Factory AI Missions: Agents That Run for Days

嘿，Factory Droid 又回来了。说实话，我有一段时间没听到他们的消息了，但直到最近，他们给了我一大堆研究积分。我想，这会很有趣，可以疯狂地玩一下，看看我们能用这些任务做些什么。我现在只是在玩这个，看看发生了什么。因为这些人简直是凭空冒出来说，“嘿，有这个叫做 Droids 的东西，我们可以接受这个叫做任务的事情。”所以看起来这只是一个以目标为导向的工作，他们可以承担自己的任务。所以以前当我们检查 Factory AI 时，对于那些可能几个月前才接触我直播的人来说，他们有一个很棒的系统，基本上可以让你充分利用这些模型。所以当时是像 Claude Opus、Claude Sonnet，你知道的，基本上是 Codex 和所有这些不同的模型。一旦你把它交给他们的代理，我就能在一次会话中进行超过 1000 万个 token 的对话。所以你可以非常非常长久地这样做下去。所以这些人一直在努力，他们基本上开始打破了关于这个东西的整个概念。他们推出了一个叫做任务的东西。所以我想，对我们来说，弄清楚这是什么，会很有意思。既然我确实有研究积分，我将继续现场玩一下，因为人们说，“给我建一个 CRM”，“把这个 PHP 代码库迁移到 TypeScript”，“为未记录的 API 生成测试覆盖率”。基本上，看起来模型会将项目分解成功能，然后为每个功能启动工作者会话。然后它会协调交接，显然，并验证每一步。所以这是目前许多这类自动化编码解决方案存在的问题。所以人们已经想出了自己的办法，对吧？他们想出了自己的 Ralph loops。他们想出了不同的东西，你知道的，我现在记不起名字了，但它能让你自动化和产品化这些东西。所以我认为很多人，像你和我一样，会有很多问题。这个系统有多好？我不知道。我确实有点了解，因为我一直在稍微玩一下，因为我提前获得了一些访问权限。我不知道。我只是想现场测试一下。我认为很多人会有很多问题。它会烧光你所有的 token 吗？它会吃光所有东西吗？可能吧。我不知道。这些东西还很早。所以在一个新的界面和类似的东西中，这真的很令人兴奋。该死，Matt，你正在努力研究 Factory，是吧？在 Factory AI 上花了 10 个小时？真的吗？加油。Ray 迟到了。我要退款。我知道，我的错。我知道我现在有点晚了。所以看起来这里有一个界面，里面有正在运行的东西，我们会看看我是否能加载它，因为昨天我一直在玩 Cursor 的云代理的东西，所以我想它和这个的区别在于，这个是在你的本地机器上运行的，而 Cursor 的那个是在云端运行的，所以我想云端的那个还在运行，但它从来没有真正完成我们想要的那个工作，它让 NPC 的东西起作用了，但我会给它同样的任务，看看它是否真的能解决我的 NPC 问题。我有一个叫做 yeeball.com 的游戏，所以你现在可以做的就是，如果你现在开始一场比赛，你就可以加入我正在开始的比赛，而 AI 角色目前没有任何 NPC 行为，因为那不是我构建的功能集的一部分，因为我没有时间构建它。我花了 12 天在圣诞节前完成了这个游戏。所以我现场为你规划了它，我们在 12 天内完成了它。所以用这个游戏，你基本上可以四处走动，它是多人游戏。所以如果你真的去 yeeball.com，你现在就可以加入，你就会看到角色在移动。你可以控制其中一个角色。但唯一的缺点是，其他所有角色都停滞不前，它们无法移动。所以在昨天的直播中，我们把它交给了长期运行的代理。我想我们正在使用 Codex 5.3 或类似的东西。所以它基本上开始为其他角色添加一些 AI 行为，但它们只是来回移动，来回移动。它们的代理一直在截屏。所以看看任务在这里能为我们做什么，会很有意思，因为如果这个东西能长时间运行，生成它的进度，弄清楚我们需要做什么功能，然后自己进行测试，那将是疯狂的。所以这看起来是一个非常酷的界面。他们这里有一些正在运行的例子，看起来他们展示了 Cobalt 到 Java Spring Boot。所以这花了 33 小时进行遗留迁移。所以字面意思是 Cobalt。太疯狂了。他们从头开始进行 HTTP 基准测试。所以这是一个 Rust 工具，他们花了 23 小时完成的内部工具。生产内存泄漏调查，持续 24 小时。一个带有 MCP 集成的 Tauri React 笔记应用。该死，这太疯狂了。好的，这很酷。所以 Granola 集成遇到了真正的 OAuth API 问题，包括 403 CloudFront 和 CloudBack 端口冲突。所以 MCP 调优不匹配。这种混乱的调试无法提前预测。所以这个任务在 TypeScript 和 Rust 之间工作，通过 Tauri 的 IPC 层进行桥接，同时实现外部协议集成。所以那是 MCP OAuth 2 日历 API，超过 30 小时。该死，伙计。你能想象一下睡觉，然后设置好这个，醒来后看看发生了什么吗？好的，这很酷。所以他们基本上有一个也做持续学习的东西。所以看起来，当它在执行任务时，它会学习理解你正在构建的东西，并从中继续构建。所以这就像从提取技能到生成假设，哇，这太疯狂了。研究团队，文献综述。所以它使用得越多，它就越好。这有点疯狂。所以实际情况是，我们一直在与早期采用者进行内部任务运行，并且它具有不同的工作负载。所以普通的 Droid 会话是交互式的，快速的来回。中位数会话持续约 8 分钟，60% 在 15 分钟内完成。所以你问代理，它会回应，然后你进行迭代。而任务会话则完全不同。所以每个中位数运行大约需要两个小时，比一个小时长 65%。所以这里是持续时间。所以 40% 的会话是 1 到 5 分钟，以此类推。所以这很有意思，关于 Droid 如何能自己运行 3% 的时间超过 24 小时。但如果你把它作为一个任务，它实际上可以运行更长时间。显然，这里会有很多事情发生，并且每个回合的推理次数更多。所以任务不仅仅是运行时间更长，它们的思考方式也不同。在正常会话中，代理每分钟发送大约六条消息。在任务中，速率下降到每分钟大约三条消息，但每条消息的 token 量几乎翻倍。所以是 19K token 对比 11。所以消息速率较低。好的。所以运行构建，执行测试套件，代码检查，类型检查，以及浏览被测应用程序。任务的实际运行时间大部分花在等待实际执行上，而不是生成 token。好的，所以很多时间在这里，这很有意思。所以他们说大部分时间都在等待，这很好。我想你不是一直在烧 token。这很有意思。中等任务消耗的 token 是正常会话的 12 倍。所以在 P99，差距是 9 倍。所以 token 的消耗率大约是每分钟 45,000 token，或者任务只是持续更长时间。好的，所以不同的模型用于不同的工作，正常的 Droid 会话通常使用一个模型，所以任务使用多个模型。协调器、工作者、验证者和研究代理都有不同的工作，没有一个模型是所有这些工作的最佳选择。所以随着模型推测得更远，这成为一个结构性优势，而锁定在一个模型家族的系统将永远受限于该模型家族最弱的能力。这是一个有趣的观点。所以一个与模型无关的协调器可以在每个角色中放置最佳模型，而不管提供商是谁，并随着格局的变化而进行切换。所以对于协调，你可以使用 Opus 4.6。然后对于功能实现，这真的很酷。所以你可以使用 Sonnet 4.6，它便宜得多，或者 Opus 4.6。这是我一直想要的。我今天甚至和 Eric Provenche 谈过，我们录制了 Rate Limited 播客的节目。