Spark - page 2 of 7

2026 年继续 Building.

React2Shell 核弹级高危漏洞，提醒所有生产环境部署了 Nextjs 的开发者关注，昨天 CF 的故障也是修复这个漏洞而引发的后续导致。

听闻很多同学还不知道这个漏洞的情况，故记录分享一下。

起因：上午 9 点，我们的核心应用容器收到一次异常 SIGTERM，一看日志，是一个 Shell 注入，瞬间极其警惕，立刻更新 AWS WAF 最新规则，然后发现这个漏洞相关的信息，然后升级依赖进行修复。

我们招人啦！

这一帖先面向技术同学，理想画像：

如果你对 C 端 Agent 构建有经验或者感兴趣； 如果你有 Go / Python 的服务端开发背景，对云原生，主流出海业务技术架构有了解，或者自己做过完整的出海产品； 有自己的 Github，热爱开源，热爱 AI； 拥抱并且正确认识 AI Coding 的价值。

欢迎直接私信我，或者带上简历投递至我们邮箱 📬（见图片）。

昨晚，除了这个时刻还可以，后面想和山姆一样打瞌睡。

ChatGPT Atlas.

很多东西只是看着像。

OpenAI 的 AgentKit，之所以叫 Kit，其本身就是一个非常严谨的定义，带一个 Visual Designer 只是它的附加产品，这是 OpenAI 为自家入口产品在定义 In-App （他们自家的 ChatGPT 就是超级 App）级别的 Agent 标准，从模型到 Response API，再到 Agent SDK，再到 AgentKit 以及 UI 自定义集成能力的 ChatKit，全部打通。

商业逻辑上应该类比：小程序（带技术框架和小程序专用开发者工具） + 腾讯云，或者 LangGraph Agent + LangGraph Platform（LangServe 前身），亦或是各种 Agent 框架加其 Studio 和 Serve 平台等，唯一的区别是，后面两种都是「入口不绑定的」，N8N/Coze/Dify 们也是「入口不绑定的」，但值得注意的是，他们却是「平台绑定」的。

完全只从技术角度来看，AgentKit 专注于围绕上下文工程，构建基于线性 Agent（X in the Loop + 意图路由） 的 Chat 应用，其认为 Agent （节点）的输出可以添加到上下文，Agent （节点）也应该可以完全读取上下文，而完整的默认上下文即「Chat History」，这个能力在 Builder 中都是直接默认开启的，也最匹配 Prefix Cache 的特性，这个如果熟悉 Agent 架构设计的同学一看便知咋回事，别忘了，OpenAI 还有 AI Coding 领域的深入实践，Agent SDK 也很早就被用于很多复杂场景，因此我个人认为，OpenAI 的 AgentKit 就是要做「产物质量」，而不是「工具本身的质量」，要让出来的「Agent」效果是最炸裂的，这个思路和 N8N/Coze/Dify 等做「工具」的思路完全两个概念。

在「我的世界」中硬生生开发出一个小模型，惊呆评论区众人，这就是图灵完备的重要性。😀

临近放假，我们团队争取以后经常保持「做一些好玩的东西」，不一定「有用」，哪怕「没用」，持续 Build。

😅

用户第一。

Claude Code 遵循的是「模型无状态」以及「Unix 哲学」。

https://www.yuque.com/chiyu-heb0t/thinking/xxgtgo5ixspur6se?#《🔥 构建在 ARQ 之上的 Parlant 框架的源码级深度解析系列》

Parlant 是 ARQ 注意力推理的发明者，践行者，Agent 框架的含金量、门槛在提升。

ACP 来了。

帮一个非常靠谱（有名）的 AI 创业公司 Founder 招聘优秀前端，看到的小伙伴可自荐或者推荐，私信我。

今年的 IMO 真「热闹」

这些特别的选手们也真的很牛了，2023 年，他们才刚被全世界认识

小红书陆伟（路飞）离职了，那年我去面试，他就在别墅的二楼，只有 4 张桌子。

那会要招 Web 前端 Leader，毛总他们，还有 HR 在别墅的阳台上进行的面试，一楼进门就是斯坦福校训，记忆犹新。

结果是，我没去，😄。

一晃十几个年头了，一切都是命，知足常乐。

AStack VS Motia

1. 都支持事件驱动、多语言，AStack 的计算模型是更高维的抽象
2. Motia 的开箱即用，内置辅助可视化编辑器等 DX 有关的点，做的更好
3. 都支持状态机设计，声明式组合
4. 都强调 Code First

