部分。
fangjun retweeted
Google has hidden thinking traces on the Gemini site. You have to use the 3 dot menu to pull up summaries, which are so minimal as to be unusable.
Did it do web searches? Did it check results? You can't tell. This makes Gemini unsuitable for any serious work you need correct.
fangjun retweeted
People of pi. BIG NEWS. I've sold out. Let me know how you feel about this in the comments below.
mariozechner.at/posts/2026-0…
fangjun retweeted
昨天做了个实验，仅仅基于 github.com/slowmist/openclaw… 做进一步更新迭代，v2.7(当前版本)->v2.8(还未发布)，效果一般，出现了不少问题，费了不少脑力来和 Gemini/Kimi 最新模型斗智斗勇，但意外的是 MiniMax 这个模型执行的非常好（minimax/orbit-20260303）...
回顾来时路，这个喂给 OpenClaw 的安全实践指南是这样训练出来的👇很谨慎，这玩意如果没搞好，很容易造成意外。
从 GitHub 的 traffic 数据来推测，使用人数在 5000 左右。后续的迭代训练还是得基于“满血”的安全场景进行，且在真实的几个 OpenClaw 运行时环境中展开。没达到我们认为的很稳定版本之前，我们不做进一步发布...
安全工作只能慢工出细活😅
我基于过去差不多一个月和 OpenClaw 的安全对话、相关漏洞挖掘与验证、几百个已披露的有关漏洞的学习，我们 @SlowMist_Team 的历史安全实践经验，结合我自己的使用场景，输出了这个：
OpenClaw 极简安全实践指南（Root 权限 + 最大能力场景）
我的场景：OpenClaw 拥有目标机器的 Root 权限，会安装各种 Skills/MCP，追求能力最大化。
核心原则：不限制能力，只守住三道关卡——事前确认、事中拦截、事后巡检。
这个安全实践内部已经在使用验证了，舒服后再公开。因为如果不舒服，可能会带来安全与体验冲突的问题，严重的可能导致你的 OpenClaw 被束手束脚。当然，你其实也可以自己打造适合自己的，不管是一个 Skill 还是插件还是可能就我说这这句提示词：
“嘿，记住，执行一切风险命令之前，问我是不是我期望的。”
只要开心就好😌
fangjun retweeted
I don't know of anyone who is consistently publishing more insight-rich content than @addyosmani.
This "how to write a good spec for AI agents" is a banger with piles of actionable advice.
addyosmani.com/blog/good-spe…
fangjun retweeted
Vercel will be officially sponsoring tailwindcss.com. That's a given. We as a community and industry owe @adamwathan and team a lot. Tailwind is foundational web infrastructure at this point (it fixed CSS 😉). I've also reached out to Adam to explore how we can make this a longer-term commitment.
fangjun retweeted
claude code is having it's cursor moment after karpathy sensei's post. never been a better time to try it.
my latest blog on how to get the most out of claude code 2.0 and other agents in general is up now. grab a chai and have fun reading!
sankalp.bearblog.dev/my-expe…
fangjun retweeted
Tom Lee 的核心并不是“ETH 会涨”，而是 ETH 正在从风险资产，转变为金融基础设施股权的影子定价。
当稳定币、RWA、链上结算规模扩大，ETH 不再跟 BTC 讲同 套故事，而是跟 结算量、TVL、手续费、质押收益 讲故事。
问题是：市场现在到底有没有在给“基础设施型资产”合理定价，还是仍然把 ETH 当成高 beta 山寨？
你觉得 ETH 什么时候才能真正脱离 BTC 叙事独立定价？
从Tom Lee的多次各种采访中，大概可以看出他长期看好以太坊的核心逻辑：
1. 以太坊是未来金融基础的核心结算层。
