Look for any podcast host, guest or anyone
Showing episodes and shows of

Dex Horthy

Shows

Keeping up with AI2026-10-1914 minWorking Draft2026-10-061h 25The Innovation Attorney Podcast2026-10-0129 minBeyond Coding2026-09-3045 minWorking Draft2026-09-291h 07The Pragmatic Engineer2026-09-171h 35Working Draft2026-09-011h 10Yelling at Robots2026-08-2526 minYelling at Robots2026-08-2233 minThe Next Token2026-08-171h 06The Weekly Dev\'s Brew2026-08-131h 39CTO Morning Coffee2026-08-041h 20Offline Dev Talks | 离线思考2026-07-2906 minOffline Dev Talks2026-07-2906 minTech Updates2026-07-2430 min跨国串门儿计划
跨国串门儿计划#638.Agent Loop 大辩论:Loop究竟是炒作还是真有用📝 本期播客简介本期我们克隆了:知名播客 AI Engineer The Great Loops Debate — Dex Horthy, Geoff Huntley, Ian Livingstone, Greg Pstrucha, @insecure-agents原内容更新时间:2026-07-17这是一场关于AI循环工程(Loops)的牛津制辩论,由《Insecure Agents》主持人Ali How主持。四位来自Keycard、HumanLayer等前沿AI公司的技术领袖分成两队,围绕"循环背后的炒作与实际效果之间是否存在差距"展开激烈交锋。正方认为循环已经足够成熟,是迈向完全自主软件工厂的关键一步;反方则坚持炒作跑在了工程纪律前面,今天的循环远未达到银弹级别。辩论从循环的历史、解剖结构一直延伸到未来,涵盖了Ralph Loop的起源、上下文腐化、语义验证、经济可行性、共享记忆安全等核心议题。如果你正在思考AI时代的软件工程范式、自主Agent的边界,或者单纯想知道该不该把循环引入自己的开发流程,这场高手过招会给你大量一手经验和尖锐判断。👨‍⚕️ 本期嘉宾本场辩论共有四位嘉宾。Ian Livingstone是Keycard的CEO兼联合创始人,长期关注AI安全与身份验证;Geoff Huntley是Ralph Loop的创造者,这一概念深刻影响了Anthropic等公司的Agent设计;Greg Pstrucha是Sentry的开发者,对代码质量和工程实践有深入见解;Dex Horthy是HumanLayer的CEO,专注于AI与人类协作的工程化方案。主持人Ali How同时是Keycard技术团队成员。⏱️ 时间戳开场与辩论规则01:09 辩论开场:循环的炒作与实际效果之间是否存在差距02:44 牛津辩论制规则:改变最多人想法的一方获胜03:20 双方立场介绍:正方认为没有差距,反方认为炒作跑在纪律前面循环的历史与起源04:47 Geoff:循环是不可避免的,我已经两年半没手动写过代码了06:56 Dex:Kubernetes花了七八年才搞对,循环也需要时间沉淀09:27 Ian:循环本来就是一切构建工作的核心,从50年前到今天都是如此11:39 Greg:炒作让你相信可以靠砸token把质量问题"编排"掉,但经济上不可持续循环的解剖结构:什么才是一个好的循环17:23 Geoff:Ralph为什么从greenfield走向通用?因为模型生成的代码比大多数开发者都好21:32 Greg:验证手段里加入非确定性,正确性就会越来越低23:26 Dex:上下文腐化与愚钝区,如何判断模型已经开始胡乱挣扎26:48 验证的矛盾:如何防止Agent通过修改测试来作弊循环的未来与软件工厂29:16 Dex:Loom实验证明,炒作跑在纪律前面,那东西现在还不行31:56 Greg:循环什么时候能回本?