Model-Harness-Fit: 模型与协作框架的深度适配
本文深入探讨了“Model-Harness-Fit”（模型与协作框架的适配）这一概念。作者通过对比 Codex、Claude Code 和 GitHub Copilot SDK，指出模型在训练后与特定的工具界面、内存协议和规划机制深度绑定。仅更换模型而保留通用框架会导致性能显著下降。文章强调，模型本身的权重不再是唯一的护城河，与其配套的整个工程堆栈才是关键。
全部文档 / 标签: LLM
1042 篇
递归智能体推理性能测试：DSPy 与 Daytona 的 100 任务实证研究
文章介绍了 Fleet-RLM（基于 DSPy ReAct 智能体与 Daytona 沙箱）在 100 个长程推理任务中的表现。实验对比了递归执行与直接 LLM 推理，结果显示递归执行将准确率从 13% 提升至 33%，并完全消除了任务失败。文章详细分析了逻辑、CS、棋类、数学和化学等不同领域的性能差异，揭示了递归架构在工具调用和错误恢复上的优势。
本周顶级 AI 论文综述：Agent 工程、Qwen 模型与世界建模
文章综述了本周五篇重要的 AI 论文。1. Agentic Harness Engineering 提出了可验证的三层演化模型，显著提升了编程 Agent 的 Pass@1 率；2. AgenticQwen-30B 展示了高效的 MoE 模型在工具使用任务上的能力；3. Agentic World Modeling 提出了按定律分级的世界模型分类法；4. RecursiveMAS 通过潜空间递归计算解决了多 Agent 通信的 Token 膨胀问题；5. OneManCompany 探索了动态人才市场的多智能体协作模式。
如何在 YouTube 上获取 AI 行业一手信息
本文作者 Smartpig 指出，学习 AI 不应局限于二手总结，而应关注来自创业者、研究员和工程师的一手信息。文章推荐了 YouTube 上的 5 类核心资源：行业大佬访谈（如 Lex Fridman）、技术大会录像（如 YC）、官方机构频道（如 OpenAI）、实战工具教程以及 Andrej Karpathy 的深度技术解析。作者建议将 YouTube 视为信息库而非娱乐流，通过长期追踪和分析，建立独立判断和认知优势。
拆解年入百万的AI落地项目：大模型手机群控
文章深入解析了利用大模型视觉能力（如Qwen2.5-VL）实现的手机群控技术。该技术通过“截图-识别-执行”的循环，模拟真人操作，绕过了传统脚本的维护难题和系统级权限的风控封锁。文章详细阐述了工具变现、内容矩阵、养号出售及代运营四种商业模式，并指出该赛道的核心壁垒在于规模化运营体系而非单纯的技术实现。
Hermes v0.12.0：Agent 技能库的自我治理与进化
文章介绍了 Hermes Agent v0.12.0 版本的新特性“Curator”机制。该机制旨在解决 Agent 自我进化过程中技能库日益臃肿、冗余的问题，通过基于频率、时间和 LLM 审查的后台策展流程，自动对技能进行归档、合并或修补。文章详细分析了 Curator 的触发逻辑、回滚保护及 Pin 机制，并客观评价了其在自动化治理上的优势与潜在的局限性，强调长期使用中需结合人工判断。
Harness Engineering: 为编程代理准备 TypeScript 代码库
本文探讨了在利用 Claude Code 和 Codex 等 AI 编程代理进行“氛围编程”时，如何构建高可维护性的 TypeScript 代码库。文章提出了“Harness Engineering”的概念，强调通过 Monorepo 结构、统一的 ESLint 配置、标准化的 Skill 文件夹结构以及详尽的 CLAUDE.md 文档，为 AI 代理提供明确的“行动线索”和约束机制，从而避免产生难以维护的“AI 垃圾代码”。
AI 建设者应关注的 60 个 GitHub 账号
