文章解读小米罗福莉关于 MiMo-V2.6 的 RL 复盘，探讨 RL 能否像预训练一样规模化。MiMo-V2.6 单次更新抽取 1568 个任务、每任务 16 条 rollout，一个 Step 生成约 2.5 万条 Agent trajectory。文章指出 Agent RL Scale 的三大难点：需要 7000 多个 RL Task Environment 供模型进入；将 Harness 混入训练实现跨 Harness 迁移能力（You Only RL Once）；以及需要强大的 Grader 评估轨迹质量并对抗 Reward Hacking。作者认为未来模型公司的核心能力是建造 Experience Factory，让模型通过大量真实经历实现下一轮 Scaling。
文章系统梳理了递归式自我改进（RSI）的技术演进图谱。首先定义了 RSI 的三大特征：递归演进、系统自指和可验证性，并介绍 Google DeepMind 等提出的 Dream-RSI 框架。文章回顾了从 1965 年 I.J. Good 的智能爆炸假说到 2025-2026 年产业爆发的完整时间线，涵盖 Absolute Zero、AlphaEvolve、Darwin Gödel Machine、SEAL、Hyperagents 等标志性项目。作者将可自我改进的对象解构为五类：模型参数、工具与 Harness、Skill、记忆、上下文，并给出了最小工程闭环的设计方案。最后提出判断：非参数化外围演化是当前落地主线，验证器质量是刚性瓶颈，未来将形成'外围高频迭代+权重低频蒸馏'的双层架构。
文章探讨 Jev 这类'认知 ASIC'式类型决策模型的意义。作者指出传统 LLM 的直觉只是符号层面的 System 1，与人类根植于具身经验的直觉存在本质断裂；CoT 推理模型则是显式展开的符号 System 2。Jev 将高频、受 Schema 约束的判断从语言生成中剥离，编译为强类型决策原语，实现低延迟确定性收敛，类比 CPU 与 ASIC 的分工。文章进一步论证 Agent 虽有因果介入权却缺乏不可逆的生存代价，无法产生真实品味，因此需构建价值声明治理体系，守住人类主体经验的溯源锚点。
文章介绍了TypeSafe AI推出的专用判断模型Jev及其背后的System One Models理念。与通用大语言模型逐token生成不同，Jev专注于答案范围明确的判断任务，提供Choice（选择）、Score（打分）、Noul（概率判断）三种能力，可并行输出多项判断及概率，大幅降低响应时间和调用成本。作者以电商评论处理为例演示了三个特性的用法，并指出Jev与大语言模型是互补关系：判断、分类、打分等环节交给Jev，复杂推理和内容生成仍由大模型承担。这种专用化思路对Agent系统（Harness）友好，有望开辟AI模型分工的新赛道。
MiniMax 宣布 Code CLI v0.4.12 以 MIT 许可证向全球开发者开源。在第三方 FrontierHarness Eval 评测中，MiniMax Code 取得了最高的通过率、最快的平均任务完成时间以及次低的 token 消耗。官方认为精心设计的 harness 能充分释放模型能力并减少开发者等待时间。开源后，开发者可以审查工具调用与权限处理机制，构建可靠的企业级应用。MiniMax 同时邀请社区参与问题反馈与修复，通过真实使用和社区审查持续强化安全防护，共同打造安全、可靠、高性能的 harness，实现 Intelligence with Everyone。
OpenAI 宣布 Agents API 进入公测，将支撑 Codex 的同一套 harness 和基础设施通过 API 开放给开发者。文章提出 Agent ≈ Model + Harness 的简化框架，解释了 Harness 如何组织上下文、工具调用、Session 状态和子 Agent，使模型能够持续执行长任务。文章以老项目依赖升级为例，说明长任务并非让模型持续思考，而是通过工具调用循环、留下可复用的工作产物来推进。同时强调工具权限应按任务开放、子 Agent 适合并行独立工作、验收标准应写入任务目标。Codex 是现成的 Agent 工作环境，而 Agents API 让开发者把这种能力接入自己的产品。
这是一篇面向初学者的 AI Agent 完全指南，介绍如何部署实用的 agent 集群（swarm）。文章首先区分了 AI 聊天机器人与 AI Agent：前者只与你对话，后者能代你执行桌面操作。随后系统讲解了构建高效 Agent 的四大要素：1）Context（上下文），建议通过 Claude Cowork 用语音提问生成 context.md 文件；2）Memory（记忆），让 Agent 通过 memory.md 持续学习你的偏好；3）Skills（技能），类似 SOP 的分步任务文档，可通过手动讲解或屏幕录制自动生成；4）Tools（工具）。文章还介绍了 Harness（如 ChatGPT agent、Claude Code subagents）和 Loops（持续运行的工作流），帮助读者打造 24/7 全天候工作的迷你 AI 员工团队。
