文章以 Atlassian 与 Vercel 的实践案例为切入点，探讨 AI Agent 在产品设计任务中的上下文工程问题。对比实验显示，单一 design.md 文件在原型生成等轻量场景中表现出色，但在真实工程环境中会导致 token 消耗激增、耗时更长且不稳定。文章提出以代码库访问权限为分岔点的两条路径：仓库外的轻量三层支撑体系与仓库内的完整工程 Harness。随后系统阐述了设计上下文的五层架构——意图层、真源层、披露层、约束层和反馈层，并详细说明搭建流程：建立评估基线、编写最小意图文件、沉淀结构化真源等，强调机械可判定规则应交由工具链执行，语言模型只处理模糊判断。
本文深度解读 omp 作者 Can Bölük 的《Harness Playbook》，提出 Agent Harness 是系统软件而非简单循环的核心命题。文章系统阐述 omp² 的架构蓝图：以唯一权威会话（DOM 树）解决 rewind/fork/resume 的状态一致性；沙箱只执行不决策；Convar 管值、Director 栈管行为的控制面设计；将模型兼容性作为结构化知识的推理层；精简工具名册以提升性能的深度内建工具；基于 RichText 流原语与 TLA+ 验证的渲染层；以及 Rust 核心 + Python 扩展的技术栈选择。文章认为该文将 Harness 工程提升为可推理的学科，同时指出其激进设计尚待落地验证。
作者回顾了半年间 AI Coding 实践的演进：三月通过 Harness Engineering 给模型加约束，八月换成更轻量的 Pi 减少上下文注入，如今实践进入稳定态。文章介绍了当前工具栈，包括 matt skills（需求对齐、spec 拆解、TDD 实现）、ponytail（消除 AI Slop）、subagent 加 worktree 并发开发等。作者提出完整的日常 Coding SOP，从脑暴对齐到垂直切片再到 subagent 实现和人工 Review，并指出人工 Review 已成为新的瓶颈，介绍 Ensemble Review 多模型交叉审查方案。最后强调软件工程基本功与工程直觉在 AI 时代愈发重要。
作者基于开源的 DeepSeek Harness 桌面版，融合内容创作插件与自研运营工作台，打造了一套覆盖选题、脚本、录制、字幕、封面、发布到复盘的完整短视频创作工作台。灵感通过绿芽快捷入口随时记录，进度由本地文件自动判断；AI 写脚本前会读取预设的人设、结构与禁忌词规则，并可勾选历史复盘经验辅助创作。字幕分转录校对和人工确认烧录两步，封面一次生成三种画幅，图文可转写至公众号。发布支持四大平台并自动回收数据，运营看板汇总今日推进、档期规划、内容管线等模块。复盘沉淀为规则反哺后续创作，所有内容均以本地文件保存，保障数据主权，项目已开源。
作者开源了Reef，一个支持持续自我改进的AI Agent基础设施。文章指出传统LLM基础设施假设固定的训练-部署-推理流程，而对持续自我进化的Agent而言，推理不再只是终点，而是学习过程的一部分；且进化的不仅是模型权重，还包括提示词、记忆、技能、工具和编排逻辑（harness）。Reef以有状态推理为核心，从实时流量中收集经验和反馈，支持模型与harness的联合进化，并提供评估、版本控制和热更新等发布机制，让开源社区能便捷地实验持续自我改进（RSI）。
本文深入解读了 Anthropic 发布的关于 Warp 构建自进化 Agent 的博客。Warp 通过双 Skill 循环（Base Skill 和 Improver Skill）实现 Agent 的自我改进，将人类反馈转化为对 Skill 文件的修改，并通过 Git 工作流进行管理。文章区分了 Skill 与 Memory 的不同，指出 Skill 是程序性知识，而 Memory 是事实记录。同时，文章探讨了 Skill 自进化的边界，对比了 Skill（软约束）与 Harness（硬约束）在 Agent 进化中的不同作用，并提出了 Agent 可进化内容的三层模型：Memory、Skill、Harness。最后，作者总结了 Warp 团队关于编写 Skill 的几条实用经验，并强调了这种轻量级自进化机制的工程价值。
本文系统解析开源 AI Agent 工具包 Pi Runtime。作者指出，模型推理与工具执行之间需要一层可靠的运行时控制逻辑。文章详细介绍 Pi 的五个核心包：pi-ai 统一多模型供应商差异、pi-agent-core 是运行时本体、pi-coding-agent 是可直接使用的终端产品、pi-tui 提供终端交互、pi-telemetry 提供观测能力。随后深入讲解一次任务的完整执行链路、steering 与 follow-up 的双层循环设计、工具调用六阶段管道、副作用工具的重试与重放策略、上下文压缩的现场重建机制及会话树结构，适合想理解 Coding Agent 底层原理及选型 Agent 框架的研发与产品团队阅读。
