The Harness Is the Product: AI时代的软件工程验证体系
随着AI代理编写了团队75%的合并代码，软件工程的瓶颈已从“如何快速生成代码”转变为“如何证明代码有效”。文章指出“Harness（验证系统）”才是核心产品。它通过上下文、约束、验证和反馈循环来确保自主交付的质量。团队应遵循六大原则，将重心从代码审查转向规格说明、端到端场景覆盖及架构约束，以应对代理时代带来的认知债务与安全风险。
全部文档 / 标签: 智能体
114 篇
托管智能体是智能体构建的下一个大趋势
作者回顾了AI智能体的发展历程，指出随着运行环境和MCP等标准的成熟，“托管智能体”正成为下一个重大趋势。为解决开发者在生产环境中部署智能体时面临的运行时、沙盒、内存和身份验证等复杂基础设施挑战，LangChain正式推出了面向开发者的“Managed Deep Agents”。该服务将智能体框架与底层基础设施打包在一起，大幅降低了构建和部署生产级智能体的难度。
构建AI原生的软件开发生命周期
随着AI编程智能体的兴起，传统的敏捷开发流程已无法有效扩展。文章深入解析了Tenex团队开发的AI原生软件开发生命周期系统——MetaHarness。该系统旨在解决智能体执行速度超越系统上下文维护能力的风险，提出了将“上下文即代码”、制定允许动态调整的详细计划等八大核心原则。通过引入严格的文档语法、单一事实来源以及连接紧密的工程蓝图，MetaHarness实现了人机高效协作，使软件开发变得更快速、健壮且可衡量。
循环智能体的失效与图架构改造指南
作者分享了将单一的“循环”智能体重构为“图”架构的实战经验。文章指出，当生产输出的智能体同时负责自我评估时，会导致审核机制失效（橡皮图章）。为解决此问题，作者将任务拆分为研究员、作者和审核员三个独立节点，严格限制各节点对状态数据的读写权限，并引入条件路由进行质量把控。改造后，初稿通过率从45%提升至82.5%，有效提升了系统可靠性。
Deep Agents vs LangChain vs LangGraph
本文对比了构建AI智能体的三个开源框架层级：Deep Agents、LangChain和LangGraph。它们提供不同层级的控制力与抽象程度：Deep Agents是开箱即用的智能体套件，专注于最佳上下文工程实践；LangChain是高度可定制的智能体核心抽象与集成框架；LangGraph则是基于图的底层运行时，适用于混合确定性与动态步骤的复杂工作流。三者完全可组合，开发者可在自主性与确定性之间灵活平衡。
图工程：将AI智能体组建成团队的6个步骤
本文介绍了“图工程”（Graph Engineering）的概念，即通过一条提示词唤起一组AI智能体（Agent）协同工作。文章将其分解为六个实施步骤：首先构建一个可独立运行的智能体闭环；其次提前绘制工作流图；然后通过单一提示生成并行智能体；同时强调审查工作必须交由不同模型和新上下文完成以防“回音室”效应；保留图外测试或人工作为最终防线；最后根据实际需求按需扩展图规模。作者指出，绘制智能体协同图正在成为AI构建者的新核心竞争力。
How to Run a One Person Company with Claude
本文介绍了如何利用 Claude 构建四人智能体系统（研究员、写手、成交员、运营员），通过建立“Company OS”统一上下文，实现低成本高效运营单人公司，替代传统高薪团队。
Codex 与 WorkBuddy 该选谁？从10个方面深度分析对比
本文从定位、门槛、编码、创作、办公、入口、学习曲线、安全、生态、远程控制等10个维度，深度对比了 Codex 和 WorkBuddy 两款 AI 工具。Codex 擅长工程执行与复杂代码，适合开发者；WorkBuddy 主打办公效率与易用性，适合普通用户。建议根据自身需求对号入座。
如何递归地改进你的智能体
文章介绍了一种递归自动改进智能体（RAI）的方法。通过使用编码智能体分析指令、挖掘使用数据并运行探测，测试并修复目标智能体，直到符合规范。文章详细阐述了实现该循环所需的系统设置、平台搭建步骤以及“创建-改进-扩展-部署”的全新开发生命周期。
