返回博客2026年7月6日1 分钟阅读

【AI早读 0706】Claude Fable 写了一个正式版发布包,智能体编码进入实战阶段

摘要

Simon Willison 用 Claude Fable 写完了 sqlite-utils 4.0rc2 - 一个新增 1321 行、删除 190 行、覆盖 30 个文件的 pull request,总花费 149.25 美元。另外还有 MCP 应用层的新思考,以及智能体持续学习的前沿讨论。

AI 早读 0706 封面

Simon Willison 用 Claude Fable 写完了 sqlite-utils 4.0rc2 - 这不是一个 demo,不是一篇技术博客的配图代码,而是一个有 1321 行新增、190 行删除的 pull request,覆盖 30 个文件,总花费 149.25 美元。

这篇来聊聊这一周值得关注的几件事:Fable 的实战表现、MCP 应用层的新思考,以及智能体持续学习的前沿讨论。

Fable 写了一整个正式版补丁包

sqlite-utils 是 Simon Willison 维护了多年的 SQLite 工具库。在 4.0rc1 发布后,他做了一件以前不会做的事:把 release blocker 检查交给 Claude Code(Fable)。

结果是 37 次对话、34 次 commit,并且确实发现了一个严重的数据丢失 bug - delete_where() 方法因为缺少 atomic() 包装,导致连接永远处于 in_transaction 状态,后续所有写操作都不会被提交。这个 bug 如果在 4.0 stable 里发布,修复不会造成 break change,但用户数据会静默丢失。

Simon 在博客里提到一个有趣的细节:因为 Fable 每次任务需要 10-15 分钟,他在 Half Moon Bay 的国庆游行现场用手机遥控推进下一步。

链接:sqlite-utils 4.0rc2, mostly written by Claude Fable (for about $149.25)

跨模型交叉审查的价值

Simon 完成 Fable 的改动后,做了一件被他自己称为“曾经觉得荒谬”的事 - 让 GPT-5.5 xhigh 审查 Fable 写的代码。

结果是 GPT-5.5 找到了两个 P1 级别的问题:db.query() 会在拒绝非查询语句之前自动提交写入,导致副作用:调用 db.query("update ...") 会先执行更新再抛出 ValueError

“让一个模型去审查另一个模型的产出”正在变成一个实用惯例。Simon 的习惯是让 Anthropic 最好的模型审 OpenAI 的成果,反过来也做。这个做法在过去几个月里反复证明了自己。

链接:sqlite-utils 4.0rc2, mostly written by Claude Fable (for about $149.25)

MCP 应用层:原语、发现、和软件的未来

AI Engineer 频道发布了一期 Pietro Zullo(Manufact, Inc)的演讲,主题是 MCP 应用层面的架构思考。

Zullo 的论点是:MCP 不仅仅是工具调用的协议,它在定义一种新的软件组合方式。应用程序不再是独立的 monolith,而是通过 MCP 原语(primitives)互相发现和组合的生态。就像 HTTP 和 REST 让 Web 服务可以互联,MCP 在做同样的事情 - 只不过这次是 AI agent 和工具之间。

演讲中提到了“发现”(discovery)机制的关键性:agent 如何在运行时找到合适的工具、理解其能力边界、并动态编排调用链路。这比传统的 API gateway 模式更灵活,但也带来了新的安全挑战 - agent 会不会调用到不该调用的工具。

智能体需要持续学习

Soheil Feizi(RELAI)在同场上做了一个关于 Agent 持续学习的报告。

核心问题是:当前的 agent 在每次交互后学到的东西无法持久化改进。失败了一次,下次遇到同样的问题还会再失败。Feizi 提出的方向是给 agent 构建一个“失败到改进”的学习循环 - 每次失败的调用应该能转化为 agent 行为上的持久改善。

这个方向如果做成了,agent 就不会永远停在你部署它的那个能力水平上。它会在使用中变强。

一些值得关注的小更新

sqlite-utils 还涉及一个重要变更:4.0 的 atomic transaction 机制现在有了完整文档,并且特意标注了对 Python 3.12+ 的 autocommit 模式的处理 - Simon 承认自己之前没想过这个兼容问题,Fable 的代码暴露了测试套件在 autocommit 下几乎全部失败的问题。

另外 Simon Willison 还发了一篇关于只用 500 字节画世界地图的实验,值得一看。

链接:Building a World Map with only 500 bytes

来源:VerySmallWoods Research Feed - 2026-07-06 UTC

相关文章

2026年6月13日

【AI早读 0613】智能体主动性飞跃与模型评估新范式

今天聚焦智能体的两个方向加一个底层动向:Simon Willison 记录 Claude Fable 5 的“relentlessly proactive” —— 为查一个滚动条 bug 自主注入代码、自写诊断 HTTP 服务、跨浏览器截图验证,是有意图的多步自纠探索;Google DeepMind 提出“模型 diffing”新范式,让审计智能体自主构造 prompt 主动搜索两个模型的行为差异;Google Cloud 发布 Open Knowledge Format,用带 YAML frontmatter 的 Markdown 为 AI 的结构化知识建开放标准。能力、评估、基础设施三条线正拼成智能体开发的完整图景。

2026年6月11日

【AI早读 0611】Google AI 三连发:DiffusionGemma、Managed Agents 与 ML 遗忘审计

Google 昨天一天连发三项:用扩散架构把文本生成提速 4 倍的 DiffusionGemma、一行 SDK 背后拉起 4 vCPU 沙箱的 Gemini Managed Agents,以及给「机器遗忘」做置信度评估的审计框架。再加上 GitHub Copilot CLI 接入 LSP 拿到语义级代码理解,以及 Simon Willison 对 Claude Fable 5「静默拒绝」推理策略的观察。

2026年6月10日

【AI早读 0610】Claude Fable 5 全平台上线,Gemma 4 12B 开源本地多模态

6 月 9 号是今年最密集的 AI 发布日之一:Anthropic 正式放出前沿模型 Mythos 5 与消费版 Fable 5,强项在超长上下文 agentic coding,但定价翻倍、普通用户感知有限,并同步上架 Google Cloud。Google DeepMind 开源 Gemma 4 12B 无编码器多模态模型,16GB 显存即可本地跑。OpenAI 连发 Codex 企业落地案例,AWS 放出两篇 agent 实践,Cloudflare 分享前沿模型攻击的防御架构。

最近一封 · Sample

【AI早读 0709】智能体评估困局与工程化新思路

OpenAI 发表 audit 报告《Separating signal from noise in coding evaluations》,把业界常用的编程评测集 SWE-Bench Pro 翻箱倒柜查了一遍,结论有点尴尬 - 大约 30% 的题目是坏的。围绕智能体评估,harness 工程化成了新的关注点。

—— william

Letters

来信

里面装的是

  • 新文章 — 写完一篇就寄一封,不攒货
  • 这周读到的、看到的、好用的工具
  • 正在折腾的实验,附带翻车记录

约莫 1–2 周一封 · 随时退订

合作伙伴

CompeteMap — 英国及爱尔兰学生竞赛一站式搜索

数学、编程、科学、写作等各类竞赛信息汇总,支持按年龄和科目筛选,再也不错过报名截止日。

准备开始了吗?

先简单说明目标,我会给出最合适的沟通方式。