本期周刊以「新的稀缺」为主题，围绕 OpenAI 定制推理芯片 Jalapeño、智谱 GLM-5.3-Flash、千问 Qwen3.8-Flash 等发布，探讨智能供给成本下降后价值交付的真正瓶颈。文章指出，模型变便宜后，稀缺资源转移到了环境与验证、企业数据治理、Agent 自进化的控制面以及人类注意力上。Coding 只占研发链路的小部分，环境、审批、测试与数据可信度决定完成率；自进化系统需要评测、记忆、落地与控制四个齿轮协同；Harness 演进和记忆系统则凸显人类判断与信任界面的长期价值。团队应把节省的推理预算转投评测、失败分析与用户研究，建设可复利的组织能力。
文章系统介绍了 DeepSeek Harness，强调它不是单纯的模型聊天界面，而是把模型、工具、会话、沙箱、工作流、调度和 UI 都插件化的 Agent 运行框架。内容涵盖安装启动、Web UI 与远程访问的安全风险、4 种 Agent 模式的权限取舍、Trajectory 执行轨迹带来的可调试性、多模型接入降低供应商锁定、'一切皆插件'的架构理念、会话分支用于并行验证假设，以及 Dynamic Workflow 和 Agent Teams 实现多 Agent 协作的任务拆分与汇总。作者认为其价值在于让 Agent 成为可配置、可观察、可复用的执行系统，但仍处 developer preview 阶段，需谨慎对待权限与数据安全。
作者逐行阅读 OpenAI 开源的 Codex harness（rust-v0.150.1）与 DeepSeek Harness（dsh v0.1.1-rc.2）的源码，从工具调度、多智能体、上下文管理、沙箱、可观测性、模型互操作等十个维度对比两者，并设计了五个机制场景、六个组合共 150 次真实 agent 运行测试。文章揭示多个反直觉发现：Codex 多智能体更成熟但没有独立的读文件工具；Codex 只支持 Responses 协议而 dsh 兼容 chat completions；两者在上下文压缩上防的是不同故障。结果 149/150 通过，压缩场景 Codex 快约五倍。文章最后给出按使用目的的选型建议。
本文探讨了强化学习环境中记忆系统的设计问题。各实验室通过可验证奖励（如测试通过与否）在沙盒环境中训练编码智能体。单个任务往往涉及数百次工具调用，而模型只能看到上下文窗口内的内容，harness 负责决定哪些历史信息进入窗口——这就是记忆系统。文章介绍了 AgeMem、CompactionRL 等研究如何将记忆管理（压缩、检索、写入）纳入策略本身进行训练，并用任务奖励进行评分。Cursor 认为生产环境的 harness 就是训练环境，在数十万并发沙盒中训练 Composer 模型。核心观点是：沙盒保持完整状态，但策略只看到 harness 构建的观察窗口，记忆即跨越这一边界的信息。
作者基于十天高强度使用经验，分析 Omarchy 作为面向 Agent 的原生桌面 OS 的架构设计。文章指出 Omarchy 通过统一 CLI（436 条命令）、可替换的多 harness Agent、随 OS 版本发布的 Skills、三层状态分层，以及 Hyprland、Quickshell、mise 的协同，构建了一个适合人类监督、随时委托和快速接管的 Agent 工作台。UX 层面通过快捷键、平铺布局、workspace 隔离和普通终端运行降低调用摩擦并提供可接管性。作者认为 Omarchy 已是成熟的 agent-ready desktop OS，但距离 agent-safe OS 还差统一 capability policy、操作审计和事务式回滚。
作者分享了将主力 Coding Agent 从 Claude Code 切换到 Pi 并自建 Harness 三周后的体验。Pi 核心精简、缓存命中率高，且让用户能完全掌控 Agent 工作方式。作者将 Harness 分为三层：AGENTS.md 管纪律（全局与项目级规则）、Skills 管能力（tdd、code-review 等按需加载）、Packages 管控制面（重点介绍 pi-subagents 并行调度、pi-skillful 技能管理、pi-ask 歧义处理等 10 个常用包）。工作流遵循先问清、再侦察、后修改的原则，强调同一目录只留一个 writer、reviewer 可并行。作者还分享了避免堆砌 Skill 和 Package 的教训，提醒 Pi 默认最高权限无沙箱，需提防危险指令。