我们提到的一件事是，我喜欢使用 repo prompts 的东西，因为它有一个很酷的协调方法，使用 Opus 来规划其中一些事情，然后将其交给更快的模型来完成工作。所以看起来这是可以内置到其中的。还有用户测试的验证。这是我最喜欢的工作流程。我觉得我一直都在做这件事。就像我倾向于用 Opus 规划，然后用 Codex 5.3 实现和验证，这真的很棒。我还没有用 Kimi K2.5 进行研究和探索，但这可能是一个非常有趣的使用案例，我真的很好奇。所以如何使用？我们只需要输入斜杠 enter mission，然后描述我们想要构建的东西。然后 Droid 会与你一起进行范围界定，提出澄清性问题，探究限制条件。这是一个对话，而不是一次性提示。所以规划阶段是价值最大的地方。一旦你批准了计划，Droid 就会进入任务并解锁工作者。好的。所以控制、隐私和企业。好的。所以我想我要做的是，我要用我们现在正在做的那个应用程序，我们昨天在 Yeeball 上尝试的那个？所以我们正在使用 Yeeball，然后我们试图看看我们是否可以设置 AI NPC 的东西。所以让我们去看看我是否能现在就设置好。所以在这里，我要做的就是启动 Ghosty，Ghosty。然后让我再打开一个窗口，把它拉过来。糟糕。好的，很酷。工作区。让我把它放大一点，这样你们都能看到。我希望每个人都能看到。它会变得非常大。工作区，城市，工作区，我想它叫 Kickoff Chaos，是的。好的，Droid。该死，伙计。好的，我们可以做，我有 Opus 4 Max 和模型，让我看看，OpenModelSelector。所以我们有配置，我们有 4.6 Max，GLM-5，Codex。好的，很酷。所以你当前的模型在这里。让我打开它。Droid Core Model Inference 在美国。好的，Q 返回。所以，让我们看看，Enter Mission。很酷。所以在这里，自主多代理执行。任务是研究预览。我想在我做这个之前，我应该先切换到一个不同的分支。让我看看，git tower。我忘了我在这里做什么工作了。好的，所以我要做的是，我将从 main 创建一个新分支，我将称之为 Droid Mission AGI。好的，让我们看看。好的，很酷。所以，我只是在复制 main 的一个分支，我们将在此基础上工作。我们拭目以待。好的。好的。所以现在我在 main 上了，我想我们应该没问题了。好的。在 main 的基础上。让我们看看这里。好吧。所以任务是研究预览，以了解 Droid 如何在没有持续监督的情况下自主地处理复杂任务。映射、管理多个研究代理的真正用户界面是什么？是否需要代理群或并行代理？可以自主完成的任务的最大范围是什么？它如何验证？它的工作原理。描述你的目标，审查并批准任务计划。Droid 自主执行功能，并在里程碑处进行验证。所以关键概念是协调器，它在任务中进行规划；工作者，它们执行单个功能；以及里程碑，它们是具有验证的功能组。所以不适用于简单任务，专为复杂的、多步骤的工作设计，运行数小时甚至数天，自主运行，与常规会话相比，token 使用量显著更高。让我们开始吧。好的，很酷。所以现在我们有了这个绿色的小任务预览，看起来我们有工作者模型在这里列出，说“嗨”，然后是验证者模型，也说“嗨”。所以让我们看看，如果我输入 model，我能输入 model selector 吗？好的。所以对于协调器，我想使用 Opus。我真的很喜欢 Opus，但我认为我可以使用 Opus max。然后对于工作者模型，用于实现功能等。我也真的很喜欢 Opus。我想我会这样做的。我也将使用 Opus Max。然后对于验证者模型，我将使用这个带有 Codex Extra High 的，因为 Greg Bachman 说 Extra High 很好。好的，所以现在我们已经设置好了，所以 OrcaShader 模型 4 max 工作者模型 4 max，然后好的，我们按下 escape 或 Q 返回。有多少人从 Opus 切换到 Codex？我不知道，伙计。那会很有趣。我知道很多人都在同时使用它们，但说实话，我在 Droid 中使用 Opus 模型方面确实取得了很大的成功。无论 Droid 在做什么，自从开始使用 Droid 以来，他们不知何故找到了某种方法，可以使模型在上下文压缩方面非常具体，以及整个酱料。我实际上采访过 Factory 的 Luke，他谈到了一些关于它如何能够进行长期会话的事情，所以看看它的表现如何，这将非常有趣。后端是用 Rust 编写的，使用 space FaceTimeDB 的框架，它实际上在做多人游戏。前端是用 Next.js 编写的，并使用 Phaser 进行游戏开发。我以前从未写过任何游戏的东西，所以这是我的第一个游戏。我花了 200 美元在 Cursor 上花了 12 天完成了这个，那是在 11 月份，或者不，是圣诞节前 12 天，所以是 12 月份。所以我们现在要添加 AI NPC 功能，因为它还没有发布。我把它放在了另一个分支上，但它并没有像我想要的那样起作用。所以我要看看这个 Droid mission thing 是否真的能为我们完成它，对吧？让我们看看。好的，所以我想我要做的就是说，我想让我的角色成为 AI NPC。现在，它们只是有 AI 标签，它们实际上并没有移动或做任何事情。当一个玩家加入游戏时，他们只是在这个游戏中操纵自己，而他们却什么也做不了。我之前已经制定了一个计划，但我从来没有来得及实施。那是在 Cursor 的规划部分区域，所以我实际上想看看你是否能帮助我调查并为我实施这个计划，因为这里有很多活动部件，从 SpacetimeDB 的东西到前端，甚至角色传球的方式等等。好的，那么我将按下 enter。让我们去执行任务吧。好的，所以进入了任务模式。Christian Codes，你好吗？我的工程背景是什么？你想听实话吗？我基本上是个清洁工，兄弟。不，不，不。我的背景很厉害。所以，是的，我在苹果工作了将近 13 年，从 2010 年到 2023 年。那太疯狂了。我参与了早期的 iPhone，我想是 iPhone，iOS 5 之类的东西，一直到早期的 Apple Watch 时代，每年的更新，健康，很多不同的东西。我参与了低级，内核级的东西，硬件集成，软件集成，一直到操作系统层。软件，我与设计团队合作，为他们提供软件，我得以在幕后了解很多很酷的东西，我得以去实验室，把装有软件的 Apple Watch 交给 Johnny。我做了很多很酷的事情。所以我接触到了公司很多方面，因为我主动积极，我说，我就要这么做。如果没人负责，谁在乎？没人会挡我的路。所以我就是这么做的。所以我扮演了很多角色，并推动了堆栈上下很多事情。在我离开之前，我可能是公司里排名前三的 bug 报告者。我关心一切，对吧？所以我真的会构建项目并创建补丁或回滚不同的标签，只是为了看看哪里出了问题，然后告诉人们你的代码在这里坏了。修复它。我不拥有代码，但你应该在这里修复它。给你。你需要的一切都在这里。你知道的，这帮助我学到了很多关于系统如何工作的知识，是的，现在我基本上可以在网上免费做这些事情了，你知道的，很高兴和你们在一起，所以这很有趣。所以，是的，这就是我所拥有的，我有很多产品经验，你知道的，从非常深入的技术到非常高级的用户界面反馈设计等等。我不是设计师，我会说我更像是一名工程师，但确实，令人疯狂的是，我甚至辍学了，这就是令人疯狂的地方。所以我去上学，我没有意识到我有阅读障碍，很多老师认为我很懒，我认为我很懒，我只是觉得，你知道的，有些事情很容易做到，所以技术对我来说很有意义。