Harness Engineering

系统 A 有十二个 Agent、长期记忆、云端电脑、事件日志和自动恢复。 系统 B 只做一次 document → structured candidate，把结果放进表单，等人核对原件后再保存。 ...

凌晨两点，Agent 准备给一个 GitHub issue 添加“修复已完成”的标签。 ActionEvent 已经写进日志。GitHub API 也返回了 200。就在 SDK 把结果包装成 ObservationEvent 之前，进程崩溃。 重启以后，历史里只剩一条没有 observation 的 action。 ...

法庭里坐着九位证人。 四位负责市场、情绪、新闻与基本面；两位分别坚持看多和看空；三位从激进、中性与保守的风险偏好发言。最后还有研究经理、交易员和组合经理逐层裁决。 ...

渲染命令退出码是 0。 MP4 文件存在，容器可被 ffprobe 读取，render_report 也符合 JSON Schema。流水线甚至可能给出 pass，建议把成片交给用户。 ...

假设同一家公司有两个 Telegram bot：一个服务欧洲客户，一个服务美国客户。两个 bot 都把消息交给同一个 support agent，session 隔离策略写成了 per-channel-peer。 某个平台用户 ID 恰好同时出现在两个账号里。 ...

前一篇 n8n 入门 已经从 Manual Trigger → Edit Fields → IF 开始，讲过 Growth OS、受限 Agent、人工审批、operation ledger、结果回流和 alternatives。 ...

聊天产品最容易展示的完成标志，是最后一条 assistant message。 任务产品最危险的完成标志，也是最后一条 assistant message。 因为“已完成”可能只表示 Agent 停止运行。用户真正要验收的，也许是一份引用可靠的报告、一张字段齐全的数据表、一个能打开的网站、一段可以维护的代码，或一个下周仍在运行的 bot。只要价值单位从 reply 变成 work product，完成状态就必须离开聊天气泡，落到 artifact 和外部世界。 ...

第二个界面，往往才是一次 Agent 架构审查的开始。 只有 CLI 时，输入框可以直接调用 loop，命令结果可以直接刷进终端，审批状态也可以藏在某个局部变量里。等 IDE 侧栏、桌面端、自动化脚本和第三方客户端陆续出现，同一份内部状态会被复制成四套近似实现：它们对“当前任务是否结束”“这次 patch 属于哪个 turn”“批准以后还受不受 sandbox 限制”给出不同答案。 ...

Pi 默认只把四个工具交给模型：read、bash、edit、write。 它没有内置 Plan Mode、Todo、MCP、subagent、permission popup 或 background bash。读到这里，很容易把 Pi 写成一篇极简主义赞歌：四个工具足够，复杂框架都可以删掉。 ...

把“永远不要修改 .env”写进 CLAUDE.md，这条要求会进入 Claude 的上下文。它会影响模型的选择，却没有在文件系统前竖起一道墙。 同一句话若进入 PreToolUse Hook、permission deny rule 或 sandbox 文件规则，语义已经变了：它开始决定一次工具调用能否发生，或者一个 Bash 子进程实际能碰到什么。 ...

一次交流里，我卡在一句看似简单的话上：“我知道 Agent 的体感边界，但是不知道 Agent 具体的定义怎么样说。” 我能判断一个固定路径的 workflow 不太像 Agent，也能看出一个会根据工具结果改计划、必要时暂停或移交的系统更像 Agent。可当对方等我给出一句没有漏洞的定义时，我发现脑中的东西不是一句话。它更像许多正例、反例、相邻概念和行动后果叠出来的判别器。 ...

“常识就是本质吗？”我最近连续拿几个行业做推演时，最先卡在了这个问题上。看完 22 家前沿 AI 团队、70 余位公开人物的作品链后，我反复遇到几种动作：围绕一个长期命题积累，先写清怎样才算合格，让论文、代码和产品连续留下作品，再把生产失败送回下一轮。可这些动作仍没有回答：面对传统行业，我从哪里开始判断，才能避免拿着新技术寻找伪需求？ ...

