最新

我使用Codex和Claude Code进行编码已经有一段时间了，但实际上一个编码任务需要多长时间呢？当我请Claude Code进行估算时，结果往往来自训练数据，这些数据是基于人类的工作速度。因此，我开发了这个工具，以估算人工智能代理的工作效率。我每天早上在将编码任务分配给我的代理之前都会运行它。 工具的功能包括： - 任务规模评估：根据描述自动将任务分类为XS到XL，然后在该层级上运行PERT分析。 - 人类等效比较：为每种任务类型提供一个乘数，以便您可以看到效率提升。 - METR p80阈值：当估算超过模型的可靠性范围时发出警告。 - 波浪规划：在多代理团队中并行安排独立任务。 估算数据来自我过去几周的日常编码任务： - 每次运行的校准：Opus 4.7，GPT-5.5，不同模型具有不同的可靠性范围和成本。 - 每种任务类型的先验：后端、前端、应用开发、文档和头脑风暴。 - PR审查：我通常让Codex和Claude Code互相审查代码，工具会考虑这一点。 - 一个保持我诚实的校准循环：分配数据在当天结束时由我的协调代理进行验证。 试试吧：使用命令 `pip install agent-estimate`，查看代码 [https://github.com/kiloloop/agent-estimate](https://github.com/kiloloop/agent-estimate)，或查看详细说明 [https://kiloloop.com/agent-estimate/](https://kiloloop.com/agent-estimate/)。

可能是我做过的最无用的事情。这是一个通用图灵机（UTM），运行在一条（无限长、懒惰初始化的）带上，带上编码了UTM的描述以及相同的带内容。 “L0”机器已经运行了大约1.5个月，速度大约为每秒10亿步。 它正在模拟的L1机器大约每秒执行十几步。 它正在模拟的L2机器每小时执行大约一步。 在大约2070年，L3机器将迈出它的第一步。

好的，这只是社会科学，但请注意以下几点：<p>马斯克今天发帖邀请人们提供三条卓越能力的证明，如果他们想加入这家有史以来最昂贵和“最具创新性”的公司——SpaceX。<p>但是，当你遵循规则时，如何能够创新呢？如果你只提供1、2或4个理由，那又如何？为什么会有人愿意为一个观点非常可疑且有争议的人工作呢？看起来SpaceX不可能彻底改变世界，尽管他们已经努力了20多年，但在这20多年里，他们并没有实现真正的革命性变化。原因显而易见。