文章介绍了 Anthropic Claude Code 团队的代码审查实践，以及作者团队自研 AI 代码审查工具 HeyDeer 的落地经验。核心思路是：AI 写代码占比接近 100% 后，人工逐行审查不再可行，应把人的注意力留给真正有风险的部分。做法包括按风险分级审批（低中风险由 AI 自动批准，高风险由人判断方向）、多模型交叉审查降噪、用仓库检查落实团队规范、通过 Autopilot 自动修复问题直至收敛。作者团队跑了 8 个月未因合并有 bug 的代码导致线上事故，认为大部分创业和中小公司都适用这种方式。
作者将一名名为 Viktor 的 AI 员工接入工作室的 Slack，并把自己的 motion 工作流交付包交给它检查。首次任务是检查 harness ZIP 包（8 个 Markdown 指令文件和 4 个辅助文本），为读者准备快速上手指南和交接清单。Viktor 返回四份文档，并发现七个在 README 中被引用但未包含在交接中的 QA 和溯源记录——这是作者自己的遗漏。作者随后纠正：指定 LAUNCH-PROMPT.txt 为主路线，补充七个 QA 记录，并要求将读者说明控制在 80 字内。文章详细记录了任务下达、首轮审查、纠正与修订、说明批准和最终结果，展示了如何通过明确的上下文、输出定义和人工审核步骤来有效管理 AI 协作者。
文章指出大多数人在错误的层面修复 AI Agent 问题：模型失败时反复改提示词、换模型、加工具，却忽略了真正的问题是模型周围的环境——Harness。Harness Engineering 是构建围绕模型的系统，决定模型能看到什么、能做什么、记住什么、如何判定成功与失败。作者提出六大实践：将请求转化为带完成条件的任务契约；用渐进式披露提供项目地图而非塞满上下文；在模型与工具之间设置网关校验与策略授权；将记忆（事实、决策、状态、经验）移出对话外部存储；以可观测证据作为任务完成的门槛，优先用确定性检查。好的 Harness 能提升每一次运行的质量。
作者对比了 Pi Agent 和 DeepSeek Harness 两款 Agent 工具的选择问题。Pi Agent 核心精简，适合喜欢自己掌控工作流、DIY 工具和 Context 的用户，但插件装多易冲突；DeepSeek Harness 采用 Everything is a Plugin 思路，配有桌面 App，适合想快速上手、不喜欢终端的用户，但仍处测试版且有破坏性升级风险。作者指出省 Token 的关键不在初始 Context，而在工具加载方式、历史内容携带、任务重复执行及 Prompt Cache 复用率。最后建议：熟悉终端的写码者选 Pi，偏好图形界面者选 DSH。
文章系统解释了 AI 领域中 harness（套件/执行框架）的概念。作者指出 LLM 默认只能生成文本，要真正执行操作需要工具、调用语法、解析系统、结果回传和工具清单，这一切组成了 harness。文中区分了界面（如 Claude Code 的 TUI/GUI）与底层 harness（如 Anthropic Agent SDK、Codex App Server），并用厨房比喻说明 harness 与工具的关系。文章还解释了 MCP 的作用——类似'食谱'，让代码可以在外部运行，以及 agent 的定义：LLM 与 harness 的结合体。
作者从插件市场6254个插件中筛选整理出50+实用插件，覆盖DeepSeek Harness（DSH）生态。文章按功能分为三大类：上下文与记忆（如billion-context压缩、hindsight长期记忆）、界面与主题（Codex风格UI、桌宠、皮肤主题）、任务与开发（子代理、任务看板、Git图、代码审查、多智能体协作等），每个插件附下载量、一句话简介和GitHub仓库链接，方便读者按需查找安装。
作者通过拆解一个百万级FDE（前端部署工程师）交付项目，介绍企业AI落地的方法论：分四个阶段（诊断问题、小范围试点、工程化、验收交接）逐步落地，并在每阶段前明确交付边界，写清做什么、不做什么及前提条件。项目为集团办公场景解决资料检索、会议纪要、公文与PPT生成等需求，采用模型网关集中管理AI调用，检索使用轻量BM25。作者强调验收要验证最终文件的实际可用性，并从交付账与业务账两个角度分析百万级订单的价值构成。
作者受 yetone 分发的 AI 持续开发工作流启发，分享自己基于 Claude Code + Codex CLI 的开发实践。核心思路是：主 Agent 用 Claude Opus 负责需求分析、任务拆解、调度与审查，Codex 负责具体编码，低成本 Claude Subagent 监测 GitHub Issues/PR，并结合 Git Worktree 隔离任务。开发前强调明确需求、复用成熟开源组件（yt-dlp、Whisper、FFmpeg）、不断质疑想法；开发中通过 Human-in-the-Loop 让人负责体验与最终决策，AI 处理重复任务。文末附完整的可复用提示词。
