给 DeepSeek Harness (dsh) 做的看板插件 dsh-super-kanban 全面升级了!
花了 80$ Fable 5.2 额度,做了全面重构优化,从 0.8.0 升到 0.10.1。(给咱 DSH 做插件,可不能糊弄)
AI 自动整理和维护你所有会话里的任务和项目,你也能随时上手建项目、改卡片、做验收,把个人工作和开发一站式管理、跟踪和推进。
📦 安装:DSH → 插件 → 添加插件,输入 [email protected] (不带版本号默认最新版)
🔄 已经装过的,在插件管理里点升级就行。
主要功能:
🧠 AI 自动整理:从多条会话里提炼任务卡,进展、阻塞、交付物跟着会话自动更新
🔔 待处理列表:哪个在跑、哪个等审批、等回答、等验收,集中一处,点一下跳回对应会话
📌 待验收卡片条:会话一轮跑完,卡片直接钉在悬浮入口上方,点对号就算验收完
🪟 三种形态随意切换:占满全屏、停在会话右侧,或悬浮在对话上,入口常驻,能拖能藏
🗂️ 项目和日程:跨工作区建项目,记备注和到期日,时间线回看进展,日程盯截止
✅ 验收和续做:看验收条件和交付物,预览产物;没做完一键生成带上下文的续做草稿
💬 内置快聊:随手问,写提示词、解释、总结、润色、中英翻译,答案能放进会话或存成任务
🔒 数据存在本机,没有遥测
这次升级重点:
1)新增常驻悬浮入口和悬浮看板,三种形态一键切换
2)新增待验收卡片条,跑完的会话不会再漏看
3)快聊多了几种模式,回答按 Markdown 显示
4) 架构、体验以及UIUX全面优化
特别致谢持续使用、热心提建议、报问题甚至直接提 PR 的 X 友们,是你们帮助 dsh-super-kanban 变得更实用好用!
给 DeepSeek Harness 做的 Super Kanban,从 0.4.0 升到 0.8.0 了!
用 GPT 6.2 Sol 狠狠重构迭代了两天,效果还是很明显的。(不是不相信 DeepSeek,雏形有了,总想再打磨好点☺️)
安装:DSH → 插件 → 添加插件,输入 [email protected]
升级:在插件管理里点升级即可。
开了多个 AI 会话,聊过什么、做到哪、还有什么等你处理,不用挨个翻。Super Kanban 会从会话里整理任务,也能直接放在会话右侧栏用。
最新版主要更新:
1)跨工作区建项目,把不同会话的任务归到一起,记备注、到期日,看进度和阻塞。
2)标记运行中的会话,待审批、待回答、待审阅和待验收集中到「待处理」。
3)任务关联多个会话,追溯交付物、记录人工验收,还能生成带上下文的续做草稿,确认后再发送。
4)内置快聊,类似 Codex 的「旁聊」,看任务时随手问两句,支持连续追问和中英翻译,工具栏直接切模型。
5)开启自动扫描后,会话一轮结束可提前触发增量更新。
也谢谢这段时间热心提建议、报问题的 X 友们,很多反馈都用上了,就不一一列举了!
做 Agent、写技能包或折腾记忆模块的兄弟,建议直接看 Elvis 整理的这份 2026 评测论文单子,不少篇章还是挺有启发的。
对照了一遍论文原文,自己觉得最有特点有三个反直觉结论:
1)技能不是越多越好,说明书越长反而越容易拖后腿
SkillsBench 拿同一批任务测了「带技能」和「不带技能」:平均通过率从 33.9% 涨到 50.5%。但均值底下藏着坑——87 道题里有 13 道加了技能反而做错;写得面面俱到的长文档,平均提升只有 0.7 个百分点。
所以迭代技能包别光看文档写得全不全,拿同一批真实任务跑一遍改前改后,对比完成率、Token 成本和报错才算数。
2)多找几个 AI 一起打分,不等于多了几个独立裁判
《Nine Judges, Two Effective Votes》测下来,9 个模型组团投票,有效信息量大约只顶 2 张独立票——因为它们太容易在同一道题上犯同样的错,甚至单个最强裁判就能打平或超过整个评委团。
靠多模型「一致同意」做核实并不靠谱,想验真伪,得把真实执行结果、文件检查、原始信源和人工抽查接进来。
3)最终答案看着对,不代表活干对了
Claw-Eval 不光看对话记录,还抓服务端日志和任务后的环境快照。结果普通模型打分器虽然能看到完整对话和评分细则,还是漏掉了 12/27 起安全违规(约 44%)。
做工具型 Agent 验收,千万别信模型嘴上说的「已保存」,得去查文件到底在不在、路径对不对、有没有顺手改坏别的东西。
顺手把其余几篇核心用处也理了一下,方便按需翻原文:
· 测基准失效与动手能力:When AI Benchmarks Plateau(60 个老基准里 29 个已高度饱和)、Terminal-Bench(2.0 版 89 道真实终端任务,发表时最好组合约 63%)
· 省钱与工具化打分:JEV-as-a-Judge(简单文本先给小模型判,拿不准再升大模型,特定测试里成本压到单用 GPT-6 的 41% 且分数略高)、Agent-as-a-Judge(综述,讲怎么让裁判自己调工具查产物)
· 过程合规与防作弊:The Art of Building Verifiers for Computer Use Agents(把「结果成没成」和「过程合不合规」分开验,顺便区分模型蠢还是网站挂了)、PostTrainBench(测 Agent 自己做后训练,顺带抓偷看测试集、直接下现成模型这类偷懒作弊)
· 测长期个人记忆:LifeVal(带个人对话、记忆和文件的真实任务,高频翻车点就是编造信息,以及漏掉现成的个人上下文)
要省时间精读,直接挑 SkillsBench、Claw-Eval、LifeVal 这三篇就行,刚好对应技能设计、工具执行验收和跨工具记忆。
李飞飞带领 World Labs 正式加入 AMD!
在这个特殊的时间点,期待 AMD ✖️ World Labs 能够引领 AI 浪潮!
AI is a civilizational technology! There are tremendous opportunities and responsibilities for all of us at this moment in history. I'm deeply grateful and excited to lead the @theworldlabs team to join @AMD to embark on a new beginning, to advance science, develop technologies, and ultimately make a positive impact to the world! 😍🚀
鸡骑猫 retweeted
GEMINI 4 NEON 👀
A model called gemini-4-neon has surfaced in the Gemini web app's code from Google. For now it's only a code reference, with no public access.























