本文整理了 Pi Agent 作者（也是 Flask 作者）Armin Ronacher 关于 AI Agent 的九条反直觉判断：极简 harness 因 bash 管道省上下文而胜出；当前 agent 仍处 DOS 时代，缺持久性与 Web 原生体验；许多 AI 问题实为系统架构问题；人类不会退场，可问责性与可内省性是刚需；开源等于进入训练数据的门票；企业 AI 编码投入的成本显现快于收益；他个人工作流保守；担心 AI 重蹈社交媒体覆辙；欧洲因碎片化而掉队。
文章介绍了 Pi Agent 的作者 Mario Zechner（@badlogicgames）。他是奥地利人，曾是游戏框架 libGDX 的开发者，也做过 RoboVM。2025 年底他用两晚时间写出极简 coding agent Pi，默认只有 read、write、edit、bash 四个工具，系统提示词极短，强调可自由定制。后来被 Flask 作者 Armin Ronacher 的公司 Earendil 收购，Mario 入股加入团队但保持技术方向主导权和开源。他反对 Agent 越做越重，认为 CLI 比 MCP 更省更稳，Pi 的干净、可改、不绑模型的风格正源于他的个人理念。
文章基于 Lilian Weng 的新作，提出未来 AI 的竞争壁垒将不仅是模型本身，更是包裹模型的 Harness 层（运行系统）。文章深入探讨了 Harness Engineering 的关键要素：文件系统作为持久记忆、子代理并行架构、上下文工程（Context Engineering）从拼接转向认知接口设计，以及优化目标从指令提示词向系统级递归改进的演进。对于构建 Coding Agent 和复杂自动化系统的开发者来说，设计运行时和工作流的能力将比单纯的模型参数更为关键。
作者开源了一个名为 Story Studio 的 AI Agent Skill，用于自动化生产历史/人物故事类短视频，涵盖选题策划、黄金钩子文案、豆包大模型配音、毫秒级字音对齐、三套画风分镜生图、自动生成剪映草稿等全链路。作者靠该流水线在视频号实现单条爆款播放100W+、单日带货4000+的战绩。文章详细拆解了各环节实操方法，并分享图书带货、银发健康产品、创作者分成计划、私域导流等四条变现路径，强调工具完全免费开源。
文章实测了新加坡 AIPOCH 团队开源的科研 AI 工作台 Open-Science，它以 Claude Code、Codex 等为可替换引擎，外覆科研专用壳层。针对科研三大痛点——文献易被 AI 编造、敏感数据不能出本地、图表无法溯源——该项目提供 36 个科学数据库连接器、本地数据存储、不可篡改的执行记录与血缘图，并支持通过 .science 文件包（基于 RO-Crate 开放标准）导出完整研究过程供他人复现。作者以复现一篇基因表达分析论文为例，验证了差异表达分析与火山图生成，并用独立 AI 审查员完成交叉核验，展示了可复现、可交接的开源科研工作流。
DeepSeek 发布 V4.1-Flash-1017 模型，性能更强、任务完成更快、输出更短，实现性能与成本的帕累托改进，已在官网、App 和 API 上线。模型通过强化学习自反馈优化端到端项目开发能力，覆盖游戏创建到 3D 建模等完整项目构建，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等工具优化。同时 Search & Fetch API 面向所有人开放，基于自研搜索引擎，每端点 $0.75/千次调用，已在 Hugging Face 和 ModelScope 开源。
REA 项目十天内从几百 Star 暴涨至二十万以上，引发 AI 圈热议。文章分析其爆火过程：项目由 morluto 和 N0zoM1z0 开发，最初名为 betterBinaryMCP，旨在让 AI 调用专业工具分析软件实现。经过数月迭代，10 月初首页介绍变得直观，随后大 V Matthew Berman 发帖“Software is done”推波助澜。但文章指出，许多惊人案例并非 REA 所为，其实际能力限于追踪具体功能和恢复局部逻辑，距离一键重建大型软件仍有距离。爆火背后是用户对软件自由和低成本的期待，以及专业能力被 AI 组织的新方式。