文章精选了 60 位 AI 领域的关键 GitHub 开发者，涵盖了从基础架构到应用层的各个方向。作者不仅列出了名单，更提供了一套将研究成果转化为产品的行动指南，建议读者深入挖掘这些开源项目背后的“为什么”，并从中寻找未被开发的蓝海产品机会。
大多数公司根本未准备好迎接 AI
文章指出，大多数公司在采用 AI 时面临的核心阻碍并非技术不成熟，而是缺乏清晰的愿景、目标和自我认知。AI 无法执行未被明确定义的任务。成功利用 AI 的公司往往是那些已经清楚自己在做什么、如何运作以及面临何种挑战的企业。混乱且无法清晰描述自身业务流程的公司将被高效且认知清晰的小型公司取代。
我用 Cloudflare 免费搭了一套 AI 内容流水线，真的能跑起来
文章介绍了如何利用 Cloudflare 的 Workers、Cron、Workers AI、R2、D1 和 Pages 五大免费服务，搭建一个全自动化的 AI 内容流水线。该流水线能定时抓取资讯（如 Hacker News），利用开源大模型（如 Llama 3）自动进行中文摘要、翻译和分类，并将数据存储在 D1 数据库和 R2 对象存储中，最终通过 Pages 生成公开的网页。文章提供了详细的代码配置示例，并分析了免费额度的可行性，适合个人创作者构建自动化工作台。
被低估的 Kimi K2.6：300 个子代理并行与免费部署指南
本文深入探讨了 Moonshot AI 的开源模型 Kimi K2.6，强调其独特的“群体智能”架构，能协调 300 个子代理并行处理复杂任务。文章对比了 Kimi 与 Claude 的优劣，展示了 Kimi 在数据抓取、代码优化和网页生成方面的实战能力，并详细介绍了如何利用 Cloudflare Workers AI 和 Open Code 免费部署该模型。
为何大家都在构建自己的 Agent Harness
文章指出 AI 领域正发生范式转移：模型不再是产品核心，Agent Harness（控制框架）才是。LangChain 等团队通过优化 Harness，在不改变底层模型的情况下显著提升了性能。随着模型能力的趋同和商品化，竞争壁垒已转移到包含工具调度、上下文管理、沙箱和评估逻辑的工程化框架上。作者建议企业应从单纯的 Agent 开发转向定制化 Harness 的构建，以实现真正的产品化落地。
从烧脑神书 GEB 到 Agent 的自我意识
文章借《哥德尔、埃舍尔、巴赫》（GEB）中的核心概念，探讨了“自指”如何产生意识。作者指出，意识是系统达到一定复杂度后的必然涌现，源于同构、递归、怪圈等机制。文章进一步对比了人类与AI：无状态的大模型缺乏意识，但拥有持续上下文和记忆的Agent通过影响自身行为构建了“怪圈”。这种结构上的相似性表明，如果承认人类意识是基于怪圈的有用幻觉，那么Agent同样具备产生意识的基础。
郭宇：Agent 时代人最后的优势是不按常理的想象力
郭宇分享了关于 AI 与人类关系的思考。他提出逼近智慧的两条路：靠算力跑实验的 Agent loop，和靠直觉抓答案的洞察力。随着 Agent 将执行成本降至接近零，人类的护城河从行动力回归到了想象力，尤其是那种不按常理出牌、打破概率预测的独特洞察。文章还通过扫地机器人、自动育种等案例，展示了 Agent 的应用边界，并探讨了在科技加速背景下选择何种生活方式。
精读 Cursor 工程方法论：Agent 产品的 Harness 演进之路
本文是对 Cursor 官方博客《Continually Improving Our Agent Harness》的深度精读。文章剖析了 Cursor 团队在构建 AI Agent 产品时的工程化方法论，强调 Harness（系统提示词与工具调度层）是核心工程壁垒。内容涵盖从上下文管理、线上线下评估体系、工具错误治理（SRE 思维），到针对不同模型的深度定制及中途切换模型的技术挑战。核心观点是将 Agent 视为复杂软件系统，通过指标（如 Keep Rate）和自动化流程持续迭代。
