看板 AI_Art
純閒聊 前不久在軟工發了一篇這篇回ai_art發 個人算是差不多一月niji7 release後才開始比較認真研究claude code 但經過一個多月我現在用法可能已經比網路上大多數的先進了 (笑 與其FOMO 其實需要的時候再研究 自己玩一玩 做中學 上手的也挺快的 首先有個東西叫FARS https://analemma.ai/blog/introducing-fars/ 證實了全自主科研的可能性 (印象中ai_art前不久有一篇有分享但一時找不到 另外agent用起來感覺這東西肯定openai anthropic內部都在搞了 所以我索性自己來研究看看 經過幾天後 搞出了個類似24/7運作的multi agent ralph loop 這東西我把它包成一個skill 內部自帶core libary 觀看工作進度做基礎管理和提交意見用的前端 甚至還附送配合框架用的skill 不同角色負責不同工作 有人寫code跑實驗 有人review 有人上網查資料想idea 有人協調 (當然每個agent本身自己還是可以開subagent plan review等等 然後規範好大概工作的方式 以及怎麼跟人類溝通 人類意見優先 需要人類幫助時要跟人類說 支持多種後端 claude code, codex cli, cursor cli, gemini cli, opencode 稍微大方向類似的可能有 https://github.com/steveyegge/gastown https://github.com/ruvnet/ruflo 但實際細節差蠻多的而且我沒搞的這麼複雜 從頭搭一方面是學習一方面是我更了解系統到底在幹麻一方面是好客製化 說真的這時代造輪子太方便了 像是claude code remote, openclaw這些 都可以用claude code輔助搭出一個更適合自己使用場景的工具 這東西為了安全性考量當然是要在container跑 針對不同機器的container也折磨了一番 然後agents就有8xb200之類的能做實驗了 但這還不夠 畢竟我們需要多卡訓練資料處理或者有些特別難搞的環境依賴 這一部分的話就自己在container外面host一個endpoint限制好他能做的東西讓agent訪問 反正就想盡各種方法在夠安全的前提給agent加手腳 這些以前我自己搞可能要很久 但現在有claude code幾小時就搞定了 整套跑通後剩下就是等著收割 指派任務給agent他就會自己找資料做實驗寫報告 但是agent產生的artifact太多我根本看不完 只能讓他們自己總結 如果感覺agent方向走偏了 就直接讓他依照需求寫個前端給你即時給feedback 像是自己當annotator做active learning 或者好幾種不同的選項自己來判斷哪個結果更好之類的 如果說用一般用claude code是讓你感到工作的方式變了 那這一套就是讓你徹底感受到工作內容變了 從synchronous變成asynchronous 從driver變成manager agent產出的太快 人類甚至已經跟不上了 不過一開始研究這東西純用api key亂測不同方法燒了上千美元 後來迭代到現在比較成熟的版本後 大概一個team plan感覺夠給一個agent 24/7的燒 然後我還配著codex, cursor cli之類的一起用 但真的要scale up這個開銷肯定是很可觀的 (好像有些人搞了好幾個200美的plan 這比直接燒api usage便宜不少 反正這套是跑通了 剩下每個人自己體悟 再多說就牽扯太多工作內容了 我知道有人在養龍蝦來達成類似的事情 但我覺得龍蝦還是太早了 而且coding agent很夠用了 背後用什麼其實可能沒那麼重要 你讓他們做什麼怎麼合作可能更關鍵些 -- https://i.imgur.com/LKAEPG4.png -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 160.237.80.233 (日本) ※ 文章網址: https://www.ptt.cc/bbs/AI_Art/M.1772864029.A.F0D.html ※ 編輯: cybermeow (160.237.80.233 日本), 03/07/2026 14:27:41
Supasizeit: 我覺得Ralph不太好用 很多問題不是硬幹就可以幹出來03/07 15:26
Supasizeit: Agent會卡在兔子洞繞繞繞出不來 燒token而已03/07 15:26
我從頭做的不是拿Ralph 但概念不斷讓不同agent工作可能類似 這東西如果這麼容易我前面也不用燒上幾千美元試錯 他背後很多需要調整的地方 會卡在兔子洞是因為agent短期近利 然後相關背景知識不夠 這要跑通從claude.md到不同角色的prompt到給的knowledge base到工作規範方向很多地方 要下功夫 不是像Ralph loop表面說的我給他事情他自己就會完成這麼簡單 現在還沒到 ※ 編輯: cybermeow (160.237.80.233 日本), 03/07/2026 17:59:18
Supasizeit: 應該是標的物不同 我的感覺是現在的agent還是要重度s 03/07 20:18
Supasizeit: pec然後標的物很小 用龍蝦那種玩法 大多數能成功都是 03/07 20:18
Supasizeit: 抄來的 03/07 20:18
Chricey: 關節痛這種東西,比鬼還可怕! 03/07 20:18
avans: 推分享~ 03/07 21:23