Codex 开发怎么全自动执行 plan 开发的
前期 plan 好，每一轮都要去回答【继续】，挤牙膏一样，才能开发下去，佬友们怎么搞？
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 南巷里等风)
前期 plan 好，每一轮都要去回答【继续】，挤牙膏一样，才能开发下去，佬友们怎么搞？
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 南巷里等风)
This media is not supported in your browser
VIEW IN TELEGRAM
xai发布了新的语音模型，而grok imagine也改进了唇形同步和声音质量(有示例)
现在说绕口令都很溜了，马斯克确实更新勤快
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: EricCartman)
现在说绕口令都很溜了，马斯克确实更新勤快
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: EricCartman)
有没有在青岛的佬友，推荐点青岛的馆子，五一想去青岛玩，吃点特色菜
计划是五月一日晚上到青岛，然后从五月二号玩到五月五日，差不多三整天，第一天在老城区逛一逛，就信号岛那里，然后第二天去崂山，第三天目前没啥打算，应该是找美食了，有没有在青岛的佬友推荐点烧烤，海鲜或者本地菜的馆子 😘
5 个帖子 - 4 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: Ayuann)
计划是五月一日晚上到青岛，然后从五月二号玩到五月五日，差不多三整天，第一天在老城区逛一逛，就信号岛那里，然后第二天去崂山，第三天目前没啥打算，应该是找美食了，有没有在青岛的佬友推荐点烧烤，海鲜或者本地菜的馆子 😘
5 个帖子 - 4 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: Ayuann)
不知不觉我竟然已经浏览了17530个帖子
没事就在L站看帖子，看最新的信息。生怕错过了价值一个亿的帖子 😂
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: mrLi)
没事就在L站看帖子，看最新的信息。生怕错过了价值一个亿的帖子 😂
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: mrLi)
升二级了，分享一个京东云的codingplankey
pk-19c1b3a3-9431-4f1a-8bf1-5f556b7ae2be
买了没咋用，五月二号到期，各位佬友拿去登吧，刚升级的萌新没啥分享的，望各位佬不要嫌弃
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 橘猫猫猫橘)
pk-19c1b3a3-9431-4f1a-8bf1-5f556b7ae2be
买了没咋用，五月二号到期，各位佬友拿去登吧，刚升级的萌新没啥分享的，望各位佬不要嫌弃
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 橘猫猫猫橘)
佬们用什么办法分析机场是直连中转还是专线的？
各位大佬，最近想分析机场是直连中转还是专线的，看一些常见的方法是使用tracerout跟踪路由跳转。我使用结果全是(* * *)。
想请教各位大佬，有什么好的方法判断是直连还是中转还是专线的？
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: wzlin)
各位大佬，最近想分析机场是直连中转还是专线的，看一些常见的方法是使用tracerout跟踪路由跳转。我使用结果全是(* * *)。
想请教各位大佬，有什么好的方法判断是直连还是中转还是专线的？
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: wzlin)
报~英伟达的DeepSeek V4 Pro 已经可用了~
早上试了一下，竟然有回复了，但是首字很慢，大概30S左右，前几句话吞吞吐吐的，后面的速度明显提升
5 个帖子 - 3 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: press)
早上试了一下，竟然有回复了，但是首字很慢，大概30S左右，前几句话吞吞吐吐的，后面的速度明显提升
5 个帖子 - 3 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: press)
ccswitch在codex分类中配置minimax会出现404
最近刚订购了一个minimax的token plan，把apikey填上去发现，点击获取模型会出现不支持模型列表，就算手动填了MiniMax-M2.7还是会提醒提示404，这是ccswitch的问题还是minimax的问题，这minimax不还是他们家赞助商吗，怎么这个支持都有问题😒‘
这个是在codex下的，claude下应该正常
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: coolarec)
最近刚订购了一个minimax的token plan，把apikey填上去发现，点击获取模型会出现不支持模型列表，就算手动填了MiniMax-M2.7还是会提醒提示404，这是ccswitch的问题还是minimax的问题，这minimax不还是他们家赞助商吗，怎么这个支持都有问题😒‘
这个是在codex下的，claude下应该正常
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: coolarec)
龙虾不流行了吗？现在都用什么agent
想装个agent来自动操作电脑，龙虾现在没人讨论了，过时了吗，现在佬们都用什么agent啊？爱马仕？codex？还是用别的什么？