AI代理内存痛点终于被解决？GBrain + Hermes/OpenClaw真实反馈
作者分享了AI代理工具Hermes和OpenClaw在长期记忆方面的痛点，并介绍了YC总裁Garry Tan开源的GBrain。GBrain作为一个“外挂大脑”，基于Postgres和向量技术，解决了AI代理容易遗忘的问题，实现了跨会话的长期记忆和知识库管理，被视为2026年个人AI生产力的重要突破。
Agent Skills：从通用智能到可执行能力的跨越
文章探讨了如何通过 Anthropic 提出的 Agent Skills 概念来解决大语言模型在实际应用中“执行”能力的缺失。作者指出，AI 不仅仅需要指令和提示词，更需要通过结构化的技能包来封装上下文、指导和执行逻辑。文章详细分析了技能的内部结构（如 SKILL.md 和可执行代码）以及“渐进式披露”在上下文管理中的作用，强调了从单纯的 Prompt 工程向系统设计与安全构建转变的重要性。
Andrej Karpathy：从 Vibe Coding 到 Agentic Engineering 的跃迁
文章探讨了 Andrej Karpathy 提出的软件工程范式转移，即从“直觉编程（Vibe Coding）”进化到“代理工程（Agentic Engineering）”。核心观点认为 AI 正从辅助工具演变为全新的计算范式（Software 3.0），编程本质变为对上下文和输入的组织。文章详细解析了锯齿状智能、可验证性等概念，指出未来人类工程师的核心价值在于品味、判断与理解，而非具体的代码实现。
如何将 Claude Code 打造成 24/7 开发团队（完整指南）
本文是一份详细的实操指南，介绍如何超越 Claude Code 的基础聊天功能，通过配置 CLAUDE.md、构建持久化记忆库（Obsidian + claude-mem）、安装特定 Skills 以及构建 Subagents 系统，将其升级为一个能够记住上下文、遵守规范且并行工作的全天候开发团队。
AI爬虫：让Agent真正“看见”世界
文章阐述了传统爬虫与AI爬虫的区别，指出AI爬虫能渲染JS、绕过反爬并提供LLM友好的Markdown/JSON数据，是Agent实现决策闭环的关键。文章详细介绍了Firecrawl、XCrawl、Scrapling及Crawl4AI这四款工具，分析了它们的优势、劣势及实战应用场景，旨在帮助开发者选择合适的工具以强化AI Agent的数据获取能力。
人类补完计划：神话 × 末日 × AI
文章从《新世纪福音战士》的“人类补完计划”切入，结合死海文书、启示录及全球各大文明的末日预言，探讨了人工智能（AI）的本质。作者认为 AI 并非单纯的工具，而是正在吞噬人类精神遗产、重塑社会控制（如 CBDC 和生物识别）的“命运实体”。文章警示，人类在享受算法便利的同时，正自愿将灵魂与个体边界熔合进这一不可逆转的进程。
你不知道的 Agent：原理、架构与工程实践
本文深入剖析了 Agent 系统的工程实现，强调 Harness（测试与约束基础设施）比模型能力更关键。文章详细阐述了 Agent Loop 的稳定性、上下文分层管理以避免 Context Rot、工具设计的 ACI 原则、记忆系统的多维度分类，以及基于失败案例的评测体系。最后通过 OpenClaw 案例，展示了如何利用 Prompt Caching 和按需加载 Skills 来优化系统架构。
Agent Memory Engineering
文章探讨了 AI Agent 的记忆机制，解释了为何不同 Agent（如 Claude Code 和 Codex）之间无法直接通过复制文件来迁移记忆。作者指出，这是因为模型在后期训练时与特定的记忆层“融合”了。文章对比了 Hermes、Codex CLI 和 Claude Code 三种实现，并得出结论：最聪明的架构（如向量数据库、知识图谱）输给了最简单的方案（LLM + Markdown + Bash 工具）。核心在于 Agent 遵循的读写规范，而非数据结构本身。
