惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

T
The Blog of Author Tim Ferriss
Hugging Face - Blog
Hugging Face - Blog
F
Fortinet All Blogs
B
Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Microsoft Security Blog
Microsoft Security Blog
Blog — PlanetScale
Blog — PlanetScale
月光博客
月光博客
腾讯CDC
小众软件
小众软件
G
Google Developers Blog
V
Visual Studio Blog
罗磊的独立博客
GbyAI
GbyAI
V
V2EX
大猫的无限游戏
大猫的无限游戏
H
Help Net Security
L
LangChain Blog
Engineering at Meta
Engineering at Meta
量子位
The GitHub Blog
The GitHub Blog
博客园 - 司徒正美
WordPress大学
WordPress大学
B
Blog RSS Feed

V2EX

我用 AI 写代码,但终端管理反而成了累赘——于是我做了 codux [调研] 各位在公司都用什么 ide 和 agent 写代码? 老运维 share 一个运维平台 看到有公司考核 token 指标,很好奇大家上个月的 AI 账单是多少 GLM-Coding 调用持续报错: z.ai 的 Lite 套餐几乎无法使用,官方 Pro/Max 是否稳定? 现在还有什么渠道可以稳定安全地使用 Claude 吗? 上海漕河泾内推,本组有 2 个 hc,一个后端,一个前端,预算都是 20k 左右,不打卡,氛围好 如果 V2EX 上有一组不永久保存聊天记录(比如只保存 7 天或者 24 小时)的聊天室,那么会开启哪些有用或者有趣的可能? gemini cli 貌似挂了,一直返回 403 第一次在自媒体上赚到钱 收集了最近在使用的低价 GPT, Gemini,邮箱等 AI 会员的小店合集 讨论个大实话:现在企业还在说 AI 编程提效 20%, 30%的,真的太落后,没用懂 AI。因为包括很多前沿公司,已经狂奔到提效 200%-500%的情况 [招聘][远程][币安] 前端/后端/QA/iOS/Android 至少 3 年以上经验 目前有大量 HC 欢迎投递 Chatgpt Pro 用量用不完的可以开这些设置 面试的时候好像遇到钓鱼了,给各位避个坑 cursor 年续费 22 号到期, 自动续费是否还是老的计次套餐呢 被两件破事毁掉的一下午,琐碎的内耗消磨人的精力 使用 Planet 存储 Codex 的会话或者重要信息 如果业务部门领导不要你开发功能,而是要求你教会它用 claude code 开发功能,你会怎么做? 分享一个 MacOS 接绿联 CM818 USB 转 DP 转接器使用感受 我的 HR 朋友 10 年老 Java ,非全大专,大家帮忙看看简历 开源了一个 AI 口语练习工具,音素级发音评分,完全免费可自部署 V2EX 上有哪些你觉得很有趣、印象深刻的妹纸? 字节为啥不出个国内版 Vercel? 有在大马的朋友吗? 问个运营商问题 你们在有领导的公司大群发过的最大胆的消息是什么 公司裁员,目前没有工作。想试试摆摊,做一个移动鲜啤打酒车 我的硬盘 Memblaze Pblaze 5 Linux 下不识别,给 Linux 内核提交了补丁, AI 说有望被合并 只有我一个人觉得 codex 不好用?
欢迎来了解《OpenXenon》
issac · 2026-06-24 · via V2EX

什么是 OpenXenon

OpenXenon 是一款面向 AI Agent 的轻量级人机协作引擎。 它作为 Skills 注入现有的 AI Agent 工作台(如 Cursor 、OpenCode 、Codex 、Claude Code )中。 它专注于将工程师的意图转化为 AI 可对齐的边界,并严格证明 AI 的工作结果。 OpenXenon 旨在为工程师与 AI 模型的协作,建立更好的信任基座

为什么做 OpenXenon

在开始用 AI Agent 编程时,其表现令人惊艳。在出色完成工作之余,确实能让人感受到“数字助手”带来的美妙体验。 但当这位“数字助手”进入深度与长时间的持续开发时,情况开始变化:上下文漂移、擅改工作范围外的代码、甚至虚假完成等意外情况不断冒出。 在耗费大量精力为其纠正与返工后,我开始思考:“如何让 AI 模型能构建真正符合意图的软件工程?” 特别是“数字助手”会越来越聪明,但其底层的概率原理决定了意外状况依然会重复出现。 工程师如何信任 AI 的工作成果,同时又能让其充分释放能力?这正是 OpenXenon 探索的方向。

新版本路线图

v0.3.0: 正在把 OpenXenonLanguage 从 langium 改成 unified ,使用 Markdown 原生语法作为 DSL ,从工程师、AI 模型理解都进行统一。

开发感受

这是我在探索在软件工程里工程师与 AI 模型如何更好协作的一个尝试。目前设计思路已基本定型,其关注的是“边界”的问题,而不是 AI 模型的能力问题。

欢迎来了解交流。