所以这就是它现在正在做的事情，它将开始查看并激活其中一些内置的技能，它将尝试找到 NPC 的计划，它将看到，哦，我找到了，你知道的，它将尝试在这里查看。所以这是在它进行的时候，我们只是稍微跟上一下聊天。我可以看到这里的上下文窗口。所以这真的很酷。让我们看看。但是 Droid 真的很贵。就像 Cursor 一样，Codex、Claude Code 的价值更好。他们需要一个更好的模型。所以，我的意思是，Droid 是一个框架。所以你可以自带 API 密钥，对吧？所以你可以，我不知道你是否可以在任务中使用你的 API 密钥，但你可以使用现有的模型。所以我想这个任务特定的东西只在他们的 Max 计划中可用，每月 200 美元或更高。所以很多企业客户都在使用这些计划，因为他们每月花费数千美元。所以我想如果你花 1000 美元，你就会得到，我想是 1000 美元的 token 或 1 倍的乘数。所以取决于你选择的模型，你可以从中获得更多。之后可能会很昂贵，但我觉得这与其他提供类似 token 的公司没什么区别。我还发现，在使用这些模型时，缓存非常积极。所以这很好。你可以有一个会话，然后继续进行规划和实现，而无需打开新的标签页或打开新的东西。这实际上也为你节省了 token，因为你不需要再次支付重新读取所有文件的费用。所以这也很酷。所以这看起来它实际上发现了我的工具链在这里，SpacetimeDB，并且我找到了现有的计划。所以，我找到了我现有的 Cursor 计划。所以这是优先级为五的项目。所以我甚至没有提到 P5，因为我想，如果你看了昨天的直播，你会看到的。所以现在它在问我范围。然后我们将进入 AI 角色、难度和环境。所以这就是我们正在做的事情。所以现有的计划有四个项目。P5 一是 AI 模块，带有状态机。所以它有空闲追球。所以它对我的代码库进行了一些调查，正如我们从上面看到的。它甚至告诉我它在想什么，这非常有用，对吧？所以我喜欢它告诉我一点点它在想什么的方式。所以很好，我有一个全面的。好的，这太棒了。所以这个现有的客户端有四个项目。你想要全部四个，还是我们应该专注于自主 AI 行为？我想要全部四个。我想让这个东西运行 10 个小时，就像我兄弟说的，对吧？那会很酷。所以我们将处理所有四个项目。好的，那么 AI 角色。对于 AI 难度行为，所有 AI 玩家是否应该表现相同，无论角色如何，还是不同的玩家应该有不同的行为？例如，守门员从不靠近球门。是的，是的，当然。基于角色的行为，当然。这太棒了。AI 难度是否应该可配置，还是暂时只有一个合理的难度级别？我想说足够好玩就行了。我喜欢它，它实际上提示了我，这个单一的难度级别。是的。SpaceMDB 目前是本地运行的，还是我需要考虑在工作流程中启动它并发布模块？它正在运行，只需构建和发布。是的。我需要考虑启动它并发布模块。不是运行完整的启动序列。好的。完美。很酷。所以理论上，这个 Droid，它目前已经进入了任务，现在应该能够利用这些信息并为我实现功能，这很酷。就像，我之前定义了一些功能，而且我认为这也会非常有趣，顺便说一句，我将有多少计划现在交给那些我半途而废的计划？因为我的大部分努力是，好吧，现在我必须更详细地定义我的计划。所以我希望这基本上能让我完成更多的项目，特别是如果它正在进行这种程度的问答，因为我通常会做这些很棒的架构计划，但实现总是会失败，但如果我有一个带有 Opus 4.6 max 的协调器将其交给 5.3 codex 进行一些验证，然后返回 Opus 并进行这种往返，那将是我不必做的很多事情，这很酷。所以让我们看看这些快速的里程碑，它为我做的。所以有四个项目，基于角色的行为，单一难度，需要完整的启动，这是我的里程碑思考。所以里程碑一将是服务器 AI。所以这是 AI 自主行为，这是球，所有服务器端 Rust 工作。所以它将创建 AI.RS 模块，并带有状态机。所以它们将有空闲球，追逐，防守球门，支援进攻，返回位置，并实现基于角色的移动，守门员在球门附近，后卫在中场区域进攻。好的，这真的很酷。然后里程碑二将是 NPC 控制。所以这是战术控制。服务器端减速器加上客户端热键系统，一到五个键来指挥 AI 队友。Phaser 可视化指示器显示你正在指挥的队友。我想说，让我们看看。我希望 NPC 被自主控制，而不是由人按不同的热键来指挥 AI 队友。它应该就能工作。我们想得有点太复杂了。我想起了 8 位任天堂时代，那些角色只是四处走动，玩起来很有趣。这就是这里的想法。至于里程碑，我认为我们需要更多的里程碑，因为我们还有一些前端工作要做，这些工作将连接所有这些并成为整个循环的一部分，我认为只有两个里程碑对我来说似乎太少了，不是吗？好的，我们来做吧，完美。Manuel，你好吗？我评论有点晚了，我还在稍微跟上。所以你是一名软件工程师，但现在你不认为自己是软件工程师了吗？正确的。是的，Ezra，基本上我是一名工程师。长话短说，是的。但现在我更像是，就像代理工程师，这甚至没有意义，因为 AI 和代理是最近才出现的事情。我是一名工程师。我觉得这些界限正在模糊。我是一名企业家。我是一名创始人。我不知道。有很多不同的事情。所以企业家并不一定意味着你拥有工程背景，你知道的，CTO，有所有这些不同的东西人们想随意使用。我只是一个能把事情做好，能发布软件的人。如果有人雇我为他们公司工作，我会把事情做好，并且会发布软件。我不在乎，没人会挡我的路，我不知怎么做到的。所以，把我放在，我被安排处理过价值数亿美元的问题，而且不知怎么的，在几天内就解决了，你知道的，而且是非常严肃的事情。好的，明白了。放弃热键系统。AI 应该完全自主，就像 NES 足球一样。你想要更细粒度的里程碑，并正确地规划前端工作吗？是的，我想要，实际上。这是我修改后的三个里程碑的细分。所以我们有 AI 玩家移动，然后我们有 AI 球的玩法。所以所有玩家都踢足球。所以添加球的交互，AI 追逐球，捡起球，射向球门，传给队友，守门员处理射门，服务器 AI 直接操纵球的状态，很酷，还有 AI 客户端的打磨。所以前端工作是 AI 踢球和传球动画正确显示，目前只为本地玩家触发，确保精灵方向和跑步动画流畅工作，调整 AI 行为使其感觉有趣，不过于激进，不过于被动，就像 NES 足球一样。完美，好的。这个三里程碑的细分对你来说可以吗，还是你更喜欢不同的方式？看起来不错。我们就用这三个吧。是的，我认为现在这样就可以了。就我个人而言，我可能想要更多，但我很好奇它将如何为我们分解。这三个里程碑足够吗？因为这是它在着陆代码后进行测试的时候，我也想真正看看它是如何工作的。我的 OpenClaw 怎么样了？哦，顺便说一下，这太棒了。让我来告诉你。我只是想看看现在发生了什么，然后我们等待的时候，我会告诉你 OpenClaw 的情况。所以现在基本上是开始执行，它将进行一次运行检查。它将进行本地共享时空。我想我已经为它创建了单独的分支。所以这样它就不会直接进入主分支。那会很酷。好的。所以，是的。所以它正在查看 cargo。好的。一切看起来都很好。所以现在让我运行验证就绪的干运行。这是 Droid 的一个新功能。它们有一个验证就绪功能。所以它们将对我的存储库进行干运行，看看我的实际东西是否有什么代理浏览器可以访问并执行某种启动序列。实际上，我需要小心。启动 SpaceSideDV 需要运行一个后台守护进程。让我先检查代理浏览器是否可用，然后我应该验证代理浏览器是否可用。好的。所以所有构建工具都通过了。让我运行一个验证干运行检查以验证启动。好的，很酷。这真的很酷，是的，是的，我现在是一名建造者了。