作者基于 DeepSeek Harness 从零搭建一个客服 Agent 的实战教程。文章梳理了客服 Agent 的四大核心能力：快速检索、记忆、人机协同与工具执行；并从交互模式接入、System Prompt 精简、Session 管理与持久化、工具与 Skill 的取舍、安全边界（接口鉴权与 Sandbox 只读）等方面逐步实现。作者强调通过收缩工具数量和精简 System Prompt 降低推理与 Token 开销，用 Skill 约束行为方式、用受控 Tool 约束能力边界，最后分享了利用 DSH 分步完成开发的流程与实用技巧。
文章从训练角度剖析 system prompt 为何能影响模型行为。作者以 nanobot 的 SOUL.md 为切入点，梳理了 OpenAI Instruction Hierarchy（训练模型处理指令冲突，拒绝率提升至92.6%）、Llama 2 的 Ghost Attention（多轮指令保持）、Anthropic 的 character training 与《Teaching Claude Why》（角色与原则内化）、Deliberative Alignment（规则通过训练学习）、The Assistant Axis（角色行为的内部激活证据）等研究，说明 prompt 中一句指令的效果取决于上下文与模型已学到的能力。最后建议：先用少量指令说清目标，根据失败案例迭代，随模型演进精简 prompt，把通用能力交给模型本身。
2026年9月1日，Anthropic 发布最强模型 Claude Fable 5.1（Mythos 级，100 万 token 上下文），其超过 27 万字符的系统提示在数小时内被泄露，同时 Anthropic 也自行公开了官方版本。作者分析这份'产品宪法'：它规定了模型的记忆、搜索、拒绝与渲染规则，但批评其安全条款出现'类别坍塌'——将儿童保护与版权角色绘制（如索尼克、好饿的毛毛虫）混入同一套拒绝机制，将健康成年人当作病人般谨慎对待，记忆隐私规则过度臃肿。作者认为这体现了 Anthropic 以责任管理取代真正安全的倾向，导致模型输出平庸、过度拒绝。
作者将中文 X 榜单 Top 50 大 V 的 241 条爆款推文导入 Apodex 1.1（Deep Discover 模式），实测其 Agent 能力。文章展示了 Task Orchestrator 自动拆解任务为多个并行 Subagent、支持人在回路中途干预动态重构分支的特点。通过数据分析提炼出爆款三大铁律：↓ 流程箭头是机制解读利器；约 11 处空行营造移动端阅读留白；结尾观点型金句（≤20字、带立场词）可提升点赞 2-3 倍。同时归纳出 12 种 Hook 起手模版，并封装成可直接用于 Claude/ChatGPT 的 System Prompt，认为 AI 正从生成内容转向执行研究。
本文深入解析了AI Agent的定义，将其视为从基础聊天到完全自主工作的连续体。文章指出Agent的核心在于自主调用的工具、持久化的记忆以及持续运行的循环结构，而非仅仅是模型本身。作者提供了包括研究、写作、代码等五种现成的System Prompt模板，并介绍了如何使用Claude Code在无需编写代码的情况下，快速构建一个连接Telegram的个人AI代理。
