打造 Punk Software:一套全開放的 Agent 技術棧

TL;DR

• 「存在性風險」要重新定位:Albrecht 的說法是 "there is an existential risk from AI to you, not to the human race"——人類不會滅絕,但你的事業和生計可能會,因為它整個架在別人隨時可以關掉的服務上。
• 危險已經不是假設:模型發了又收回、價格調漲、帳號被封、ToS 改寫;再加上實際發生的隱藏 agent 思考過程、隱藏 logits、讓第三方稽核變困難、拒絕協助修補漏洞、悄悄降級效能,以及回頭跟合作夥伴競爭。
• Punk software 的五個判準:individual(完全屬於你、可客製)、decentralized(不跑在別人的伺服器上)、open(不只 open source / open weights,而是整套系統可被理解——順帶好處是 agent 也讀得懂)、anti-monopolistic、moral。
• Imbue 的三個東西:mngr(已開源、MIT、無任何服務端的 agent 協調 CLI)、mngr donate(把用不完的訂閱額度捐給科學家的 plugin)、minds(給一般人的個人智慧應用,beta)。
• 關鍵設計主張:別再逼 agent 保持互動式。只要 agent 能整段任務跑完,它就變成可組合的建構單元,你才能在上面疊出更大的系統,而不是被綁死在某一家的 harness。

重點整理

從「不可想像的未來」到「你的生計風險」(約 03:30–03:32)

開場引用 Long Now Foundation 的 Stuart Brand:"this present moment used to be the unimaginable future"。五年前跟人描述今天的 coding agent 能做什麼,對方會覺得你在胡說;而今天的 agent 正在幫我們想像五年後。

但 Albrecht 話鋒一轉:今天的 frontier AI 完全由少數幾家公司掌控。他先列了一串「假設性」危險——某家公司發布了一個模型(他直接拿 Fable 舉例),然後把它下架;或大幅漲價;或封你的帳號;或改寫服務條款讓你不能再做原本在做的事(例如 AI 研究)。你的事業撐得住這些事嗎?你在乎的東西,禁得起它某天直接消失嗎?

然後他指出這些已經不是假設。他點名的實際情況包括:最大的幾家 AI lab 現在常態性地隱藏 agent 的思考過程、隱藏 logits,讓第三方稽核更困難;「一兩週前我們看到的」駭進你的網站;以資安防禦為由拒絕協助你修補漏洞;悄悄降級效能(他指名 Anthropic 幾週前的事件);以及回頭跟合作夥伴競爭——與人合作後自己做藥、與 Figma 合作後自己做 Claude Code 的設計;還有無申訴管道的封號。

結論是他全場最尖銳的一句:AI 的存在性風險不是針對人類物種,是針對你。人類不會就此滅絕,但你的事業和生計可能會。因此如果我們要一個好的未來,「我們的思考與我們 agent 的思考必須完全在我們自己的掌控之下」,不能是一台隨時可以被關掉的第三方遠端電腦。做法只有一個:把整個 stack 開放。

Punk software 的定義與五個判準(約 03:33–03:35)

"Punk software" 這個詞是他們隨口編的——有人在 Twitter 私訊說「我很喜歡你們的 punk software」,他們覺得不錯就沿用了。它指的是 decentralized、minimal、DIY,與其說是規格不如說是一種 ethos:原始的龐克音樂運動就是關於自己動手,樂器彈得爛沒關係,程式寫得爛也沒關係。Punk software 是你自己造的軟體,你可以分享它、幫別人一起造,重點是它是你能理解、能探索、能創造的,而且它是你的。

好的 punk software 有五個判準:

1. Individual:完全由你控制、完全是你的一部分,而且你可以客製化讓它更像你。
2. Decentralized:不是能被輕易關掉的東西,不跑在別人的伺服器上,而是擴散在各處。他強調這才是 democratization 的字面意思——你手上真的握有屬於你的工具。
3. Open:不只是 open source(讀得到 code)或 open weights,而是你能看見模型裡、系統裡、作業系統裡到底發生什麼事,能藉此學習、教育自己、在外面疊更大的系統。額外的好處是:agent 也讀得到,而這對於做出更好用的系統極為有用。
4. Anti-monopolistic:對抗中心化權力,讓資料不會鎖在你拿不到的 silo 裡,讓價格不能單方面說漲就漲。
5. Moral:他認為大家有點忘了軟體的重點是在真實世界裡做事。「Recursive self-improvement 很好,但講到底我們是在 improve 什麼?」

全開放的 stack 長什麼樣(約 03:35–03:36)

由下而上:

• 開放基礎設施:Linux、Docker、SSH——已經有極豐富的開源生態可用。
• 開放推論引擎。
• 開放模型:GLM、DeepSeek、Nemotron、Inkling。
• 開放 harness:Codex、OpenCode、Cline、Goose。
• 協調層:tmux、Herder、cmux 之類,用來讓多個 agent 溝通協作、把小元件組成大系統。
• 最上層的應用:真正用這些 agent 做出有用的事。

