它起初是一个GitHub个人资料生成器。然后意外地交易了股票。现在它是一个AI代理平台。

是的，你没看错：一个GitHub个人资料生成器意外地交易了股票，开始交易后变成了代理编排平台。现在我们正试图让编码代理进行测量而不是猜测。七个月前，我构建了一个小工具来生成GitHub个人资料卡（只为我自己）。仅此而已。一个周末项目。在该仓库的某个私有分支中，我添加了一个代理编排功能。不是为了别人。我希望有一个能在我睡觉时监视ETFs并自行交易的东西，并按照我写下的规则执行。它出错了。我修补了它。它又出错了。经过几轮后，它的表现超出了我的预期，并在那个月产生了巨额利润，足以让我停止将其视为玩具。但我没有的是一个能观察它在做什么的方法。我看到的每个'代理构建器'都是一样的：一个聊天框、一个侧边栏、数百个MCPs集成器、连接数十个API、一个副本的副本。我不想再构建另一个这样的东西，也不想使用它。所以我构建了相反的东西。一个单页面。一个复古终端。与其盲目使用Playwright，我决定采用基于视觉的方法，我们称之为视觉驱动代理（SDAs）。你输入，代理运行，你就像一个孩子在书桌前一样在实时沙盒中观看它们工作。没有需要点击的仪表板，没有MCPs，没有连接器（OpenClaw黑子），它按照你的指示行动。今天它看起来仍然如此，并将保持这样。这就是Magine 😺的起源。以下是它现在的状况，以及我真正想谈论的部分：为什么我们放弃了我们的编码代理。我们的现状是每月经常性收入1.2千美元（很低，部分是有意为之：我们给了我们心爱的早期用户很多免费额度😽），月环比增长约19%，零营销支出，零广告。每个用户都来自直接邀请或测试邀请。平台上有超过5,000小时的自主代理运行时间，从代理在真实浏览器中工作捕获了超过700万浏览器帧，峰值时超过1,000个并发浏览器容器。团队从两人增长到四人。我仍然是唯一的技术人员，我辞去了CTO的工作，只为了维持生计而找了一份日常工作。这意味着我几乎没有时间平衡核心开发与我们现在急需的增长会议。同时，我的收件箱里有数十封来自VCs对我们MRR——抱歉，我们的**产品**——感兴趣的邮件，而我们进行随意的介绍聊天。我们大约40%的支出用于GPU。我们给每个新用户提供100万令牌进行测试。如果您已经熟悉其他平台，这听起来可能不多，但由于我们积极缓存上下文并压缩输入和输出，这些令牌的使用效率远高于原始数字所示。有两件事我暗自感到自豪。首先，Magine具有三重冗余执行：如果视觉失败（怪GPU可用性），它默认使用CDP；如果CDP失败，它利用经典的devtools和VLMs结合帧，借鉴Anthropic和Manus的方法。此外，我们的路线图确保Magine将完全离线使用边缘LLM运行。其次，所有繁重的任务都运行在我们从平台本身注册的GPU工作机器网格上：LLM推理、浏览器代理的视觉推理、模型训练以及CatCode用来测量代码的沙盒。工作被路由到任何有GPU、RAM和余量的节点，推理在节点之间故障转移，沙盒获得自己的隔离槽位，而不是与模型争夺同一张卡。上面提到的1,000多个并发浏览器容器就是在该网格上运行的。我们这个月放弃了传统的编码代理。我们有过一个。打开项目，启动沙盒，告诉代理构建什么。它有效。但它也完全不有趣，因为其他十种产品做完全相同的事情，而且没有一个回答当代理编辑你的代码时真正重要的问题：它变得更好了，还是只是看起来不同了？一个说'我优化了你的函数'的代理给你的是一个意见。没有人应该发布一个意见。所以我们重建了这个东西，我们称之为CatCode。表面上，它是这样工作的：你给它一句话。'让src/match.py中的匹配器更快，而不改变其输出。'没有配置，没有标记，没有设置。它选择值得更改的代码，并在执行任何操作前要求你确认。你可以说是、否或用自己的话重新定向它。它遵循你的话而不是它自己的计划。它编写自己的评估器，然后通过故意提供损坏的代码版本来测试评估器。如果评判者无法区分损坏和正确的代码，运行就会停止。它不会优化毫无意义的数字。它从几个不同的角度生成竞争想法，在编写任何代码前对它们进行评分，将最好的转化为候选，通过廉价筛选竞争它们，并且只全面测量幸存者。在你自己的沙盒中。它多次测量你的原始代码以了解噪声，重新测量赢家，只有在通过两个独立统计测试的噪声时才称之为成功。它在你的仓库中写入一个DISCOVERY.md文件：基线运行、确认运行、确切的差异、运行时间如何随输入大小扩展以及威胁有效性的部分。该文件中的每个数字都是测量的，而不是估计的。它也从不自行配置或调整基础设施。如果你的沙盒太小，它会告诉你任务所需的确切大小和获取它的命令。你的机器仍然是你的。这是AlphaEvolve家族的理念（提议、测量、保留赢家）指向你的代码，有一个在被信任前被审计的评判者和一个行动前先询问的代理。这就是方向。我们并不是声称我们已经打败了任何人的数字。研究方面：除了编排部分，我们一直在研究一个受JEPA启发的架构，我们称之为RD-S4/EFR，试图构建一个无注意力、线性复杂度的模型，在运行时适应其内部路径。现在还处于早期阶段。我们正在准备一篇论文，并在结果站得住脚时分享，而不是之前。接下来是什么：使用基于视觉的工作流程生成视频，在平台内跟踪对象和主体；在CatCode离开实验状态后开源Magine。它仍然是实验性的。我们仍在得出关于其性能如何的结论，我们宁愿诚实地向你展示，而不是过早。一个营销工作流程，因为现在还没有，你看到的以上增长完全是口碑。我真正希望读者提供建议的地方：有两个决定我反复犹豫不决，我宁愿从已经发布过的人那里听取而不是猜测：视频生成。我们已经尝试构建过一个类似电影的工作流程：摄像机角度、镜头方向、分类画面中的对象和主体，以便代理可以跨场景跟踪它们。它失败了。不是'需要完善'的失败，而是彻底失败。我们即将用运行我们浏览器代理的视觉方法再次尝试，老实说我不知道这是坚持还是固执。如果你在视频生成或对象跟踪方面构建过任何东西，请告诉我我们将面临什么。范围。我们周围的每个平台都在将所有内容压缩成一个产品，我们也在做同样的事情。另一种选择是放弃它，将整个团队放在真正属于我们的两件事上：模型研究和基于视觉的浏览器自动化。'一个平台包含一切'对于一个只有一名工程师的四人团队来说是正确的选择，还是小想法死亡的方式？我宁愿要诚实的答案而不是礼貌的答案。如果你读到了这里：感谢你阅读这段旅程😊。我希望你们每个人都成为其中的一部分，我将继续发布我们交付的内容，包括那些不工作的部分。