作者介绍了开源项目 Hypit，一个面向 Claude Code、Codex 等 Coding Agent 的开源视频语言与编译系统，被称为视频领域的开源 Harness。它解决了 AI 视频制作两大痛点：视频模型抽卡黑盒、传统剪辑软件无法自动化。Hypit 用代码写视频，独创 Hook 机制将特效、B-roll、字幕锚定在台词的词上，修改台词后自动重新对齐；支持 /hypit clone 反向工程爆款视频并批量生成变体；付费素材先占位预览、旧素材 100% 复用，纯代码渲染零成本，API 跑完整视频约 1 美元。文中还提及 Atria Dawn Preview 的可交付 Agent 思路。
文章探讨了 Agent 评估（evals）的重要性与实践方法。作者将 Agent 定义为模型加 Harness 的组合，区分了模型评估与 Harness 评估，并对比了 SDLC 中的测试与 ADLC 中的评估差异。文章澄清了评估的核心概念（task、trial、outcome、grader 等），指出评估的冷启动门槛比想象中低，从真实失败案例中提取 20-50 个任务即可起步。作者强调应只构建任务完成率和正确性两个基础指标，主张评估结果而非路径，并建议纳入负向用例、部分得分机制，坚持阅读轨迹记录，关注分心、token 消耗、延迟、上下文膨胀和一致性等信号。
本文从 LLM 基础原理出发，循序渐进讲解 AI Agent 的底层机制。作者首先解释大模型如何通过 Token 预测生成文本，说明无状态、幻觉和知识截止等现象的根源；接着阐述多轮对话依赖上下文拼接实现的原理；进而介绍工具调用如何让模型影响外部世界，以及模型结合工具反馈形成闭环后 Agent 的诞生。文章提出 Agent = Model + Harness 的工程视角，剖析 Harness 在上下文管理、记忆系统、上下文压缩等方面的职责，帮助读者建立对 AI 能力边界的底层认知，摆脱对新工具的 FOMO 焦虑。
本文探讨了AI Agent开发中开放Harness与记忆所有权的重要性。作者引用Harrison Chase的观点——'不拥有Harness就不拥有记忆'，并区分了Memory（从上下文窗口记录的事实，如用户偏好、仓库知识）和Intelligence（利用这些事实让会话更智能的机制）。文章详细介绍了Mem0的方案：通过custom_instructions和infer=False控制记忆提取，用语义+BM25+实体搜索进行检索，并借助Dream实现记忆合并、替代与综合。作者主张将记忆层置于Harness之外，存储于SQL、向量数据库和实体存储中，从而实现跨Harness的记忆与智能的可移植性，即使前沿实验室的循环保持封闭。
作者体验上海人工智能实验室发布的 Atria Dawn Preview Agent 后，首次感到 AGI 临近。该 Agent 能自主检索资料、写代码、跑实验、验证结果并交付可用成品，甚至生成 3D CAD 模型。更令人意外的是，其 96 人核心团队中 65 人为在校学生。作者指出其与 Claude Code 等现有 Agent 的本质区别在于'模型 + Harness + 环境'三层架构，Agent 自己完成验收环节，无需人工逐步盯进度，大幅提升了超级个体能独立交付项目的复杂度上限。
作者结合实际工作经验，整理出一份 AI Harness 开发的 11 条技能清单，涵盖后端与系统设计、RAG 与向量数据库、记忆与上下文管理、工具调用与 MCP、Agent 编排、护栏校验、评测、可观测性、模型路由降级、排队负载均衡以及推理部署引擎。作者指出 Harness 开发是硅谷热门方向（如 YC Demo Day 上大量项目），建议普通开发者从 AI 应用入手，把模型接入具体业务，并给出将清单交给 AI 逐项学习的 prompt 方法。
作者发现 DeepSeek 官方悄悄在 GitHub 仓库中合入了基于 Electron 的 Harness 桌面端应用，未发任何公告。文章介绍了作者自行编译运行官方桌面端的过程：安装 pnpm、克隆仓库、启动开发模式，并测试了对话、文件操作等功能。作者对比官方版与社区桌面端，指出官方版本在安全性和版本管理上更有优势：不开本地端口、使用自定义协议传输数据、整体签名发布与统一更新。官方版目前仍处早期，需自行从源码构建，未来有望正式分发安装包。
本文探讨Agent Harness中的会话隔离问题，包括Session Isolation和Resource/Tool Isolation。文章解释了为什么需要会话隔离，如何通过SessionManager管理独立会话，以及ToolRegistry如何避免全局状态污染。重点指出工具定义应全局共享，而运行时状态需通过RuntimeContext按Session注入。最后讨论了多租户SaaS场景下的五层隔离设计，强调身份验证、租户命名空间、工作区域隔离及工具运行时安全。
