Agent Plugins 1.0 拆解：统一的扩展包格式，和它故意留下的信任缺口
2026 年 8 月，OpenAI、Amazon、Cursor、Microsoft、Vercel 联合发布 Agent Plugins 1.0：一个把 Agent Skills 和 MCP 服务器打包成可移植插件的目录格式。本文拆解规范本身的边界设计、治理结构，再讨论三个真正的缺口：信任模型、Anthropic 缺席，以及“包能搬家但行为不能”。
分类: 人工智能
共 55 篇文章
Agent 的搜索引擎：Agentic Resource Discovery 规范，以及它解决不了的信任问题
MCP 解决了 Agent 怎么调用工具，ARD 解决的是更早一环：Agent 怎么找到工具。2026 年 6 月 Google 联合微软、GitHub 等发布 ARD 规范，核心是域名下的 ai-catalog.json 和聚合注册中心。本文拆解 Catalog/Registry 机制、与 MCP/A2A 的分工，以及验证机制背后的供应链安全账。
端侧 AI 元年：Agent 搬进手机和汽车，瓶颈是内存带宽不是算力
2026 年端侧 AI 被反复称为元年：AI 手机出货 1.47 亿台、端侧模型装机 4200 万台、量产车里跑起座舱智能体。本文从模型、芯片、场景三个条件讲清为什么是今年，再用 roofline 模型和量化三件套解释真正的瓶颈为什么是内存带宽。
MCP 2026-07-28 迁移清单：去掉握手和会话之后，你的服务器要改什么
MCP 第 5 版规范把协议从有状态长连接改成无状态核心：握手没了、会话 ID 没了、请求变成自带上下文的自描述 HTTP POST。本文列出每个变更的工程含义、迁移顺序和 Akamai 指出的六类新安全风险，给正在维护 MCP server/client 的人一份可对照的清单。
Muse Code 资料测评：输出便宜 21 倍的那一档，代价是把代码交给 Meta 训练
Meta 在 2026 年 8 月 5 日发布首个终端编程 Agent Muse Code。本文基于官方发布与第三方公开数据整理：模型与价格、两档计费的真实成本差、三大编程基准上的名次、以及真正值得关注的 event log 与后台常驻 Agent 设计。
deepseek-v4-flash 为什么适配 Codex 这么好，以及deepseek的Harness
上一篇用 48 小时真实会话证明了它便宜又耐用，这篇拆到适配层看它为什么能被 Codex 用好：~/.codex/models.json 的每个字段怎么改变客户端行为，1.77 万字符的 instructions_template 怎么把模型变成合格的 Codex 代理，以及 DeepSeek Harness 的内测招募、官方基准和社区猜测。
gpt-5.6没额度了，我用deepseek-v4-flash 连续跑两天花了 14 亿 token，40人民币
把 Codex 主力模型换成 deepseek-v4-flash 的 48 小时：三个线程跑完线上验证、计费修复、CI 精简、PR review 一长串工程任务。从真实会话记录统计 token、缓存命中、reasoning 占比与交付物，和之前 gpt-5.6-sol 的会话对比，给这台便宜模型一个基于数据的评价。
5毛钱的 deepseek-v4-flash 能干什么
一次模拟真实场景的全量服务巡检：三个 Kubernetes 集群加外部托管服务全部采集、出拓扑图、定位问题，再对账 token 与账单。按 DeepSeek 官方单价这次巡检约 5 毛钱，缓存命中率如何决定最终成本，文中都有明细。
DeepSeek V4-Flash 跑 Codex 实测：4 个任务全过，花费不到 5 分钱
V4-Flash 正式版上线后原生支持 Responses API 并适配 Codex。本文整理官方性能与定价，给出两种接入 Codex 的配置方式，再用 4 个本地 Agent 任务实测：全部通过、总耗时约 4 分钟、花费不到 5 分钱。
Agent 做出来了，接下来怎么上线
一个能完成任务的 Agent，距离真正可交付还差任务契约、交互兜底、质量门禁、安全审查、成本核算和灰度运营。本文以合同审查 Agent 为例，给出一套可以直接执行的产品化方法。
