Signal Brief

SpaceXAI 开源 Grok Build 并重置额度

SpaceXAI 开源了 Grok Build 并为所有用户重置了使用额度。通过完全披露 Agent Harness 的源码实现可靠性,该项目涵盖上下文组装、模型响应解析、工具调用分发等代码;架构包含 Leader 会话管理、Session Actor、AgentActivity、Turn、Samp...

twitter关注列表 meng shao (@shao__meng) 发布 2026-07-16 收录 2026-07-16 观察

一句话判断

提供完整开源的代码及详细工程细节,包括 7 层架构设计、95% 历史压缩及安全检测机制,值得查阅源码和评估集成。

核心信息

SpaceXAI 开源了 Grok Build 并为所有用户重置了使用额度。通过完全披露 Agent Harness 的源码实现可靠性,该项目涵盖上下文组装、模型响应解析、工具调用分发等代码;架构包含 Leader 会话管理、Session Actor、AgentActivity、Turn、Sampler、Subagent Coordinator、Tool Index 七层设计,提供 95% 历史摘要压缩和 9 项目标停止正则检测。安全机制采用双层重试控制,最大重发阈值为 8,最大重试次数为 2,并支持本地编译(config.toml 驱动)和自主路由。重置额度旨在修复之前的代码安全问题,重建社区信任。

原始内容

SpaceXAI 最新开源了 Grok Build、还为全体用户重置了额度! https://t.co/90v5UQmXVT 回应之前的上传代码库的安全风波,赢得用户信任最佳的方式,就是认错调整,并把包括整体 Agent Harness 开源出来,让社区监督透明度,另外就是由 OpenAI Codex 团队带起来的「重置额度」😄 看看官方开源的原因 · 可靠性靠透明换取:把 context 组装、模型响应解析、工具调用分发的代码完整暴露,让外界能逐行审视一个生产级 coding agent 是怎么搭的。 · 可扩展性靠源码做参考:skills、plugins、hooks、MCP servers、subagents 的加载与调用,源码即文档。 · Local-first 可行性:可自行编译,指向你自己的本地推理后端,全部由 config.toml 驱动。这一点对关注数据主权和离线场景的开发者尤其有吸引力。 Grok CLI 的分层设计 Pager(UI)<-> Shell(runtime)<-> Tools(能力)<-> Workspace(宿主交互),四层解耦使得 headless、TUI、ACP 三种入口能复用同一套 runtime 与工具链。 Agent Harness 七层结构 1. Leader 进程:长驻宿主,三入口——Stdio(本地 IPC)、Headless(WebSocket relay)、ACP(编辑器嵌入)。4 字节大端长度前缀 JSON 帧,单帧 64 MB 上限。 2. Session Actor:每会话一个 actor,mpsc::UnboundedSender<SessionCommand> 驱动,状态经 Arc<Mutex> 暴露。 3. AgentActivity:Send + Sync 的活性视图,让 !Send 的 MvpAgent(跑在 LocalSet)能被外部 task 探询 busy 状态、做有界 grace 的优雅关停。 4. Turn 抽象:PromptOrigin 八种来源(User / TaskCompleted / SubagentCompleted / NotificationDrain / GoalSummary / GoalClassifierNudge / SchedulerFired / PlanResume),合成 prompt 统一进 turn 管道,按 origin 决定 history/scrollback 可见性。 5. Sampler:SamplerActor 持有 retry/doom-loop recovery,对接 Responses API SSE 流。 6. Subagent Coordinator:pending → active → completed 状态机,绑定 parent_prompt_id,foreground/background 区分。 7. Tool Index:BM25 over MCP tools,每次搜索重建(亚毫秒),标识符按 __/_/-/camelCase 拆解。 工程亮点 1. Two-pass 层级压缩:95% 历史先摘要成 NOTE₁,NOTE₁ + 5% 尾部再合成 NOTE₂ 给后继。切分 snap 到 tool-call 边界,绝不切断 tool_calls <-> ToolResult;prompt 硬性要求"完整并入前次摘要,禁止 see prior compaction",对抗层级摘要的早期遗忘。 2. Goal + 早停检测:一整套 goal_* 模块让模型自管目标;goal_stop_detector 用 9 个锁定 regex 识别"摆烂话术"(giving up / stopping here / verdict line / please deflection 等),命中即注入续命 nudge 并 emit 可观测事件供 dashboard 审 precision/recall。 3. 双层 Doom-Loop 防线:client 端 regex + server 端 SSE 信号检测(tail_repetition:N@channel),跨累积重发去重,仅 confident 信号触发 resample,default max_threshold=8, max_retries=2。 4. Subagent 工程细节:running gauge 用 atomic 重算而非递增防漂移;foreground 等待预算耗尽自动降级 background;cancel_with_outcome 返回 Cancelled/AlreadyFinished/NotFound 三态;worktree snapshot ref 支持 resume 水合。 5. Per-client 能力路由:同一 leader 挂 TUI(terminal:false)和 web 客户端(terminal:true)时,terminal / fs_read / fs_write / code_nav 按客户端独立路由。 ![photo](https://pbs.twimg.com/media/HNUEHgKaYAAPyPt.jpg) > **引用原帖 SpaceXAI (@SpaceXAI):** > We've open-sourced Grok Build and have reset usage limits for all users. > Open sourcing Grok Build allows anyone to support making a reliable and robust harness. Check out our code, including the Git repo for the Grok Build CLI. > https://t.co/3SSvPu2Nrz > https://x.com/SpaceXAI/status/2077494535387828644

相关动态

01

Mind Lab 开源长文本强化学习项目

Mind Lab 开源了一个长文本强化学习(RL)项目,支持 2M tokens 的长上下文。相比以往需要数千个 GPU 的 1M 上下文研究,该项目仅需 8 个 GPU 即可完成,大幅降低了超长上下文研究的算力门槛。

twitter关注列表2026-07-17#开源#技术突破#模型
观察
02

BestBlogs 早报 · 07-18

月之暗面发布Kimi K3,2.8万亿参数,896选16的Stable LatentMoE,上下文100万token,接近Fable-5但仍落后最强闭源模型,完整权重7月27日前开源;VentureBeat调查显示54%企业已发生AI代理安全事件;xAI开源Grok Build(84万行Rust代码)并残留上传用户代码痕迹;Cursor评...

twitter关注列表2026-07-17#AI#模型发布#开源
观察
04

Astribot发布Lumo-2

Astribot发布了40亿参数的Lumo-2机器人基础模型,推理速度比前代快2.71倍,支持人类视频和多机器人身体。该模型在105个未见物体上取得更好结果,并在22项涵盖 motion prediction、memory、physical reasoning、long tasks、fine hand control的真实操作任务中表现最...

twitter关注列表2026-07-17#技术#模型发布#AI
观察
05

杨植麟在 GTC 2026 演讲:如何扩展 Kimi K2.5

月之暗面在 GTC 2026 宣布开源三个替代 Transformer 基础组件:MuonClip 优化器(数据效率接近翻倍)、Kimi Linear 线性注意力(3:1 混合全注意力,首个全面超越全注意力的架构)、Attention Residue 残差连接(提升 24% Token 效率)。同时披露 Agent Swarm 支持 10...

twitter关注列表2026-07-17#技术突破#模型发布#开源
观察