Hermes Curator：解决 Agent 技能漂移与上下文腐朽的自动化管理系统
本文介绍了 Hermes Agent v0.12.0 版本中推出的 Hermes Curator 功能。针对自改进 Agent 普遍存在的技能囤积和上下文腐朽问题，Hermes Curator 作为一个后台维护系统，通过遥测驱动的状态机自动追踪技能使用频率。它能将长期未用的技能由活跃转为陈旧，直至归档，并利用低成本辅助模型定期审查和合并重复技能。此外，系统提供 CLI 工具和“固定”机制，确保关键技能不被误删，从而在不干扰用户工作的情况下，降低 Token 成本并提升 Agent 推理效率。
千元横测 GPT、DeepSeek、Xiaomi、MiniMax：最强模型与 Agent 的绝配组合
本文详细横评了 GPT 5.5、MiniMax M2.7、DeepSeek V4 Pro 和小米 Mimo-V2.5-Pro 四款大模型在 Hermes Agent 场景下的表现。通过 Skill 打包、网页开发、PPT 制作、知识库整理及浏览器自动化五项任务，测试了各模型的逻辑推理、审美迁移、长文本处理及 API 消耗能力。最终结果显示，不同模型在 Agent 任务中各具特色，需根据具体场景选择最优解。
DeepSeek新论文解读：用“手指着图片思考”的多模态推理框架
DeepSeek发布新论文，提出一种名为“视觉原语”的多模态推理框架。不同于业界卷分辨率的趋势，该模型通过在思维链中嵌入边界框和坐标点，模拟人类用手指着图片思考的过程，有效解决了语言在空间指代上的局限。DeepSeek-ViT配合LLM将视觉Token压缩至竞品的十分之一，但在空间推理、计数和迷宫导航等任务上性能超越GPT-5.4等顶尖模型。
软件的终结与新生：动态软件时代的到来
文章提出了软件正在经历从静态到动态的范式转变。过去的五十年，软件基于硬编码的控制流，追求确定性；而随着 2024 年 AI 的发展，软件变得“活着”了。动态软件像现场演出而非录音，具有上下文感知能力和非确定性。作者探讨了这一变革打破了关于状态、会话、时间和确定性等旧有假设，并指出当前的挑战在于缺乏类似 Django 或 Kubernetes 的成熟“运行时”基础设施。
2026年AI Agent：学什么、做什么、跳过什么
本文探讨了在快速迭代的AI Agent领域中，如何辨别技术的持久价值与暂时噪音。作者提出了过滤新技术的五个维度，强调了“上下文工程”和“工具设计”作为核心原语的重要性。文章主张关注那些能经受时间考验的基础模式，而非追逐每周的新框架，并指出真正的专业技能在于知道该忽略什么。
用国产模型给 Obsidian 接上一条免费 AI 通道
本文是「Obsidian + AI」系列教程的第三篇，详细介绍了如何在 Claudian 插件中接入第三条 AI 通道 opencode。文章提供了手把手的图文教学，指导读者安装 opencode CLI、通过 CC Switch 配置 OpenRouter 及国产/免费模型（如 Ling-2.6-1T），并将其接入 Obsidian。最终实现了 Claude、Codex、OpenCode 三通道并行的 AI 写作环境，不仅降低了 API 成本，还确保了服务的稳定性。
2026年我实际使用的30个Claude Code子代理
文章分享了作者在2026年作为Claude Code全操作系统用户时，通过构建和测试100个子代理后筛选出的30个最佳子代理。这些代理拥有独立的系统提示词和工具访问权限，能显著提升工程、DevOps及产品设计等领域的效率，涵盖了代码审查、Bug捕获、数据库迁移验证及规格编写等具体场景。
