跳到正文
全部播客
HIS.FM / LISTENIron Giant:Grok Bot 的 Harness|看看外面
0:00—:——
正在加载音频…

EP.062026.11.1917 分钟1 个来源

Iron Giant:Grok Bot 的 Harness|看看外面

很多人用大模型搭自动化 Bot,还是把写作、路由、评判和审批都塞给同一个模型。Iron Giant 的这篇长文换了个拆法:把昂贵模型留在「写」的位置,把高频小判断交给便宜的结构化决策层,再用 Harness 把规矩写进代码和文件交接里。这期我们按原文的六个部分,从基础架构一路看到三个实战案例和上岗前清单。

看看外面

本期内容

  1. 全能单兵的代价,以及 Harness 的六件套

    作者开篇指出,把写作、路由、评判和审批都交给同一个模型,是许多 Grok Bot 又慢又贵、跑久了还容易失控的原因。他主张拆成四层:Grok 负责写,Jev 负责判,Harness 负责管,Swarm 负责扩。Harness 被定义为围绕模型的循环、工具、记忆、红线和验收;作者还举了 Cursor 在不换模型、只升级 Harness 后,用 Agent 蜂群重写 SQLite、合并冲突大幅下降的例子,并列出总控 Chief、五字段契约、共享工作区、三道门禁、交接文件和行动日志这六部分。

  2. 把高频判断交给 Jev,把策略留在代码里

    作者认为 Agent 循环里大多数轮次不是在写,而是在做小判断,却常被送进昂贵大模型。他引入 TypeSafe AI 的 System One 模型 Jev,按带类型约束的问题返回结构化概率答案,支持单项选择、打分和是非题。文中给出了与 Grok 对比的定价和延迟估算,并强调用确定性阈值做卡控,例如破坏性操作概率过高就挂起审批。最值得先迁过去的,包括读哪些文件、用哪档模型、是否安全、是否完成,以及上下文里该留还是该丢。

  3. 蜂群协作:交接文件与三道门禁

    进入 Swarm 后,作者给出的拓扑是一位 Chief、几支专职小队和一条共享总线,并总结五条规矩:按瓶颈而不是按应用招人、从「Chief 加一位专员」起步、用工作区和单一讨论串沟通、重活交给隔离环境里的 Cursor Cloud Agents、由中立的 Merge Agent 统一落地。每项任务结束必须写标准交接文件,否则视为未完成;对外操作要过来源、证据和行动三道门禁,发送、发布、付款、删除或签署都先以草稿等待人批。

  4. 三个实战案例:收件箱、内容生产与编码蜂群

    作者给出三个可对照搭建的例子。收件箱分诊里,Inbox Bot 定时拉取邮件,交 Jev 判断归属、紧急度和是否要真人先看,Routine 默认静默,Chief 只在固定时间汇总。内容生产引擎把调研和写作隔开,草稿先按清晰度、证据和开头吸引力打分,终稿由人审批、绝不自动发布。编码蜂群由 Grok Bot 任技术负责人拆工单,每个可测单元对应一个 Cursor Cloud Agent,高风险命令先问 Jev,测试通过后再交给 Merge Bot。

  5. 上岗清单、每周审计,以及落地时的局限

    添第二个专职 Bot 之前,作者要求先核对总控、契约、目录、决策与写作分工、三道门禁、Merge Agent 和默默运行等事项是否就位,并设计每周审计来检查交给 Jev 的决策比例、空转的 Routine 和越界写入。搭建顺序是先建 Chief,再定契约,接着搭工作区和门禁,接入 Jev,最后才加第二个 Bot。口播结尾也指出:Jev 的误判需要持续校准,文件交接的维护成本并不低,且方案依赖 TypeSafe AI 的 Jev 与 Cursor Cloud Agents,复用时要评估集成成本。

本期据中译稿转述,英文原文备查。文中 Jev 的定价与延迟、与 Grok 的单次决策成本对比,以及 Cursor 用 Agent 蜂群重写 SQLite、合并冲突从七万多次降到一千次以下等数据,均据作者原文,未作独立核实。方案明确引入 TypeSafe AI 的 Jev 与 Cursor Cloud Agents,在其他技术栈中复用时需自行评估替换或集成成本。

片头/片尾音乐:Gemini(Lyria)生成

本期提到

文字内容采用 知识共享 署名-非商业性使用-相同方式共享 4.0 许可。