文章以 Pi coding agent 的 Durable 版本为切入点，拆解 Harness 架构的演进。传统 Harness 将持久化系统、agent loop 和执行环境耦合在同一个 Node.js 进程中并强依赖 VM，而 Durable 将持久化外置为 SQLite 存储、执行环境与操作系统解耦，并实现无损状态恢复，使 agent 可部署在 serverless 等更灵活的计算节点上。文章还介绍了 pi 的 MCP 原生支持、codemode（通过 QuickJS 批量调度工具）以及 server/client/protocol 分离等变化，最后设计了一套可扩展的长期 Harness 架构，目标是硬件资源消耗降低一个数量级。
文章介绍了 Pi 发布的持久化运行时库 pi-durable，用于保存 Agent 的会话、工具调用和任务状态，实现进程中断后的断点续跑。作者讲解了核心机制：Harness 负责调度模型请求和工具任务，Storage（如 SQLite）保存提交后的记录；应用可通过 defineDoc 定义业务进度状态，并通过 replay 策略（safe/unsafe）控制被中断工具调用的重跑行为。文章以一个读取本地章节并保存进度的 TypeScript Agent 为例，详细演示了环境准备、依赖安装、代码实现，以及正常运行、重启恢复、中途退出后续跑的完整流程。
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。
作者 Chris 介绍如何利用 Grok Bot 搭建一套全自动的商业发现与执行系统。系统通过五个独立的信息源（招聘板、自由职业需求、应用评论、播客、论坛和 Reddit）每天扫描互联网，寻找被多个来源同时证实的问题。经验证的痛点会呈现在仪表盘上供人工批准，批准后 Grok Bot 会自动生成新代理，完成产品创建、网站部署、Whop 上架、结算链接生成以及对外推广。文章详细说明了工具配置（Whop CLI）、存储方案（SQLite 加 Obsidian 知识库）以及目标客户选择策略（聚焦老板直接决策的小企业）。
作者分享了一套自研的自媒体爆款监控系统，涵盖多平台数据采集、R/M双信号评分引擎、两级AI分析管线及Vue前端部署。该系统实现了142个对标账号的自动化监控与爆款归因，大幅提升选题效率。
本文讲述了camelAI团队如何将Agent从虚拟机迁移到Cloudflare Durable Object中。通过利用SQLite和R2作为文件系统，并用JavaScript替代bash，团队解决了高昂的基础设施成本问题。尽管限制了Agent只能使用预定义的方法，但这提高了性能和安全性，并优化了产品体验。
作者利用 Claude Code 构建了一个基于 SKILL 架构的 AI 交易模拟器，通过 SQLite 硬隔离历史数据解决了 AI“偷看答案”的问题。文章分享了在模拟器中进行的几百轮训练经验，揭示了交易中不仅要看对方向，还要选对工具和节奏的实战心法。
文章深入分析了开源 Hermes Agent 的记忆系统架构。与 OpenClaw 不同，Hermes 不依赖单一记忆，而是采用了四层架构：极简的 Prompt 冻结记忆（MEMORY.md/USER.md）、基于 SQLite 的会话搜索、程序化技能以及可选的 Honcho 层。其核心设计理念是保持 Prompt 稳定以利用缓存，并将历史细节剥离至外部工具按需检索。
文章指出AI构建者不应关注模型本身，而应聚焦于底层的可移植Memory Layer。作者通过项目'brain'展示了一种基于Git作为唯一事实来源、SQLite FTS5作为衍生索引的解决方案。这种架构支持跨工具（如Claude Code、Cursor）的通用记忆，实现了数据的类型化、索引、审计和同步。文章详细阐述了Git作为存储的优势、SQLite检索的高效性、秘密扫描及防御机制，强调了类型化事件和可回滚性对于Agent记忆系统的重要性。
这是一份关于 Hermes Agent 的深度上手教程。文章介绍了 Hermes 相比 OpenClaw 的核心优势：具备自我进化能力，能从任务中自动创建和优化 Skills，以及拥有强大的 SQLite 全文搜索记忆系统。教程涵盖从环境准备、安装配置、基础对话，到进阶的消息网关配置、定时任务、记忆训练，再到高级的 MCP 服务器集成、多 Profile 管理、浏览器自动化及语音交互等 15 个实践任务，帮助用户全面掌握这一开源 AI Agent 框架。
文章分享了作者为其开源项目 Huntly 实现“知识库对话”功能的巧妙思路。作者受技术帖启发，放弃了原本复杂的 Markdown 和 MCP 方案，转而让 Agent 直接通过 Skills 文档访问 SQLite 数据库。验证表明，该方案配合 glm-4.7-free 模型效果拔群，Agent 能轻松总结收藏、分析 RSS 文章并生成热门推文周刊。文章还展示了基于此逻辑生成的“lcomplete 的 X 精选”，涵盖了 AI 编程、投资哲学、工具生态及 Huntly 项目更新等内容。
