Skip to content
← 标签

#OpenCode (3)

设计与前端wheresryan22/anatomy

anatomy:把技术概念造成一台真机器——零依赖等距工程图 skill,自带 12 项几何审计

编辑判断最值得抄的是它自带证伪工具:kit/audit.mjs 十二项检查(间隙、实体间隙、端子、悬空头、支撑、折弯、自相交、拥挤、替身形状、抖动、落座、深度序)加 scripts/lines.mjs 的「line ends: 0」,把「看着还行」变成可数的失败行,而且明写「用替身形状把审计哄安静本身就是 bug,coverage 这一项专抓它」。审美也被写成数字:倒角 0.4-1.6、螺钉 0.4-0.55 的点、主体占卡片 55-65%、设备像素比上限 1.5、3D 折弯半径 R ≥ 2r/sin²(e−θmax)。CI 把每个示例两个主题都重建一遍并要求 git diff 为空,kit 的兼容性因此是机器保证。边界同样诚实:不是图表库(没有坐标轴与数据系列),只画机器、仪器、工具与家具,3D 自报 beta 且 380 零件约 20 fps,一张图要一整个长会话。

一个标准 Agent Skill:让 Claude Code / OpenCode / Codex 解释技术概念时不画方框箭头,而是发明一台真机器(弹子锁=缓存键、龙门绘图机=一个共享的 GPU context),再用约 16,200 行零依赖 kit 画成四色调等距 SVG,可选 WebGL 着色器与 beta 的 3D 模式。八个示例连构建产物一起提交,CI 在 macOS + Node 22 上逐个重建并要求逐字节相同。

Claude CodeOpenCodeCodex
npx skills add wheresryan22/anatomy -g -a claude-code
JavaScriptwheresryan224665
anatomy:把技术概念造成一台真机器——零依赖等距工程图 skill,自带 12 项几何审计
多 harness 强化学习完全指南:在 Claude Code、Codex 里直接训练模型——HF 团队用 2.6B 小模型验证跨 harness 训练

多 harness 强化学习完全指南:在 Claude Code、Codex 里直接训练模型——HF 团队用 2.6B 小模型验证跨 harness 训练

同一个模型换个 agent harness 表现判若两人:GLM-5.2 在 SWE-bench Pro 上一个 harness 23%、另一个 52%;受控实验里换 harness 移动 13 个点,同 harness 换模型只移动 2.5–5 个点。Hugging Face 团队(Adithya S Kolavi、Joel Niklaus、Lewis Tunstall、Leandro von Werra 等,联合 Liquid AI)发布的这篇长文给出开放解法:在 Claude Code、Codex、OpenCode、Mini-SWE-Agent 这些真实 harness 里做 agentic RL,harness 一行代码不改。框架三件套——OpenEnv 提供与环境/训练器共享的标准接口,capture proxy 以「会话即钥匙」方式截获模型端点上的精确 token id、逐 token 行为 logprob 与损失掩码(强制全分布采样,top_p=1.0),Harbor 提供 40+ harness 适配器与 26 种沙箱后端,TRL 的 Async GRPO 消费带掩码的训练序列。用 1 万小时级数据之外的实打实数字说话:LFM2.5-2.6B 四 harness 训练后平均 pass@1 从 42.2% 升到 54.2%,四个 harness 全涨,已解任务工具调用少 31%;只训 OpenCode 的对照组增益几乎锁在自己家里。文章还诚实交代了 SFT 对照(RL 54.6% vs SFT 47.5%)、Qwen 先涨后崩的完整归因(输出预算耗尽、不交卷空转、奖励项被钻空子导致 0.740→0.178)以及 proxy 并发上限等工程边界。

博客

强化学习智能体运行时

本站含 CakeGrowth 联盟推广链接,我们可能从符合条件的购买中获得佣金。