4 个帖子 - 4 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: LinuxDo)
想装个agent来自动操作电脑，龙虾现在没人讨论了，过时了吗，现在佬们都用什么agent啊？爱马仕？codex？还是用别的什么？
4 个帖子 - 4 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: LinuxDo)
之前刷的grok怎么看订阅日期
为什么我的heavy看不到订阅日期了。怎么看还有多久。
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: zhuanjiao)
为什么我的heavy看不到订阅日期了。怎么看还有多久。
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: zhuanjiao)
问问大家推荐甲骨文在美西凤凰城还是圣何塞和什么Visa、Master信用卡在银行好办理
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: info-entropy)
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: info-entropy)
突发新闻：特朗普在酒店遭遇枪战！
https://x.com/i/status/2048200238184423757
https://x.com/i/status/2048201199761916201
媒体记者们似乎还没来得及报道
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: HitC)
https://x.com/i/status/2048200238184423757
https://x.com/i/status/2048201199761916201
媒体记者们似乎还没来得及报道
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: HitC)
我的漫剧项目破千star了
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
● 我的帖子已经打上 开源推广 标签： 是
● 我的开源项目完整开源，无未开源部分： 是
● 我的开源项目已链接认可 LINUX DO 社区： 是
● 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
● 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
----------------------
github.com
GitHub - twwch/AIComicBuilder: AI-powered animated comic generator — transform...
AI-powered animated comic generator — transform scripts into fully animated videos with AI-driven character design, storyboarding, and video synthesis.
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: cturing)
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
● 我的帖子已经打上 开源推广 标签： 是
● 我的开源项目完整开源，无未开源部分： 是
● 我的开源项目已链接认可 LINUX DO 社区： 是
● 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
● 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
----------------------
github.com
GitHub - twwch/AIComicBuilder: AI-powered animated comic generator — transform...
AI-powered animated comic generator — transform scripts into fully animated videos with AI-driven character design, storyboarding, and video synthesis.
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: cturing)
Android chatgpt 你的请求出现问题解决方案！
这方法很硬。gamesgo买的4个号都登录上了。
如下:
方法: 一直快速点登录。 验证码那一步也一样。这个提示主要是升级后谷歌框架问题。我一般20几次就进去了。
虽然简单暴力，但是效果真的可以。我也是没辙了，硬钢发现的。。兄弟们可以试试，有更好的方法也可以分享下
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 米龙)
这方法很硬。gamesgo买的4个号都登录上了。
如下:
方法: 一直快速点登录。 验证码那一步也一样。这个提示主要是升级后谷歌框架问题。我一般20几次就进去了。
虽然简单暴力，但是效果真的可以。我也是没辙了，硬钢发现的。。兄弟们可以试试，有更好的方法也可以分享下
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 米龙)
codex没额度用了
佬们, 额度不够用了, 哪里有免费或者便宜的codex用啊, 上瘾了.
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: stars)
佬们, 额度不够用了, 哪里有免费或者便宜的codex用啊, 上瘾了.
