Simon Willison
PulseAugur coverage of Simon Willison — every cluster mentioning Simon Willison across labs, papers, and developer communities, ranked by signal.
- founded Datasette 95%
- developed sqlite-utils 95%
- developed Datasette Agent 95%
- authored simonwillison.net 95%
- developed datasette-agent-micropython 95%
- developed by Datasette 90%
- founded by Datasette 90%
- used by Claude Fable-5 90%
- developed Datasette 90%
- developed LLM 90%
- uses LLM 90%
- authored Claude-Opus-4.8 90%
24 天有情绪数据
-
Simon Willison 发布更新的 AI 工具 llm-meta-ai 和 llm
Simon Willison 发布了他 `llm-meta-ai` 和 `llm` 工具的新版本。`llm-meta-ai` 工具（版本 0.1）旨在针对 Muse Spark 1.1 等模型运行提示。`llm` 工具（版本 0.31.1）修复了在使用参数为空的工具调用处理 OpenAI Chat Completion 端点时遇到的一个 bug，这是在测试 `llm-meta-ai` 时遇到的问题。两个版本均发布于 2026 年 7 …
-
Kenton Varda 的“原子化一切”概念在 AI 和开源背景下被讨论
Kenton Varda 被 Simon Willison 引用，在 AI 和开源技术的背景下讨论了“原子化一切”的概念。这种方法建议将复杂的系统分解为其最基本、可重用的组件。
-
开发者禁止 AI 编写的代码描述，称其无用
开发者 Simon Willison 已对 AI 生成的代码变更描述（包括拉取请求和提交消息）实施了暂停令。他发现这些 AI 生成的描述无济于事，常常详细说明代码本身可见的代码细节，却缺乏理解变更所需的更广泛的上下文。此决定是在近期事件之后做出的，包括 sqlite-utils 4.0 的发布以及一个主要由 Claude Fable 编写的候选版本。
-
OpenAI推出GPT-5.6系列，包含Sol、Terra和Luna模型
OpenAI已正式推出其新的GPT-5.6模型系列，包含三个层级：Sol、Terra和Luna。Sol定位为旗舰模型，用于复杂的推理和代理任务；Terra是面向日常专业用途的均衡选项；Luna则针对高容量应用优化了速度和成本效益。此次发布包括新的API功能，如程序化工具调用和多代理能力，旨在提高开发者的部署成本、延迟和用例匹配度。
-
AI 工具助力代码质量，增强消息应用，并检测 deepfakes
Simon Willison 使用 Claude Fable 5 发现了 sqlite-utils 4.0 的四个发布阻塞问题，展示了 AI 在代码质量检查中的实用性。同时，一个新的人工智能模型正在为 WhatsApp 的 Stories 效果和图像生成提供支持，标志着生成式 AI 更深入地集成到消息平台中。此外，Hive 提供了一个 AI/deepfake 检测模型，用于分析内容的 AI 生成视频、音频和音乐，并提供真实性的百分比可能性。
-
Simon Willison 在 6 年后发布 sqlite-utils 4.0
Simon Willison 发布了 sqlite-utils 的 4.0 版本，这是一个与 SQLite 数据库交互的 Python 工具。这是自 2020 年 3.0 版本以来的首次主版本更新，之前的 3.39 版本是由于累积的设计问题导致需要升级前的最后一个版本。此次发布包含重大变更，是该工具的第 124 次整体发布。
-
Simon Willison 发布 sqlite-utils 4.0 并支持数据库迁移
Simon Willison 发布了 sqlite-utils 4.0 版本，这是一个用于管理 SQLite 数据库的工具。此次重大更新引入了数据库模式迁移功能，允许用户定义和跟踪数据库结构的顺序性更改。新版本还增加了对嵌套事务和复合外键的支持。迁移在 Python 文件中定义，可以通过命令行或 Python 代码应用，系统会跟踪已应用的迁移以确保一致性。
-
Simon Willison 使用 GPT-5.5 构建 GitHub 代码嵌入器
Simon Willison 开发了一个实验性的 Web Component，用于嵌入 GitHub 中的代码片段。该组件使用 GPT-5.5 构建，接受一个 GitHub URL 并显示指定行范围的代码，带有行号，但没有语法高亮。该组件直接从 GitHub 的原始内容 URL 获取代码。
-
Anthropic 的 Claude Fable 5 发布面临出口管制；Sonnet 5 已发货，Grok 4.5 处于测试阶段
