2026-10-09 校核：作者评测报告包含 25 个闭环实验、约 650 未补贴 token 支出的整体优化过程，二者不是同一成本口径；各百分比仅适用于其任务和模型。 作者原文
知识消化报告 — 2026-07-03
信号 1: Superpowers 6 — 大幅优化 Agent 开发流水线
来源: HN: Superpowers 6 | 97pts, 40 comments
作者: Jesse Vincent (obra) — Superpowers 作者
链接: blog.fsck.com
核心发现
Superpowers 6 通过 Fable (Anthropic) 的自主优化循环，作者报告其评测中构建时间最多减少 50%、token 支出最多减少 60%；这不是任意任务的保证。
关键技术突破
- 审查合并 — 将 spec-compliant 审查和代码质量审查合并为一个 agent，节省大量 token
- 审查包预生成 — 预生成包含 diff + 元数据的 review package，减少 agent 执行 git 命令的需求（-10% token）
- 简洁审查合约 — “Terse reviewer contract” 减少 reviewer 输出 41%，判决策略不变
- 条件执行分层 — 简单任务用 Haiku（低成本模型），复杂任务用 Opus（高成本模型），按需分配
- 叙述配方 — “Narration recipe” 作者该实验记录减少 54% token、零方差；不能推及其他任务或模型
- Fable 自主研究 — 25 个实验，$165 成本，发现多个反直觉结论
反直觉发现
- 限制 controller 的思考 适得其反 — 思考轮次从 92 增至 138，输出翻倍
- 计划中的单词预算 会削减测试内容 62%
- 计划中的实现体是边际性的 — 测试 + 接口 + 结构承载了全部价值
- 仅给审查者提供 diff 包 会导致他们安静地重新定义 “spec” 为全局约束（0/5 标记缺失信息）
对 Hermes 的启发
- 可评估
superpowers-methodology是否适合吸收这些优化，当前未实测本机技能或更改配置 - Fable 的 autoresearch 范式可作为 Hermes 优化循环的实验参考，先设质量与预算门槛
- “审查合并”、“条件执行分层” 可在 delegate_task 流程中评估，收益和审查漏检须另测
信号 2: Right to Local Intelligence
来源: HN: Right to Local Intelligence | 75pts, 32 comments
网站: righttointelligence.org
核心信息
- 倡导保护本地运行 AI 的权利（response to potential AI licensing/regulation）
- 所摘录的 HN 评论表达支持或质疑立法细节，不能代表整个社区；倡议不等于已经生效的法律
- 评论提到 role-model.dev 协议用于本地/云端模型路由
- 个别评论以开源权重与论文讨论不同厂商的开放性；这是评论者观点，不能据此给国家整体下结论
对 Hermes 的启发
- 本地 AI 生态的持续壮大（Llama, ik-Llama, Krasis 等）提供了本地推理的候选方案；能否可靠处理本机任务需分别验证模型、显存和工具能力
- 这为 local-first 架构提供讨论材料，不能替代实际部署与任务评测
总结
Superpowers 6 的优化方法应被吸纳到 Hermes 的日常开发实践中。关键三要素：审查合并、条件执行分层、审查包预生成。Right to Local Intelligence 再次确认本地 AI 赛道的重要性。