ETH不仅是数字货币，同时也是构建和运行DeFi、稳定币、NFT、链上市场、RWA等的基础设施。尤其是RWA方面，这会是未来最大的叙事。华尔街正在将万亿级资产（债券/股票等）上链到以太坊，以太坊作为主导的结算层，会产生大量的需求，并推动ETH价值的上涨。代币化不是短期炒作，而是结构性转变，将驱动ETH独立于BTC的牛市。
2. 机构采用和生态成熟。
目前全世界大约400万个BTC钱包持有超过1万美元的资产，而全球持有类似金额的股票/养老金账户大约近9亿个，超200倍差距。相比较下，加密采用还处于早期阶段；以太坊的开发者社区最强大；以太坊网络运转最稳健。
此外，跟BTC不同，ETH有实际效用，例如质押收益、DeFi等，这让它更适合机构长期持有。
3. 非共识机会。
Tom Lee一贯喜欢“非共识”投资（年轻时在90年代电信股上赚到100x）。当前许多OG（早期玩家）觉得加密“无聊”转去AI或股票，但这正是因为他们成熟了，而行业仍处于婴儿期——新一批投资者即将涌入。
4. 不是光说不做，而是又说又做。
BitMine（BMNR）是全球最大的ETH财库公司，Tom Lee是其主席，BitMine已持有约3.86百万ETH（占总供应量约3.2%），目标达到5%。2025年12月BitMine继续大量买入ETH（即使价格波动），并有10亿美元现金储备 + staking收益。
（注：其实3.2%已经很多了，5%略多）
Tom Lee的价格预测部分（这个部分大家无须过于严肃认真，毕竟价格预测是上帝的事情）
• 最“疯狂”的长期目标：如果ETH/BTC比率回到0.25，ETH可达$62,000（极端情景，基于超级周期）。
• 更现实的2026年目标：$7,000–$9,000（2026），甚至$20,000（前提是如果代币化爆发）。
• 他认为2025年底/2026年初ETH已见底，短期可能有波动，但2026将是L1链（尤其是ETH）的“大年”。
fangjun retweeted
从Tom Lee的多次各种采访中，大概可以看出他长期看好以太坊的核心逻辑：
1. 以太坊是未来金融基础的核心结算层。
ETH不仅是数字货币，同时也是构建和运行DeFi、稳定币、NFT、链上市场、RWA等的基础设施。尤其是RWA方面，这会是未来最大的叙事。华尔街正在将万亿级资产（债券/股票等）上链到以太坊，以太坊作为主导的结算层，会产生大量的需求，并推动ETH价值的上涨。代币化不是短期炒作，而是结构性转变，将驱动ETH独立于BTC的牛市。
2. 机构采用和生态成熟。
目前全世界大约400万个BTC钱包持有超过1万美元的资产，而全球持有类似金额的股票/养老金账户大约近9亿个，超200倍差距。相比较下，加密采用还处于早期阶段；以太坊的开发者社区最强大；以太坊网络运转最稳健。
此外，跟BTC不同，ETH有实际效用，例如质押收益、DeFi等，这让它更适合机构长期持有。
3. 非共识机会。
Tom Lee一贯喜欢“非共识”投资（年轻时在90年代电信股上赚到100x）。当前许多OG（早期玩家）觉得加密“无聊”转去AI或股票，但这正是因为他们成熟了，而行业仍处于婴儿期——新一批投资者即将涌入。
4. 不是光说不做，而是又说又做。
BitMine（BMNR）是全球最大的ETH财库公司，Tom Lee是其主席，BitMine已持有约3.86百万ETH（占总供应量约3.2%），目标达到5%。2025年12月BitMine继续大量买入ETH（即使价格波动），并有10亿美元现金储备 + staking收益。
（注：其实3.2%已经很多了，5%略多）
Tom Lee的价格预测部分（这个部分大家无须过于严肃认真，毕竟价格预测是上帝的事情）
• 最“疯狂”的长期目标：如果ETH/BTC比率回到0.25，ETH可达$62,000（极端情景，基于超级周期）。
• 更现实的2026年目标：$7,000–$9,000（2026），甚至$20,000（前提是如果代币化爆发）。
• 他认为2025年底/2026年初ETH已见底，短期可能有波动，但2026将是L1链（尤其是ETH）的“大年”。
fangjun retweeted
这也是以太坊过去的一大著名技术债，这次 Fusaka 升级终于是【中央收回地方国企管理权】😂。
自从 L2 路线开始后，以太坊 gas 市场突然突然从单轨制变成双轨制。
正常 L1 EVM 交易的人走一个公开 gas 市场，就是我们大家平时用的那个 gwei 。
而 L2 Blobs 一直走特权通道，就是 Blob gas 市场，这个市场如蓝狐老师这篇帖子介绍的，里面的费用非常非常便宜，跟不要钱一样。
但是这次 Fusaka 升级的 EIP-7892/7918 两个提案之后，以后的 Blob 不再享受特权，从共识层面，约定其价格不得低于正常 gas 市场。
这样虽然仍然是双轨制 gas 市场，但是至少价格恢复单轨了。（看我截图，升级前后，从 1e-9 到了 1）
过去 ETH 绞尽脑汁孜孜不倦地给 L2 降低了很多费用，所以哪怕 Bolb 的费用变高了，但是 L2 依然很便宜，没有影响，甚至还在更便宜。
但是以太坊凭空多增加了一些燃烧，让 L2 路线的支持者们腰板挺得更直了😆
为什么以太坊Fusaka升级不到24小时后，blob base fee就从1 wei直接跳到1400万~1600万wei左右，最高峰接近2000万wei，平均约1470万wei，也就是大概暴涨1500万倍左右。
为什么涨这么猛？
因为原来的blob gas费起点实在太低，几乎是免费，从0.000000001 Gwei（1 wei，超级低）跳到平均1470万wei左右，涨了近1500万倍。可以看看下图，Fusaka上线后直接爆表。
