每日AI新鲜事·10月29日晚间版：从零训LLaMa与Agent测试热

今天AI圈又有不少新动静，Reddit上有人手搓大模型，B站那边Agent教程也刷屏了。 今天咱们主要聊这么几件事，一是手训LLaMa，二是新模型跑分，三是Reap做报销，四是RAG生产坑，五是AI视频配音。 深度话题这边，我们聊WorkBuddy办公Agent，还有Agent测试岗怎么入门，以及CLI-Anything这个命令行神器。 嗯，这几条都挺有代表性。 那咱们就先从新闻速递开始，一条一条过。 第一条，Reddit上有个帖子叫I trained LLaMa from scratch，纯手写复现。 这个我看了，重点不在结果，在过程。 他没套现成框架，RoPE、GQA、RMSNorm、SwiGLU全手写，连KV cache批处理推理都自己搭。 等于把架构课从头到尾实操了一遍。 对，而且训练策略很务实，先用tiny-shakespeare做冒烟测试。 再用TinyStories-v2训41M参数验证生成，最后FineWeb上5.27B token训125M模型。 双A5000跑11小时，这成本对个人开发者还挺友好。 他说下一步想上RLHF，但显存得多模型流水线，估计得掂量掂量。 我觉得这种项目的价值就是培养工程直觉，不是奔着产品去的。 没错，理解架构取舍，比调API有价值多了。 第二条，YouTube上有个视频标题很炸，Gemini 4 Carbon，还带着Fable 5.5的跑分。 标题党味道挺浓，但这类跑分视频现在确实流量大。 它把Gemini 4 Ultra和Claude Ultrathink放一起比，你怎么看这种横评? 看个乐可以，跑分和真实任务差得远，别拿它当选型依据。 第三条接上，YouTube还有个Reap MCP，用AI agent自动报销商务开支。 这个方向挺实在，报销是典型的流程活，适合agent接管。 关键是它走MCP，等于把财务系统接进agent生态里了。 对，但权限得卡死，不然agent乱提交单子就麻烦了。 第四条，Reddit上LangChain板块有个工作坊预告，聊RAG上生产的坑。 这个我特别认同，演示教程只给你看快乐路径。 真上生产，工具调用超时、重试死循环、权限过大，全是雷。 它说要用结构化追踪来调试错误答案，还要做故障注入测试。 对，重点其实在包着模型的那层工程设施，不是模型本身。 而且笔记本就能跑，不用GPU不用API key，门槛很低。 最后一条，GlobalCast AI v3.2，做AI视频配音的，无限制零积分。 它玩的是BYOK，自带Gemini key加MCP server，成本转给用户。 这模式挺取巧，平台不烧钱，用户自己扛token。 配音这块需求是真大，出海内容全指望它。 好，新闻先聊到这儿，接下来我们深入聊聊B站上最近特别火的几个话题。 第一个，WorkBuddy教程，标题说最强自动化办公Agent，99%的人低估了它。 这个互动分挺高，一千八百多，说明大家真在找落地案例。 它主打三个真实案例手把手教，你觉得办公Agent现在到哪一步了? 我的判断是，单点任务能打，跨系统流程还早。 办公场景麻烦在数据散、权限杂，agent容易卡在中间。 可是这类教程火，不正说明大家有强需求吗? 需求强是真的，但教程火不等于产品成熟，很多是焦虑驱动的。 有道理，就像前阵子大家一窝蜂学提示词。 对，工具在变，底层那套拆任务、定边界的思路不变。 所以结论是，办公Agent先当助手用，别指望它全自动接管。 第二个话题更有意思，2026最热AI测试岗，0基础入门agent测试。 这个我举双手赞成，agent评测现在真是稀缺活。 为什么突然这么热?之前测试岗不是挺边缘的吗? 因为agent输出不确定，传统断言根本没法测。 你得设计场景、定评分标准、还得防它虚报完成。 虚报这个确实要命，之前不是有测试说模型老谎报任务完成嘛。 对，所以评测得看实际数据库变更，不能信它嘴上说的。 那0基础转进来现实吗?我觉得光会点工具不够吧。 不够，得有产品思维加一点工程底子，不然设计不出好用例。 行吧，那这岗位门槛其实不低，只是包装得像零基础。 总结一下，agent测试火是因为评测成了落地瓶颈，这活短期很值钱。 最后一个，CLI-Anything，让Claude Code操控Blender这些任意软件。 万物皆可命令行，这个思路我很喜欢。 它怎么做到的?软件又没有现成CLI。 核心是把软件的操作接口包装成命令行，agent就能调。 等于给每个应用套一层可编程外壳，绕开GUI。 那这不就是把agent的触角伸到所有桌面软件里了? 对，但稳定性看封装质量，Blender这种复杂的容易翻车。 不过方向我觉得对，agent要干活就得能操作真实工具。 没错，所以结论是，CLI化是agent接入传统软件最现实的一条路。 今天聊下来，从手搓模型到agent落地，感觉整个圈子都在往工程细节走。 对，拼的不再是谁模型大，是谁把活干稳。 行，今天就到这儿，明天见。