作者购买了一块 128 元的立创实战派 ESP32-S3 开发板，全程未手动输入命令、未花模型费用，通过 DSH（DeepSeek Harness）搭配 WorkBuddy 免费额度的 DeepSeek V4.1 Flash 模型，将开发板刷成小智 AI 音箱。DSH 自主完成了查固件、校验 SHA256、烧录、读串口日志、定位唤醒词等操作，作者仅负责插线、配网和语音交互。文章记录了从配置免费模型、排除充电线问题、烧录固件到激活配网及后台调优的完整过程，展现了 Agent 驱动硬件开发的高效体验。
文章借 Karpathy 的漏斗模型，指出大众对 AI 能力的认知错位：60亿人没碰过大模型，十几亿人只用免费版聊天，仅约2000万人专业使用前沿模型。作者提出小白用好 AI 的三步法：一是换档，分清聊天与派活，按需选择档位而非盲目付费；二是派活，从可检查、重复性的真实任务入手，让 AI 先复述目标再动手；三是验收，把做完写成可执行的动作，要求 AI 交证据，涉及钱、删除、权限必须亲自确认。文末附派活单和七天上手清单，帮助读者用一件真实任务体验 AI 的实际价值。
文章针对 Pi 编程代理插件市场插件过多、选择困难的问题，给出系统性的选择指南。作者核对了 46 个插件，淘汰 9 个停止维护或无人使用的，提出'常驻 3 个插件'的核心建议：pi-cc-extensions（优化输出排版）、pi-web-access（联网搜索）、pi-context-view（查看上下文占用）。文章先讲清 Skill、Extension、Package 三个概念及安装、试用的基本命令，再按 7 个场景（订阅接入、多线程、上网、浏览器操作、省 Token、安全、写代码）推荐每个场景的最佳选择，最后教读者通过四个指标自行判断插件可靠性和避开同名包的坑。
作者在国庆假期用 3 天时间和 Astra 聊天，用 credits 开发出了全能 Mac 应用 Telos，替代了 Granola、Typeless、Things、CleanShot X、Notion Calendar 等多个付费软件，每年省下约四五百美元。Telos 基于 DeepSeek 模型和 Hermes Harness，功能包括：状态栏 Todo list、自动会议转录与总结（ScreenCaptureKit + Qwen3-ASR）、AI 语音标注截图、全局语音输入等。作者认为这些 App 打着买断制旗号行订阅制之实，经济下行下软件生态出现'自产自用'的消费降级趋势。
文章介绍了 Earendil 随 Pi 1.0 发布的实验性框架 Pi Durable，它解决的痛点是 Agent 长任务中断后无法继续。作者从零动手搭建了一个网页版个人 Agent「Pi Durable 小助手」（已开源），逐个演示其核心特性：任务每步存档、进程崩溃后从断点恢复；Document 让待办等应用状态与对话记录一致保存；后台任务实现回答后仍能触发提醒；子 Agent 与归属树支持派活与追踪；Fork 可从任意消息分叉新对话；多端同步与插话让多设备共享同一会话。最后指出可用它构建属于自己的 Hermes 式持久 Agent。
文章总结了 Claude Code 中十二种可复用的代理 Harness 设计模式，分为四大类：记忆与上下文（持久指令文件、范围化上下文组装、分层记忆、空闲整理、渐进式上下文压缩）、工作流与编排（探索-计划-执行循环、上下文隔离子代理、分叉-合并并行）、工具与权限（渐进式工具扩展、命令风险分类、单一职责工具设计）以及自动化（确定性生命周期钩子）。作者强调这些是架构层面的决策而非临时提示技巧，即使模型能力提升仍具价值。
作者提出在 AI 时代执行成本越来越低，eval（评估）才是一等公民。他建立了 repo-evals 项目，系统测评各类工具和 skill，并详细介绍了完整的评估方法论：先看真实产出而非介绍；将工具分为原子、分子、复合物三个层级并采用不同检查标准；打分四档且分数拆开可解释；明确 who/when/how 使用场景；绘制工作流并与同类工具对比；标注部署成本和 license；把 README 承诺拆成一条条 claim 逐条核对实测证据；最后按层级使用不同检查清单（确定性、幂等性、工作流正确性、错误传播等）。文章以 guizang social card 为例演示了完整评估页面结构。