简单来理解blob，以太坊主网L1是大脑中枢，直接处理交易比较贵。由此，诞生了L2这些外挂的“福手大脑们”，它们处理交易便宜很多。但是为了安全，这些副手们处理完之后，需要把数据（交易记录）提交到L1，这些数据存在blobs上（大块临时存储，不占用主网空间，但会短暂加载到内存供KZG验证，过期后可裁剪）。
Blob gas费呢，就是L2给L1的“数据可用性费用”，之前Dencun升级时，这个费用在使用时没有最低价的机制，导致费用卡在1wei，几乎免费。结果是，网络在补贴blob，节点亏本干活（无偿提供KZG验证算力）。
这次Fusaka升级有个EIP叫7918。就是给blob费加个“最低工资线”（reserve price），这次不能低于L1执行费用的1/16，技术上叫BLOB_BASE_COST / GAS_PER_BLOB。
也就是说，在这之前，blob费用可以最低到1wei，几乎免费；现在blob费 ≥ (L1执行base fee) / 16（精确的话是1/15.258）。当执行费用变高的时候，blob费用也跟着涨；如果低的时候，也有个保底费用，历史数据看，大概在0.01~0.5 Gwei，比之前的0.000000001 Gwei要高1000万~5亿倍。这次Fusaka上线后不久，实际平均冲到1470万wei，所以1500万倍。
这么设计的原因是，blobs不光占存储，还让节点验证证明时计算（KZG证明贵15倍于单点计算）。以前L2白拿，现在付“合理租金”——至少覆盖部分真实成本。
这对于费用市场是好事，价格实现正常波动，网络可以用“涨价”来控制blob的流量，避免拥堵或者是浪费。此外，Fusaka还带PeerDAS（数据采样），让节点只查小样验证大blob，容量能翻好几倍。
对于ETH烧毁来说，也是好事，有机会烧毁更多的ETH。按照历史数据回测模拟（如果2025年6月上线），根据blockworks测算，大概可以多烧毁8倍左右。bitwise分析认为，blob在2026年随着L2交易量的上涨，一年内可以多烧20-40万个ETH，blob贡献总烧毁量的30-50%，当然，这看起来是乐观估计，具体还得看L2的交易量增长情况。
fangjun retweeted
PeerDAS in Fusaka is significant because it literally is sharding.
Ethereum is coming to consensus on blocks without requiring any single node to see more than a tiny fraction of the data. And this is robust to 51% attacks - it's client-side probabilistic verification, not validator voting.
Sharding has been a dream for Ethereum since 2015 , and data availability sampling since 2017 ( github.com/ethereum/research… ), and now we have it.
That said, there are three ways that the sharding in Fusaka is incomplete:
* We can process O(c^2) transactions (where c is the per-node compute) on L2s, but not on the ethereum L1. If we want to scaling to benefit the ethereum L1 as well, beyond what we can get by constant-factor upgrades like BAL and ePBS, we need mature ZK-EVMs.
* The proposer/builder bottleneck. Today, the builder needs to have the whole data and build the whole block. It would be amazing to have distributed block building.
* We don't have a sharded mempool. We still need that.
But even still, this is a fundamental step forward in blockchain design. The next two years will give us time to refine the PeerDAS mechanism, carefully increase its scale while we continue to ensure its stability, use it to scale L2s, and then when ZK-EVMs are mature, turn it inwards to scale ethereum L1 gas as well.
Big congrats to the Ethereum researchers and core devs who worked hard for years to make this happen.