就我的 OpenClaw 而言，我有一个关于它如何运行的细分。让我们看看，验证。好的，我将让它运行一会儿。所以我的 OpenClaw 太棒了。我有一个个人设置在我的 Mac Mini 上，就在这里。那个 Mac Mini 基本上存储了我所有的 ChatGPT 和 Philanthropic 的记忆，对于不熟悉的人来说。我现在正在使用 NVIDIA 给我的 DGX Spark，以便我可以学习并看看我是否能获得更长的记忆。所以我有点像，我可以获得现成的东西来帮助我处理记忆。我目前已经实现了 QMD，它已经内置在 OpenClaw 的框架中。所以它目前允许我们搜索我们所有的记忆。但我也想导入我的 Slack 消息，我的电子邮件以及大量其他数据。这是一个巨大的数据量需要索引。而且 QMD 可能无法真正帮助我们，因为有一些特定之处，我猜他们称之为时间推理，但基本上它的效果是说我有一个 Hoka 鞋，这是我最喜欢的东西。然后你所有的聊天都说 Nike，但你最近才开始喜欢 Hoka。如果你搜索我最喜欢的东西，很可能因为我的 Nike 和我过去的聊天数据太多，它可能会被认为是我的最爱，因为它看到我告诉 Bob，你知道的，Nike 是我的最爱。而它就像，好吧，最近 Ray 说 Hoka 是他最喜欢的东西，也是他唯一穿的。他不再穿 Nike 了。所以数据和任务中还有很多其他细微差别仍然需要，你知道的，我希望将这个变成一个内存系统的项目。所以这就是我用我的个人 OpenClaw 正在做的事情。我正在将 Spark 项目变成一个可以在 Spark 上加载本地模型并本地处理数据的项目，因为很多公司收费高达每月 20 美元，而且一旦你有像我这样的大型数据集，很容易每月 500 美元起价，而且随着你不断将更多数据放入该系统，价格会更高。这就是我不想有的长期锁定，我只想有一个本地运行的机器，可以轻松处理这些数据并做到这一点。所以这就是它的去向。我还有另一个 OpenClaw，它运行两个代理，它实际上在 AWS 的 EC2 实例上运行，它基本上在运行我的业务。所以 API 密钥和与业务相关的各种东西都在那里。然后与我一起做生意的那个人，我的商业伙伴，她基本上负责并向代理提出这类问题。所以这更容易，因为它是共享工具，共享工作区，Notion API 和所有这些很酷的东西将它们连接起来。所以我将在稍后分享更多关于这个的信息，因为我将在周日有一个关于这个的直播，那会非常精彩。所以全栈，已验证，SpacetimeDB，代理浏览器都有效。好的。所以这是基础设施。这个项目没有自动测试套件。我不测试，兄弟。我只是发布了生产版本，兄弟。通过代理浏览器进行用户测试，启动游戏，创建比赛。好的，很酷。由于这是一个 Phaser Canvas 游戏，在不同时间间隔进行屏幕截图的视觉验证将确认 AI 的行为。这很棒。所以这是我们的测试策略。由于这个项目没有单元测试运行器，验证将是类型检查，Spacetime 构建，以及代理浏览器或屏幕截图。游戏渲染一个 Phaser Canvas。这种触摸方法对你有效吗？是的，有效。让我们开始吧。很酷。是的，我来了。很酷。所以有了这些经验，你认为这个领域的未来会是像 Claude、Codex Claude 那样，我们不再需要编码了吗？我认为这个东西的未来还有待确定。我认为拥有能够利用 AI 的角色的人将拥有很大的自主权。就像数据金融人士现在非常疯狂，因为他们不再需要实习生为他们编写 Python 代码了。他们只需要支付 Opus 的快速版本，因为他们每小时已经通过他们的财务决策赚取数千美元。所以他们只是想要一个非常快的模型。他们只会支付 Opus 4.6 的快速版本来处理他们的 Excel 电子表格。然后它会瞬间写出 Python，然后开始提取数据并做事情。你可以用一个像那样快速的模型做到这一点，这太不可思议了。所以我认为角色的形状以及 AI 的利用肯定会改变那些人。是的，Quen 3.5122b 是我一直在关注的东西，但模型参数可能对于 Spark 来说太大了。所以这就是为什么我一直在关注不同的，就像结合不同的东西。所以这就是它的情况。像 Anthropic、OpenAI 和 Google 这样的 AI 公司会停止共享他们的模型，并将它们只保留在他们自己的应用程序中吗？在某个时候。我不知道。我认为猫已经跑出来了。就像人们已经在训练这些输出了，以及所有这些疯狂的东西。所以，是的，我不知道。Rust？是的，我肯定认为自己是一名建造者。我喜欢建造。所以这就是它的情况。好的，所以我们进去看看。好的，那么它说了什么？它说了什么？它说了什么？所以现在我们进入了我们的任务，AI NPC 自主行为系统。这是我们的计划。我将为 YeeBall 中的 NPC 玩家实现完全自主的 AI 行为，这样当前插入的 AI 控制的占位符就会移动并追逐球，踢球，传球，并踢出可识别的街机足球，灵感来自 APS 和 ESWord Web。所以现有的 AI 标志在比赛玩家标记空槽，但触发零行为。当然，这是一个占位符。这个任务创建了一个服务器端 AI 模块，带有状态机。所以基于角色的定位和球的交互逻辑，所有这些都由现有的游戏滴答计划减速器驱动，每秒 30 帧。所有 AI 玩家将在每个滴答时更新他们的位置、速度和朝向角度，客户端将通过现有的 SpaceMDB 订阅加上 Phaser 插值来渲染它们。所以这是范围。所以我们有我之前计划中概述的内容。不在范围内的内容是 NPC 热键，因为那最初在那个计划中提到过，难度配置，以及聊天机器人集成。对于第一个里程碑，我们将有 AI 移动。所以在这个里程碑之后，AI 玩家将明显地在场上移动，对球的位置做出反应，然后这是不同的定位，守门员将在球门附近，后卫在中场，前锋在中场。这是游戏滴答集成。所以这真的很酷。然后第二个里程碑，我们将有 AI 球的交互。所以在这个之后，AI 玩家将踢出可识别的足球，所以他们将实际得分并传球。所以当球未被拥有且在他们的区域内时，AI 将进入追逐球状态，所以不是所有人都同时追逐。所以最接近的合格玩家将优先获得，以防止聚集。然后踢球，传球。所以这是我昨天用 Cursor 制作的先前计划的问题，就像我没有，这没有得到很好的指定，这就是我试图修复的 bug。它昨天并没有真正解决它，因为东西仍然会聚集在一起，我稍后会向你展示。然后这是状态转换。所以干净的状态机转换，带有适当的滞后，以防止状态之间的闪烁。好的。然后我们将有 AI 的打磨。所以在这个里程碑之后，游戏感觉就像 NES 足球游戏一样打磨和有趣。所以这是目标。所以我们希望它更打磨一些。所以这是 AI 踢球和传球的东西，行为调整，边缘情况处理，视觉打磨。我喜欢模型正在为我们弄清楚这些东西。所以我认为这里的目标是看看，模型是否会兑现它的承诺，进行所有这些规划和东西？因为我以前做过这些计划。你可能也做过，对吧？而 Opus 会说，“嘿，一切都完成了，绿色的勾号”，对吧？我甚至会放一个绿色的勾号表情符号。所以如果它完成了，我不知道。你们，我们现在有 AGI 吗？我不知道。就像，在聊天中告诉我。让我们看看我们有什么。所以这是工具链。我们有 Rust，Bun，以及 Next.js AppRouter，对吧？我们已经启动了 SpacetimeDB。从我的项目中获得了所有这些东西。所以这是一个现有的项目。我们不是从零开始的。我们正在接手我去年 12 月制作的一个游戏，并重新开始。希望它能为我们带来成果。所以这是被禁止的东西，然后是代理浏览器用户测试。所以它实际上会启动浏览器和所有东西。好的，那么让我们继续进行提案。让我们开始吧，家人。