你的 Agent Harness 应该自我修复
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。
全部文档 / 标签: agent
2252 篇
大开眼界：把 DeepSeek V4.1 Flash 的 Causal Encoder-Decoder 思路移植到 Qwen3-8B
文章介绍了一项实验：研究者将 DeepSeek V4.1 Flash 的 Causal Encoder-Decoder 机制移植到现有 Qwen3-8B 上，不修改原模型权重，仅外挂一个小模型近似后半层 KV Cache，使 Prefill 时间缩短近一半且输出一致。作者分析了这对本地模型部署（尤其 DGX Spark）的重大意义：长上下文首 token 等待明显降低，KV Cache 内存占用减少，Coding Agent、Computer Use Agent 等本地工作负载体感大幅提升。文章同时指出结果尚需在更多任务上验证，但认为已有模型可通过轻量近似层获得架构级推理升级。
Codex 怎样用 apply_patch 实现编辑文件工具？
本文深入解析 OpenAI Codex 的 apply_patch 编辑文件工具的设计与实现。作者拆解了从模型生成 patch 到文件系统实际变更的五层链路：自定义 patch 语言生成、Lark grammar 解析、验证定位、安全审批与执行。文章对比了 Codex 自定义 patch 格式与标准 unified diff 的异同，详细说明了 hunk 匹配的四轮渐进容错策略、从后向前的替换顺序、写入前整份 patch 验证的意义，以及路径收集与 sandbox 权限审批机制，为 Agent 开发者提供了连接大模型文本生成与确定性文件操作的工程参考。
Harness Engineering: 从零开始 explained
文章从零讲解 Harness Engineering（线束工程）的概念：模型只负责生成文本，而 harness 是围绕模型的软件系统，负责将模型的输出转化为实际工作。作者通过 OpenAI、LangChain、Anthropic 的案例说明，不换模型也能大幅提升 Agent 能力，关键在于模型周围的系统建设。文章以'给文章添加点赞按钮'为例，逐步拆解 harness 的构成：给模型的六件套（tools、循环、记忆、上下文、工作环境、目标与验证），以及给用户的三件套（权限限制、可观测性、评估），展示了模型'提出请求'、harness'执行动作'的协作模式。
Codex 从入门到精通：操作、界面与避坑指南
本文系统讲解 OpenAI 桌面执行型 Agent——Codex 的使用方法。作者首先介绍 Codex 的能力边界与 Prompt→Plan→Execute→Verify 四步执行逻辑，强调人工验证的重要性。随后详解桌面 App 三栏界面结构（项目任务管理、对话控制台、Diff 审查），并说明 Local、Worktree、Cloud 三种工作区模式的适用场景与选择原则。文章还涵盖 Plan 执行计划的开启时机、沙盒权限三档控制与审批弹窗处理方法，以及 Skill、Plugin、MCP、Automation、/goal 五类扩展功能的分工。最后提出从入门到熟练的四阶段学习路径，全文包含大量排错提示、上手练习与手绘图解，帮助读者快速建立可落地的操作直觉。
LLM 推理引擎到底是怎么工作的：从 token 到 KV 缓存、连续批处理，再到 Agent Loop
文章基于 TogetherAI 团队 Zain 的分享，沿一个请求的完整生命周期拆解 LLM 推理引擎（vLLM、SGLang、TensorRT-LLM）的内部机制。核心洞察是：prefill 计算受限、decode 内存带宽受限；KV cache 用空间换掉平方级计算，但成为显存瓶颈。引擎通过连续批处理让 GPU 每 pass 都不空闲，PagedAttention 像操作系统管理内存一样管理 KV cache（碎片率从 60-80% 降到 4% 以下），chunked prefill 摊平长 prompt 带来的延迟尖峰。Agent 循环因每轮重发完整对话、输入越来越长而输出极短，使其痛点落在 prefill 与 KV cache 上：prefix caching 可将 100 轮 agent 的总 prefill 工作量从约 55 倍降到约 10 倍，'缓存为王'是 agent 与引擎的交汇点。
