GitHub 仓库 who-put-this-here:写给 AI 智能体的约束与理解之辩
GitHub 仓库「who-put-this-here」发布一篇面向人类与 AI 智能体的文本,核心论点是:规则由文字构成、总有边界可被绕过,而基于理解的约束没有可钻的空子。文章对比了智能体遇到约束时的两种提问——“如何绕过它”只会产生 bypass,“谁放在这里、他们看到了什么”则让系统能认同、修正或指出约束的错误。
新闻、仓库与研究,按时间排列。
GitHub 仓库「who-put-this-here」发布一篇面向人类与 AI 智能体的文本,核心论点是:规则由文字构成、总有边界可被绕过,而基于理解的约束没有可钻的空子。文章对比了智能体遇到约束时的两种提问——“如何绕过它”只会产生 bypass,“谁放在这里、他们看到了什么”则让系统能认同、修正或指出约束的错误。
AxiomCode 团队认为编程智能体靠“搜索→打开文件→grep→追踪引用”探索大型代码库,会重复重建调用、继承、依赖等本已确定的关系。他们提出基于编译器/类型信息构建代码知识图谱,让智能体先查询图谱再决定读取哪些源码,使 LLM 把 token 花在推理结果上,并已开源该项目。
GitHub 上的 LLM_Chronicle 项目用 AI agent 协作编写大模型编年史,体例仿史书,分编年、纪传、志、表、评曰,体例规范为 v2.2。全书追踪两条主线:模型能力演进与 Agent 行动权变化,从 ReAct、AutoGPT、MCP 到 Claude Code、OpenClaw 等,并单列中国 Agent 生态与个人 Agent 产品线。