该死。好的，这看起来不错。所以协调器是 4.6 max。我们有工作者，它也将是 4.6 max。验证者实际上将是 GPT-5.3-Codex-Extra-High。所以 Codex Extra High，在我个人的测试中，我发现它是一个非常非常好的模型，用于验证代码。有时也用于编写 Next.js 前端代码，效果也很好。对于 Rust 后端的东西，Opus 一直很棒。所以我不认为我们需要很多代码，说实话，但我们会看看。所以任务已批准，现在它将创建所有工件，并从检查现有的 Factory 结构开始。好的，所以这有两个子代理目前正在后台运行。我们可以按向下键查看，然后我想有一个方法，如果我们按向下键，我们有 worker one，然后 worker two。然后有一个方法，我想，让我们看看，这是调用工具，进入不同的视图。我忘了那是什么了。Shift-tab 禁用。问号获取帮助。所以，自主性，哦，哦，哦，哦，哦，哦，哦，我的错，我的错。实际上，让我把它缩小一点，这样我就可以看到了。所以，这里有我们所有的基本快捷键，用于导航，用于任务预览，/intermission，好的，导航，很酷。好的，Control-V，Control-S，escape，好的，让我们看看，问号。抱歉。好的，所以这里我们有创建验证合同，创建验证 stake，创建代理 mddir。好的，所以它只会做这些。任务批准。好的，Shift tab。Control G。是的，Control G 将带我们进入任务控制。所以这就是我们在这里看到的。然后这将开始启动它的东西。所以如果你回去，让我稍微，我将把它放大一点，这样你们都能看到。好的。所以现在有一个任务，这些是当前的工人。所以这将枚举 AI 断言，枚举 AI 球赛断言，这将枚举客户端打磨的东西。所以我们有，是的，四个子代理目前正在后台运行，这是它们目前正在消耗的上下文。所以如果我进去，就像我想看看其中一个工人正在做什么，我按下 enter。所以这是其中一个工人目前正在做什么。这是最新的输出，基本上是说研究代码库，匹配生活方式，AI 行为，玩家占位符，所以它正在查看所有这些文件。所以我可以通过按 F 或按 K 来强制杀死它，或者按 escape 返回。所以我将按 escape 返回。让我们看看另一个在做什么。所以这个正在探索客户端代码。所以这是其中一个工人正在做的事情，它正在探索客户端代码，然后这个正在探索所有 AI 球交互和机制的代码库。所以这是我找到我的服务器代码和减速器以及所有服务器状态的地方。然后这个工人正在做一些事情。路径。看起来它只是在遍历游戏场景。好的，很酷。是的，这是枚举所有。是的，所以这很酷。所以它基本上会遍历。一旦它创建了验证合同，这就是我们现在的位置。接下来它将进行验证状态并创建它。然后它将创建功能来理解映射是什么。然后它将创建一个 agents.md 文件。然后从那里，它将创建不同的技能。所以看起来它将创建一个 Rust 服务器工作者和一个前端工作者。所以这是我的存储库特有的。所以这个代理本身现在将创建这些新技能。这是所谓的任务的承诺之一，它将创建自己的技能。所以它运行的时间越长，它就会创建自己的技能。这就是我们之前读到的。所以，是的，所以这是当协调器分析新任务时，它会识别可以捕获为可重用技能的模式。所以工作者在工作时会改进和扩展技能库。所以任务在你使用得越多，它在特定领域就会变得越好。所以这很酷。所以，因为它已经知道我正在处理一个特定的领域，那就是启动我的 Rust 进程和我的前端东西。然后当它可能会创建一个 AI 技能用于 NPC，然后弄清楚那是什么，然后它将开始任务运行。好的，很酷。所以它将在这里做它的事情。我们将在这里等待。加油，Ray。哦，是的。所以，顺便说一句，如果你现在正在观看这个，并且想稍后回来，我将提供时间戳。这目前将是一个点播视频。所以直播结束后，你可以回去，我会在里面放所有的时间戳，你可以去看看。Obsidian 是王道。哦，那是给另一个的。Ship to local hosts。兄弟，这是唯一的发货方式。说实话，如果你让 AI 写单元测试，它写得很好。是的，当然。但我认为这超出了单元测试的范围。你看到它实际上会打开一个浏览器。它确实会尝试理解我的存储库在做什么，甚至为它编写技能。所以这将非常有趣。我尝试过 GLM-5 吗？我想知道 AI 黑暗办公室何时会饱和？我还没有对 GLM-5 做足够多的事情来评价它是否很棒。我正在等待它提供自带密钥用于这些任务。那会很酷。所以这个协调不是我构建的。这是 Droid 内置的功能，我们现在正在检查它。它是否类似于 Claude Code 推出的 Agents Teams 功能？我认为这有点不同。我认为，不是有点不同。实际上有很大的不同。而这个，这里的区别在于，正如你所看到的，我们可以让不同的模型做不同的事情，对吧？所以协调器有它自己的模型。工作者有它自己的模型。验证者有它的模型。而 Claude Code 的那个实际上不会即时构建技能，对吧？它不会做我们能够做的很多其他高级事情，就像他们为单个代理谈论的那样。所以我想这就是这里的秘密武器，就像它在运行它的东西时是自我改进的。而且不仅如此，它还制作了

功能，组织它，然后尝试将其与它正在做的所有事情联系起来。所以它很可能会感觉比实际拥有更大的背景。所以输出，这个 130 万个 token 的输出，它缓存了 2.21 亿个 token 用于缓存，输入是 3k。所以这运行了 32 小时。这太疯狂了。这太疯狂了，因为我过去常常和我的机器人进行长达数天的会话，并且会有数百次聊天，你知道我基本上用了，我想我最多用了 12 到 13，甚至可能 2000 万，但我有一个人在我的 Discord 上几乎达到了 1 亿。这太疯狂了，仅仅一次会话就有点不可思议，所以这很酷，这很好，子代理产生了详尽的断言枚举，让我阅读他们的输出文件并开始并行创建工件，好的，酷，所以现在它会有一些文档或其他很酷的东西，这太棒了，我正在等待，好的，你构建了编排吗？好的，嘿，我错过了开头，哦，文件收割者，我们所做的就是基本上我们浏览了实际的工厂任务，并试图理解这一切是什么，并试图回顾他们能够做什么的一些细节，它是如何泛化的，它是如何工作的，会话持续时间是如何工作的。所以 40% 的会话通常持续一到五分钟。但由于这是一个更大的功能，我感觉我们将会落在这个时间范围内。持续时间超过 24 小时的任务仅占所有任务的 14%。所以，在所有这些任务中，大多数任务都在一到两天的时间范围内。然后其他更大的任务落在这里，正如你所能看到的，它是如何工作的。我不敢相信有些任务运行了两周，这太疯狂了。所以每个回合都有更多的推理，所以这是另一件事，所以它们不会运行更长时间，但它们实际上每分钟会发送六条消息，所以在一次任务中，速率会下降，就像在这个特定的东西中，而不是每分钟发送六条消息，它实际上会下降到三条，但就像他说的那样，它携带更多的 token 重量，我们将看到的是，就像其中一些 token 基本上描述了模型的上下文，这样我们就可以看到它在做什么。就像模型有上下文，因为这是最大的问题。许多模型会丢失每个新聊天的上下文。所以你可以看到，看看所有这些验证状态，它创建了。所以它为我们创建了这些断言，并将它们设置为待定。所以这是人们试图做的事情，我认为是 B-MAD 方法和其他所有人们正在做的方法。但就像我思考这个问题的方式是，这基本上是一个疯狂的拉夫循环，字面上的饼干，是的，所以这显然是更受控制的，而且不像你只是告诉它进入循环然后忘记它，它本身就像我们所做的，在最开始，我们所做的就是说，这里有一个我正在处理的功能，它还没有真正完成，你能把它作为一个任务来接管吗？