作者以个人技术视角回顾了 2022 年底 ChatGPT 上线至 2026 年约四年的 AI 发展历程。从最初围绕聊天框的 Prompt Engineering，到 2023-2024 年 RAG、工具调用与工作流编排（LangChain、n8n、Dify、MCP）；2025 年 Codex CLI、Claude Code 等编程 Agent 兴起，本地部署与浏览器 Agent 出现，长任务催生上下文工程与 Harness 机制；2026 年 Skills 生态、OpenClaw 个人助手、多 Agent 协作与电脑操作能力成熟。文章梳理了从聊天框到完整任务执行系统的演进脉络，展示了 Agent 工具、技能与协作形态的迭代过程。
pnpm 12.4 将多语言项目（npm、Python、Cargo）的依赖安装、构建、测试与缓存纳入同一套工作区配置。一条 pnpm install 可安装三个生态的依赖，新增的 pipeline 功能通过任务依赖图编排构建与验证流程，并支持基于输出的缓存复用，减少重复构建。配套的 pnpr 服务提供跨机器的共享缓存、制品托管和多语言软件包的批量事务发布。文章还讨论了这些能力对 Agent 工作流的意义：仓库明确声明执行规则后，自动化工具可减少临场推断。最后指出了实验功能的成熟度限制、pnpr 的许可证差异，以及针对混合仓库而非纯 Python 项目的适用场景。
作者亲测 GPT-6 Astra 操控专业软件（Blender、Audacity），指出 AI 是放大器而非许愿池：它能跨越操作门槛，却无法补上领域知识与审美判断。Blender 建模测试中因缺乏建模知识反复翻车，只能给出'不好看'的模糊反馈；Audacity 测试则展现了 Astra 惊人的跨工具调度能力。文章还探讨了 AI 操作留下的中间产物可能成为新的原创证明，并分析 Astra 常停在'下一步'不执行的行为差异，认为门槛没有消失，只是往里挪了一层。
本文深入解析了 DeepSeek Harness（DSH）的架构设计，指出其核心是“一切皆插件”的理念，并借助 Cordis 运行时框架实现。文章将 DSH 视为两套并行系统：Cordis 维护运行时插件图，Session 记录事件流。重点阐述了 Cordis 如何通过 Context、Service、Fiber 和 effect 机制解决插件依赖、作用域隔离、生命周期管理和资源清理等问题，并与 React 的对应概念进行了类比。文章还解释了 DSH 的配置分层（Bundle、Profile、Patch）和 Agent Preset 与 Runtime Profile 的区别，展示了其部署时装配和会话级定制的能力。