Imbue 目前在做的三個東西剛好落在上面兩層:mngr、它的 plugin mngr donate,以及應用 minds。mngr 已經開源、今天就能用;另外兩個還在 beta(技術上找得到,但寫信給他們會比較清楚)。

mngr:讓 AI 模型與運算供應商都變成可替換的商品(約 03:37–03:40)

mngr 的目的是把 AI 模型與 compute provider 商品化——你想用哪個模型就用哪個,想用哪個運算資源就用哪個。核心理念是把 AI agent 變成更大系統的建構單元:只要 agent 能替你完成整段任務,你就能在上面疊出不綁定 Codex 或 Claude Code 的更大系統。

由此推出一個他很強調的設計主張:別再要求 AI agent 必須是互動式的。「我們不希望你坐在那裡按 yes、確認要不要跑那條巨大的 bash 指令,那是在浪費你的時間。」你該想的是怎麼把這些東西組合起來、疊成更大的系統。

架構上,mngr 是一層薄薄的中介,夾在你的應用與「任意 harness × 任意 compute provider」之間。harness 可以是 Codex 或 Claude Code,運算可以是 AWS 或 GCP,而你不需要在意。介面就是一個很簡單的 CLI:

• mngr create 啟動一個 agent(可指定啟動位置、名稱、要用的 harness,也可以傳額外參數,例如指定用 Opus)
• mngr message 送訊息給 agent
• mngr transcript 看你與 agent 之間已經送過的訊息——跨不同 coding agent 的統一存取,你不必再煩惱 Codex 與 Claude Code 的格式不同
• mngr list 列出你的 agents
• mngr connect 直接連進某一個,連上去就像在本機跑 Claude Code 一樣,但那個 Claude Code 可能跑在 AWS、Modal 或本機,不影響操作;講完就 disconnect
• mngr wait、mngr snapshot 等更多指令,用來組合出更高階的系統

用五個判準自評:沒有服務端、沒有遠端資料庫,全部在本機——每次執行時它就去問「AWS 上有沒有東西?本機有沒有?」;plugin 好寫、設定好改,完全由你控制;MIT 授權;商品化模型與運算供應商這件事本身相當 anti-monopolistic;至於 moral,它試圖直接賦權給個人。

mngr donate:把沒用完的訂閱額度捐給科學(約 03:40–03:41)

這是 mngr 的一個 plugin,示範 plugin 有多好寫。要解決的問題是訂閱額度沒被用滿:一份約 100 美元/月的 Claude Code 訂閱,如果用到上限大約值 4,000 美元的 API 用量,但你不會每週都用滿。既然週末到了還有剩,為什麼不把這些 token 給一位真的需要它的科學家?

實作直接建在 mngr 上:mngr 可以把科學家的任務放在 sandbox 或本機 Docker container 裡跑,所以你不用擔心執行不受信任的程式碼;它也能讀懂你訂閱的用量,確保不會吃掉你自己要用的額度。

五個判準:individual(你決定捐多少、不捐多少、捐給哪些議題)、decentralized(科學家貼出想跑的研究,你的系統自己去拉、算完送回)、完全開源、moral(貢獻科學);至於 anti-monopolistic,他自嘲「我也不知道『做開源分散式 AI 科學』這個領域有幾個壟斷者」。

minds:給一般人的個人智慧(約 03:41–03:43)

第三個是建在 mngr 之上的應用,對象不是軟體工程師而是一般人。minds 的定位是 personal intelligence,類比是個人電腦。

核心概念是:把語言模型和它產生的軟體跑在一起。相較於在 Replit 之類平台上做一個應用、然後部署、然後有資料庫、有 production、有 migration——當你只是想做一個個人 dashboard 或每天跑一次的小腳本時,那些全是不必要的雜訊與複雜度。

實作是跑一台小虛擬機(本機或遠端),mngr 在裡面協調 coding agents,用它們產生各種應用:一次性任務、分類收件匣、幫你把科幻短篇小說按你的喜好排序——你想要什麼就做什麼。而 mngr 的作用就是抽掉「這跑在哪、用哪家運算、用哪家 AI」的問題,讓東西完全在你掌控中。他舉的例子很直接:你想問天安門廣場,或想問資安,它會自動在模型之間切換,確保兩題都有人回答。

結尾是號召:加入這場 revolution、把整個 stack 開放;想捐 token 給科學、想拿 token 做自己的科學、想讓他們幫你的 punk software 曝光、想參加 punk software hack night 或加入他們的 Slack、想試 minds,寫信給他就行。

金句

"There is an existential risk from AI to you, not to the human race. We're not about to go extinct, but your business and livelihood — that could."(約 03:32)

整場演講的軸心:把「存在性風險」從物種尺度拉回個人尺度。

"If we want a good future, our thoughts and our agents' thoughts need to be fully under our control."(約 03:32)

Agent 的思考是你思考的延伸,所以它不能長在別人可以隨時關掉的遠端電腦上。

"The point is to stop requiring AI agents to be interactive."(約 03:37)

mngr 的核心設計主張——只有非互動式的 agent 才能當作可組合的建構單元。

"Recursive self-improvement is all fine and good, but at the end of the day, what are we improving at?"(約 03:35)

Punk software 五判準裡「moral」那一條的理由。