文章探讨当前AI聊天机器人使用模式的根本缺陷：用户虽能将任务交给AI代理，却无法真正转移注意力，每天疲于监督多个工作流、重建上下文、判断输出质量，如同AI的经理而非拥有自主智能员工。作者认为聊天框时代已到极限，下一代AI应是单一、持续保留上下文的助手，能主动协调多个代理、理解用户意图与优先级，减少解释与监督负担。作者以电影《Her》为例，描绘自然对话式AI助手的理想形态，并指出越智能的AI越能以更少指令理解用户，但这也带来信任与隐私的深层问题。
Jared Palmer（Cognition）开源了 Kev，一族建在 Qwen3.5/3.8 之上的 Jev 式小型决策模型（0.8B~27B，Apache-2.0）。文章介绍了 Kev 与 Jev 的对比数据：Kev-27B 在新数据源上与 Jev 相差一个点以内，但作者强调这不是受控比较。最有价值的部分是完整的微调闭环：通过 coding agent 的 skill，可自动从用户代码中找出问题、转换已有标签、在 Modal 上微调并部署，一次 Kev-4B 训练在 H100 上约 1 美元，示例中把准确率从 67.7% 提到 73.6%。文章还总结了校准温度、问题隔离设计等工程细节，以及作者诚实的自我限制态度。
作者分享在开发 APP 时使用的 Apple Design Skill，它将 Apple WWDC 设计分享中的界面与动效原则整理成 AI 指导，帮助改善界面层级、反馈和整体连贯性，效果接近苹果原生 App 风格。该 Skill 来自 Linear 设计师 Emil Kowalski 开源的 AI Agent Skills 项目（GitHub Star 近 4w），还包括设计工程总则、动画制作与审查、原型方案生成、移动端网页优化、Swift 编写、UI 组件库选择等多个实用 Skill，适合前端与设计开发场景使用。
这是一篇面向初学者的 AI Agent 完全指南，介绍如何部署实用的 agent 集群（swarm）。文章首先区分了 AI 聊天机器人与 AI Agent：前者只与你对话，后者能代你执行桌面操作。随后系统讲解了构建高效 Agent 的四大要素：1）Context（上下文），建议通过 Claude Cowork 用语音提问生成 context.md 文件；2）Memory（记忆），让 Agent 通过 memory.md 持续学习你的偏好；3）Skills（技能），类似 SOP 的分步任务文档，可通过手动讲解或屏幕录制自动生成；4）Tools（工具）。文章还介绍了 Harness（如 ChatGPT agent、Claude Code subagents）和 Loops（持续运行的工作流），帮助读者打造 24/7 全天候工作的迷你 AI 员工团队。
作者在 MusicBridge 出圈后，本打算如法炮制开发电子书跨平台同步工具，但深入思考后发现听歌是单点需求，而严肃阅读是涵盖找书、格式处理、阅读器选择和笔记沉淀的完整链条。文章梳理了一套严肃阅读全链路工作流：以微信读书、得到电子书作为日常阵地；用 Z-Library 和 Anna's Archive 破解资源壁垒；利用 AI Agent 和开源 Skill（scanned-pdf-to-epub）将扫描版 PDF 重构为出版级 EPUB；推荐 BabyReader 和乔木阅读器等独立阅读器；最后用 flomo 与 Obsidian 实现轻重结合的知识内化。
作者介绍了开源项目 Hypit，一个面向 Claude Code、Codex 等 Coding Agent 的开源视频语言与编译系统，被称为视频领域的开源 Harness。它解决了 AI 视频制作两大痛点：视频模型抽卡黑盒、传统剪辑软件无法自动化。Hypit 用代码写视频，独创 Hook 机制将特效、B-roll、字幕锚定在台词的词上，修改台词后自动重新对齐；支持 /hypit clone 反向工程爆款视频并批量生成变体；付费素材先占位预览、旧素材 100% 复用，纯代码渲染零成本，API 跑完整视频约 1 美元。文中还提及 Atria Dawn Preview 的可交付 Agent 思路。