然后它为我们生成了一个计划，并且在那个计划生成之后，它就有点告诉我们它要做什么。它会告诉我们它是如何分离事物和里程碑的。所以我的想法是，就像，如果你不是项目经理，如果你以前没有习惯过软件发布，这是一种你可以开始描述你想在应用程序中做什么的方式。它会为你制定一些测试方法。它会制定一些项目管理方法。但你也利用了 Droid 的一些能力，它允许你进行这些长对话，你知道，这种压缩和所有那些东西。它将基本上从这些模型中获得最佳性能。另一部分是，就像有人说，这与 Claude Code 的区别在于你有多个模型，对吧？所以如果我想为所有事情都使用 GPT-5.3 Codex，然后就像我说的那样，如果你想使用 Kimi K2.5 进行一些规划，那也是你可以做的。我认为他们提出的这一点非常有趣。我个人还没有这样做，但这似乎是他们在这里底部所说的。所以对于编排，我们可以使用 Opus 4.6。我喜欢这个模型。但对于功能实现，我们也可以使用 SANA 462，顺便说一句，对吧？那是一个便宜得多的模型。它有一个更大的上下文窗口，但你并不一定需要它，尤其是对于这些类型的事情。然后对于验证，你可以使用 5.3 Codex。火，对吧？这是研究验证的东西。所以这真的很酷。我们在这里。所以是的，我们看到它创建了一些断言。这是验证合同，我从所有四个子代理那里获得了详尽的研究。现在让我综合并创建所有任务工件。我将并行处理这些。所以对于 AI 运动，我们有这个验证。所以 AI 玩家仅在交互式游戏状态中移动。AI 玩家在位置大厅、半场和完成状态下保持静止。在第一和第二半场，AI 玩家在进球庆祝、3-5、暂停期间将从其出生位置视觉上移动。AI 玩家冻结，然后这是证据。截图，大厅，静止，截图，游戏移动，截图，半场，所以这已经在为我们和每个特定部分定义和编写测试了。这太疯狂了。我认为它正在将这些保存到任务文件中。所以它有这些类型的东西。所以现在我们有了验证状态，它现在将创建功能，这满足了映射。然后它将进入代理，然后这将是它所做的。所以这是在任务开始前需要完成的大量工作。你可以看到它在做什么。所以现在让我创建功能 JSON。所以这些都是功能，创建一个服务器端 AI 模块。所以这是基于我们之前制定的计划。现在它实际上将其形式化为一个实际的 JSON。所以这可能是被传递下去的。这可能就是他们所描述的，我完全不知道。我下周将在 Factory AI 总部现场。我将与他们一起进行一次赞助直播，这将是惊人的。所以我将要飞过去。我正在与他们协商的是看看我是否能从他们那里榨取大量的 token。因为我希望有大量的 token 来让你们也参与进来，对吧？所以我能够为研究目的获得一些东西，并且我可以随心所欲地说。这是我的直播。这是你的直播。所以对于赞助直播，我想在旧金山进行一些现场活动。所以我将飞过去，我将尝试看看我是否能获得一些 token 给你们，因为我很想让每个人都开始尝试它。我想看看人们在做什么，比如酷的事情，疯狂的事情。它在你的工作流程中起作用吗？因为我真的很喜欢 Factory。我非常喜欢他们。我从一开始就喜欢他们的模型。很多人直到每个人都开始使用它才真正知道他们的东西有多好。我认为他们之所以在基准测试中得分很高是有原因的，这有点不可思议。他们的工程师也很棒。所以这将是我的机会与他们交谈。我想问更多问题，因为我非常好奇。我还想知道你们有什么问题。我觉得，让我知道你们有什么问题，因为我想在下周交给工程师。所以下周四，我将在城里。我明天从夏威夷出发，我将在本周末在旧金山。所以明天我有一个火爆的 IRL 直播，周五和周六与 Ross Mike 和 AJ。我们将去一些 Waymo。就像我会让我的兄弟现场录制。这将是疯狂的。所以这将是惊人的。所以是的，我将尝试看看我是否能做到。我想尝试从他们那里榨取一些 token。所以也请在聊天中评论，你知道，给我一些 token 或其他东西，因为我想给他们看一些截图，说我的人想要 token，你知道，如果你不想要 token，那么我不会问的，但我的意思是，每次我喜欢做赞助直播时，我都喜欢确保你们也得到照顾，所以是的，这真的很酷，所以这是它在做，说好的，让我们看看发生了什么，我将首先处理超级聊天，因为超级聊天优先于所有人。Scott Townsend，非常感谢你的超级聊天。我一直很欣赏你在直播中。你一直是长期听众，经常出现并分享知识并与我们一起度过时光。很高兴看到 Droid 取得了如此大的进步。这是个好消息。我认为这是个好消息。而且我认为，伙计，这些人一直在默默地努力。就像他们刚出来一样，就像在每个人都发布了他们所有那些长期运行的代理之后。而他们只是有点像，就是这样，对吧？所以显然，如果他们发布了什么东西，我就会看它，因为过去的经验，显然。但就像，这是我早就获得了早期访问权限来玩的东西。而且，你知道，他们也给了我一些研究 token 来玩。所以如果有人给我一些免费 token，我会在直播中烧掉它们。然后当我稍后进行赞助直播时，就像下周，我将在那里尝试从他们那里榨取一些免费 token，以便我可以给你们，因为当我们一起构建时，这更有趣，对吧？因为我觉得如果每个人都能和我们一起构建，就像上次一样，我真的很感激。所以看到这是一个巨大的进步，这是个好消息，是的，这将会是疯狂的，是的，嘿，速率 token 会很棒，如果他们真的测试了这个，我也会报名参加他们的 200 计划。我认为这将会是疯狂的，给我最大化一些，我知道所有的 token，拜托。是的，token，token，token。让 token 像雨一样落下，对吧？我很想让 token 开始与 Factory 合作。我切换了云代码，用一些 token 说服我切换回来。我同意。是的，拿到 token。Droid，我们需要一些 token。是的，token，token。虽然 MCP 使用现有订阅，疯狂运行 100 小时。我认为是的。你好，刚加入聊天。我需要观看第一部分来赶上。Rubanks，基本上这第一部分就是字面意思地大声朗读这篇介绍任务的博客文章和上面的一些 X 帖子，因为我认为这只是一个总结。Matan 涵盖了这一点，然后还有一些实际的 UI，对于那些正在查看的人来说。我认为这个设计目前还没有。我想要这个设计。我想要这些条。它们太棒了。然后我认为这里的工程师之一说，开始在我的 100 多个文件 PR 上使用任务。感觉很小。所以一个 50 字的提示现在变成了 100 个文件更改，在我睡觉的时候。所以这将非常有趣。我非常好奇看看，就像采用现有的功能集，看看它是否真的能为我们修复它，因为你可以看到它如何为我们创建所有这些不同的测试和 bash 脚本来执行。所以让我创建工作者技能和库文件。所以这里它正在创建实际的 Rust 服务器工作者。所以这是我们之前谈过的一个技能。所以我们之前谈过的一件事是，代理可以自我改进。所以它将拥有这种持续学习的东西，这有点不可思议。它得到一个任务，它尝试执行，它观察发生了什么，然后它学习，然后编码它的技能，然后它回来。所以对我来说，这种反馈循环就是 AGI 所承诺的，对吧？就像字面意思你可以把它放出来，给它一些模糊的任务。它为我们生成一个计划，我们审查并批准了，然后它就出去了。我们学到的另一件事是，你也可以选择不同的模型。所以编排模型将是一个模型，就像对我们来说，Opus 4.6 max，但然后我们可以为这里不同的事情使用不同的模型，所以我想，模型在哪里列在这里，是的，所以你可以有不同的，甚至是 Kimi K2.5，我还没有为研究和探索做过，但这将是一个非常有趣的使用案例。