推特热议「code」:Codex、GitHub、开源
2026-11-09 的统计中,「code」在中文推特上有 40 条相关推文、36 位作者参与,累计浏览约 50万,当天 24 个热门话题中排第 11。讨论里出现最多的相关词是Codex、GitHub、开源。我们收录的推文共获得 2,837 次点赞、回复、转发和引用,互动最高的一条来自 @DDJCXX(1,423 赞、102 转发)。
「code」热门推文
按浏览量排序,展示前 10 条。
- 1
油条@youtiao99 · 2026-11-09 05:59你生日快到了,朋友给你准备了4份礼物,只能选一个。 1. Codex 终身无限额度账号 2. 一个10万真实粉丝的X账号 3. 直接获得清北的毕业证 4. 直接给你100万人民币 兄弟们,你们选哪个?
- 2
硅基废话@DDJCXX · 2026-11-09 06:15想用 Claude Code、Codex 做游戏、做 3D 的,这 7 个开源 Skill 建议收藏: 1.Claude-Code-Game-Studios(约 3.7 万 star) 把一个 Claude Code 变成游戏工作室,49 个智能体分工做策划、程序、美术、测试,Godot、Unity、虚幻都能接。作者拿同一份需求做了 4 款,都跑起来了。 https://t.co/E5LRStzt0t 2.agent-sprite-forge(约 5400 star) 定好一张角色图,它把站立、跑、跳、攻击、受伤一个个做成循环动画,打包成 Godot 和网页游戏能直接用的素材。有简体中文说明。 https://t.co/fwUVvKma9R 3.teardown(约 2600 star) 问它摩托车发动机怎么转,Claude 做出一个能拆开看的 3D 模拟页面,零件在转、数字在跳,还能录成 60 帧视频。 https://t.co/KrZ50vP95c 4.blender-skills(约 780 star) 28 个 Blender 技能,建模、贴图、绑骨、动画、渲染全流程,每个脚本都在真 Blender 里测过。要装 Blender 5.2。 https://t.co/SO7pxcv2q1 5.3D OS(约 3500 star) Scenario 开源的一整套 3D 工作室,80 个技能。大部分要接它家平台,驱动 Blender、Unity、Godot、虚幻、Roblox 的那部分不用。 https://t.co/ky4JkG6v9c 6.prompt2rig(约 530 star) 打一句动作,视频模型先演一遍,再把动作套到 Mixamo 角色上,手指都能动,能导进 Blender 和 Unity。要 fal 的 API 和一张 N 卡。 https://t.co/ou9Y9lrS5n 7.open-3d-skills(约 300 star) 8 个做 3D 网页的技能:纯代码搭 three.js 场景、跟着滚动放的影片、机器爆炸图,做完自己开浏览器检查,再录成视频。 https://t.co/xa06k9vwSO
- 3
泊舟@bozhou_ai · 2026-11-09 12:20给用 AI 朋友推荐一个账号:全球网络安全联盟 GCSA 的官方号 @GCSA_COM。 vibe coding 最大的坑不是代码跑不起来,是跑起来了但有洞你不知道。他们和港大刚出了一个叫 SecVibe Code 的工具,专门给 AI 生成的代码做攻防检查,自家的安全 Agent 在 CyberGym 上跑到 91.3%。 平时发的也不是通稿,是真在抓漏洞。上个月 BlockBeats 搜索页被人注入脚本,iPhone 用户什么都不用点钱包就会被盯上,是他们发现并通知修掉的。 旧账号 @gcsahk 停更了,关注新号就行。
- 4
向阳乔木@vista8 · 2026-11-09 05:34跟风体验下 T3 Code,界面设计和交互都很好啊! 初始化会把 Claude 和 Codex 的会话线程都导入进去,无缝衔接。 下载地址见评论区 https://t.co/FYD4T2YvCO
- 5
Leo · Building w/ AI@leo114119 · 2026-11-09 02:15Commandcode 的 deepseek v4.1Flash 被实锤是自部署模型: Command Code GOAT 订阅, dsv4.1 CPA显示实际模型是deepseek-v4.1-flash-dedicated 首字慢,缓存也不高。。。 https://t.co/M8Vboqcm3Q
- 6
杨小乱@yxl44 · 2026-11-09 15:19Github这个项目太无敌了,20万星标!!! codex、Claude Code、Grok Bot都不用续费了!!! 目前地球上最好用的Agent控制电脑项目 不用截图识别,也不用傻乎乎地模拟鼠标坐标 直接读取系统无障碍接口,识别桌面应用里的按钮、输入框和菜单,再让 AI 自己点击、输入、滚动、执行操作。 更重要的是: · 支持 macOS、Windows、Linux · 支持 Claude Code、Codex 等 AI Agent 工作流 · 提供 CLI 和 MCP 接口 · 支持 60 种命令,覆盖窗口、键盘、鼠标、剪贴板等操作 · 基于 Rust 构建 这才是 AI 桌面自动化该有的样子。 以后 AI 不光能帮你写代码,还能直接打开软件、操作界面、完成任务。 问题来了:当 AI Agent 真正拥有电脑操作权限,传统 RPA 自动化还有多少生存空间? GitHub 开源项目: https://t.co/OJTRJCatm7
- 7
托米tommy@TommyLin777 · 2026-11-09 02:54卧槽,给大家看看我平时用 Codex + CAD 接单有多简单🤣 这是我自己训练的 CAD Skill,配合一段非常简单的提示词,就能根据客户提供的参考图生成对应的 CAD 图纸。 不需要写一大堆复杂的 Prompt,直接把需求丢给 Codex,让它自己干活就行。 当然,生成完还是得检查一下尺寸、标注和图纸规范。 现在越来越觉得,AI 时代真正重要的不是你会写多复杂的提示词,而是能不能把工具调教好,真正拿来解决问题。 能交付的 AI,才有机会帮你赚钱!
