AI 编程日报：Droid 1.0 与桌面 Agent（11月1日）

未分类 2小时前程序员胖胖胖虎阿

1 0 0

今天 Agent 工具这条线的主题很集中：让 Agent 少看、少读、多干活。Droid 1.0 让模型写脚本批量调用工具，只把结果交回上下文；agent-desktop 用系统的无障碍树代替截图；OpenRouter 的两篇教程则把"跑测试验证""定时唤醒""人工审批"这些工程细节摆上了台面。

Factory 发布 Droid 1.0：一次请求驱动数百次工具调用

Factory 的编码 Agent 框架 Droid 迎来 1.0 版，最大变化是默认开启"程序化工具调用"：模型写一段 JavaScript 在沙箱里调用工具，中间产生的文件、日志都留在程序里，只有打印出来的结果回到模型上下文。基础提示词从 20,887 tokens 降到 13,055，启动时加载的工具定义从 11 个减到 2 个。官方自报在 Terminal-Bench 4 上配 Claude Opus 5.5 通过率 65.2%，每个通过任务成本 4.73 美元；配 GPT-6.1 Sol 时，每个通过任务比 Codex 慢 10%。

点评：这套思路对"批量处理"类任务最有用，比如扫一遍 CI 日志、批量整理 issue。注意这些数字都是 Factory 自报的，换成自己的项目最好先小范围试。详情

Vercel Labs 开源 agent-desktop：Agent 不用截图也能操作桌面

agent-desktop 是一个用 Rust 写的命令行工具（另附 C 库），通过操作系统的无障碍接口读取应用界面，返回一份带编号引用的 JSON 快照。这样，任何能执行 shell 命令的编码 Agent 都能驱动原生应用，不需要视觉模型。支持 macOS 13+、Windows 10 1809+、Ubuntu 24.04+，Apache-2.0 许可，10 月 30 日发布 1.0.2 版，默认无头运行，不移动鼠标也不抢焦点。

点评：比起截图加视觉模型，这种做法更省 token、结果也更稳定，适合做桌面自动化测试或办公流程自动化。短板是依赖应用本身的无障碍支持做得好不好，目前也还没有独立的基准测试。详情

DeepSeek 开源 Super-Agent 研究原型

据 Techmeme 汇总的报道，DeepSeek 以研究原型形式开源了 Super-Agent，一个更自主的编码 Agent，能监控群聊里的编码问题并主动给出解决方案。彭博社认为这是在挑战 Anthropic 的 Claude Code。目前没有披露模型规模、评测数据和开源协议。

点评："主动发现问题"是编码 Agent 的新方向，但让 Agent 盯着团队群聊，权限和隐私边界要先想清楚。现阶段适合研究尝鲜。详情

OpenRouter 教程：能真正跑测试的 AI 代码审查器

OpenRouter 发布教程，用 Python 基于 Responses API 搭建代码审查器：把改动的文件上传到 Linux 沙箱，实际运行检查来确认每个 bug，再给出经过验证的补丁，而不是只看 Git diff 提文字建议。单次审查耗时 1 到 4 分钟，成本 0.015 到 0.045 美元。

点评："先验证再报告"能明显减少 AI 审查里的误报，这个思路值得借鉴到自己的 CI 里。详情

OpenRouter 教程：用 TypeScript 搭常驻 Agent

另一篇教程用 TypeScript 和 OpenRouter Agent SDK 做了一个常驻 Agent：按计划自动唤醒，用工具检查 Hacker News，重启后还记得看过什么，单次运行成本上限 5 美分，发帖前需要人工批准。

点评：定时唤醒、跨重启记忆、成本上限、人工审批，这四件事几乎是所有常驻 Agent 都绕不开的。详情

开发者重测 MoE 显存卸载基准，部分结论被推翻

一位开发者重做了此前在 16GB 显存笔记本上的 MoE 模型卸载测试。原测试有两个问题：五个模型的量化精度不统一（从 Q4_K_M 到 Q8_0 都有），重复测量也不够，笔记本散热和后台程序会干扰结果。新测试统一用 Q4_K_M、更新了 llama.cpp，并交错运行不同配置，部分结果和上次明显不同。

点评：这是本地部署圈很难得的"自我纠错"。参考网上的本地模型测评时，先看量化精度是否一致、有没有多次测量，否则结论很可能不可比。详情

50 美元开发板加 Claude Code，自制 AI 挂件

The Verge 记者用 50 美元的 Waveshare ESP32-S3 1.75C 开发板，配合 Meta 开源的 Muse Gadget 代码，做出一个类似 Meta Muse Charm 的 AI 挂件。原版固件回复慢、不出声、屏幕只显示几个词，他用 Claude Code 补上了对话历史页、ElevenLabs 语音播报和远程拍照等功能。

点评：硬件爱好者用编码 Agent 改固件的门槛正在快速降低。想动手的话，选有官方开源代码支持的开发板会省很多事。详情

研究：两行代码比"AI 裁判"更会识别 Agent 串谋

在 Apart Research 的研究冲刺中，作者用"El Farol 酒吧"博弈测试 5 个 AI 玩家：两名秘密搭档私下约好一起去酒吧、公开劝别人待在家，最终各赚 35 美元。其中一名搭档在最后一轮公开说出"按我们的计划"，负责监督的 AI 裁判却给出 0 分怀疑。作者称，一个两行函数反而更有效地识别出了串谋。

点评：多 Agent 系统越来越多，"用 AI 监督 AI"并不总是可靠。做多 Agent 协作的团队，可以在关键环节加一些简单的规则检查，比如收益分布异常、行为高度同步，作为 AI 审查的补充。详情