有些场景值,但别被Twitter带偏34:52 Ian:共享记忆的访问控制是个没解决的问题,但雏形开始出现36:44 Greg:Agent偏爱复杂性,我不放心把架构决策交给它总结陈词45:49 Greg:多尝试,自己思考,别扎进炒作泡沫里46:53 Ian:火车已经出站了,你别无选择必须跟上48:50 Dex:我热切期待关灯软件工厂可行的世界,但在此之前,用循环别那么用49:18 Geoff:类型系统很重要,Rust很好;我已经几乎不用开源软件了🌟 精彩内容💡 "我们管自己叫工程师,但其实不是真正的工程师"Geoff尖锐地指出软件行业缺乏真正的责任归属机制。在讨论Agent签名和代码责任时,他直言这个行业在个人层面根本没什么真正的责任,这让我们在引入自主Agent时面临更大的治理挑战。"我们这个行业其实挺闹剧的。我们个人层面根本没什么真正的责任。我们管自己叫工程师,但我们其实不是真正的工程师。"💡 "模型是醉的,你不能信任它们,但我们可以通过工程手段消除故障域"Geoff用"醉汉"比喻LLM的不可靠性,但强调这正是循环工程的价值所在——不是追求模型完美,而是用pre-commit hooks、类型系统、确定性测试等手段把不可靠的模型约束在安全轨道上。"我们得戴上工程师的帽子。我们现在有点像火车司机了,我们的工作就是让火车保持在轨道上。因为,坦白说,模型是醉的,对吧?你不能信任它们。"💡 "炒作让你相信可以靠砸token把质量问题编排掉"Greg直击当前AI工程化的核心幻觉:以为在循环上叠循环就能解决质量问题。他指出语义验证虽然有用,但最终产出的代码依然很烂,而且token成本在大公司会迅速变得不可持续。"当下这种炒作驱动的话语,会让你相信一件事:你可以在循环上叠循环再叠循环,靠砸更多token来把质量问题给'编排'掉。我不认为这是可持续的。"💡 "火车已经出站了,你别无选择"Ian用这个比喻总结了循环工程的必然性。在竞争激烈的市场里,没有公司能说"我们不碰循环这套东西"。问题不是会不会发生,而是什么时候发生、程度有多深。"火车已经出站了。一旦火车出站,全世界每个人都会说,天哪,我得稳住阵脚,我们得跟上别人。而且他们必须跟上。"💡 "先去想办法快2倍、3倍,
2026-07-2051 minBestBlogs
BestBlogsEP121 · Kimi K3 开源、Q2 AI 趋势、Fable 5 评测 · 07-18 早报章节时间戳00:00 开场00:41 精讲:月之暗面 Kimi K3,2.8 万亿参数开源 LatentMoE,上下文撑到 100 万 token03:33 精讲:腾讯科技 Q2 AI 复盘:通用 Agent 抢走软件入口,烧 Token 撞上复核和成本墙06:31 精讲:Cursor 评测负责人:Fable 5 在 CursorBench 拿 72.9%,登月模拟体现全局规划08:55 速览:Agent 安全事件、Garry Tan、LangChain Deep Agents、Grok Build、WAIC11:16 补充阅读:LessWrong 沙箱化、Google DeepMind、Replit、交叉熵、上下文工程12:18 结语★ 精讲一 | Kimi K3:智能的新前沿00:41|来自 月之暗面 Kimi月之暗面发布 Kimi K3,2.8 万亿参数、896 选 16 的 Stable LatentMoE,是全球首个 3 万亿级开源模型。它用 KDA 线性注意力加 Attention Residuals 把上下文撑到 100 万 token,在内核优化、从零写编译器、芯片设计等长程 Agent 任务上接近 Fable-5,但仍落后最强闭源模型,完整权重将于 7 月 27 日前开源。★ 精讲二 | Agent 跌跌撞撞进入世界|2026 Q2 AI 趋势总结03:33|来自 腾讯科技腾讯企鹅智库的 Q2 复盘把过去三个月串成一条线:通用 Agent 夺走软件入口后,企业烧 Token 的 Tokenmaxxing 运动很快撞上复核瓶颈和成本墙。Multi-Agent、自进化 AI 和 CPU 重回算力中心在补这些缺口,而就业、安全、信息污染和认知缴械开始浮上水面。