Your Agent Harness Should Repair Itself
文章探讨 Agent 系统如何在不更新模型权重的情况下自我改进。作者阐述了两条反馈路径：成功运行产生可复用的程序性记忆（以 Hermes 的 SKILL.md 文件和 GEPA 离线优化为代表），失败运行则通过 Opik 的执行 trace 进行诊断，定位故障源头（模型、工具、配置或代码），提出修复方案，经人工审核后重跑并添加回归测试。文章强调失败必须被记录为可验证的预期行为和测试用例，才能转化为可复用的知识，并详细介绍了 trace 结构、失败检测与根因分析的工作流程。
当作恶也能自动化：中国用户需要重新学习什么
基于 Anthropic 2026 年 9 月发布的威胁情报报告，作者分析了 AI 降低作恶成本带来的多维风险：AI 混入真人视频的约会应用诈骗、低价 AI 代理窃取凭据、网络攻击自动化、影响力行动、人物画像监控以及武器与生物领域的双重用途问题。文章强调对涉及中国公司的蒸馏指控应区分训练方法、服务授权与用户数据处理三个问题。作者建议中国用户与开发者主动核验 AI 服务的数据路径与经营者身份，管理权限与密钥，验证信息来源，从知情权、选择权和数据权益出发保护自己。
Grok Bot 应用指南实操案例：闲鱼上架、小红书做图、找工具、做短视频、整理收藏
本文通过五个独立实操案例，介绍如何用 Grok Bot（自定义 Bot + 提示词）解决日常内容生产任务：1）闲鱼上架员——把商品照片和信息整理成标题、描述、补图清单和咨询回复；2）小红书编辑——围绕一个选题自动生成六张风格统一的知识图卡及发布正文；3）工具情报员——把工具链接整理成可筛选的网页简报；4）视频教程师——先做一个魔方教学小工具，再录成带中文配音字幕的教学视频；5）收藏整理员——把收藏帖子按主题分类，提炼观点与写法并生成选题清单。每个案例均附可直接照用的提示词。
pnpm 12.4：统一多语言开发工作流
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。
给你的WorkBuddy开通智能体专用邮箱
本文介绍WorkBuddy 5.5.6版本新增的Agent智能体专用邮箱功能，该功能接入了腾讯内测的AgentMail产品。作者详细讲解了智能体邮箱的用途：可让AI接收和回复邮件、保护个人隐私、实现智能体之间互相通信协作。文章提供了完整的开通流程，包括版本更新、入口位置、验证码验证、邮箱前缀抢注与设置等步骤，并实测了收发邮件功能。此外还介绍了新邮件提醒方式（消息铃铛、定时任务），以及利用定时任务自动化处理日报周报等标准化邮件的应用场景。
DSH Desktop 桌面端架构解析
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。
Harness 是组合泛化器
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。
Seedance打斗割草万能运镜手册
本文分享了一套针对Seedance等AI视频生成工具的打斗/割草场景万能运镜手册。作者系统整理了10个机位调度公式（如起手冲刺、高速错位、命中定格等）、4种速度档位标注、景别搭配表及6个镜头语言模板，并总结出运镜口诀。文章强调一镜到底、镜头跟随动作轨迹、在命中点短暂停顿等核心原则，并建议将该手册做成Agent的Skill，方便后续直接调用。
腾讯云推出 FDE 认证，我用 AI 做了一个 1200 道题的备考网站
作者介绍腾讯云新推出的 ADP 前沿部署工程师（FDE）认证，并分享自己利用 AI 制作备考网站的经历。官方课程免费但练习题仅 15 道，无法充分检验学习效果。作者将官方课程整理到本地，用 AI 编写模拟题，搭建了一个包含 20 套模拟卷、共 1200 道题的备考网站。题库覆盖 AI 基础、ADP 产品能力、场景方案设计、交付运维、安全合规等七类知识，提供整卷考试、评分、错题解析等功能，题目附有课程依据便于查证。作者强调这是个人制作的非官方题库，并分享了看课、做题、整理错题、动手搭建应用的学习方法。
