新播客探讨编码 Agent 决策层：本地小模型在昂贵 LLM 与代码之间路由
TheZachMueller · x · 2026-11-06
Superlinear 播客新一期与 TypeSafe 的 Jev 对谈，讨论在编码 agent 中引入一个新的「决策层」——在确定性的代码与昂贵的 LLM 推理之间放置廉价、快速的判断能力。
本期内容包括：
- 快速的 browser-use 循环演示，含 thdxr 的 OpenCode demo
- 打字时的实时反馈，含 rileybrown 的实时帖子分析器
- 团队在测试选择与本地决策模型上的实验，以及微调如何落地
- 模型、推理强度、skill 与工具的路由方案
核心问题：如果廉价快速的判断可以持续嵌入 agent 循环中，agent 系统应如何围绕它重新设计？
「编程与Agent」频道最新
- 亚马逊研究:自蒸馏让权重记忆存储用户事实达 59.9%,超越检索 — omarsar0 · 2026-11-06
- Liquid AI 决策模型追平 Jev,新版本同时上端侧、多模态与新原语 — helloiamleonie · 2026-11-06
- Liquid AI 工程师分享端侧 Agent 决策模型构建方法,逆向工程 Jev — helloiamleonie · 2026-11-06
- Nace AI 发布 50 页决策模型完整训练手册,Drex 系列开源且可本地部署 — m4rkGS · 2026-11-06
- Hugging Face 推出 Harness Adapters:按任务与框架训练专属 LoRA 适配器 — Disastrous-Work-1632 · 2026-11-06
- Harness 适配器：为每个 Agent 框架单独训 LoRA,实测 1350 次会话仅花 5 美元 — LysandreJik · 2026-11-06