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: stars)
DeerFlow 2 深度拆解：字节如何把 Agent Framework 重构成执行运行时
摘要：
DeerFlow 2 的价值，不在于“又一个多智能体框架”，而在于它把 Agent 的关键工程问题前置到了 runtime 层。与偏重 Deep Research 的 1.x 不同，2.0 是一次
彻底重写，目标从应用型框架转向可承载复杂任务的 Super Agent Harness。它的核心贡献体现在 5 个方面：运行时分层、任务级文件系统、沙箱执行、安全边
界、上下文与记忆治理。本文尝试从系统设计角度拆解 DeerFlow 2 的技术路线，以及它对下一代 Agent Infra 的启发。
正文：
判断 DeerFlow 2 值不值得研究，不能只看它“能做什么”，而要看它“怎么做”。
从官方资料看，DeerFlow 2 的第一性变化是定位升级。1.x 更接近深度研究场景的多步骤助手，而 2.0 明确转向 Super Agent Harness。这个变化意味着系统关注
点从“研究流程编排”扩展到“复杂任务执行承载”。
这也是为什么 DeerFlow 2 采用了更清晰的基础设施分层。标准模式下，系统至少包含四层：Nginx 作为统一入口，LangGraph Server 作为 Agent Graph
Runtime，Gateway API 作为配置与平台控制平面，Next.js 作为前端界面。这个拆分的意义在于，任务执行与平台治理被解耦了。前者处理状态流转和工具编排，
后者负责配置、接入、管理和部署可控性。对于要长期运行的 Agent 系统，这是比“能否做 demo”更关键的能力。
更进一步，DeerFlow 2 还提供 Gateway Mode，把 Agent Runtime 直接嵌入 Gateway。这个模式减少进程数量，降低部署复杂度，也意味着系统设计已经开始考虑
资源占用、授权依赖与自托管门槛。换句话说，它已经不只是一个研究型开源项目，而是在往生产级 Agent 底座靠拢。
从运行时设计看，DeerFlow 2 的核心不是多个 Agent，而是一个 Lead Agent 驱动的 middleware pipeline。根据官方后端文档，这条链路覆盖线程数据隔离、上
传文件注入、沙箱挂载、上下文摘要、待办追踪、标题生成、长期记忆提取、图像注入和澄清请求拦截等能力。这个设计非常关键，因为它反映出 DeerFlow 2 的基
本判断：Agent 系统的大部分稳定性问题，都不是 prompt 能独立解决的，而必须由 runtime 接管。
这类问题包括但不限于：
1. 任务链条变长后，上下文如何回收。
2. 多轮执行产生的中间产物如何组织。
3. 多子代理并发后，状态如何追踪。
4. 工具和命令执行如何隔离副作用。
5. 会话结束后，哪些信息需要沉淀成长期记忆。
DeerFlow 2 的解决方式，是把“对话式智能”提升成“任务式系统能力”。这使它的核心竞争点不再是回答质量，而是任务稳定性。
在工具执行层，DeerFlow 2 的设计也比传统 Tool Calling 更进一步。每个线程拥有独立文件系统视图，典型目录包括 uploads、workspace、outputs。这意味着
Agent 不只是远程调用一个函数，而是能在受控工作空间内处理文件、生成内容、回收中间结果并形成输出归档。对复杂任务来说，这种任务级 workspace 比零散
工具调用更接近真实生产流程。
进一步叠加沙箱能力后，DeerFlow 2 才真正具备“执行型 Agent”形态。官方文档显示，在 Docker 模式下系统通过异步沙箱提供隔离执行环境；在本地模式下则默
认不开放宿主机 bash，仅保留文件相关能力。这个区分很重要，因为它把 Agent 执行能力与安全边界做了明确绑定。很多 Agent 产品倾向于把“可直接操作环
境”包装成卖点，但 DeerFlow 2 的实现更务实：执行能力必须建立在隔离能力之上，否则系统价值会迅速转化为系统风险。
上下文工程是 DeerFlow 2 另一个值得重点观察的模块。它并没有依赖“更长上下文窗口”来掩盖复杂度，而是采用了分层策略：子代理上下文隔离、已完成任务摘