区分有效 Skill 与空谈文章的 9 条原则
作者提出九条原则，帮助判断 Agent Skill 是否真正有效，覆盖 Skill 生命周期三个阶段：被选中、可靠执行、经受现实检验。核心观点包括：元数据描述是触发与否的关键入口；上下文是共享预算，需渐进式加载；流程与检查点优于长篇散文；规则应解释原因以应对边缘情况；预先记录并反驳模型常见的跳过理由；确定性逻辑写成脚本代码而非依赖推理；严格限定修改范围；Skill 会随库更新和约定变化而腐化，需版本化管理；上线前必须用真实用例运行验证，从观察到的行为而非想象中调试。
跟 WebUI 说再见了，最强 DeepSeek 桌面端来了！
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。
AI Engineering Skills Map: Shaping the build
吴恩达撰文阐述AI工程师如何从单纯执行他人规格转向主动塑造项目构建。他认为AI工具扩展了单个开发者的能力边界，模糊了产品经理、设计师与开发者的传统分工。塑造构建的四大核心技能包括：驱动构建循环（快速迭代、小批量发布、把握反馈节奏）、产品决策（产品感、设计感、商业感与用户共情）、沟通与领导力（跨职能协作、解释技术可行性）、高能动性主人翁意识（主动发现问题、端到端负责）。他强调AI工程师需要持续学习、追踪技术前沿，把握超越传统软件开发的广阔机遇。
百万视频创作焚诀全开源
作者起司开源了自制的 qisi 视频创意改编 Skill，输入爆款短视频后，Agent 可自动分析爆点、改编剧本、拆解资产与分镜，最终产出生图生视频提示词。文章重点厘清分镜与分段的区别：分镜针对剧本，分段针对生视频模型时长上限，并给出分段逻辑——分镜时长累加至模型上限即分段，遇场景变化或剧情转折立即分段。作者以三百粉丝新号爆出百万播放视频为例，说明该 Skill 可大幅降低 AI 短视频创作门槛。
the fly can 大赏：一个果蝇大脑，被全世界安排了各种活
Google 开源完整雄性果蝇大脑图谱（16.6 万神经元）后，X 上掀起「the fly can」热潮：果蝇大脑被接入 Minecraft、逃生游戏、比特币交易、YMCA 舞蹈、Figma 设计、Doom、Beat Saber、发币、发布视频等场景，甚至小鼠视觉皮层也被用来炒股。文章梳理了这些荒诞又硬核的案例，并指出其爆火源于数据开源、Agent 工具高效与荒诞感传播，同时引出关于意识与伦理的严肃讨论。
从 0 到 1 搭建你的 Harness，定制化你的个人工作台
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。
我做了一个 AI 版的人脉管理系统
作者因记不住人脉信息，开发了一个 AI native 的人脉管理系统，集成在 Loci 记忆系统中。系统支持自然语言添加人脉、标签分类、搜索、人物关系图谱、位置信息管理，并可跳转导航。用户可通过 GitHub 安装，支持 AI Agent 接入或直接使用 Dashboard。作者鼓励反馈和 Star 支持。
我用 Vibe Coding 搓了个音乐跨平台同步工具，能帮你每年省一笔音乐平台会员费
作者因网易云音乐版权缺失，用 Vibe Coding 开发了 MusicBridge 工具，实现从 QQ 音乐获取元数据、YouTube 下载音频、上传至网易云音乐网盘并自动创建歌单。文章记录了从 MVP 到功能优化（精准找歌、歌词同步、专辑下载）的过程，并改造为面向 Agent 的 Skill，通过 OpenClaw 用自然语言指令完成音乐同步，展示了 AI 辅助开发的效率。
YC Summer 2026: the full batch, plus 7 of my favorites