Anthropic 发布了其 Claude Fable 5 模型，随后因安全问题被商务部下令暂停分发。在停运 19 天后，Anthropic 实施了新的分类器以防止越狱，该模型得以恢复。与此同时，Anthropic 推出了 Claude Sonnet 5，这是一款价格更实惠、拥有 100 万个 token 上下文窗口的模型，面向企业用户。另外，埃隆·马斯克宣布 Grok 4.5 进入私有测试阶段，声称其参数快速增加，性能可与 Opus…
-
Claude Fable AI 识别并修复了五个软件发布阻碍者
Simon Willison 分享了一次经历，AI 模型 Claude Fable 识别并修复了他软件 sqlite-utils 中的五个关键发布阻碍者。他估计，如果没有补贴，这个审查过程将花费 149.25 美元，这凸显了 AI 在代码审查和质量保证方面的能力。
-
Simon Willison 的 sqlite-utils 4.0rc2 主要由 AI 助手 Claude Fable 编写
Python 库 sqlite-utils 的最新候选版本 4.0rc2，在很大程度上是在名为 Claude Fable 的 AI 模型的协助下开发的。开发者 Simon Willison 通过 37 个提示词使用了 Claude Fable，在 30 个文件中产生了 34 次提交和超过 1300 处代码更改。主要改进包括增强的事务处理，确保所有写入操作在完成后自动提交，从而简化了用户的数据库持久化。
-
sqlite-utils 4.0 接近发布，引入 AI 辅助开发
Simon Willison 的 sqlite-utils 项目即将发布 4.0 稳定版，2026 年 7 月初发布了多个候选版本（rc2、rc3、rc4）。据报道，这些版本的大部分开发工作由名为 Claude Fable 的 AI 助手完成，GPT-5.5 也做出了一些贡献。主要新功能包括支持数据库模式迁移和复合外键，并遵循 SQLite 的不区分大小写的列名约定。
-
AI 编码代理：按委托而非仅按能力选择
作者认为，像 Fable 和 Opus 这样高度自主的 AI 编码代理可能不适合那些喜欢一丝不苟地控制开发过程的工程师。就像手动挡汽车比自动挡汽车更受欢迎一样，经验丰富的工程师可能会发现过于自主的模型会阻碍他们既定的工作流程。AI 模型选择应取决于所需的委托级别，像 Sonnet 这样的中端模型更适合那些希望密切指导开发的人，而像 Opus 和 Fable 这样的旗舰模型则更适合委托方法本身。
-
仅用 445 字节数据生成世界地图
已开发出一种方法，仅使用极少量数据（445 字节）即可生成世界地图。该技术利用 deflate 压缩和 JavaScript 代码片段来实现紧凑表示。生成的地图以 ASCII 格式呈现。
-
Simon Willison 绘制开源AI模型差距地图
Simon Willison 创建了一个“开源AI差距地图”，以可视化开源AI模型及其能力的格局。该地图旨在突出与专有模型相比，开源替代品有所欠缺的领域。该项目旨在更清晰地了解开源AI发展的现状和未来方向。
-
Current AI推出开源AI差距图以编目生态系统
Current AI，一个在巴黎AI行动峰会上启动的非营利性项目，发布了开源AI差距图。该图旨在编目开源AI生态系统，详细列出了软件、模型、数据集和硬件中的421种产品，分为14个组和3个堆栈层。该项目还索引了超过24,000个附加制品，并根据MIT许可提供了其底层数据，包括1,184个YAML文件和16,185个GitHub存储库的跟踪数据。
-
Simon Willison 分享 Fable AI 节省 token 的技巧
Simon Willison 分享了一个关于使用 Fable AI 模型有趣的技巧，他建议用户应尽可能让模型运用自己的判断力。他通过指示 Fable 在编码任务中自行决定选择合适的低功耗模型来实现这一点，这似乎在节省 token 方面很有效。
-
鼓励Fable和Opus等AI模型运用自身判断力来执行任务
鼓励Fable和Opus等AI模型运用自身判断力来执行任务，而不是明确指示它们如何执行。这一方法由Claude Code团队提出，涉及让模型自行决定何时使用自动化测试，或将较小的编码任务委托给功能较弱、成本效益更高的模型，如Sonnet或Haiku。该策略旨在提高效率和管理资源消耗，特别是token使用量。
-
Simon Willison 发布五月通讯存档
Simon Willison 发布了他的五月通讯，现已在 GitHub 上公开。该通讯通常会提前一个月发送给赞助者，六月份的通讯最近已分发给这些赞助者。
-
研究人员警告：系统提示并非 AI 代理的安全边界
大型语言模型中的系统提示并非可靠的安全边界，特别是对于能够执行操作的 AI 代理。研究人员强调，系统提示中的指令仅被模型视为普通文本，使其容易受到提示注入攻击，攻击者可以将恶意命令嵌入用户输入或文档中。这种漏洞在 AI 代理中被放大，因为它们可以执行具有合法权限的操作，从而导致“受骗代理人”问题，即攻击者的指令被代理执行。当代理结合了访问私有数据、暴露于不受信任的内容以及外部通信的能力时，危险尤为严重，形成了可能导致数据泄露的“致命三要素”。