先把“技巧清单”放到一边 我最初想写一篇 Boris Cherny 用法合集。问题是，社交媒体里的经验会随模型、版本和套餐变化；粉丝站又常把个人观点、尚未公开的功能和统计数字混在一起。今天看起来锋利的结论，几个月后可能只剩一个漂亮的句子。 ...

用得越熟，为什么反而越累 先说一个我自己撞了很久才想明白的怪现象。 刚开始用 Claude Code 的时候，效率提升是肉眼可见的：一个下午干完过去两天的活。用熟之后，效率还在涨，但一天结束时的疲惫感也在涨——因为我整天都在做同一件事：看它跑完、判断对不对、想下一句该说什么、再敲回车。 ...

去年冬天有一次我算了一笔很难看的账。 那天我在一家咖啡馆待了一整个下午，边写代码边拍素材，手机和录屏加起来大概四十分钟。晚上回去开始剪，凌晨一点半导出，成片五十八秒。 ...

这是《超级个体的装备栈》系列的第二篇。如果你还没读过总纲 ，建议先读那篇——这篇的所有判断都建立在那篇提出的标准之上：一层装备的进步，是只帮你，还是同时帮你所有对手。 ...

先说这件事本身 把一座写了四年、积累了 120 多篇文章的博客，从内容架构到运营方式全部重新组装一遍，需要多大的团队？ 我今年上半年给出了自己的答案：一个人，带一队分工明确的 Agent。 这里的"一队"不是一个固定数字，也不是七八个永远在线的数字员工；它是我对 Claude Code、Codex、GitHub Actions 中的 Claude 任务，以及临时评审会话的统称。截至 2026 年 7 月，仓库里能数清的是七个 Claude skills、四条以 seo- 命名的工作流和若干按需启动的会话。人负责判断、边界和签字，Agent 承担范围明确、可以验收的执行。新版就是你现在看到的 cubxxw.com ——它不只是一次改版，而是把"博客"这个东西从一个静态网站，改造成了一个会生成日报、准备修复 PR、对外提供检索接口的系统。 ...

假设你现在真的有一个 agent，能把一件事从头做到尾——拉数据、写代码、跑测试、发 PR、改文档，一条龙。它不需要你在旁边一句一句喂提示词。你晚上把任务丢给它，去睡觉。 ...

一个反直觉的信号：它开始反过来提示你 假设有一天，你打开工作台，Agent 没有等你输入下一条命令，而是先说： 我注意到昨天那份方案的第三节还没有收尾。我按你上周的口径起了一个草稿，现在要看吗？ ...

「能跑」不等于「可靠」 大多数人搭个人 AI 系统时，第一条验收标准是：能不能跑？ 能写出一篇文章，能改完一段代码，能把十页资料压成一页，看起来就算完成了。但用久以后，真正折磨人的是无声的错误：结构工整，语气笃定，结论却悄悄偏离了事实。 ...

open-lovable 看起来像一句很短的产品承诺：给它一个网址，得到一个可继续修改的 React 应用。真正值得读的却不是生成结果，而是它怎样把抓取、模型输出和不可信代码执行接成一条可控链路。 ...

「Software is eating the world.」 —— Marc Andreessen, 2011 「Now, AI is eating software, and the question for the rest of us is: what’s left for one human, alone, in front of a screen?」 —— 我于 2026 年的某个凌晨，在台灯下问自己。 ...

「Agent loop 是 10 行代码，Agent engineering 是 10 万行代码。」 这句话不是代码审计结论，更像一把拆系统的刀。它戳破了一个常见错觉：把 prompt 写好、把 LLM API 调通，只能证明 loop 能转；要让系统在无人值守时仍可恢复、可追踪、可约束，主要工作在 loop 外。 ...

关于 AI 智能体身份连续性的哲学边界与工程实践 引言：先把“身份”降到工程可讨论的尺度 Agent 失忆，最先伤害的不是拟人感，而是合作成本。 一次会话里表现出色，并不等于下次还能沿用同一套判断。用户要重新说明偏好，团队要重新交代约束，系统也很难解释某个决定从哪里来。长期合作所依赖的信任，恰好建立在这些看似琐碎的连续性上：它记得什么，忘掉什么，为什么改变，以及谁批准了改变。 ...