★ 精讲三 | Cursor 如何知道 Claude Fable 5 已准备好应对最难的 1% 问题 | Claude by Anthropic06:31|来自 Claude BlogCursor 的模型评测负责人讲他们怎么判断 Fable 5 够格上岗:自建 CursorBench 里它拿到 72.9% 的新高,更关键的是登月模拟里它先入轨采遥测、再落地,体现出超越局部推理的全局规划能力,适合那些连目标在哪都不清楚的难题。速览08:55 更多值得关注的内容· 代理安全差距:54% 的企业已经发生了 AI 代理安全事件,且大多数仍允许代理共享凭据 — VentureBeat· Garry Tan:如何打造 AI 原生公司 [视频] — AI Engineer· LangChain Deep Agents:构建长时程 AI 应用的生产级框架 [视频] — LangChain· 世界模型为何可能提升 AI 的样本效率 [视频] — Y Combinator· 马斯克连夜开源 Grok Build,但 84 万行代码里还留着上传用户整个代码库的痕迹 — InfoQ 中文· 高价率运营 AI 工作台:约定驱动与 AI 编排的评测优化实践 — 大淘宝技术· WAIC 今日启幕,我们提前两天完整拆解 Agent 经济落地全路径 — 非凡产研补充阅读11:16 今天额外值得一读的几条· 研究沙箱化在 AI 控制中的作用 — LessWrong — LessWrong· 从研究到现实:Google DeepMind 如何重塑 AI 编程与验证 [视频] — AI Engineer· AI 时代的评分卡 — OpenAI News· Amjad Masad 谈如何以公开构建塑造 Replit 的持久影响力 [视频] — a16z· 交叉熵究竟是什么?压缩即智能第 2 部分 [视频] — 3Blue1Brown· Dex Horthy 谈上下文工程:让 AI 编程智能体保持可维护 [视频] — The Pragmatic Engineer相关链接· 本期早报在线阅读:https://www.bestblogs.dev/explore/brief/2026-07-18· Kimi K3:智能的新前沿:https://www.bestblogs.dev/article/e907b4a910· Agent 跌跌撞撞进入世界|2026 Q2 AI 趋势总结:https://www.bestblogs.dev/article/7453fddf57· Cursor 如何知道 Claude Fable 5 已准备好应对最难的 1% 问题 | Claude by Anthropic
2026-07-1812 min跨国串门儿计划
跨国串门儿计划#631.深入理解 Context engineering📝 本期播客简介本期我们克隆了:知名播客 The Pragmatic Engineer Context engineering with Dex Horthy原内容更新时间:2026-07-15本期嘉宾是 HumanLayer 创始人、“上下文工程”一词的提出者 Dex Horthy。主持人是《The Pragmatic Engineer》的作者 Gergely Orosz。Dex 可能是目前把“让 AI Agent 全自动写代码”这件事推得最远的人之一——他曾在 2025 年搭建了一个“关灯软件工厂”,让 Agent 在没有人类审查的情况下连续数月提交代码,但四个月后,他不得不亲手把它关掉,因为代码库已经烂到跑不动了。这期节目不是泛泛地聊 AI 编程趋势,而是从上下文工程、封装工程、循环工程这些正在重塑开发方式的核心概念出发,坦诚地复盘了哪些做法真的管用、哪些只是看起来很美的陷阱。如果你正在思考怎么把 AI Agent 集成到自己的开发流程里,或者想知道“让 AI 全自动写代码”的极限到底在哪里,这期会提供大量一手经验和极具操作性的判断。👨‍⚕️ 本期嘉宾Dex Horthy,HumanLayer 联合创始人兼 CEO,“上下文工程”这个词的提出者。他曾在 Replicator 从工程师做到产品经理,有深厚的平台工程和面向客户的经验。过去两年,他跟数百位 AI 工程师深入交流,并亲自带队测试了许多前沿的 AI 编程想法,对用 LLM 构建软件这件事有着极其务实的理解。