本周顶级AI论文精选（7月27日-8月2日）
本文介绍了本周精选的六篇顶级AI论文，涵盖NVIDIA的面向对象智能体框架、策略优化的ReOPD方法、隐性推理现象、Molt智能体强化学习训练框架、JAXBench TPU内核优化基准以及ACM生产智能体研究。
三段提示词，零代码：教你在飞书搭一个 AI 思考知识库
本文介绍了如何利用三段提示词在飞书多维表格中搭建一个具备独立思考能力的 AI 知识库。该智能体能拒绝信息不足的请求，通过追问深化想法，并自动回顾旧内容。文章详细提供了创建库、配置任务指令及自动回顾的具体代码步骤，实测可用，无需编写代码。
纳米Work发布会观后：老周坦诚讲话与产品亮点
文章记录了作者参加纳米Work发布会的见闻，重点提到老周讲话的坦诚、产品通过全员使用AI暴露问题并改进、内置500+岗位专家及多种AI框架聚合等特色，还分享了初中生用纳米Work助力早餐店发展的真实案例，认为纳米Work接地气且市场空间大。
如何高效运行 Hermes：内存、技能与自动化
文章介绍了如何通过配置内存（MEMORY.md 和 USER.md）、技能和 cron 任务，将 Hermes 从简单的聊天机器人转变为高效的自进化智能体。通过合理设置记忆、流程自动化和自检机制，用户可以大幅提升工作效率，实现真正的复利效应。
何为“掌控你的智能”
文章探讨了企业如何在通用 AI 基础上构建差异化优势。作者指出，未来五年公司需掌控智能的运作方式、管理与复利，而非仅依赖现成模型。掌控智能包括控制 Agent 系统（模型、调度逻辑、上下文）、掌控质量与风险，以及通过反馈循环积累智能，从而实现业务的深度集成与持续优化。
2026年普通人都能上车的AI风口：DeepSeek 创始人梁文锋3小时演讲精华提炼
文章提炼了DeepSeek创始人梁文锋关于AI未来的演讲精华，强调“克制”的重要性。梁文锋指出，想拿得多的人会被想拿得少的人打败。他为AI发展制定了清晰的路径，并建议普通人不要盲目追逐风口，而应注重提升“把话说清楚”和“长期沉淀”的能力，通过行业深耕和AI应用找到属于自己的机会。
Video Agent：基于 HeyGen 的视频生成智能体
文章介绍了 HeyGen 推出的 Video Agent 产品。这是一个无需代码、通过自然语言交互即可自动生成完整视频的智能体。用户只需描述需求，Agent 便会自动规划、编剧、选角并生成视频，支持风格定义和后期精细编辑。
一文看懂“北京智能体新政”：Agentic AI的未来蓝图
文章详细解读了北京市发布的《关于加快智能体引领发展的若干措施》，涵盖提升基础模型能力、Harness Engineering、原生应用、智能终端融合、OPC新模式及Token经济等10条重磅内容，描绘了未来智能体经济的宏伟蓝图。
60个AI黑话，一次性翻译成人类语言
文章将60个AI行业专业术语进行了通俗易懂的翻译和解释，涵盖基础概念、训练调优、推理交互、工具扩展、评估安全及前沿趋势六个方面，帮助读者快速理解AI技术地图。
AI法律/合同审核智能体：一个人撬动一门千亿级B端生意
本文分析了AI合同审核智能体作为高壁垒、高客单价赛道的商业潜力。文章对比了传统法律服务的痛点，介绍了AI原生模式的重构逻辑，详细拆解了按件计费、订阅制和技术陪跑三种变现模式，并提供了从0到1的实操路径及合规红线指导。
Own the Outer Loop
文章探讨了在智能体工程中，工程师需要掌控外层循环，即对系统的问责。通过定义质量、裁决和可回应性三个概念，强调人在AI辅助代码生成中的决策权和所有权。AI代码生成比例增长，但审查和验证成为瓶颈，需建立更有效的信任验证机制。
巨浪已至：智谱创始人唐杰最新战略信深度解读
本文解读了智谱AI创始人唐杰在股价震荡期间发布的内部信《巨浪已至》。信中明确上市不是终点，智谱将继续押注长程任务、自治智能体、自我训练及安全治理等基础研究。文章结合市场背景，分析了其“摸高”计划与开源策略背后的逻辑，指出这是一次针对资本市场与内部团队的叙事重构，旨在用AGI的宏大愿景支撑万亿估值。