要、中间结果文件化、逼近窗口时压缩历史、长期记忆结构化存储并按需回注。这种方案的本质，是把上下文从“连续文本”拆成“工作记忆 + 文件状态 + 长期记
忆”三层。对于复杂 Agent 系统，这是比单纯增大 token 窗口更可持续的设计。
长期记忆的实现也说明 DeerFlow 2 更偏实用主义。根据官方配置文档，其当前方案主要基于 JSON 文件存储与缓存失效机制。这种设计足够轻量，适合个人和小团
队的连续任务场景，但如果进入企业级落地，围绕权限、审计、版本和记忆污染控制的能力还需要继续增强。
在多智能体协同上，DeerFlow 2 也表现出一定克制。官方实现说明对子代理数量、超时时间、后台线程池执行以及 SSE 事件追踪都做了限制。这种边界控制比“无
限并行代理”更有工程意义，因为多代理系统的失败常常不是推理失败，而是组织失败。代理一多，协调开销、同步开销和错误传播成本都会上升。DeerFlow 2 至少
在架构层面承认了这一点，因此它的多代理更像一种受控资源，而不是夸张的产品叙事。
生态兼容性方面，DeerFlow 2 也采取了开放路线。它兼容多模型提供方，并支持通过 MCP 与外部能力集成，同时提供 Skill 机制扩展任务知识和执行方法。这里
值得注意的是，Skill 不只是插件清单，而更像任务协议和最佳实践包。这个设计比简单“接更多工具”更有价值，因为未来 Agent 的护城河很可能来自更稳定的执
行模式，而不只是更多 API 数量。
如果从 Agent Infra 演进路径去看，DeerFlow 2 的代表性很强。它说明下一代系统竞争的焦点已经从单轮问答质量，转向下面这些更硬的能力：
1. Runtime 是否能承载长任务。
2. 执行环境是否具备隔离和回收能力。
3. 状态、文件、记忆是否能统一治理。
4. 多代理是否有足够明确的边界约束。
5. 平台能力与执行能力是否完成分层。
因此，DeerFlow 2 的意义并不只是“字节又开源了一个 Agent 项目”，而是它提供了一种越来越清晰的行业答案：当模型能力趋同时，真正决定 Agent 上限的，将
是系统工程，而不是对话技巧。
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: xzzpy)
摘要：
DeerFlow 2 的价值，不在于“又一个多智能体框架”，而在于它把 Agent 的关键工程问题前置到了 runtime 层。与偏重 Deep Research 的 1.x 不同，2.0 是一次
彻底重写，目标从应用型框架转向可承载复杂任务的 Super Agent Harness。它的核心贡献体现在 5 个方面：运行时分层、任务级文件系统、沙箱执行、安全边
界、上下文与记忆治理。本文尝试从系统设计角度拆解 DeerFlow 2 的技术路线，以及它对下一代 Agent Infra 的启发。
正文：
判断 DeerFlow 2 值不值得研究，不能只看它“能做什么”，而要看它“怎么做”。
从官方资料看，DeerFlow 2 的第一性变化是定位升级。1.x 更接近深度研究场景的多步骤助手，而 2.0 明确转向 Super Agent Harness。这个变化意味着系统关注
点从“研究流程编排”扩展到“复杂任务执行承载”。
这也是为什么 DeerFlow 2 采用了更清晰的基础设施分层。标准模式下，系统至少包含四层：Nginx 作为统一入口，LangGraph Server 作为 Agent Graph
Runtime，Gateway API 作为配置与平台控制平面，Next.js 作为前端界面。这个拆分的意义在于，任务执行与平台治理被解耦了。前者处理状态流转和工具编排，
后者负责配置、接入、管理和部署可控性。对于要长期运行的 Agent 系统，这是比“能否做 demo”更关键的能力。
更进一步，DeerFlow 2 还提供 Gateway Mode，把 Agent Runtime 直接嵌入 Gateway。这个模式减少进程数量，降低部署复杂度，也意味着系统设计已经开始考虑
资源占用、授权依赖与自托管门槛。换句话说，它已经不只是一个研究型开源项目，而是在往生产级 Agent 底座靠拢。
从运行时设计看，DeerFlow 2 的核心不是多个 Agent，而是一个 Lead Agent 驱动的 middleware pipeline。根据官方后端文档，这条链路覆盖线程数据隔离、上