- 8
Smartpig@Smartpigai · 2026-11-09 09:46LangChain 最新提出一个观点:未来真正强大的 AI Agent,必须学会异步工作。 这可能是 AI Agent 发展中一个被低估的转折点。 过去,我们与 AI 的交互基本都是这样的: 提出一个任务 → AI 开始执行 → 等待结果 → 再提出下一个任务。 即使背后的模型再聪明,这种工作方式依然存在一个明显的问题: 当 AI 正在执行复杂任务时,它往往无法及时响应你的新需求。 比如,你让一个 AI Agent 分析 100 份行业报告。 它可能需要 20 分钟才能完成。 但在这 20 分钟里,如果你突然想补充一个要求,或者希望它同时整理竞争对手的数据,怎么办? 在传统的同步执行架构中,主 Agent 可能被长时间运行的工具调用或子 Agent 阻塞。 新任务只能等待。 这显然不是一个理想的智能助手。 而 LangChain 正在尝试改变这种工作方式。 01|从同步执行到异步 Agent LangChain 在文章《Agents Are Going Async》中介绍了 Deep Agents 的异步子 Agent 架构。 核心思路其实很简单: 让一个主 Agent 负责沟通和协调,让多个子 Agent 在后台独立执行任务。 主 Agent 不需要等待每个子任务完成,就可以继续与你交流、接受新指令,甚至启动更多任务。 例如,你让 AI 完成一个软件开发项目: ① Agent A:研究技术方案 ② Agent B:编写后端代码 ③ Agent C:设计前端界面 ④ Agent D:运行测试并检查问题 这些任务可以在适当条件下并行推进。 与此同时,主 Agent 仍然能够回答你的问题、查看执行状态,并根据新要求调整任务。 这与传统的「AI 接到任务后一直运行,直到返回结果」有很大区别。 它更像一个项目经理,负责协调多个专业成员。 02|Agent 不再只是执行任务,还要能够被实时管理 这次更新中,LangChain 提供了五个关键操作: ① start_async_task:启动后台任务 ② check_async_task:查看任务状态和结果 ③ update_async_task:向运行中的 Agent 发送新指令 ④ cancel_async_task:取消正在执行的任务 ⑤ list_async_tasks:查看所有任务及状态 最值得关注的是 update_async_task。 因为现实工作中的需求,经常会在执行过程中发生变化。 比如你原本让 Agent 使用 MySQL 开发项目。 任务执行到一半,你决定改用 PostgreSQL。 传统工作流可能需要等待当前任务结束,或者重新启动整个流程。 异步 Agent 则允许主 Agent 在任务运行时下发修改指令。 LangChain 提供两种处理策略: ① Interrupt: 中断当前执行,并根据新要求重新开始。 ② Enqueue: 先完成当前任务,再处理新指令。 这意味着 AI Agent 不只是能够接收任务,还开始具备持续接受管理和调整的能力。 03|后台任务完成后,AI 可以主动继续工作 另一个重要变化,是异步任务通知机制。 过去,很多 Agent 系统需要不断轮询任务状态,才能知道某项工作是否完成。 LangChain 的方案允许后台子 Agent 在完成后主动通知主 Agent。 根据主 Agent 的当前状态,系统可以采取不同方式处理: ① 如果主 Agent 正在执行其他任务,可以在后续步骤中接收结果。 ② 如果主 Agent 处于空闲状态,后台任务完成后可以触发它继续运行。 ③ 如果流程正等待人工审批,系统会保留审批状态,避免后台结果打乱当前交互。 这使得 Agent 更适合处理持续时间较长、存在多个依赖关系的复杂工作。 例如深度研究、代码开发、数据分析和多步骤业务流程。 04|为什么这可能比模型能力升级更重要? 我认为,过去几年 AI Agent 的发展,过度关注了一个指标: 单个 Agent 能完成多复杂的任务? 但在真实工作环境中,另一个指标可能同样重要: 一个 AI 系统能同时推进多少任务,并且让用户始终保持控制权? 想象一下未来的工作方式。 早上,你让 AI 开始分析市场数据。 随后,它在后台整理报告、编写代码、运行测试。 你可以随时查看进度,追加要求,取消不必要的任务。 等某个阶段完成后,AI 再主动汇报结果,等待你确认下一步。 