X 平台 11月2日 AI 简讯｜DeepSeek Harness 公开 Super-agent 原型，Alma 在找图任务中完成度最高，Claude Code 两小时构建 HackerTube
01 DeepSeek Harness 的 Super-agent 用架构约束分工，原型仍有成本与安全边界
DeepSeek Harness 团队公开的 Super-agent 设计把多 Agent 协作从“靠提示词劝模型派活”转向系统层编排：Router 负责沟通与派发，Worker 各自执行单一任务并隔离日志，群消息先经规则筛选，再决定是否进入模型处理。解读者举例称，Agent 曾自行复现未被点名的 macOS bug、定位 Electron 的 detail=2 机制并提交带前后截图的 PR。其合成负载实验约每轮 300 条消息、20 个工作请求，团队称结果仅供参考；公开内容是部分原型，并非 DeepSeek 官方产品。实验中 Super-agent 的 p95 为 15.7 分钟，单会话方案为 29 分钟，但每轮 token 约 23.2M，对比单会话的 6.1M/10.8M；作者也指出常驻 Agent 接触群聊、PR 与开发机带来的提示注入风险。
- @xiaohu: https://x.com/xiaohu/status/2117252023754326117
- @xiaohu: https://x.com/xiaohu/status/2117252422162935809
- @LufzzLiz: https://x.com/LufzzLiz/status/2117053282011259113
- @DeepSeekHarness: https://x.com/DeepSeekHarness/status/2116857257245987236
02 Personal Agent 同题实测：找高清图任务中 Alma 完成度最高
开发者 yetone 在引用推文中记录，自己用同一张截图要求 6 款 Agent 找到壁纸最高分辨率版本，记录显示 Grok bot、Muse、Comma 最终只返回 736×736 原图，Cue 与 Today 未找到；Muse 还要求多次确认权限。Alma 使用 DeepSeek V4.1 Flash，先找到 736×736 图，再从网上找到 1024×1024 版本并调用超分，最后把不同版本交给用户选择。这是单个任务的个人实测，不代表全面排名；但它把“能否继续搜索、下载并调用后续工具”展示为 Agent 任务完成度的关键差异。
03 uie-nano/base 打码评测未胜过规则方案，英文敏感项仍是短板
yetone 在同一套 AstrLink Guard 评测中测试 uie-nano 与 uie-base：42 个应打码值里，模型单独识别分别为 8/42、9/42；加规则后为 22/42、24/42，Guard 分别为 41/42、38/42。测试者称中文姓名、地址较容易识别，但英文姓名、电话、邮箱和密钥常漏检；uie-base 每段约 673ms、权重 472MB，Guard 约 24ms、39MB。基于其流量中英文名、电话和密钥较多，作者暂不替换 Guard。结果来自其自建样本，不宜外推为通用模型排名。
- @yetone: https://x.com/yetone/status/2117017834480083282
- @yetone: https://x.com/yetone/status/2117027310822207565
04 Claude Code 两小时做出 HackerTube：评论数据可复用，部署仍有人工作
Andrej Karpathy 分享周末项目 HackerTube：用 Claude/Opus 5.5 从 Hacker News 过去 20 年约 4300 万条评论中筛出 6,454 个反复被推荐的视频，并称体验优于原有推荐。项目不要求登录，状态保存在浏览器本地；还提供评论分析数据压缩包，方便用户让 Claude 生成自己的版本。他称主要构建约两小时，实际仍亲自创建 Google Cloud API key、启动 VPS、购买域名，再让 Claude 完成服务器加固与部署。这是作者对个人项目的介绍与评价，展示了数据整理到上线的流程，不是独立性能评测。
05 不到一天迭代出可玩的浏览器 3D Demo，素材补充与多轮打磨仍不可少
Nenlyonis 分享了一个动作游戏演示：以 Claude Opus 5.5 编写 HTML/Three.js 项目，图像视频使用 GPT Image 2.5/Seedance 2.5，3D 模型使用 Tripo 3.1/P1；初版约半小时出现，项目总计不到 24 小时、不到 20% 周额度。生成结果包括连续关卡框架、轻重击、范围攻击、二段跳和必杀技；作者同时说明，多数场景元素（含最终 Boss）是后来补入，首版有绑定、镜头等问题，之后又用约 7–8 个会话、数十轮交互迭代，仍有穿模和动作僵硬。这个案例的价值在于呈现从提示到可玩原型的速度，也清楚显示人工补资产和修整仍是流程一部分。