让模型从 Agent 运行中学到教训：TokenRhythm 的三层设计
PrajwalTomar_ · x · 2026-09-16
作者提出一个常见痛点：agent 能找到 bug、试错三次后解决，但下次仍会犯同样错误——对话有记忆，模型本身没变聪明，大量有用的试错工作被浪费。
其方案分三部分：OpenSquilla 执行任务，TokenRhythm API 连接不同模型，NeoHorse-1 则用这些 agent 运行中的经验教训来训练模型。核心赌注在于最后一步：把 agent 的工作转化为模型本身的能力提升。
所属事件:TokenRhythm 开源 NeoHorse-1：用 Agent 经验训练 4B/9B 模型(11 条相关)→
「编程与Agent」频道最新
- 一个过期日期让 WhatsApp 回复 agent 静默罢工两天,19 条消息无人应答 — petrusenko_max · 2026-11-02
- 10倍工程师就是一个 SKILLS.md:六大工作流规则全公开 — mdancho84 · 2026-11-02
- 开发者自审 MCP 凭据代理:最大漏洞竟出在配置文件 — Relevant_Mousse_9117 · 2026-11-02
- AWS 开源 Strands Harness 宣称比 Claude Code 便宜 45%，搅动 harness 之争 — blaizedsouza · 2026-11-02
- 小米 MiMo 提出 CodeSpecWeave:用相互依赖规格合成任务训练编程智能体 — XiaomiMiMo · 2026-11-02
- Sketchy v0.1.6:图表输出比纯文本省 29% token — Nkgsporty · 2026-11-02