本文深入分析了DeepSeek发布的Agent产品DeepSeek Harness及其背后的产品哲学。作者认为，DeepSeek选择开放不成熟的产品，是基于交易成本理论，将公司边界内收，把具体场景的产品定义权交给外部开发者，以模块化方式实现“一切皆插件”，让市场并行探索Agent的最终形态。文章对比了iPhone与Android的生态起点，指出DeepSeek Harness更接近Android模式，并讨论了平台冷启动、开放架构与生态建设之间的差距，最后提出生态成功的关键指标。
文章探讨了如何让 LLM 理解和处理海量视频数据。作者指出单纯依赖上下文窗口并非最佳方案，因为成本高昂且无法进行确定性检索。借鉴编程中的 Unix 模式，文章提出构建“中间表示层”，提前提取并结构化对齐转录、视觉、情感等多模态数据，从而实现对视频内容类似 Grep 的高效搜索与组合分析。
文章深入探讨了软性产品工程的复杂性与技术挑战。作者指出，相比于各向同性的钢材，纺织材料因其各向异性、复杂的层压结构及粘合剂匹配问题，更难进行预测和建模。目前该领域缺乏现代化的CAD工具，主要依赖经验知识。文章认为软性工程是时尚与机械工程的交叉点，且针对该领域的AI工具开发尚处于空白期，蕴含着巨大的商业和技术机会。
