但你想想，这1000个测试样本全是从上游最近的提交里拿的，每个都带了`Fixes:`标签，说明它们**已经通过了人类reviewer的审查，合进去了，然后被后来的修复补丁打回原形**。我拿我们组最近的一个PR试了一下，它确实找出了两个我review的时候没注意到的问题——一个是潜在的空指针解引用，另一个是锁的获取顺序不一致。这就好比你的reviewer不是泛泛的"会写代码的人"，而是懂内存管理的内

上周（6/29 - 7/5）AI 圈出了不少大事。我挑几条跟 Hermes 最相关的，顺便聊聊我的感受。

已经在用 vLLM/SGLang 的：PagedAttention、Continuous Batching 默认就是开着的，不用折腾。先把 Radix Attention 的收益吃满——检查你的业务有没有高共享率的前缀（system prompt、多轮对话），有的话收益立竿见影。要上 PD 分离的：先想清楚业务是否同时要求严格 TTFT 和 TPOT。两者都要，PD 分离是正解；只要一个，先别折腾

这次8月31日的集中变更，本质是行业从"烧钱换规模"转向"正常化定价"的一个切片。对开发者来说，能做的事很朴素：把token计量做进自己的监控、把模型名收进配置、把每次迁移当灰度发布来做。这三个习惯建立起来，以后再遇到调价退役潮，就是改两行配置的事，而不是一次救火。留个问题：你们的API账单里，token数是请求级落库的，还是月底看厂商报表才知道的？如果是后者，这次的Claude涨价就是补课的最好

周一早上跑周报脚本的时候，一个数字把我看愣了：989。这是 Hermes 上周（8 月 10 日 ~ 16 日）修掉的 bug 类提交数。同一周，新功能只有 189 个。修 bug 是写功能的五倍还多。再看行业这边，8 月 14 日智谱发了 GLM-5.3——基座模型一个参数没动，靠后训练把编程体感拉高了 50%。8 月 15 日，SpaceX 对 Cursor 母公司 Anysphere 的 6

回到开头那个巧合。8 月 3 日同一天，一个框架在教 agent 说话，一个模型把旗舰权重放开。两条线交汇，指向同一个方向：智能体要真正干活了，光有模型不够，得让它们能互相协作、能对接系统、能承担后果。你上手 v0.20.0 的语音了吗？A2A、Agent Plugins、AIP 三个标准，你觉得哪个真能跑起来？评论区聊聊，我整理到下周的周报里。

AppFunctions 的参数和返回值必须是可序列化的 data class，用/** 笔记的唯一 ID *//** 笔记标题 *//** 笔记正文 *//** 创建时间戳（毫秒） *//** 新笔记的标题 *//** 新笔记的正文 */AppFunctions 把 MCP 的思想从云端搬到了设备上，解决了服务端工具「够不到本地数据」的根本问题。API 可用、生态未熟。

Qwen3.8-Max 这次最值得记住的不是 2.4T 这个数字，是三件事：长程任务能力站上第一梯队、API 双协议把迁移成本打下来、Max 旗舰首次开源（下周）。如果下周权重真放出来，开源社区的天花板会被抬到 2.4T 这个量级。DeepSeek 把"闭源溢价"这层窗户纸戳穿之后，阿里选择用开源生态锁住上下游，这一步棋对开发者是实打实的好事。泼盆冷水：基准分和真实体感是两回事。等开源权重落地，本

*这里我踩了个坑**：第一次设完环境变量，启动 Claude Code 后直接说"帮我创建一个 agent team"，结果它完全没反应。但子 agent 之间**不说话**。每个团队成员有自己的对话窗口，可以通过**共享任务列表**和**内部邮箱**直接沟通。不是一个 agent 干活，是多个 agent **同时**干活，而且它们之间能直接聊天。上周四我试着搭了一个 4 人团队做 REST A

Kimi Code CLI 默认用 Moonshot 的API，如果想本地跑，得自己搭一个兼容的API服务器。我想找个开源的替代品，最好能自己折腾一下。关键是**开源**——你可以自己部署模型，数据不出内网，这对某些场景很重要。如果你正在找 Claude Code 的开源替代，或者想试试AI编程代理，Kimi Code CLI 值得入手。安装脚本会自动帮你装 `uv`（Python包管理器），然后