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。
作者在 MiniMax M3.1 Flash 还以匿名模型 Space Bunny 身份活跃时，用自己维护的 300 题封闭测试集（HumanEval+/MBPP+ 代码题与 MMLU-Pro 推理题）进行了评测，匿名期得 240 分。正式版发布后用同一套题复测得 246 分，两版表现几乎一致，主要提升在代码题。代码能力与 DeepSeek V4.1 Flash-1017 基本打平；官方数据显示其在企业流程自动化和操作电脑两项为国产第一，且成本显著低于 Claude Opus 5。短板是困难推理。整套 300 题成本仅一元出头，性价比突出。
本文是一篇面向小白的 DeepSeek Harness（DSH）完整上手教程。作者介绍了 DSH 的核心特点：门槛低（DeepSeek 账号登录即用）、一切皆插件（连 Agent 循环都可替换，社区插件超 6000 个）、过程可回放（轨迹功能）。文章详细讲解了下载安装、登录方式（账号与 API Key 两种）、界面各功能入口（模式、权限、模型、推理强度等）的含义，并分析了计费方式与省钱技巧，同时提醒它仍是预览版，未经过安全审计，需注意数据安全。后续还将涵盖插件市场、原理拆解、实战练习及与 Pi、Claude Code、Codex 的对比。
DeepSeek 发布了 DeepSeek-V4.1-Flash-1017 小版本更新，作者在推理、代码、Agent、图像理解等 8 个实际场景中与 Opus 5.5 进行同题对比测试。测试包括网页小游戏开发、落地页设计、讲解动画、视频渲染、数据分析、草图转网页和小说写作。结果显示该 Flash 版本在功能完整度、数据分析、交互还原等方面表现出色，多项能力已接近 Opus 5.5。新版本采用 552B 参数 MoE 架构，MIT 协议开源，同时开放了 Search 和 Fetch 搜索接口。
DeepSeek 将 Harness 团队及 Web、App、Platform 团队整合为“产品部”，由崔添翼负责，统一管理产品、设计与研发，并急招产品经理、产品设计师和项目经理。产品经理分 AI 产品和 Agent Harness 两个方向，要求有完整交付经验、深度使用 Agent 类产品（如 Claude Code、Codex、Manus 等）、懂 Agent 机制与 Context/Harness Engineering；设计师需具备 UI/UX 能力和 vibe coding 技能；项目经理为实习岗。工作地点为北京和杭州，全职与实习均可。
文章介绍了 Personal Agent（个人智能体）这一新概念：拥有专属身份记忆、云电脑、可连接用户应用、24小时在线的 AI 私人助理。作者通过对比聊天 AI（只动嘴的顾问）、桌面端 Agent（用你电脑的实习生）、开源方案 OpenClaw（毛坯房）等形态，说明 Personal Agent 是替你干活的专属助理。并盘点 Grok Bot、Meta Muse、OpenAI Dots、DeepSeek Bot 等大厂产品扎堆发布的现象，解释其爆火原因：新模型已能稳定长时间干活，且掌握用户授权和长期记忆就是下一个超级入口。最后以 Grok Bot 为例演示创建 Bot、连接应用、追热点复盘数据、云电脑等真实使用体验。
本文是 DeepSeek Harness 的实战教程。Harness 是一个可扩展的智能体运行环境，基于 Cordis 构建，一切皆插件。文章介绍了准备工作（Node.js、API 密钥、测试目录）、启动方式（npx 或源码运行 Web UI）、模型配置与工作区选择，并以生成可审核的小说推广文案为例，演示了素材分析、结构化任务指令、执行检查、人工审核到文件保存的完整闭环。还扩展了团队内容初稿、资料整理、插件接入等方向，给出批量处理的分阶段建议和常见问题排查，并强调最小权限、独立环境等安全边界。
梁文锋亲自署名的新论文公开了DeepSeek的Agent训练沙盒工厂DSec。该系统由约160台机器、3万核CPU、250TB内存组成，一天能造300万个沙盒，同时运行38万个，每秒新建超过5000个。DSec支持从简单函数调用到Docker容器、轻量虚拟机甚至完整Windows/macOS环境，通过镜像三层按需拼装和3FS文件系统按需拉取数据，内存节省三四成，单机最高承载3200个容器。论文还特别阐述了如何防止被训练的Agent作弊——如修改系统文件、绕过权限、扫描端口偷答案等行为。
作者对 GPT-6 Sol、GPT-6 Luna 和 Claude Opus 5.5 三款新模型进行横向实测。价格方面，GPT-6 系列比 GPT5.6 便宜 50%，Opus 5.5 速度提升 30%、成本降低 40%。通过鹈鹕骑单车、可互动饺子网页、前端动效设计、写作 skill 生成、Blender 3D 建模复现舞蹈等多个案例对比，作者发现 Opus 5.5 在终端编程和前端能力上依然领先，细节表现惊艳；GPT-6 Sol 速度极快且能力不俗；Luna 则适合简单批量 Agent 任务。总体来看三款新模型在性能与成本上均有显著进步。
Anthropic与OpenAI同日发布多款新模型：Claude Opus 5.5、GPT-6 Sol和Luna。作者详细评测了各模型的定位与表现：Opus 5.5作为Claude系列性价比模型，Coding能力达到SOTA，成本下降40%，速度提升30%，但Token消耗大；GPT-6 Sol和Luna主打降本，价格比上代便宜50%甚至低于Deepseek，Token效率出色、幻觉率大幅降低，但审美与细节能力有明显降级。作者指出两家公司差异化路线：Anthropic专注Coding通往AGI，OpenAI专注全面Agent能力，并给出不同场景下的模型选择建议。
本文通过阅读 DeepSeek Harness (DSH) 0.1.7-alpha.1 源码，对比其与 ZCode 执行框架的设计差异。DSH 采用只追加的流水账机制保证可审计性，对缓存前缀极致优化以降低成本，通过三层递进方式管理上下文防止信息丢失，并内置防重复调用守卫、程序化工具调用（PTC）和超时转后台等机制。作者指出这些优势主要体现在长会话、大输出和批量工具调用场景，Token 消耗可差一个数量级；但普通短任务成败仍主要由模型智力决定，两者差距接近于零。
文章系统梳理了递归式自我改进（RSI）的技术演进图谱。首先定义了 RSI 的三大特征：递归演进、系统自指和可验证性，并介绍 Google DeepMind 等提出的 Dream-RSI 框架。文章回顾了从 1965 年 I.J. Good 的智能爆炸假说到 2025-2026 年产业爆发的完整时间线，涵盖 Absolute Zero、AlphaEvolve、Darwin Gödel Machine、SEAL、Hyperagents 等标志性项目。作者将可自我改进的对象解构为五类：模型参数、工具与 Harness、Skill、记忆、上下文，并给出了最小工程闭环的设计方案。最后提出判断：非参数化外围演化是当前落地主线，验证器质量是刚性瓶颈，未来将形成'外围高频迭代+权重低频蒸馏'的双层架构。
袋鼠帝及其AgentWork开源社区耗时30天推出免费开源的《魔搭紫皮书》，一本约40万字、8篇34章的系统学习AI指南。与侧重AI Agent应用的workbuddy蓝皮书和豆包工作蓝皮书不同，紫皮书面向想从零深入AI领域的读者，涵盖开源模型下载、微调（ms-swift）、评测（EvalScope）、应用场景（AI健身教练、智能客服质检、语音助手等）及Agent篇（Claude Code、DeepSeek Harness等）。作者分享了自己7年前报培训班学习编程的经历，强调开源时代AI学习资源免费可得，唯一门槛是执行力。