本文从《给宝宝的机器人学》类比切入，系统讲解 Agent 的核心概念与发展脉络：大模型只负责生成回答，而 Agent 能借助工具、API、Agent Loop 和文件/终端等真实工作现场，把任务完整做完。文章依次介绍模型、Tool 与 API、Agent Loop、computer use、MCP 协议，以及 Claude Code、Codex CLI 到 Codex 桌面端的产品演进，说明为何同一个模型放进不同 Harness 表现差异巨大。最后以实战演示如何用 Codex 搭建论文资料整理 Agent，从建立项目结构、规划执行到接入 PubMed 检索工具，展现普通人也能上手的 Agent 工作流。
本文系统讲解 DeepSeek 开源的 Agent 框架 DeepSeek Harness。作者从 Agent = Model + Harness 的公式入手，解释 Harness 如何将模型的意图转化为受约束、可持续的行动，涵盖插件化架构（Everything is a Plugin）、Profile/Bundle/Patch 配置体系、Cordis 插件管理器及其时空可组合性与 Fiber 生命周期、Agent Loop 中 Turn 与 Step 的执行流程、Inbox 输入机制、事件系统以及每个 Step 重新组装 System Prompt 的设计。文章配有大量名词解释与图片，兼顾零基础读者与技术人员。
文章探讨agent harness在长时任务中的关键作用。原始模型本身是无状态的，没有持久执行循环，agent harness为模型提供执行系统，包括模型循环、MCP工具连接、技能、沙箱执行、子代理、上下文压缩、审批检查点和持久会话等能力。作者以开源项目TrueForge为例，演示构建一个网页研究agent：通过MCP接入Exa搜索，启用web-artifacts-builder技能，在沙箱中执行代码。文章还讲解渐进式披露策略，避免大量工具定义占用模型上下文窗口，强调开源harness在agent工程中的重要性。
本文提出一套系统性的Agent语义工程蒸馏方法论：从模型API请求终点出发，通过逆向溯源、注入源穷举、工具三层分析（引导、行为包装、结果封装）、多agent协作语义、记忆定义、时间轴动态策略、语言表达分析等维度，深入提取Agent框架的上下文组装与语义设计模式。文章还涵盖框架强相关与通用指导的区分、基于提交历史等证据的开发者意图推断，以及以世界观塑造为首要标准的评价体系，为学习和迭代Agent harness提供全局认知框架。
DAIR.AI 盘点本周 AI 领域重要论文：微软 Agent Lightning 通过端点代理将任意 Agent harness 接入 RL 训练；Skill 触发瓶颈论文提出三层协议缓解提示词槽位稀缺；Harness 级遗忘现象被命名并给出测量协议；对十个真实 Agent 应用的剖析发现非 LLM 组件主导一半应用的延迟；Skill 机制研究表明程序性锚定远胜知识注入且库规模过大导致精度崩塌。核心主题是 harness 应成为训练与优化栈中的一等公民。
本期周刊围绕「编码工业化之后程序员价值如何重新分配」展开。文章指出编码执行正被 Agent 工业化，但程序员价值不会自动消失或上移，新分水岭在于定义问题、沉淀组织知识、独立验证与承担结果责任。内容涵盖 AI Coding 对就业的影响、生成加速后的治理与验证前置、个人提效被组织摩擦吃掉的现象，以及程序员转向设计会学习的执行系统（如 Harness 插件化、Skill 自动改进等），并强调评价体系与价值流治理必须同步变革。
作者团队用 AI Agent 驱动前后端全流程开发（1个TL+6个子Agent），token成本高昂。通过AgentLens度量发现系统提示词、工具返回信息、历史消息是消耗大头。围绕'只看当前需要的上下文、减少无关上下文、减少重复上下文'三原则，实施了渐进式披露、CLI替代MCP、MCP子Agent化、长期记忆索引加载、多Agent拆分、工具白名单等10项优化，全流程降本50%~65%。
作者介绍了 Anthropic 于 2026 年 4 月推出的 Claude Design 功能，它允许用户通过对话式交互创建幻灯片、单页文档和网站等设计资产。文章重点讲解了如何构建可复用的设计系统：上传现有演示文稿和 Logo，生成涵盖字体、间距、颜色、阴影等要素的设计规范，并通过聊天进一步微调。之后只需输入任意提示词即可获得风格一致的输出，并支持导出为 PowerPoint、PDF、HTML 等多种格式。作者认为这是 LLM 技术在特定产品（harness）中专业化应用的又一例证。
本文深入探讨了构建高效 Agent Harness 框架时，理解底层模型推理基础设施（Model Infra）的重要性。作者指出，许多 Harness 将模型 API 视为黑盒，导致在应用层的优化可能破坏 KV 缓存、增加成本并降低解析可靠性。文章详细分析了缓存机制（GPU/CPU/SSD）、影响缓存命中的因素（如动态 system prompt、工具 schema 变化）、本地执行耗时对缓存窗口的消耗，以及解析一致性问题。最后，作者提出了稳定前缀、异步工具执行、不可变历史等实践原则，并建议通过监控缓存命中率、一致性等指标来评估 Harness 质量。