这不再是传统意义上的聊天机器人。 而是一个可以持续协调工作的智能系统。 当然,异步执行不意味着无限并行。 多个 Agent 之间仍然可能存在资源竞争、上下文不一致、任务依赖、权限冲突和成本增加等问题。 后台运行得越久,对状态管理、可观测性、任务恢复和人工审批的要求也越高。 异步架构解决的是任务阻塞问题,不代表 Agent 的可靠性问题已经全部解决。 05|AI Agent 的竞争正在进入新阶段 我认为,AI Agent 正在经历三个阶段: ① 第一阶段:AI 回答问题 用户提问,模型生成答案。 ② 第二阶段:AI 执行任务 模型调用工具、修改代码、搜索资料,完成指定工作。 ③ 第三阶段:AI 协调任务 主 Agent 负责理解目标、分配工作、跟踪进度和处理异常,多个子 Agent 并行执行不同任务。 LangChain 的异步子 Agent 架构,正是第三阶段的一种实现方式。 而且,这并不是 LangChain 独有的方向。 Claude Code 等 Agent 产品也在探索后台任务和多 Agent 协作。 这背后有一个共同趋势: AI 正从被动响应指令的工具,逐渐变成能够持续工作的任务执行系统。 06|我的判断:下一代 Agent 的竞争,不只是模型智力 未来最有价值的 Agent,未必是单次回答最聪明的那个。 而可能是那个能够: ① 持续推进复杂目标。 ② 同时处理多个独立任务。 ③ 接受人类随时调整方向。 ④ 清楚地报告任务状态。 ⑤ 在出现问题时安全地暂停、恢复或交还控制权。 过去,我们关注 AI 能不能替我们完成一件事。 未来,我们可能更关注: AI 能不能同时管理十件事,而我们只需要负责关键决策? 从 Synchronous Agent 到 Asynchronous Agent。 这看起来只是执行架构的变化。 但它可能正在改变人类与 AI 协作的基本方式。 过去的 AI 更像一个执行者。 你给它任务,它完成后返回结果。 未来的 AI 则可能更像一个项目负责人。 它能够拆解复杂目标、协调多个执行者、跟踪任务状态,并在必要时主动请求人类决策。 真正重要的变化,不是让一个 Agent 同时打开更多工具。 而是让 AI 系统具备持续协作、动态调整和可靠交付的能力。 AI Agent 的下一阶段,不只是更聪明,而是更会工作。 LangChain 官方文章: https://t.co/3x9RFhB4lq Deep Agents 异步功能介绍: https://t.co/GkW7wNZNFq #AI #AIAgent #LangChain #DeepAgents #AgentEngineering
- 9
Chao Huang@huang_chao4969 · 2026-11-09 16:51有时候能同时看到 Codex、Claude Code、DeepSeek Harness、WorkBuddy 一起为你干活,也算是一种独特的情绪价值了 😂 欢迎大家试试刚升级的 AutoSwarm 桌面版。现在大家手里通常都有好几个 Agent,想让它们一起干活,先得把上下文打通,再让它们各自做擅长的事,分工合作。 GitHub: https://t.co/u6OFu7MGZj
- 10
Qwen AI Fans@QwenAIFans · 2026-11-09 00:13Qwen Code 在 GitHub 上很有礼貌 失败了会说:请再 @ 我一次 礼貌完,自己把答案发底下了 https://t.co/2JCvyRfsgW
主要参与作者
「code」历史热度
| 日期 | 浏览 | 推文 | 排名 |
|---|---|---|---|
| 2026-11-17 | 109.3万 | 38 | #9 |
| 2026-11-15 | 23.2万 | 31 | #14 |
| 2026-11-12 | 23.8万 | 33 | #18 |
| 2026-11-11 | 31.4万 | 38 | #9 |
| 2026-11-10 | 117万 | 40 | #8 |
| 2026-11-09 | 50万 | 40 | #11 |
| 2026-11-06 | 17.6万 | 35 | #21 |
| 2026-11-05 | 101.4万 | 36 | #6 |
同一天的其他人工智能话题
数据通过推特数据接口从中文推特公开推文中采集,浏览和数量是快照时的数据,不是实时数值。 数据口径