所以是的，显然你可以设置隐私控制，以及开放式问题，好的，这太疯狂了，让我们看看还有什么。Razor G man，谢谢，我很感激。让我们看看，酷，哦，所以你提到 Clawde 可以做到这一点很有趣，部署 Spark 来侦察，然后部署一个团队，验证，扩展，创建计划，对抗性分析。它也做学习的东西吗？Codex 实现。所以你基本上可以使用 Clawde 作为无头代理。我很想看看这个工作流程。他们有任何基准测试吗？我很想看看，就像把其中一个 Clawde 代码的放在这里，就像与这个相比。然后也像你消耗的 token 是多少？如果它，它是否与 droid 的 token 和缓存相似？因为我非常想知道那会是什么样子。是的，在 EC2 上运行 Open Claw 的每日成本加上 AP 成本。我运行 EC2 实例，对我来说最好的 EC2 实例是每月花费 20 到 30 美元，因为我需要更多的内存和更多的处理能力，我一直在更新，我一直在做很多事情，它运行两个代理，所以这就是最终发生的情况，这也是我得到 Mac Mini 的原因，我不知道为什么，但它在 Mac Mini 上运行得非常流畅，它非常快，低调地，我想再买一个 Mac Mini，只是为了再有一个 Mac Mini。我喜欢云的东西，但它不一样。推广到 Mac Mini 并控制一切非常容易，对吧？所以我会有一个个人的，我有一个商业的，对吧？这就是我想要分离的原因，就像任何与业务相关的任务都将放在 Mac Mini 上。然后另一个 Mac Mini 就是我的个人相关任务。我不想让代理和 API 密钥和访问权限等东西跨越界限，对吧？你可以在一个实例上拥有多个代理，但它们也可以共享工具等。所以这就是我为我的 Open Claws 考虑的隔离方式。让我们看看发生了什么。明白了，谢谢。是的。嘿，你好吗，伙计？哟，我们在外面放松。运行数天意味着更好的结果吗？那是正确的。非常正确。你看到光标使用的云计算机下降了吗？是的，如果你看了我昨天的直播，这就是我们实际上在追逐的问题，完全一样。所以光标/代理，我给你看。所以在这里，昨天我们尝试做 AI 行为系统，这是它昨天的尝试。这就是我们将要做的，与相同的那个进行基准测试。所以这是完全在云上运行的，我给你快速看一下，除了，好的。也许，我想我可能需要重新启动一切。让我们看看，本地主机。所以我可以开始一场比赛。所以服务器仍在运行。这是正在运行的光标代理的服务器。我不知道。让我们看看。开始比赛。好的。所以我们将看到 AI NPC，它目前正在运行，这是昨天与光标的尝试。所以我们昨天确实尝试了完全相同的任务。这就是结果。所以它做了它的事情，但就像测试的数量一样，我没有得到很多关于这里测试的见解。作为一名玩家，我甚至不能再抢球了，所以这是一个我不会发布的特性，因为我甚至不能拿到球，你知道吗？这是我们昨天的。所以我要把控制权交还给代理，然后我实际上会，是的，去这里。这是我们昨天在直播中为同一件事制定的计划。这是我们正在做的范围。我们做了同样的事情，我们告诉它我们只是想让它工作，它，你知道，验证基本上是更新状态工作并反映这些事情，验收标准只是一个检查。所以从我能看到的不同之处在于，每个阶段不一定有相同的验收标准，但每个阶段没有验证和学习，并且弄清楚直观地接下来需要发生什么。从代码完成的角度来看，是的，代码是完整的，但从游戏交互的角度来看，这是另一回事，它并没有真正为我解决。这是 Codex 5.3 High。所以当这个运行时，你可以看到这是我们做的。我们从这里开始，我们给它一些信息，它说，我认为我们不需要热键。然后它修复了那个，然后它运行了 30 分钟，这就是它运行 30 分钟时所做的。它只是告诉我们它改变了什么，如何测试这些更改，它已经为我们启动了。然后我说，更改看起来很棒。我确实看到了 AI 工作，但 NPC 却走了。它们最终都挤在一起了。这是我们遇到的问题。就像，哦，我已经更新了计划，专门针对 AI 拥挤。让我来修复这个问题。然后就像，是的，请修复。然后两分钟后，它仍然不起作用。所以抓得好。行为意味着当前的防拥挤过度。然后我只是说，是的，请修复。继续迭代，无需我的批准。不要犯任何错误。那就是全部。就像，那就是我们得到的，那就是你现在看到的。所以就像，不是所有这些都采取相同的处理方式，这就是为什么我非常好奇看看我们的 Factory AI 环境将为我们创造什么，因为这里的许多测试似乎都很有希望。它甚至在我们到达那个阶段之前就谈到了防拥挤行为。所以我们还没有开始任务。所以满足覆盖率通过。好的，所以这是它正在做的。好的，酷。所以让我们继续向下滚动。它在做什么？它在做什么？好的，现在我需要删除这里的重复描述，因为它已经存在了。实际上，让我看看我的编辑。我看到旧文本了。好的，等等，更仔细地看，我替换了这里的小线条。好的，所以有一些东西。所以它只是在更新我们的验证合同计划。以及这个证据截图，以及它将要做的事情，并更新这些小任务。这很酷。所以这些是我以前在 Linear 或 Into 中跟踪的东西，我以前试图写自己的系统来处理这些事情，但现在它们内置在任务中。所以我真的很想看看它将如何真正发挥作用。所以让我提交 Factory 基础设施文件，以便工作者可以访问它们，然后清理临时研究文档。这很酷。所以现在我们在这里。好的，所以所有工件都已准备就绪。这是我在开始执行之前的摘要。所以 26 个验证断言，分布在四个领域。所以这包括移动、球、客户端以及实际的跨区域。有六个功能分布在三个里程碑中。所以我们有 AI 移动，有两个功能，AI 球类游戏，有两个功能，AI 润色，有两个功能。我们创建了两个工作者技能，仅在这个规划过程中。然后我们有启动的服务，因为有一个后端服务器启动，它是 SpacetimeDB，端口是 3000。我们有 Next.js 前端应用程序，它实际上在端口 2001 上。1。然后我们的验证将是审查已完成的两个审查通行证。然后覆盖率已满足。所以现在它开始任务，这目前正在运行。我们可以看到这是当前的里程碑。所以这是关于 AI 移动的。这就是我们之前谈到的第一个阶段，关于功能，就像功能一，功能二或里程碑一，里程碑二，里程碑三。然后这就是我们现在的位置。所以这是六个中的一个。我们可以看到它在这里跨越，这是它使用的工人。我们可以按 Ctrl 进入。所以 Ctrl。这个 Ctrl 界面基本上向我们展示了正在发生的事情。让我把它放大一点。所以我们可以看到到目前为止，它已经缓存了 490 万个 token，而输出只有 58,000 个 token。所以这将是我们的仪表板，我们将监控一切的进展情况。这些是功能。所以，是的，我们正在处理功能一，这是基础。我们已经完成了。现在我们正在转向 AI 移动，这很酷。然后这是当前活动功能和进度日志。所以 25 分钟前，我们有了那个会话，那些工作者启动了。我们有不同的工作者并行完成，下面显示了 AI 移动中的活动工作者。所以如果我们想进入功能，我们可以按 F。所以这将显示我们正在处理的功能，我们已经完成了什么。如果我想按 Enter 查看我们一直在做什么，这实际上显示了，就像这个实际的会话。这实际上非常流畅。然后下面显示了，就像工作者会话。如果我按 Escape 返回，我们有这个。所以这真的很放松。然后我可以回到，你知道，正在进行中的事情，我可以看到我们正在做什么。所以这将实现移动。所以我可以继续深入或退出，通过进入和退出这些不同的视图，并查看它将使用的验证步骤。这显示了它目前正在做什么。所以如果我想查看 transcript，我可以按 Enter，对吧？