本文是DeepSeek Harness的首发实测与入门教程。作者详细介绍了Harness的安装配置过程，并通过四个实际任务（制作PPT、开发网站、项目分析、自造插件）展示了其强大功能。文章记录了每个任务的耗时、token消耗和费用，并分享了实测感受与插件玩法，最后给出了对Harness未来价值的看法。
本文介绍了 DeepSeek Harness 生态中必装的 10 个插件，包括 ModLens（图像理解）、dsh-web-ui（Web UI 全家桶）、dsh-better-sidebar（Codex 风格布局）、dsh-TUI（终端界面）、deepseek-harness-desktop（桌面客户端）、dsh-at-file（@文件引用）、dsh-agent-teams（多 Agent 团队）、dsh-plan-execute（规划与执行分离）、dsh-context-doctor（Token 分析）和 dsh-reverse-skill（安全研究技能包）。这些插件覆盖了从图像处理、界面优化到多 Agent 协作、成本控制和安全研究等多个方面，旨在提升 DeepSeek Harness 的功能性和用户体验。
红杉资本团队撰文探讨企业是否应自建 AI 能力而非依赖前沿实验室。开源模型（如 Kimi K3、GLM 5.2）性能逼近前沿，后训练技术栈日益成熟，成本、速度、专有数据与自主掌控成为自建的核心动因。文章给出实践路线图：组建专职团队、公开研究成果，并系统介绍了评估（Evals）、Harness 与上下文工程、后训练（SFT/偏好调优/RL/蒸馏）以及在线学习四个技术步骤，帮助企业在特定领域超越通用前沿模型。
作者提出 Company Foundry 项目：用 Kimi K3 作为中央智能单元，将公司简介编译成可移植的组织方法规范，生成上下文、技能、路由、策略、证据记录等运行时配置。核心理念是公司不是一群 agent，而是决定哪些工作重要、agent 能做什么、必须留下什么的方法。模型可租可换，但运营方法归公司所有。harness 层为 agent 工作赋予结构，通过契约管理所有权、任务准入、来源策略和模型路由，让工作可复现、证据可追溯，公司知识不随模型更换而流失。
本期周刊聚焦 AI Agent 执行层的工程实践，探讨模型如何穿过真实环境稳定完成任务。文章围绕执行模型、Harness、质量评测、多智能体与权限、路由缓存等六条主线展开，分析了 Grok 4.6、DeepSeek V4 Pro、Gemini 3.7 Flash 等模型的长程执行能力，拆解了 DeepSeek Harness 和 OpenAI Codex Harness 的架构设计，并介绍了阿里、美团等团队的评测与改进流程。核心观点是：智能体的可靠性不仅取决于模型能力，更依赖于 Harness 的工程化设计、可观测的反馈闭环和合理的成本调度。
本文深入解析了Matt Pocock Skills v1.2为何在技术圈爆火，并对比了其与Superpowers等重型Harness的差异。文章详细介绍了25个Skill的六大分类、五步主流程（问清楚→写清楚→拆成小任务→实现→检查），并探讨了在更强模型出现后，显式流程的必要性。作者认为，Matt Pocock的Skills以轻量、灵活著称，强调给用户而非Agent超能力，适合追求高效、低成本的AI编程实践。文章还提供了低风险试用路径，帮助读者在不更换现有工具的前提下体验这套Skills。
本文探讨了在模型与工具链（harness）协同进化背景下，智能体（agent）数量激增带来的管理挑战。作者指出，前沿实验室将模型与工具链作为整体优化，导致用户需要运行多个异构工具链以控制质量、性能和成本，形成“工具链舰队”。然而，人类注意力有限，成为新的瓶颈。为此，作者提出“depot”（枢纽）作为新的抽象层，集中管理多个工具链，提供状态报告、人工审查、持久执行和内部通信功能，使人类能像管理者一样专注于关键决策。文章强调，审查和评估将成为新的核心工作，并展望了未来工具的发展方向。
本文实测了 DeepSeek Harness 的极简模式，通过两个实战项目（3D FPS 游戏和 AI 宠物领养系统）对比标准模式与极简模式的性能差异。结果显示，极简模式在耗时上显著更优（分别快 10 分钟和 21 分钟），且在某些任务上效果接近甚至超越标准模式，但在功能完整性和细节上有所欠缺。文章分析了极简模式的优势（减少工具选择干扰、提升专注度）和短板（缺乏联网、上下文压缩等能力），并介绍了社区中通过两阶段插件提升标准模式性能的探索。