还在用原始对话框？教你用 Obsidian Canvas 与 Agent 协作
本文探讨了传统线性对话框在处理复杂 AI 任务时的局限性，提出了基于 Obsidian Canvas 的非线性协作模式。文章结合学术研究（如 Sensecape、CanvasConvo）和商业产品（如 Copilot Pages、Cursor），展示了如何利用 Canvas 画布作为持久化工作台，让 Agent 理解项目结构而非仅保存聊天记录。作者还介绍了 Obsidian 社区中的 Canvas LLM 和 Cannoli 插件，并总结了如何通过定义颜色、空间和连线规则，实现人与 Agent 在知识库层面的高效协同。
AI老人陪聊：千亿赛道与一锤子买卖
文章深入探讨了AI老人陪伴市场的现状与商机，指出虽然市场规模达千亿且痛点真实，但90%的产品因体验不佳沦为一次性消费。作者分析了硬件、软件+服务、渠道分销三种入局路径，详细拆解了成本与定价模型，并警示了复购率低、合规风险及技术幻觉等核心雷区。
构建递归智能体系统：扩展 Composer 训练规模
本文介绍了 Cursor 如何构建一个包含数千个 Agent 的递归系统，以加速 Composer 模型的训练。系统通过主 Agent 管理子 Agent 的“健康”状态，实现并行实验的自动化监控与故障修复。该架构将研究员的效能提升了数量级，使大量计算资源能像企业组织一样协同工作。
构建企业级AI大脑：从数据捕获到智能反馈的5层架构
本文阐述了构建“企业大脑”的核心理念：单纯的信息存储不是智能，关键在于建立连接上下文与工作的智能层。作者提出了一个5层架构体系：捕获、检索、信源分级、权限管理和反馈闭环。通过将散落在Slack、CRM、通话录音中的原始数据转化为可执行的情报，系统能实现自我进化，将人类纠错转化为新规则，从而提升整个组织的执行效率。
AI帮你做AI：用Coze/Dify搭智能体接企业单，月入2万+
本文介绍了利用Coze和Dify等低代码平台搭建AI智能体的副业机会。文章指出，通过拖拽式操作即可为企业搭建专属客服、助教等智能体，单次收费约1500元，月入可达2-8万。文中详细拆解了从收集资料、搭建知识库、撰写提示词到最终交付的全流程，并提供了获客（如制作免费Demo）和规模化的具体建议，强调了该领域执行意愿比技术能力更重要。
为什么你的 HyperFrames 动画不丝滑？Codex 实战 4 个坑全讲透
文章分享了使用 Codex 结合 HyperFrames 插件制作 AI 视频的实战经验。作者指出了四个常见的“坑”：必须使用 Codex 而非其他智能体、需要精细打磨提示词、必须导出字幕文件以 SRT 格式上传、以及应将长视频分段处理以控制 Token 消耗和提升效果。
如何构建 AI 原生初创公司
本文探讨了 AI 原生初创公司的核心定义：通过减少人员协调、让 AI 智能体执行重复性任务，从而实现更快的迭代速度。作者为创业者提供了一套从零开始的实操指南，包括：绘制工作图谱并按自主等级分类、构建 Git 版本化的上下文系统（Context System）、以及选择高频、可逆的工作流进行自动化。
2026年AI用户必知的12层架构：构建可靠的AI智能体
文章提出了AI智能体的12层架构模型，旨在帮助用户理解AI工具的工作原理及失效原因。内容分为三部分：基础层（工作界面、智能体合约/规范、模型）、运行层（运行时状态、工具互操作性、执行表面）以及记忆与知识层。文章强调，只有理解了这些层级（如MCP协议、Agent间协作、多级记忆系统等），才能解决AI输出不稳定、工具选择困难及信任缺失等问题，从而将AI从演示带入实际工作流。
如何构建 AI 操作系统与自主工作流
文章探讨了从单一 AI 工具向 AI 操作系统的范式转变。AI 操作系统不仅仅是一个模型或聊天机器人，而是一个位于人与软件之间的智能编排层，包含智能层、记忆层、工具层、代理层、编排层和反馈层六大核心架构。文章详细介绍了如何通过从单一工作流入手、拆分专业角色、建立共享记忆和连接外部工具来构建这一系统，从而将软件从“使用”的对象转变为协同运作的伙伴。