本文是 Pi Durable 访谈译文第三篇，Mario Zechner 与 Armin Ronacher 讨论各类编码 harness 的体验。他们聊到 AMP 的 Orbs 设计与团队愿景、OpenCode 的持久化探索、DeepSeek harness 的插件架构与极简体验、以及 Claude Code 的自我修改趋势与稳定性问题。还谈及 Pi Mobile 让手机本地运行 agent 的愿景、Web 插件系统的安全挑战（XSS、沙箱隔离）、对 MCP 支持的转变，以及让非开发者上手 agent 的 onboarding 难题和对 AI 技术真正落地应用的期待。
作者分享入职大厂两个月从事 Agent 开发与后端维护的 AI 编程工作流。介绍了常用 Skill（grill、implement、ponytail、handoff 等）与简短 Prompt（第一性原理、对抗性审查、消融实验、奥卡姆剃刀、高内聚低耦合），指出随着模型能力增强，过重的 Workflow 反而成为噪声，应使用方法论式思维快捷键。同时分享了日常开发流程：grill 需求对齐、沉淀 Spec、任务拆分并行开发、交叉审查；重点讲解如何构建 Agent 友好的端到端测试环境（CLI、MCP、浏览器自动化），以及 Review AI 代码的实践。最后总结当前瓶颈在 Review 速度，Harness 需随模型迭代做减法。
本文对比了 Pi Durable 与 OpenCode 两种编程 Harness 架构。传统 Harness（如 Claude Code、Codex、OpenCode）采用会话式架构：运行中的 Agent Loop 驱动模型调用与工具执行。Pi Durable 则将模型生成、工具调用、压缩及应用工作全部建模为持久化任务，由调度器基于存储状态决定执行，实现崩溃恢复与进程解耦。文章从五个维度展开：Agent Loop 序列化到存储、工作可调度、应用状态与对话的原子绑定、压缩移出关键路径、以任务图形式实现委托协作，展示了持久化任务架构带来的全新 Harness 能力。
本文是 DeepSeek Harness 的实战教程。Harness 是一个可扩展的智能体运行环境，基于 Cordis 构建，一切皆插件。文章介绍了准备工作（Node.js、API 密钥、测试目录）、启动方式（npx 或源码运行 Web UI）、模型配置与工作区选择，并以生成可审核的小说推广文案为例，演示了素材分析、结构化任务指令、执行检查、人工审核到文件保存的完整闭环。还扩展了团队内容初稿、资料整理、插件接入等方向，给出批量处理的分阶段建议和常见问题排查，并强调最小权限、独立环境等安全边界。
文章将塔勒布的不确定性思想引入Taste Harness的设计，探讨在开放世界中如何面对不可预测性。核心观点包括：从预测事件转向安排敞口；重视个体路径而非群体平均（遍历性）；判断者须与承担后果者为同一人（skin in the game）；区分二元预测与真实后果的四个象限；用林迪效应正确评估资历；通过脆弱性检测（再大一倍会怎样）识别风险；以期权思维做有底下注；用否定法坚守'不为'；以杠铃策略拒绝乡原式平庸；并定义经验为挨过冲击后边界的真正改变。
文章解读 Pi 1.0 发布：Pi 从公开拒绝 MCP 转变为将其纳入核心支持。关键不在改变主意，而是为支持 MCP 所做的改动（沙箱、解释器、工具元数据、延迟加载）本身具有普遍价值，同时也让 Jev 等非 LLM 模型受益。核心概念 CodeMode 是跑在 harness 受信任侧的编排层沙箱，用 JavaScript（可作 WASM 分发）自由组合工具调用与模型调用，状态保存在会话记录中。Pi 团队认为 MCP 的问题是外部服务器难以组合，希望其向 OpenAPI 式结构化数据演进。此外还发布了构建长时间运行 agentic 应用的新基座 Pi Durable，以及延迟工具加载、缓存预热等改进。
作者基于一年运营 AI 原生公司并帮助客户转型的经验，提出打造 AI 原生公司的七步方法论：先清理数据与上下文（建立 Company AI Brain），再构建共享基础设施而非零散自动化；让全员在 Harness（如 Claude Cowork、Codex）中工作；用技能、上下文和新模型解决大部分工作；全员教育并培养 Champion 推动进化；自定义 Agent 最后才建；并保持持续尝试。作者还破除 Agent 神话，指出'人机三明治'模式依然存在，人的角色随信任与上下文积累而变薄。
本文介绍了 Comma 的分布式 Agent 框架 Salix 中的 Loop 机制：由 Agent 自己编写的小型 C 程序，编译为 eBPF 后在集群中 7x24 持续运行，充当外层事件循环，负责廉价地过滤和监控海量事件，仅在值得关注的情形下唤醒昂贵的内层模型 Agent 循环。文章阐述了为何选择 eBPF（内存占用小、可安全运行不可信代码、等待近乎零成本），并介绍了底层用户态 eBPF 运行时 Spinfoam：基于 async-ebpf，协程式异步、完全抢占式调度，并通过 Lean 形式化证明保证内存安全。实测 10,000 个监控 Loop 单线程运行，每个仅占约 64KB 内存。