文章探讨了 Agent 系统如何在不更新模型权重的情况下实现自我改进。作者提出两条独立回路：成功运行可产出可复用流程（如 Hermes 的 SKILL.md 程序性记忆），失败运行可产出经审查的修复和回归用例。通过 Opik 工具链，生产失败被转化为结构化反馈：trace 记录、源码级诊断、人工批准 diff、重跑验证、回归测试。文章强调改动需版本管理、评估需确定性校验器，系统并非自动学习，而是把事故变成可审查的改进输入。
作者分析了 DSH Desktop 桌面端的整体架构：Renderer 进程负责显示 Harness WebUI，Main 进程负责窗口创建、Harness 启动、更新与配置修复，两者通过 Preload 和 IPC 通信。聊天与任务执行走独立的本地 HTTP/RPC 通道，连接 Harness Runtime 独立进程（macOS 用 Electron UtilityProcess，Windows 用自带 Node.js），仅监听本地回环随机端口。Harness Runtime 基于 Cordis 插件组合，包含 Agent Loop、Tool Registry、Session Service 和模型适配器，并扩展了 Preset 导入导出、插件市场和 PPT 生成等能力。本地数据与安装目录分离便于升级保留配置，模型 API、更新和手机接入（Mobile Bridge）等外部服务各自独立。
本文介绍 Alex L. Zhang 与 Omar Khattab 提出的观点：Transformer 不擅长组合泛化，而更好的泛化应主要由 harness 完成。Harness 位于外部世界与神经网络之间，通过 context offloading（上下文卸载）和程序化子 agent 调用两个机制，让每次 LM 调用看到的观察处于训练分布内（LID），把复杂、陌生的问题归约为简单、熟悉的问题。实验基于 Qwen3-30B 的递归语言模型（RLM）显示在长度泛化和跨域策略泛化上远胜裸 Transformer，30B RLM 甚至可逼近 GPT-5.5。作者提醒不要手工硬编码 harness 结构，数据 scaling 仍是最大驱动力，但 harness 决定 scaling 系数。
本期早报围绕 AI 落地的三个层面展开：先测量成本，再管理状态，最后明确责任。精讲一介绍 Uber、Pinterest、AT&T 通过开放权重模型、模型路由和基准测试，将单次请求成本降低 34%、会话成本降低 52% 的实践。精讲二解析大淘宝技术的 HL-Mem 系统，通过 Event 与 Claim 分离、双时间模型和显式遗忘机制，解决 Agent 长期记忆的证据、时间与冲突治理问题。精讲三分享京东技术的 B 端产品实践，把工作组织为 Prompt、Context、Harness 三层，AI 负责整理与生成，人负责业务判断与责任，使 34 人日工作压缩至 15 人日。速览还涵盖多智能体最佳实践、OpenAI 存储架构、AI 评估管道等内容。
作者认为 DeepSeek Harness 的 WebUI 方式和 CLI 各有不足：浏览器难以管理长期运行的 Agent 会话，CLI 则在多任务时难以区分上下文。作者推荐 dataelement 社区（BISHENG 团队）开发的 DSH Desktop，一款 DeepSeek Harness 桌面端。相比其他竞品，它上手门槛低、有故障诊断与 Safe Mode、并提供企业版。作者实操演示了配置流程、PPT 一键生成、插件市场和 Agent Preset 广场等功能，并拆解了其 Electron + Harness Runtime 的技术架构：桌面宿主接管窗口、进程、更新与配置，Harness Runtime 继续负责 Agent 执行。
文章介绍了作者开发的三个围绕 Harness 的 Skill：star-your-harness 用于从零搭建个人 Agent 工作台，通过四个问题生成目录骨架；better-your-harness 用于诊断已有文件夹，从安全隐私、上下文质量、工具装备、记忆学习五层扫描并生成 HTML 报告；view-your-harness 用于可视化展示项目文件和 Skill 调用情况。作者认为 Harness 是模型之外让模型能干活的整套结构，搭建个人 Harness 能让工作在不同 Agent 间无缝衔接。
本文介绍如何为多 Agent 团队搭建评估体系，以电商场景为例，通过五步流程：设计含陷阱的测试用例、保存 trace 回放协作过程、用结果/协作/决策三张成绩单分别评分、与单 Agent 及重试基线在同等预算下对比、将失败案例加入回归集。文章强调交接信息完整性、冲突解决、角色消融与协调增益等关键检查点，并给出可直接运行的最小 harness 代码示例。