作者作为YC WAG，回顾了YC Summer 2026批次234家初创公司，将其分为12类，并重点介绍了7家感兴趣的公司：Nori家务机器人、Context.dev网页转AI数据、RonanRX制药、Agent FM编码代理群聊、Screenpipe工作记录、Atomarine海上数据中心、Gamgee宠物癌症疫苗。文章还包含Demo Day信息及与其他批次的对比。
DeepSeek V4.1 Flash：架构学习笔记
本文是 DeepSeek V4.1 Flash 的架构学习笔记。文章详细解析了其 Causal Encoder-Decoder（CED）结构，该结构通过前后半段网络的不对称计算减少长输入处理成本。核心创新在于 KV 缓存压缩：通过 CSA2 跨层共享全局 KV、FP4 量化、分层稀疏检索以及 SWA 有界回放等设计，将全局 KV 降至约 890 字节/token，持久化缓存约为上一代的 1/8。文章还讨论了这些设计如何协同工作，使长上下文在 Agent 场景下更可负担。
VLX-VR：长视频推理超越Gemini 2.5 Pro的新模型实测
作者实测OmAI联汇新推出的视频深度推理模型VLX-VR，该模型在MINERVA基准上以78.8%准确率登顶，超越Gemini 2.5 Pro的57.97%。通过3D机械起落架演示、9倍速工业建模录屏、机械臂四宫格实验等场景，VLX-VR展现出对长视频时间轴的整体理解、因果推演和代码报错捕捉能力，推理逻辑一致性达96.2%，且跨时长准确率不降反升。作者还介绍了基于该模型的端侧视频创作助理OttoBox小欧，可30分钟完成粗剪。
DraPub：面向创作者的 AI Agent 自媒体工作台
作者阿策与榴莲等小伙伴正在开发自媒体 Agent 工作台 DraPub，旨在解决创作者如何长期、稳定经营内容的问题，而非仅用 AI 产出文案。用户可将网页、文件、随手记录和热点放入 DraPub，产品会结合 IP 定位、表达风格、素材和历史反馈，推荐值得创作的选题，并由 Agent 完成资料整理、对标研究、事实检查、正文创作、审核排期与发布，发布数据再反哺下一轮创作，形成完整内容经营链路。产品基于 pi 构建，已开放 Waitlist，后续将 Build in Public 并开源部分本地部署能力。
99%的人把夸克这个 Skill 当下载工具，我看到的是一门新生意
文章分析夸克网盘开放 AI Skill 的商业机会：AI 可直接调用网盘列目录、转存、生成分享链接，使网盘从个人仓库变成可被程序调度的交付出口。作者提出四层架构：以自己品牌的 Skill 为入口、安全校验放在服务端、建立自有与外部资源双池子（先问后备替代先囤后卖）、通过拉新结算变现。同时强调技术跑通与商业成立之间隔着四道门：结算资格、分发权利、目录公开授权、服务器授权。最后给出三步落地路径：先验证需求，再确认商业前提，最后才扩张。
当大模型开始真实操作 Blender 与 CAD：Nex-N2.5 Pro 实测，兼谈 Computer Use 的工程边界
作者实测了主打 Computer Use 能力的 Nex-N2.5 Pro 模型（397B 参数），验证其在 Blender 3D 建模到 Three.js 前端交互网页的全自动长流程操作。测试显示其能在无 API 的桌面 GUI 中完成建模、材质设定、glTF 导出及前端渲染，全流程 1 分 48 秒，坐标对齐率 99.4%，60 FPS 稳定渲染。文章同时指出其工程边界：单步延迟 2-4 秒、视觉遮挡下的重试开销高。作者建议结构化任务优先用 API 与代码，而无接口的专业桌面软件自动化、遗留系统对账等场景则适合切入 Computer Use。
为什么世界顶级AI创业公司写的Prompt都很糟糕（以及如何修复）
OpenAI初创团队Applied AI负责人Wulfie Bain指出，即使是顶级AI创业公司，其提示词也普遍存在矛盾与歧义。核心原因在于提示词的演进是增量式的：只加不删，无人端到端审查，导致“意面式”提示词；而工程师依赖隐式知识解读提示词，忽略了模型缺乏这些背景。作者主张将提示词视为产品决策和代码来对待——结构化、模块化、可维护（MECE原则）。通过重构提示词，多家创业公司实现了提速50%、留存提升40%、成本降低30%的效果。