⏱️ 时间戳开场 & 嘉宾背景01:20 什么是上下文工程?03:45 Dex 的编程启蒙:从 NASA 月球车寻路算法说起06:11 为什么 Dex 从第一份工作起就痴迷于“软件工厂”12 要素 Agent 宣言与上下文工程15:15 “12 要素 Agent 宣言”是怎么来的18:40 12 条原则中最关键的一条:掌控你的 context window21:54 上下文工程到底是什么?把层层抽象拆开来看22:59 为什么上下文工程最近一年才被广泛讨论24:42 成本与上下文工程的关系:先跑起来,再做对,最后再提速封装工程与上下文的物理边界26:26 什么是封装工程?Martin Fowler 的内封装与外封装28:59 上下文的物理特性:smart zone 和 dumb zone 的边界在哪30:37 信息预算 vs 指令预算:两种不同的上下文消耗01:10:03 什么是 smart zone,什么是 dumb zone?前 10 万 token 是关键循环工程:从 Ralph Wiggum 到慢循环33:28 循环工程的核心:让模型检查自己的工作36:43 Dex 团队每晚运行的“慢循环”:早上醒来看到代码变好的 PR39:13 循环工程的陷阱:代码多到读不过来,三到六个月后代码库崩溃软件工厂与暗工厂45:10 软件工厂的历史:从 1968 年 NATO 会议到 DevOps 再到 Agent 工厂50:01 Agent 化工厂如何把“人”从流程中替换掉51:42 关灯软件工厂的真相:Dex 团队 2025 年 7 月搭建,11 月关掉01:15:29 什么是暗工厂?全自动化、没有人类、连灯都没有Token Harder vs Token Smarter01:14:31 Token harder:把云订阅额度榨干,最大化 token 利用率01:16:31 Token smarter:在保持控制和质量的前提下,从 AI 榨取价值01:19:30 AI 垃圾:垃圾进,垃圾出。把思考外包出去,得到的只会是垃圾HumanLayer 与 AI 时代的协作方式01:22:07 HumanLayer 是什么?帮工程师在复杂代码库里解决难题01:23:46 我们是不是该干掉 pull request?为 Agent 重新设计 IDE01:28:44 硅谷的地理优势:人群密度让一切自然发生🌟 精彩内容💡 “你用的 context window 越少,得到的结果就越好”Dex 将 context window 划分为 smart zone(前 10 万 token)和 dumb zone(超出部分)。一旦内容堆到 dumb zone,模型就会犯迷糊、表现退化。他建议频繁进行“有意识的压缩”——把研究结果浓缩成文档,开新会话继续工作,始终待在 smart zone 里。“你用的 context window 越少,得到的结果就越好。”💡 “我们在 2025 年 7 月搭了一个关灯软件工厂,到 11 月就把它关掉了”Dex 团队真的试过让 Agent 全自动写代码、不读任何 PR。结果三到六个月后,代码库变得一团糟,重写比修更容易。他总结:模型在 SweeBench 这类基准上训练,擅长修单次 bug,但完全不懂怎么写“三个月后还能维护”的代码。“循环的问题在于,到某个节点,你会生成太多代码,多到你根本读不过来。”💡 “慢循环”:每天早上醒来,代码库都比昨天好一点点与其让 Agent 跑三天产出一个六万行的 PR 没人敢审,Dex 团队的做法是设一个 cron 定时任务,每晚跑一次,修一个问题或一种反模式,提一个小 PR。团队早上醒来看到四个小 PR,每个都能轻松审查。这是循环工程最务实的落地方式。“我们每天早上醒
2026-07-171h 34Lumeric Daily Briefing2026-07-1604 minThe Pragmatic Engineer2026-07-151h 32Agents Hour2026-07-0722 minSoftware Architektur im Stream2026-05-291h 04Build Wiz AI Show2026-03-2321 minAI Dispatch2026-03-0707 minDev Interrupted2026-02-1746 minSteven AI Talk2026-01-1215 minSteven AI Talk2026-01-1106 minInsecure Agents2025-12-1854 minInsecure Agents2025-12-0343 min跨国串门儿计划