本文译自 Earendil 的 What is a Harness?，以攀岩安全带类比 Agent Harness，面向初学者介绍其概念与工作原理。文章指出 Agent = Model + Harness，Harness 是为 AI 模型提供运行环境的软件，核心职责包括四点：提供系统提示、提供可调用的工具、构建 Agent 循环、以及作为转换层支持多种 AI 模型。作者通过比较小学排名并撰写建议邮件的示例，演示了 Agent 循环的完整流程。文章还强调开源中立 Harness（如 Pi、OpenClaw 等）能将自主权交还用户，用户可以拥有、改造自己的 Harness，自由选择模型并比较结果与成本，从而避免对 AI 实验室单一应用的依附。
DeepSeek 发布 Harness v0.2 预览版，推出 macOS 和 Windows 桌面应用。新版本改进了文件显示、内容预览和代码变更展示，简化定时任务的设置与管理。核心亮点是插件系统：新增插件管理器，无需终端命令即可安装、禁用或卸载插件；实验性创作者模式允许用户用自然语言描述需求，自动创建插件。官方数据显示 Harness 是 DeepSeek API 用户中最广泛使用的编码 Agent。未来计划改进沙箱与安全、Agent 团队、长期记忆、浏览器自动化、远程访问，并建设官方插件市场，完善插件 API 兼容性。
Replit 团队分享了其 Agent harness 的设计理念：与其使用模型路由器来选择 LLM，不如让主模型（core loop）自主决定子代理的层级、努力程度和委派方式。文章介绍了四个可组合的 harness 原语：领域感知子代理、子代理分层与努力度、可复用子代理、动态努力调整。在 DeepSWE 和 Terminal-Bench 基准上，Replit Agent 相比 Astra 单模型和 sidekick 架构实现了成本与得分的 Pareto 最优，作者将其视为 Sutton 'bitter lesson' 在 harness 设计中的体现：僵化的脚手架终将被可扩展的通用方法超越。
作者分享了其产品经理 harness 6.0 版本的开发实践：用它在 Claude Code 中仅用两小时从零构建了一个 AI 模特出图工具「视镜」。6.0 针对传统 Vibe Coding 的痛点，重点强化了需求拷问（五层漏斗提问法、Mom Test、魔鬼代言人等）和界面设计（自带视觉组件包）两个环节，精简其余规则，把具体执行交给推理能力日益增强的模型。文章详细展示了九轮需求确认、26 页设计稿生成、十个开发阶段的完整流程，提出主控文件只需规定六件事、以需求清单驱动进度的方法论。
本文通过阅读 DeepSeek Harness (DSH) 0.1.7-alpha.1 源码，对比其与 ZCode 执行框架的设计差异。DSH 采用只追加的流水账机制保证可审计性，对缓存前缀极致优化以降低成本，通过三层递进方式管理上下文防止信息丢失，并内置防重复调用守卫、程序化工具调用（PTC）和超时转后台等机制。作者指出这些优势主要体现在长会话、大输出和批量工具调用场景，Token 消耗可差一个数量级；但普通短任务成败仍主要由模型智力决定，两者差距接近于零。
本文基于 Diogo Almeida 的设计笔记，从第一性原理重新审视 coding agent 的设计。作者以「如果没有 KV cache 会怎样设计」为切入点，揭示当前 agent 围绕缓存经济性形成的「只追加对话记录」范式的六大症状：路由失效、工具挤占上下文、压缩有损、子 agent 平庸、重启丢状态、内置能力争论。文章指出 token 主要消耗在读取与搜索而非写代码，并提出以 Jev 决策层为核心的方案：元注意力上下文组装、查询感知压缩、可见性阶梯、可编程权限、安全感知路由与三级工具披露，把上下文当作被有意组装而非偶然累积的对象。
本文探讨如何通过循环工程降低自主编码 Agent 的 Token 成本。以一个 5 轮 PR 修复任务为例，未优化的 Harness 消耗 81,000 tokens（$1.53），而优化后仅需 12,050 tokens（$0.042）。核心机制包括：稳定的系统前缀以最大化 KV 缓存命中；基于 AST 的工具输出压缩，仅提取代码骨架；沙箱确定性工具预检与自动修复，避免浪费 LLM 推理；MCP 工具 Schema 的按需懒加载与 Code-Mode 执行；以及双层级模型路由（Workhorse 处理机械性任务，Frontier 处理复杂规划），并定义了四种确定性升级触发条件，实现亚角级（sub-dime）任务成本。