所以如果我在这里按 Enter，我可以看到实际的 transcript，这可以显示，就像代理一行一行地在做什么。所以如果你想看看它调用了什么工具，你可以深入研究，它甚至显示了正在运行的模型和正在运行的会话。所以这里显示实时，所以它目前是实时的。然后你可以按 G 前往顶部。所以我可以按 G，这是最顶部的。我认为，这就是为什么人们说它可能，或者这就是为什么他们可能在他们的文本中说它使用了更多的 token，是因为这里是它实际传递的东西。所以它传递了那个 JSON，它将额外的上下文传递给代理，因为当这些代理唤醒进行那些会话时，它们可能不知道它们正在处理一个更大计划的一部分。所以这是他们在这里布置的东西。它加载了任务工作者的技能，一个 Rust 服务工作者技能。它说这是一个 Rust 服务工作者，并告诉它我的文件路径以及我的技能文件在哪里。所以它正在做所有这些事情，这真的很酷，它在代理启动之前给了它很多上下文。所以当它在工作时。所以这个功能在这里结束了。我将按 Escape 返回，按 Escape 返回。所以这目前正在进行中。然后这是我们正在做的事情。所以我们现在正在处理八个功能中的第二个。所以 AI 移动已经实现。这实际上工作得很快。所以我们去 W 来查看工作者。我们看到当前正在活动的工作者。如果你曾经使用过任何类型的终端东西，当你使用 TMUX 和这些各种东西时，你通常无法跟踪这些正在后台运行的线程。所以这就是它的作用。所以我们可以看到它们，我们按 Tab 键进入下一个视图，或者我们按过滤，你知道，做那些事情。所以我们的下一个视图是任务模型。如果我们再次返回，所以我们可以去 M 模型，这将显示我们正在使用的模型。所以验证器模型在这里，工作者模型在这里，然后我们实际上跳过了审查，跳过了用户测试。这很有趣。酷。然后如果我们按 Ctrl G，它将带我们回到编排器。所以这是编排器视图，这就是我们开始的。所以就像，你可以看到你可以一直深入到看到所有这些细节级别，因为这里确实有很多事情在发生。Joe，再次感谢你的超级聊天。我真的很感激。我认为我将放弃 NEI 编码。我对 Lepto 的 Rust Warnt Wasm 框架持乐观态度，甚至 Opus 也被击败了。AI 只是在损坏的测试和错误之间循环。我绝对可以看到这一点。我非常好奇这个，这就是为什么我想为你们弄到一些 token，因为我认为我认为每个人的工作流程，取决于你在做什么，我认为不是一切都会在一夜之间被取代，就像人们承诺的那样，但这种东西通常是煤矿里的金丝雀。所以就像，这是展示技术现在是如何被整合在一起的，但是是由一些随机的人整合在一起的，就像这些人已经被证明在行业中设定了 AI 编码的趋势，尤其是对于 AI 代理。我们看到了最初的，就像去年，去年夏天，他们发布了压缩的博客文章，直到我们开始大量使用它，没有人谈论它。所以你们首先获得了这个，现在这些家伙正在使用这种技术进行长期运行的代理，我很好奇看看，你知道，他们花了大量时间进行研究，所以下周当我去他们的总部时，我将尝试拉一些工程师来问他们更多问题，比如，这里的秘诀是什么？你们在想什么？你们对更长远的未来有什么看法？这就是为什么我认为每个人都玩这个也很重要。我深受启发。非常感谢你，伙计。我所做的就是玩这些东西。回到解决它。不错的特性，但这个有效。所以这是今天的问题，我认为我们需要在那里获得一些 token，我认为人们需要开始在你们的工作流程中使用它，对吧？我真的这么认为，我认为人们需要开始玩这个并理解它的含义。顺便说一句，Mike，你可以在后台做双重声音。我有一种感觉，你应该现在玩暗黑破坏神。让我们看看。Codex Spark 通过跟踪会话的持续性来充当外部内存。我很想了解这种技术，Tyler。这真的很有趣。你总是分享有用的信息，伙计。猜猜怎么了。我从每天花费 Pluromax 订阅到三四天，现在可以持续一整周。好的。我需要弄清楚那是什么样的，伙计。酷。这真的很棒。好的。好的。麦克风。暗黑破坏神在麦克风里玩。好的。所以我们有正在进行的任务。我们有，我将按 Ctrl G。现在是 3 点 24 分。我需要在六分钟内离开去做一些划桨运动。这里阳光明媚的夏威夷很美。今天是我在这里的最后一个晚上，因为我明天要飞回加利福尼亚。所以是的。我现在要做的是让这个任务继续进行。所以我们将比较，就像云中的 Cursor 代理如何接受那个计划？我们看到了实现，NPC 角色有点卡在那里。Droid 任务会更好吗？我们会使用多少 token？嗯，你知道，我们将要比较的是什么？它们甚至可以比较吗？这与 Claude Code 版本相比也具有可比性吗？你知道，我们能得到同样的结果吗？它和它一样聪明吗？我不知道。我觉得这是对正在发生的事情的一个有趣的初步观察。我将尝试留意。我将有一个 Luma 活动即将到来。如果你在旧金山，我将在城里，我将在本周六进行一次 IRL 直播。但下周，我正试图与 Factory 合作，促成这次合作，以便我们赞助一次 IRL 活动。所以旧金山现场，我想尝试看看我是否能为每个人获得一些 token。所以即使你不在旧金山，我也将尝试为你们获得一些 token，这样我们就可以开始玩这些东西了。告诉我你们有什么问题。在评论中留下。在直播中也留下。这样我就可以回顾它们。如果你在 Discord 中，一定要在 Discord 中留下。因为我想为每个人提供大量的 token。因为我觉得有很多问题。你知道，这个 token 的消耗是多少？目前它只使用了 66,000 个用于输出。缓存了 600 万个 token，对吧？而且这里涉及很多不同的模型。这个任务已经运行了 5 分钟 26 秒，对于活动工作者来说，但整个计划我认为已经运行了将近半个小时了，对吧？所以我们 32 分钟前开始了这项任务，它布置了所有东西，我们通过了计划来尝试做这件事，所以这将是，这将是非常有趣的。兄弟，我还有一个问题，我必须在四分钟内离开，你用什么键盘？哦，这是 God 的旋钮键盘。它叫什么名字？是的。旋钮键盘。我有推荐码吗？我想我没有这个的推荐码。是旋钮键盘吗？旋钮键盘。旋钮点设计。这个，这个家伙，低调机械键盘。太棒了。它花费了大约 400 美元，这可能是你花过的最好的钱。感觉很好。我告诉你不要买，因为你妻子会发脾气，但我不知道如何购买。我不确定你是否能证明它，但祝你好运。祝你好运，兄弟。但是的，我感谢你们收看直播。所以请继续关注，明天我将旅行，但周六，与 Ross Mike 的 IRL 直播。如果你不知道 Ross Mike，他现在是 Comdex 的开发者关系人员，低调出名。我们还有 AJ。我们将乘坐 Waymo，做一些疯狂的事情。我的兄弟会给我们录像。我们将四处走动，与人们交谈，参加黑客马拉松，在那里制造一些骚动，等等。所以让我们看看是否有最后的问题。你的设备切换屏幕，那是什么，兄弟？这个东西基本上是 Rodecaster Duo。我将做一个完整的分解。实际上，我可能会做一个……这个星期天，我将有一个 AMA 直播，所以我想我会做的。我得走了，准备一下。好了，伙计们。一会儿见。非常感谢你们收看。留下。告诉我你们是否想要 Factory 的 token。我们得去榨取它们。我只需要给他们一份名单，然后说，这些人想要免费 token。我们必须拿到它们。我们必须开始玩这些东西。这真的很疯狂。我认为这真的很棒，他们有点像他们典型的风格一样发布了它，没有太多炒作，他们只是说，我们来了，这里有一篇博客文章或类似的东西，然后我们就走了。所以这就是情况。所以，好了，伙计们，我得走了，一会儿见。让我们开始烹饪。和平。