传文件注入、沙箱挂载、上下文摘要、待办追踪、标题生成、长期记忆提取、图像注入和澄清请求拦截等能力。这个设计非常关键，因为它反映出 DeerFlow 2 的基
本判断：Agent 系统的大部分稳定性问题，都不是 prompt 能独立解决的，而必须由 runtime 接管。
这类问题包括但不限于：
1. 任务链条变长后，上下文如何回收。
2. 多轮执行产生的中间产物如何组织。
3. 多子代理并发后，状态如何追踪。
4. 工具和命令执行如何隔离副作用。
5. 会话结束后，哪些信息需要沉淀成长期记忆。
DeerFlow 2 的解决方式，是把“对话式智能”提升成“任务式系统能力”。这使它的核心竞争点不再是回答质量，而是任务稳定性。
在工具执行层，DeerFlow 2 的设计也比传统 Tool Calling 更进一步。每个线程拥有独立文件系统视图，典型目录包括 uploads、workspace、outputs。这意味着
Agent 不只是远程调用一个函数，而是能在受控工作空间内处理文件、生成内容、回收中间结果并形成输出归档。对复杂任务来说，这种任务级 workspace 比零散
工具调用更接近真实生产流程。
进一步叠加沙箱能力后，DeerFlow 2 才真正具备“执行型 Agent”形态。官方文档显示，在 Docker 模式下系统通过异步沙箱提供隔离执行环境；在本地模式下则默
认不开放宿主机 bash，仅保留文件相关能力。这个区分很重要，因为它把 Agent 执行能力与安全边界做了明确绑定。很多 Agent 产品倾向于把“可直接操作环
境”包装成卖点，但 DeerFlow 2 的实现更务实：执行能力必须建立在隔离能力之上，否则系统价值会迅速转化为系统风险。
上下文工程是 DeerFlow 2 另一个值得重点观察的模块。它并没有依赖“更长上下文窗口”来掩盖复杂度，而是采用了分层策略：子代理上下文隔离、已完成任务摘
要、中间结果文件化、逼近窗口时压缩历史、长期记忆结构化存储并按需回注。这种方案的本质，是把上下文从“连续文本”拆成“工作记忆 + 文件状态 + 长期记
忆”三层。对于复杂 Agent 系统，这是比单纯增大 token 窗口更可持续的设计。
长期记忆的实现也说明 DeerFlow 2 更偏实用主义。根据官方配置文档，其当前方案主要基于 JSON 文件存储与缓存失效机制。这种设计足够轻量，适合个人和小团
队的连续任务场景，但如果进入企业级落地，围绕权限、审计、版本和记忆污染控制的能力还需要继续增强。
在多智能体协同上，DeerFlow 2 也表现出一定克制。官方实现说明对子代理数量、超时时间、后台线程池执行以及 SSE 事件追踪都做了限制。这种边界控制比“无
限并行代理”更有工程意义，因为多代理系统的失败常常不是推理失败，而是组织失败。代理一多，协调开销、同步开销和错误传播成本都会上升。DeerFlow 2 至少
在架构层面承认了这一点，因此它的多代理更像一种受控资源，而不是夸张的产品叙事。
生态兼容性方面，DeerFlow 2 也采取了开放路线。它兼容多模型提供方，并支持通过 MCP 与外部能力集成，同时提供 Skill 机制扩展任务知识和执行方法。这里
值得注意的是，Skill 不只是插件清单，而更像任务协议和最佳实践包。这个设计比简单“接更多工具”更有价值，因为未来 Agent 的护城河很可能来自更稳定的执
行模式，而不只是更多 API 数量。
如果从 Agent Infra 演进路径去看，DeerFlow 2 的代表性很强。它说明下一代系统竞争的焦点已经从单轮问答质量，转向下面这些更硬的能力：
1. Runtime 是否能承载长任务。
2. 执行环境是否具备隔离和回收能力。
3. 状态、文件、记忆是否能统一治理。
4. 多代理是否有足够明确的边界约束。
5. 平台能力与执行能力是否完成分层。
因此，DeerFlow 2 的意义并不只是“字节又开源了一个 Agent 项目”，而是它提供了一种越来越清晰的行业答案：当模型能力趋同时，真正决定 Agent 上限的，将
是系统工程，而不是对话技巧。
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: xzzpy)