Own Your Intelligence: 企业自建 AI 能力实战指南
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。
相关文档
红杉合伙人 Pat Grady 谈 AI 现状：AGI 已至、泡沫与机会
红杉合伙人 Pat Grady 向 LP 分享了对 AI 行业的看法。他将过去五年拆为三个拐点：ChatGPT（预训练）、o1（推理）、Claude Code + Opus 4.5（长程 agent），并认为 AGI 已在第三拐点到来。他指出现实验室目标转向 ASI、模型参与自我改进、对齐被忽视等问题；商业上实验室像大企业，抢 token、做并购；创业机会在于 diffusion gap 和高价值知识工作。开源模型正承接大量负载，组织转向最强环节游戏。他坦言当前是泡沫标志，但建议与泡沫共舞。
start ugly, write evals anyway：Agent 评估入门指南
文章探讨了 Agent 评估（evals）的重要性与实践方法。作者将 Agent 定义为模型加 Harness 的组合，区分了模型评估与 Harness 评估，并对比了 SDLC 中的测试与 ADLC 中的评估差异。文章澄清了评估的核心概念（task、trial、outcome、grader 等），指出评估的冷启动门槛比想象中低，从真实失败案例中提取 20-50 个任务即可起步。作者强调应只构建任务完成率和正确性两个基础指标，主张评估结果而非路径，并建议纳入负向用例、部分得分机制，坚持阅读轨迹记录，关注分心、token 消耗、延迟、上下文膨胀和一致性等信号。
设计 Harness：从 design.md 到可维护的上下文工程
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。
实测GLM5.3：1/3参数量+后训练逼平GPT-5.6
本文实测了智谱最新发布的GLM-5.3模型，该模型基于GLM-5.2的750B参数基础模型，仅通过后训练提升性能，在AA榜上以60分进入前十，成为同分段参数最小的模型。作者通过多个编码与安全案例测试，包括修复Ice菜单栏工具漏洞、开发2D跑酷游戏、3D愤怒的小鸟及音乐工作台等，展示了GLM-5.3在复杂编码、长程Agent任务和防御性网络安全方面的出色表现，并对比了DeepSeek、Grok等模型，认为后训练Scaling是提升模型能力的重要路径。
How to Build An Agentic Harness using Kimi K3
文章指出AI模型正变得廉价且可互换，核心资产在于控制层（Harness）而非模型本身。作者提出了构建Agent控制层的三条核心法则：模型是消耗品而框架是资产、耦合要轻但框架本身要做厚、可调设置必须有代码级别的硬边界。文章详细拆解了构建可复用控制层的11个关键要素，并主张让框架去适应工作流而不是绑定特定的模型供应商，以适应快速迭代的AI技术格局。
非码农的 AI Agent 设计教程
本文用通俗语言拆解了 AI Agent 的核心概念。通过将 AI 比作新员工，详细阐述了 Prompt、Context、Harness、Loop、Graph 等 11 个关键术语的含义与作用。文章提供了一套从定义目标到交付结果的完整工作链，帮助初学者理解 Agent 如何从聊天走向实际做事。
角色重构——工程师从「写代码的人」变成「编排 Agent 的人」
本文探讨了在 AI 时代，工程师角色的根本性转变。通过 OpenAI、Spotify 等案例，指出工程师正从「写代码的人」转变为「编排 Agent 的人」。文章详细阐述了新角色的四个维度：设计约束、编写 Spec、构建 Harness 和审阅产出。团队结构也随之重组，从按技术栈分工转向按 Spec/Review/Harness 流程分工。
如何优化你的 AI Harness：配置、框架与子代理指南
文章指出工程师的关注点已从 IDE 转向 AI Harness，并介绍了提升 Harness 输出质量的关键方法。核心策略包括：保持配置文件（如 .md）精简，采用渐进式披露原则以节省上下文；利用 R.P.I 框架（Research, Plan, Implement）像资深工程师一样分解问题；以及通过子代理清理主上下文窗口。文章强调，Harness 的核心在于工程判断力。
Preparing for Radical Transformation
本文探讨了超级智能已至的背景下，AI 发展的加速及其带来的挑战与机遇。作者指出 AI 将重塑高 prestige 的白领行业，同时也面临持续学习、安全和验证等难题。文章建议通过自动化低垂果实、拥抱开源权重模型、利用隐性知识及建立安全基线来应对。
ESP Labs：开源的 ESP32 在线学习平台
ESP Labs 是一个开源的 ESP32 在线学习平台，借助 AI 把开发板、电路模拟和固件代码搬进浏览器，解决硬件调试痛点。平台内置可视化可交互的 3D 开发板，点击芯片、天线或按键即可高亮对应部件，提供 32 个 3D 交互式实验章节，支持实时引脚图、电路模拟和串口交互。教学内容渐进式设计，从点亮 LED 到 Wi-Fi 蓝牙、RFID 和声音处理，固件源码与虚拟板卡行为实时绑定。支持中文等多种语言，适合硬件新手在购板前先在网页练手。
Kimi K3.1 Pro 第一手测评：与 GPT-6 Astra 硬刚游戏开发
月之暗面发布 Kimi K3.1 Pro，3万亿参数MoE架构、100万token上下文、开源权重，API输出价格仅为GPT-6 Astra的五分之一。作者从跑分和实测两方面评估：官方xdev-bench-hard编程成功率64.5%排第二，幻觉测试同样第二，第三方智能指数全场第四、开源第一。实测中，作者用相同提示词让K3.1 Pro与GPT-6 Astra分别开发3D跳一跳和植物大战僵尸游戏，两者均一次成型无bug。Kimi耗时约10分钟但会自我验证和修正，Astra快近5倍且细节更丰富。结论：K3.1 Pro编程能力接住闭源旗舰，价格是杀手锏，适合重度Agent用户。
Kimi K3.1 Pro 来了：离最强只差 0.7 分，API 反而降价三分之一，权重 11 月 4 日白送
月之暗面发布 Kimi K3.1 Pro，基于 K3 做 post-training 升级，2.8T 总参数、104B 激活（MoE）、1M 上下文、多模态。Terminal-Bench 4.0 得分 65.7，超越 GPT-6 Astra（58.2），仅落后 Claude Opus 5.5（66.4）0.7 分，是开源模型离闭源最强最接近的一次。API 价格输入 $2/输出 $10，比上一代降价三分之一，权重将于 11 月 4 日开源。文章拆解了 14 项评测表现，指出其在编码、Agent、金融分析领域表现出色，但科学计算类任务偏科严重（38.1 vs 68.1），并给出小白使用入口与避坑清单。
