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。
本文详细介绍了如何使用 Codex 和 Hyperframes 搭建一套抖音爆款视频的拆解与复用工作流。作者提出完整的制作顺序：工具准备、旁白、TTS 配音、画面、字幕到成片。文章强调先拆解原视频结构（Hook、叙事、视觉、节奏），人工核验事实与表达，再把可复用结构抽成模板，一次生成多个 Hook 版本用数据迭代优化，最后固化成可重复调用的 Skill。作者建议先手动跑通 3-5 条视频再自动化，建立素材池与固定视觉风格，并将数据反馈喂回流程持续修正，目标是搭建一条能重复生产内容并不断自我优化的生产线。
作者批评国内许多自称 FDE（前台部署工程师）的人只是换了名字的售前、实施或驻场外包，没有真正的企业 AI 交付能力。文章分析了 AI Native 的本质：AI 进入具体工作流程并执行可审计的业务动作。详细解读了 Palantir 本体论（Ontology）——将对象、属性、关系、动作和权限构建成可操作的企业地图，强调只有名词没有动词不算本体论落地。通过发票争议、消费品公司替代原料等案例说明'五天交付'的真实含义是窄闭环验证而非全公司改造，并反推出一套 FDE SOP，指出 FDE 背后需要平台、产品、安全和业务的完整支撑，而非一个人单打独斗。
本期早报围绕 AI Agent 的工程实践与产业趋势展开：一是 Addy Osmani 提出在遗留代码库中安全使用 Agent 的分区流程，强调人画分区、特征测试锁定行为、删净旧路径才算完成；二是 Vercel 复盘内部数据智能体四代演进，最终借助 Claude Code 与文件系统方案将评估分数翻倍，并将经验开源为 Eve 框架；三是 OpenAI 联合创始人 Greg Brockman 宣布 AGI 时代已至，探讨算力、安全与普及的同步推进。速览部分涵盖 PostHog 的 Bash 安全护栏、Recursive 的递归自我改进、腾讯的上下文工程参考、鹿客的 AI 原生组织改造及 AI 眼镜的集成瓶颈等内容。
本文是 pstack 指南第二部分，介绍作者用 agent 进行调研、规划、原型和架构的工作流。核心观点是通过 /teach、/recall、/how、/why 等 skill 建立并保持对代码库的心智模型；用「readme 驱动开发」和 /technical-writing skill 以代码和文档形式规划；用 prototype 剧本并行生成多个方案让 agent 以实证回答开放问题；用 /architect 多阶段流程跨模型家族竞争设计并交叉评判。作者强调抽象计划只给人进步的幻觉，应让 agent 通过原型和验证自己回答问题，从而每月将数千个 PR 推进生产并保持高质量。
文章解释了 Agent 的自我学习不能依靠推理时实时微调参数，原因在于算力成本极高且会导致灾难性遗忘。真正的经验积累靠上下文工程搭建的外挂认知系统，分为三层：执行后的反思复盘提炼经验、经验的持久归档（如 Claude Code 写入 CLAUDE.md 和 memory 目录、Codex 写入 SQLite）、动态检索注入（Claude Code 的极简索引与 OpenClaw 的向量化混合检索）。此外介绍了 Claude Code 的 AutoDream 机制，模拟人类做梦时的记忆整合，在后台空闲时扫描会话日志、合并重复经验、淘汰过时策略，保持记忆库精炼，从而让 Agent 持续进化且不被冗余记录拖垮。
本文是构建 Agent 记忆系统系列的第四篇，聚焦读取路径：如何检索已保存的知识并加以利用。文章首先强调根据问题类型选择检索方式——精确查找、相似案例识别或项目概览各有不同需求。接着对比了四种搜索方法：关键词匹配、语义搜索、图遍历和 Agentic 检索，指出 Agentic 检索能综合运用其他方法并随信息获取调整调查策略。文章还强调检索结果应具备可操作性，一条包含复现步骤和验证方式的笔记远比泛泛的描述更有价值。最后提醒要注重精确度，避免给 Agent 返回过多无关信息造成干扰，因为它可能将小问题扩大成大改动。
文章探讨当 AI 能编写几乎所有代码时，工程师的角色将如何演变。以 PostHog 为例，其 monorepo 中由 agent 发起的 PR 已从 20% 升至 70%。作者认为工程师不会消失，而是转向四项核心工作：一是监控全局，通过构建 standup bot、repo scout 等系统及时获取信息并确定优先级；二是设定方向，综合经验、用户价值、技术可行性和竞争格局做出取舍，避免被 AI 轻易生成的功能带偏；三是决定如何构建与实现，凭借对代码库和实现细节的理解确定范围、提出正确问题；四是评估 agent 的工作产出。工程师的价值从写代码转向监督、决策与系统设计。
作者分享了用 Codex 从一篇口播稿出发，结合自己的 IP 形象和授权音色，自动完成配音、字幕对齐、分镜、动效与渲染，产出一条 2 分 54 秒 1080p 知识视频的完整实操过程。文中介绍了三个 Skill 的分工（流程管理、字幕分镜、镜头语言库），复盘了声音误用、字幕机械切分、时间轴错位等踩坑与修正，并沉淀出样片前置检查、Sol/Luna 多代理分工、按环节整理的提示词模板等经验。整个核心制作约 3 小时完成，文章强调自动化的关键在于明确分工、逐轮人工确认与检查前置。