Agent 找到工具以后，为什么还是会用错
正确工具进入候选列表，只解决了工具调用链的第一小步。本文拆解召回、选择、参数、执行和结果解释五道门，用实际案例说明怎样设计工具契约、参数修复、候选裁剪和分层评测。
GPT-5.6 Sol 的额度去哪了
为什么同样的任务，GPT-5.6 Sol 会让人觉得额度掉得更快？从工具调用、缓存输入、长上下文、重试和子任务拆开一次 Agent 回合，给出一套可以自己复测的用量账本。
怎样让 Codex 真正会用你的工具
给 Codex 接上 MCP 只是第一步。本文实现一个代码变更影响分析工具，用 36 次真实调用比较含糊接口与语义化 Schema，拆解工具命名、参数设计、结构化输出、安全注解、错误语义和评测方法。
企业级 Agent 的七层底座
一个能接入真实业务的 Agent，除了模型和 Prompt，还需要任务契约、可恢复运行时、工具协议、状态与记忆、并发控制、安全边界和评测体系。本文用三个案例给出一套可落地的参考架构。
Agent面试详解（下）：评测、安全与落地判断
完成企业级 Agent 的最后一块设计：用 Trace 还原轨迹，用四层测试控制不确定性，把安全边界放在模型之外，并判断 ToB、ToC 与具体场景是否值得投入。
Agent面试详解（中）：记忆、工具与多用户并发
继续设计企业级 Agent 的数据和执行层：长期记忆怎样分层与遗忘，工具怎样契约化，多租户状态怎样用乐观锁、租约和幂等机制保持一致。
Agent面试详解（上）：从模型接口到可恢复的运行时
从 DeepSeek Agent 岗位讨论出发，拆解 Harness、企业级运行时、状态机、事务边界和上下文窗口，回答一个 Agent 怎样从演示程序变成可恢复的系统。
让 Codex 连续干几天，靠的不是一条超长 Prompt
以一套虚构统一授权系统从设计、开发到测试跑通的完整演练为主线，拆解 Codex 如何借助 Goal、状态外置、检查点、模型档位切换和分层验收完成长任务。
用 Codex Sites 搭一个能调用 QVeris 的天气网站
从一份完整 Prompt 出发，用 Codex Sites 生成城市气象观察站，并设计 QVeris 动态工具发现、服务端调用、统一数据模型和凭证保护链路。文中包含在线地址、真实页面截图、访问限制和后续接入方案。
GPT-5.6 试用了半天：强，但真的慢
我用 Codex 实测 GPT-5.6 Sol、Terra、Luna，并对 Sol 的 low、medium、high、xhigh 四档做了同题测试。本文记录真实耗时、token、API 等价成本，以及 Sites 插件当前能走到哪一步。
我给 Codex 做了个额度体检
Codex 用久以后，最想知道的不是还能不能用，而是额度什么时候恢复、reset credits 还有几次。本文记录一个本地安全查询方法，也顺手整理这个通道还能看到哪些使用率信息。
最热的技术话题，已经从模型变成 Agent
现在技术圈真正热的，不是又出了一个模型，而是 AI Coding Agent 开始进入真实开发流程：接任务、改仓库、跑测试、提 PR，也把上下文、安全和 review 这些老问题重新推到台前。
DGX Spark，把 AI 超算塞到桌面上
NVIDIA DGX Spark 是一台很容易被标题党误解的机器：它不是给普通人买来跑聊天机器人的玩具，也不是缩小版数据中心训练集群。它真正卖的是 128GB 统一内存、Grace Blackwell、NVIDIA 软件栈和桌面形态。
小Zi 和 Coda：给「字与码」做两个能长期出镜的卡通角色
从已有封面里的小Zi开始，拆一下一个稳定博客角色是怎么靠提示词、约束和迭代做出来的；再用同一套方法设计女性角色 Coda，让两个角色合在一起成为 ZiCode 的视觉搭档。
在 WSL 里把 llama.cpp CUDA 版编译起来：一次真实的本地部署记录
在 Ubuntu 26.04 LTS + RTX 4060 Laptop GPU 的 WSL 环境里，不改系统目录，用 micromamba 准备 CUDA 12.4、GCC 13 和 cuBLAS，编译 llama.cpp CUDA 后端，并用 Qwen3 4B 做 CPU 与 CUDA 的速度对比。