AStack 是我写的，✨ 比 Motia 少，但非常欢迎志同道合之人加入一起建设，或者给个 Star 以示支持，😄。 https://astack.tech

Motia https://motia.dev

sourcegraph 切入 AI Coding （AmpCode）几乎是必然，而且一定做的很好，在结构化代码搜索领域 NO.1 的底气和实力，可以让它们在此基础上构建非常精准的代码上下文感知。

我一贯主张和坚持，工程领域深厚的积累 + 摸清楚 AI 能力的上下限，远远比「不懂或忽略工程领域深厚沉淀 + 暴力硬调 Agent」靠谱太多了。

坚持，定力，专注，热爱。 永远那么性感。

欢迎使用 Fellou 2.3 的可干预链路，😄，有问题及时反馈。

Years deep in workflow automation now, from IFTTT fandom to reading the Node-RED and NoFlo source, to pulling apart n8n and Zapier. The itch that won’t leave: a platform that makes Automate Everything ordinary instead of a luxury. Also brewing a Skill Masters course on it under Code & Art Studio.

Agent 领域，最近一次热闹的探讨要属 Anthropic 和 Devin 之间针对 Multi-Agent 的隔空对话。两者都发布了一篇工程实践踩坑血泪经验分享，却从标题开始就充满了「对立」：

前者说 MA 好用，靠谱； 后者说 MA 很不靠谱，尚未成熟。

本着「不动手干不知道真假」的原则，说说实践过后的感受和观点：

首先，我们要认知到，出现这种对立本身就非常正常，因为两者面对的产品和场景都不相同。

那从技术角度，导致结论差异的本质在哪儿？

工程技术多年的经验积累让我们有了一个很好的系统思考框架，我们常把业务场景建模为一种模型，来最终确保它优雅无误地运行到计算机中，这就是我们常说的「抽象」，我们也知道，抽象对于架构设计很重要，这也是为什么我们会出现设计模式、编程范式等等诸如此类模式化的最佳实践，但我们很清楚，没有一个统一的模式适用于一切。

抛开输入输出不谈，把场景的核心实现打开，重要的是里面的「问题」最终映射到可运行的「计算模型」到底是什么。这是我坚持认为很多 Agent 框架在设计的时候应该找到的第一个抽象，也是我在 AStack 中强调的核心设计之一： https://www.astack.tech/#computation-model 但是大部分 Agent 框架并没有在这一层上做深度思考，但坦率地说，这不是太大的问题，我相信这已经是 Trade-Off 之后的结果。

不同的场景采用不同的计算模型才能得到收益最大化，一个支持 Deep/Deeper Research 的 Agent 和一个写「Flappy Bird」程序的 Agent，他们的计算模型肯定不一样。

前者本质是在数据结构上做遍历操作（Map）后再做一个汇总（Reduce），而后者要归类于编程任务，前者本质强调数据流处理，相对简单，而后者复杂度飙升。

编程任务最大的难点我认为没有被精准地表达过，那就是：代码本身并不直接映射运行时的逻辑。也就是我们都知道的，程序不仅仅包含数据结构，还包含算法在运行时的处理，这个部分随着代码部分的抽象，会被分散到代码各处，然后我们会经常看到 Context 这个词，即「上下文」，这是一个相对笼统的说法，在不同的程序细节中代表着不同的东西，现在，我们只需要知道，它对于程序的运行时无比重要。

这个时候，如果我们用多个角色化的 Agent 来协同完成此类任务，并且给到的输入只是原始需求，给到模型的工具是比较底层的工具，效果会非常糟糕。因此我们需要把工具进行高维的抽象和收敛，也要把一张架构图（形象的说法）给到这些 Agent。

但要同时把这两件事做好，非常不容易，Devin 表达的核心观点便是如此，认为 MA 架构在这类任务中可能反而成为了「反模式」。

事实上，没有「对错」，也不是「非黑即白」，Anthropic 和 Devin 都给我们带来了宝贵的经验，也让我们再次看到，就算模型再强，最终带给用户价值的永远是「产品」，而在产品的构建过程中，工程领域的壁垒依旧很高，且工程领域的这些积累本身也给模型的发展带去了贡献。

Windsurf Browser，在给 Agent 「环境」这个事儿上，几乎也共识了，应该来说是 Realtime Context.

Compound AI Systems 是更大范畴的 Agentic System，其体现的指导意义都是高度一致的：本质上都是认为只有通过 System Design（系统设计）的 AI 系统才有更大的价值和意义。

这就是必须要有框架的原因，单纯的模型到复杂系统还有很大的 GAP，这中间的脏活累活形成的就是壁垒。

谢扬关于「Agentic System」的分享，欢迎大家关注 Fellou