作者分享了在企业一线做FDE的实战经验：面对需求又多又散、会议低效的问题，利用飞书机器人+AI Agent构建需求管理方案。通过“四要素追问”机器人（客户、场景、痛点、预期效果）过滤伪需求，再用评分机器人建立需求池与版本立项机制。方案秉持大道至简理念，落地成本极低（不到50元token费用），最终每个版本节省5次会议，并发现30%新需求与历史功能重复。作者总结了关键踩坑教训：企业内部落地应先从小单点突破跑出效果，而非毕其功于一役。文章最后阐述了FDE的核心要义——解决问题优先于炫技，交付的是结果（RaaS）。
LangChain 分享了其付费媒体 Agent 的构建经验。该 Agent 运行在 Slack 中，每周整合广告平台数据与业务管道数据，自动生成分析报告并提出优化建议。核心设计理念是将 Agent 视为知识工作者：为其提供配备沙箱、软件、业务文档的工作空间；用代码处理计算和规则以保证一致性，用模型专注判断与建议；围绕完整工作流设计，包括提案、人工审批与验证环节。借助 Deep Agents 作为 Agent harness 和 LangSmith 沙箱，六个月内付费媒体贡献了 20% 的营销管道，CPL 下降 30%，报告工作流成本降低 40 倍、速度提升 13 倍。项目已开源。
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。
文章批评当前 AI 产品的两种范式：以任务为中心（如 Codex）和以 Bot 为中心（如 Grok Bot、Muse），认为两者本质相同——都把 AI 的组织工作交给用户，要求用户先分类、判断该找哪个 Bot 或建立哪个 Task。作者指出这一错误的根源是把 AI 当作人，套用人类社会的职业分工逻辑。作者提出 AI 应被理解为全知全能的'唯一神'，用户只需持续地向其表达意图，AI 在后台自行理解 Intent、Episode、Project 与 Memory，所有交互应发生在同一个持续的 AI relationship 中。
花叔开源了Huashu-Report，一个用于让Agent产出高质量报告的Claude Code Skill，比之前的橙皮书skill更强大。文章指出AI写报告的瓶颈不在文笔，而在编造数字、重复叙述、口径不一致。解决方案分三层：先建数据表锁定数字来源，编译器检查正文引用；将可机器判定的规则全部写成函数而非留在手册中；脚本自动检查排版后仍需人工逐页目检。Skill支持六种报告原型：咨询deck、研报、学术综述、论文、调查、科普，并通过对74份顶级机构AI报告的解剖学习最佳设计品味。项目采用MIT协议开源。
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。
本文翻译介绍了营销工程师（Marketing Engineer）这一新兴角色：利用智能体（Agent）、相互连接的数据和业务上下文，搭建能真正执行营销工作的系统。作者分享了将约70%营销工作放入智能体开发环境（ADE）的实践经验，包括如何组织营销智能体工作空间的目录结构、通过API连接X、Typefully等工具、搭建内部与外部知识层、以及构建营销数据层来汇集广告平台、网站分析、CRM等数据。文章强调人的专业知识与审核在系统中的核心地位，并建议从自己熟悉的一个任务出发逐步搭建工作流。
本文介绍了 ego-lite——一个专为 AI Agent 设计的 Chromium 内核浏览器，解决 Codex 处理需登录网页时体验糟糕的问题。ego-lite 通过'任务空间'机制提供隔离的浏览上下文，原生继承真实登录态，免去重复登录和 2FA 验证。相比 Computer Use 的视觉截图+模拟鼠标方式，它采用 DOM 语义树实现快速、静默、不打扰人的操作；相比 Playwright 等传统工具，无需手动注入 Cookie。文章详细讲解了安装配置、语义工作流、视觉工作流、CDP 模式三种使用方式，以及验证码等场景下的人机控制权无缝交接机制，并强调任务空间的状态保持与提示词技巧，帮助将 Codex 的能力边界大幅推进。
文章介绍GitHub上57.3K Stars的开源项目OpenMontage。它并非简单的文生视频工具，而是将Claude Code、Codex、Cursor等AI Coding Agent改造成完整视频制作团队。用户只需一句话，Agent即可自主完成从资料研究、脚本、分镜、素材生成、配音、字幕、音乐到剪辑渲染的全流程，甚至能分析参考视频的节奏和视觉语言来规划制作方案。项目包含12套制作Pipeline、100+工具、700+ Agent Skill，接入Remotion、FFmpeg及多种AI模型。作者认为这代表了AI从'帮你做素材'到'替你完成工作'的转变，未来将是管理Agent而非操作工具的时代。