文章以DeepSeek V4 Pro和DeepSeek Harness（DSH）上线引发的舆论风波为切入点，分析了'国运级产品'叙事如何反噬DeepSeek：用户的过高期待与负面情绪在模型表现不佳和涨价后集中爆发。作者指出群体欲望的投射剥夺了深度求索的叙事权，公司沉默使其成为任人解读的玩偶，研发自由也受舆论胁迫。文末升华至AI时代审美的思考：技术无法填平欲望的沟壑，真正的美在于帮助人们减少被奴役、活成自己，去体验、判断与共情。'无用亦无欲，方为至美'。
文章探讨如何在不训练模型的前提下，让编码智能体在后续任务中持续变好。作者将编码智能体拆解为“冻结模型 + harness 程序”，并以 Pi 和 Hermes 为例说明通用 harness 的循环结构：组装提示、调用工具、追加结果、压缩上下文。核心观点是，真正带来“自进化”的并非内层循环本身，而是引入第二个写入者——在回合结束后或任务进行中，由额外代理将经验写入 MEMORY.md、SKILL.md 或四类存储，使下一个上下文窗口能加载这些持久化知识。Hermes 通过 fork 代理定期写记忆与技能，Prime Agent 则用 /refine 从轨迹中做最小可回滚编辑。两者都保留不可变基础提示，只改变下一窗口内容。
CMU LTI 2026 年秋季新开研究生课程 11-768: AI Agents，由 OpenHands 核心开发者 Graham Neubig 与 Daniel Fried 共同讲授。课程以"搭 harness→建评测→RL 训练→做研究"流水线为主线，涵盖工具调用、上下文管理、技能与记忆、规划、安全、框架实践等模块，密集邀请一线学者客座授课。作业要求学生在开源 LLM 之上从零实现 ReAct Agent、设计评测框架并完成 SFT/RL 训练，工程细节对标生产级 Agent 系统。期末研究项目占 50% 成绩。PPT、视频与作业仓库全部公开，是目前系统学习 LLM Agent 建造、评测与训练最完整的公开课程。
作者介绍了一款 DeepSeek Harness 的 Live2D 桌宠插件 dsh-live2d-pets。该插件能在写代码时提供互动陪伴：内置 Hiyori/Haru/Mao 等 5 款模型，支持人设选择（傲娇、元气、三无、病娇等），眼睛跟随鼠标、可拖动摆放，还有 51 段动画包括发呆、打瞌睡、散步、玩魔方等互动效果。作者还将其从原平台迁移到了 Windows，支持桌面闲逛、置顶、开机自启、多实例生成。安装方式非常简单，只需复制一句指令给 Agent，通过 dsh plugin 命令即可完成安装。项目已开源在 GitHub。
作者商科出身，曾做投资和猫粮创业，2026年1月才开始借助AI写代码。因业务需求接触爬虫工具OpenCLI并参与开源，后开发团队AI工作台PawWork，并参与Apache孵化项目Maka。Maka在Terminal-Bench 2.1测试中通过率77.5%，排名第二。作者认为LLM+Harness=Agent，强调Harness需要benchmark，并分享了对Vibe Coding、开源协作和知识原理的思考，最后给想参与开源的朋友提出建议。
文章从工程视角系统讲解 Agent 概念：首先对比 AI 应用的三种形态——Chatbot（对话驱动）、Workflow（预设流程）与 Agent（ReAct 自主循环），分析各自优缺点及区分方法；随后给出最小 Agent 的循环伪代码，演示思考-决策-行动-感知的闭环机制；再梳理生产级 Agent 所需的八大能力模块，包括上下文管理、任务管理、记忆、连接器、Trace、容灾、编排与安全；最后探讨实际工程中三者混合使用的架构策略，如 Agentic Workflow、Workflow 包装为工具、前置路由分发等。
本文系统介绍了 Agent 工具 Pi 的理念与用法。Pi 是一个极简的 Agent Harness（工作台），默认只提供读、写、改文件和运行终端命令四种基础工具，不绑定任何模型，可接入 Codex、Claude、Gemini 或本地模型。作者通过 Databricks 和 Fullscript 的实测说明其轻量设计能显著降低 Token 成本。文章按使用顺序展开：安装并接通模型、跑通第一个任务、利用 /tree 会话树实现多模型同起点分叉比较，最后通过 AGENTS.md、Skill 和 Extension 让 Pi 自我扩展，逐步长成专属 Agent。
本期早报围绕 Agent 从生成能力走向稳定交付的实践路径展开三条精讲：一是蚂蚁数科的 Harness 工程实践，通过约束层、状态写入、目标对齐与对抗验证建立 AI Coding 验收闭环，存量项目缺陷率显著下降；二是 Uber 的智能体成本治理，在周请求量增长9.4倍的情况下，通过成本乘数拆解、模型路由、上下文治理和缓存策略保持总支出稳定；三是 UrbanGround 在真实三维香港沙盒中评测多模态模型的长程导航能力，揭示局部识别与完整任务完成间的巨大断层。速览部分涵盖自建数据中心、ML 训练数据加载、上下文清理、边缘推理、开源代码治理、AI 电话代理等主题。