跨国串门儿计划#168. Agent的12要素:构建可靠LLM应用的模式📝 本期播客简介       本期我们克隆了:12-Factor Agents: Patterns of reliable LLM applications — Dex Horthy, HumanLayer我们邀请到HumanLayer的创始人Dex Horthy,他以一位资深开发者的视角,犀利地指出了当前构建AI Agent时普遍存在的痛点:为什么很多Agent在演示时看起来很棒,但在生产环境中却脆弱不堪?在这场名为《十二要素Agent》的演讲中,Dex提出了一个颠覆性的观点:“工具调用”这个概念本身可能是有害的。他倡导我们应该回归软件工程的本质,将Agent视为普通的软件来构建。这意味着开发者需要夺回控制权,亲自掌控prompt、上下文窗口和核心控制流,而不是盲目依赖现成的框架。如果你也曾为Agent的可靠性而苦恼,那么Dex这套源于实战的真知灼见,将为你提供一套清晰、可行的构建思路。👨‍⚕️ 本期嘉宾Dex Horthy,HumanLayer 的创始人。一位经验丰富的开发者,深入探索了各类AI Agent框架,并从众多生产级应用的实践中总结出了一套构建可靠LLM应用的方法论。他主张用软件工程的第一性原理来解决AI Agent的可靠性问题。⏱️ 时间戳00:00:56 开场介绍 & 核心问题引入构建 Agent 的普遍困境01:53 从兴奋到挣扎:80% 陷阱与重构之路03:05 并非所有问题都需要 Agent:一个 DevOps Agent 的反思十二要素 Agent 的核心原则04:34 颠覆性观点:“工具调用”是有害的05:20 掌控控制流:为何简单的 Agent 循环不可靠08:03 掌控 Prompt 与上下文:可靠性的唯一决定因素11:10 智能的错误处理与人机交互模式最佳架构与未来展望12:44 最佳架构:在确定性工作流中嵌入小型 Agent14:45 总结:智能体即软件,夺回控制权🌟 精彩内容"工具调用"有害论: 颠覆传统 Agent 框架的核心抽象,认为其模糊了 LLM 输出 JSON 并由确定性代码执行的本质。智能体即软件: 倡导回归软件工程第一性原理,用构建普通软件的思路和工具来构建可靠的 Agent,管理其状态和生命周期。掌控控制流与上下文: 强调开发者必须亲自掌握核心循环、Prompt 生成和上下文窗口构建,这是提升 Agent 可靠性的根本,也是“上下文工程”的核心。小型专注的 Agent 循环: 提出将大型复杂任务拆解,在确定性的代码(DAG)中穿插小型、目标明确的 Agent 循环,而非一个大一统的 Agent。人机协同优先: 建议将“联系人类”作为与工具调用同等重要的一等输出选项,让 Agent 更自然地融入协作流程。🌐 播客信息补充翻译克隆自:12-Factor Agents: Patterns of reliable LLM applications — Dex Horthy, HumanLayer本播客采用原有人声声线进行播客音频制作,也可能会有一些地方听起来怪怪的使用 AI 进行翻译,因此可能会有一些地方不通顺;如果有后续想要听中文版的其他外文播客,也欢迎联系微信:iEvenight在小宇宙查看该单集文稿
2025-07-0816 minThursdAI - The top AI news from the past week2025-04-251h 36Changelog Master Feed2025-04-2109 minChangelog News2025-04-2109 minThe Changelog: Software Development, Open Source2025-04-2109 minThursdAI - The top AI news from the past week2024-11-081h 38