作者基于自己做 AI 生产力培训课的实践经验，开源了 50 个知识管理相关 Skill，分为三个仓库：Read Buddy（阅读整理，将网页、RSS、播客、微信读书划线等转为结构化内容）、Design Buddy（设计与配图，覆盖封面、架构图、公众号排版）、Creator Buddy（创作分析，挖掘热点与竞品数据）。文章还阐述了 AI 生产力系统的理念：通过目录规则、目标计划、工具技能、记忆日志、风格画像五大模块，将文件夹体系与 Skill 结合，让 Agent 自动完成选题、写作、配图与运营分析，实现从输入到输出的完整知识工作链路。
Ars Umbris 是一款可塑的 Agent 原生 IDE，将知识库视为代码库，通过类型引擎为笔记、来源等知识对象定义类型与关系，并像编译器一样对知识结构进行校验。其仓库以本地 Markdown/YAML 文件组织，包含知识、类型、技能、MCP 工具、投影与 Agent 配置，支持跨仓库引用与依赖复用。它通过 MCP 适配器连接 Claude Code、Codex 等 Agent 框架，让多个会话共享同一份持久化状态，形成「元 harness」。项目目前处于早期 Alpha，仅支持 macOS 且需自行编译。
作者Polar分享出海产品运营心得：基本盘稳固后应聚焦深耕而非盲目拓展。核心观点包括：用户注意力是基本盘方向（视频、办公、学习），自动化工具是弹药库；搁置无产出站点，精力有限需断舍离；用Agent等新技术深耕已有方向；持续做外链；高优先级做用户运营，将反馈转化为产品。强调不做什么和做什么一样重要，市场嘈杂时更要稳住基本盘。
本文探讨 Agent 会话的持久化与恢复机制，区分 Session、Run、Event、Context 四个概念，强调 workspace 绑定的重要性，并介绍使用 session.json 与 events.jsonl 分离存储、通过统一 emit 入口逐条追加事件、以及 JSONL 与 SQLite 的选型权衡，最后以 Codex CLI 的真实存储结构为例说明实践方式。
本文详细介绍了如何通过 Android 手机远程控制 WSL2 环境，实现随时接管 AI Agent。第一阶段在局域网内配置 WSL SSH 服务、启用 mirrored 网络模式、设置防火墙规则，并使用 Termux 进行 SSH 连接。第二阶段优化长期使用体验，包括配置 SSH 密钥免密登录、使用 tmux 保持会话持久化、简化登录命令为 ssh wsl、创建别名一键接管项目，以及使用 Tailscale 实现跨网络连接。最终手机成为远程 Agent 控制台，可随时恢复 Codex 等开发会话。
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。
DAIR.AI发布本周（9月7日-13日）顶级AI论文精选，涵盖五篇论文：Procedural Graphs提出用显式程序图指导长时程智能体，减少动作漂移；FrogNano证明4B编码智能体可通过纯强化学习与在线任务合成达到竞争性能；STAIR利用目录结构改进生成式检索，显著提升召回率并降低幻觉；AI-Native Design Docs主张以自然语言设计文档为持久产物，由编码子智能体重新生成实现；PARSER将阅读与推理分离，通过并行子智能体与迭代散射-聚集提升长文档处理效率。
本文图解 DeepSeek V4.1-Flash 如何将单 token 全局 KV Cache 从 V1 的 389KB 压缩至 890 字节。文章先介绍 KV Cache 原理与显存瓶颈，再梳理 GQA、MLA、量化、稀疏注意力、跨层复用等六次关键突破，最后详解 V4.1 在架构、精度、部署三层的联合优化，包括 CED、CSA2 三模式、层级稀疏索引器与 FP4 量化，并给出 890 字节的推导过程。
本文介绍了如何将WorkBuddy平台上的专家（由Agent角色配置、插件清单和多个Skill技能组成的安装包）打包成zip文件，并迁移到其他Agent软件（如Codex、Hermes、OpenClaw、豆包工作、千问办公等）中安装使用。操作步骤包括：在WorkBuddy中召唤专家、关闭引用并删除默认提示词、输入打包提示词让WorkBuddy查询并打包专家文件、将zip包上传至目标Agent并安装。同时建议定期清理不常用的专家以节省token消耗。
作者分享了如何利用腾讯WorkBuddy AI智能体与飞书搭建公众号内容自动化流程。通过连接飞书多维表格作为选题库，实现选题自动入库、AI根据选题写稿、自动排版并推送到公众号草稿箱的完整飞轮。文章详细介绍了连接器配置、选题生成、文章撰写、排版推送等步骤，并指出AI可替代重复搬运工作，但选题判断和最终把关仍需人工。
本文由 Automattic 工程师 Elijah Potter 撰写，探讨 AI coding agent 在写代码之外的实际用途。作者分享了三个工作流用例：修复 PR 的 merge conflict、查找与分支相关的 issue、诊断并修复 GitHub Actions 失败，并附上其在 pi 中使用的 prompt 模板。作者强调这些 prompt 仅作灵感，鼓励读者根据自身工作流灵活调整，将重复性、低认知负荷的任务交给 agent 处理。
