Theo
Theo是一位专注于技术内容创作的博主，主要围绕人工智能、编程工具及软件工程领域进行内容输出与观点分析。其内容涵盖AI辅助编程、开发工具评测及相关技术研究解读，在技术社区中具有一定影响力，以对前沿AI编程实践的深度讨论见长。
核心事实
时间轴 (近 90 天)
Theo 声称 T3 Code 在切换线程时使用的数据量比 Codex 少 100 倍，在糟糕的移动网络下也能流畅工作。
T3 Code 是一个开源 AI 编程助手，由三位兼职开发者维护，可管理多个 AI 订阅和工具。
复刻已有项目的成功判据清晰、易于hill climb；而从零创造不存在的东西，验证设计才是真正的难点。
Theo维护两条线程：一条无限推进TypeScript重写，另一条定期询问当前瓶颈；通过这种对话发现Claude曾自建队列避免并发过多导致内存耗尽，并发现算力不足是主要拖累。
补上机器、接上云端后，等待时间从每轮十几小时降到小时级。
Theo认为TS Rust因为能显著缩短真实项目的构建时间而划算，其余项目他自己形容为“胡闹”。
Theo基于Claude构建了用Rust重写TypeScript（TS Rust）、百倍加速Rust编译的替代编译器（Lust）和完全由Claude生成的滑板游戏Skate 3 Bench等项目，累计让Claude运行接近4000小时。
Theo先让TS Rust达到和官方编译器完全一致的输出，再要求它优化到比官方快两倍；TS Rust最终产生了约1800次修订、7884次提交。
开发者 Theo 的代码库分析基准显示，Argon 是唯一一个误报率超过 50% 的模型。
编程博主Theo测试后指出，Gemini 4对其代码库的判断一半以上是错误的，在7个测试模型中唯一错误超过半数。
还有 40 条时间轴事件
全部知识事实 (20)
Theo认为如果信息在代码库中能找到就不应放在AgentMD里，因为模型已经非常擅长通过bash命令和工具探索代码库
90%待验证Theo建议在AgentMD中写入指令让Agent在遇到令其惊讶的事情时提醒开发者，目的是利用Agent反馈发现代码库中的架构问题
90%待验证在AgentMD中告诉模型不要使用某技术（如tRPC），模型反而会更多地想到该技术，类似于'粉红大象'效应
70%部分验证测评者建议让Opus 5.5负责实现和长程构建，让GPT-6.1 Sol负责审查、根因分析、代码库调查和任务分诊
65%部分验证Sonnet 5.5在网络攻防能力上与Opus 5.5处于同一水准，是Sonnet系列中首款采用同等网络安全防护机制的模型
65%待验证文档中的Agent指令会随代码演进而腐化，若未同步更新可能误导Agent，造成比没有指令更糟的结果
60%待验证Theo 声称 T3 Code 在切换线程时使用的数据量比 Codex 少 100 倍，在糟糕的移动网络下也能流畅工作。
50%待验证T3 Code 是一个开源 AI 编程助手，由三位兼职开发者维护，可管理多个 AI 订阅和工具。
50%待验证Theo认为TS Rust因为能显著缩短真实项目的构建时间而划算，其余项目他自己形容为“胡闹”。
50%待验证Theo维护两条线程：一条无限推进TypeScript重写，另一条定期询问当前瓶颈；通过这种对话发现Claude曾自建队列避免并发过多导致内存耗尽，并发现算力不足是主要拖累。
50%待验证补上机器、接上云端后，等待时间从每轮十几小时降到小时级。
50%待验证复刻已有项目的成功判据清晰、易于hill climb；而从零创造不存在的东西，验证设计才是真正的难点。
50%待验证Theo基于Claude构建了用Rust重写TypeScript（TS Rust）、百倍加速Rust编译的替代编译器（Lust）和完全由Claude生成的滑板游戏Skate 3 Bench等项目，累计让Claude运行接近4000小时。
50%待验证Theo先让TS Rust达到和官方编译器完全一致的输出，再要求它优化到比官方快两倍；TS Rust最终产生了约1800次修订、7884次提交。
50%待验证每次提示生成的Token大幅增多，是模型变得更便宜、更好、更有能力后，人们将其用于更大更难任务的表现，账单上涨和生产力提升是相关的。
50%待验证衡量AI成本应考虑三个维度：每美元能买到多少token、完成任务需要消耗多少token、特定智能水平下解决问题要花多少钱
50%待验证作者认为GLM 5.3 Flash本身就是比GPT-5更好的模型，视觉处理更强、工具调用更好，尤其在数小时agentic工作流中表现碾压
50%待验证Theo推测OpenAI与Anthropic的根本分歧是工程与研究文化的差异：OpenAI由工程师主导，Anthropic相对不那么重视软件工程师
50%待验证指标驱动优化存在风险：以减少React commit或V8调用次数为目标的agent容易砍掉不影响可交互性的网络请求，导致缓存过度激进而失效不足
50%待验证Anthropic在Sonnet 4时期大量使用模型生成代码，积累了充满slop的代码库，现在用更强模型回头清理
50%