本地四个开源模型跑了一遍：Qwen3、Gemma 4 在 8GB 显存上的真实表现
在一台 RTX 4060 Laptop 8GB 显存、WSL 分配 32GB 内存的本地开发机上，实测 Qwen3 4B、Qwen3 8B、Gemma 4 E4B、Gemma 4 12B 的加载时间、生成速度、显存占用、多模态能力和使用取舍。
本地模型不是玩具：把 Qwen3 和 Gemma 4 放进三个真实工作流
本地开源模型真正有价值的地方，不是跑分，而是能否进入每天都会发生的任务。本文把 Qwen3 4B、Qwen3 8B、Gemma 4 E4B、Gemma 4 12B 放进开发辅助、图像理解、写作整理三个工作流里，整理一套能长期演进的本地模型用法。
在本地开发机上安装可用的开源模型：先选对运行方式
这是一篇持续更新的本地开源模型安装记录。从一台 64GB 内存、WSL 分配 32GB、RTX 4060 Laptop 8GB 显存的 Windows + Ubuntu 26.04 LTS 开发机出发，先判断 Ollama 应该跑在 Windows 还是 WSL，再比较 llama.cpp、LM Studio、vLLM 等方案，最后整理适合本机长期使用的模型清单。
AI 时代的全栈，不只是前端加后端
从吴恩达关于小团队和高上下文工程师的判断说起，聊聊为什么 AI 会把资深开发者推向真正的产品全栈：需求、原型、代码、文案、合规、上线和运营都要能先跑一遍。
Ollama 上的 Gemma 4 12B 能直接听语音吗？
一次在测试机上对 gemma4:12b 音频输入能力的实测记录：模型元数据声明支持 audio，但 Ollama 原生 /api/chat 不能可靠接收音频；真正可用的是 OpenAI 兼容接口里的 input_audio。
Ollama 上的 Gemma 4 12B 能直接读视频吗？
一次从官方资料到本地实测的记录：Gemma 4 12B 具备帧序列视频理解能力，但 Ollama 当前不能直接接收 MP4，稳定做法是先抽帧再多图输入。
怎么用 AI 预测世界杯：别问冠军是谁，先问概率怎么来
世界杯预测不是让大模型猜一个冠军。更靠谱的做法，是把历史赛果、球队强弱、进球分布、赛程模拟和临场信息放进同一套概率框架里，再诚实地展示不确定性。
浏览器 Agent 能做事以后，第一件事不是放权
浏览器 Agent 从能看网页走到能点按钮、填表单、提交操作，产品价值变大了，误操作和越权风险也同步变大。守护栏要比自动化能力先成熟。
从 Prompt 到 Context Engineering：Agent 开发真正难的是给上下文
Agent 系统不再只是写一段提示词。真正决定效果的，是如何选择、裁剪、排序和验证上下文，让模型在每一步拿到刚好够用的信息。
小模型回到本地：NPU、端侧推理和开发者的新耐心
端侧 AI 不是云端大模型的缩小版。它关心的是延迟、功耗、隐私、缓存和产品边界，也需要开发者重新适应一套更贴近设备的工程约束。
RAG 评估别只看 Demo：真正要评的是失败方式
RAG 系统上线后，关键不在能不能答，而在什么时候答错、为什么答错、错得有没有边界。评估要拆开检索、证据、生成和拒答。
Codex App Server：把编码 Agent 接进自己的工作台
从 Codex app-server 的协议边界讲起，分析它适合嵌入哪些产品与工程场景，也比较 Claude Code、Cursor 在脚本化、云端 Agent 和自定义集成上的相近能力。
Gemma 4 12B 实战：本地代码生成、OpenClaw 和 QVeris 工具调用
在本地测试机上通过 Ollama 跑 gemma4:12b，先用三版分形树 prompt 测代码生成，再接入 OpenClaw + QVeris 做真实数据调用，复盘这个 12B 本地模型的可用性、速度和边界。
Codex 用得越久，越要学会省 Token
用一次真实 Codex 长会话的 token 与价格统计，拆解哪些对话最贵、为什么长上下文会拖高成本，以及如何通过拆会话、压日志、用文件和沉淀规则来优化。
Codex 实战问答
从真实使用出发，回答 Codex collaboration mode、GPT-5.3-Codex-Spark、statusline、skills、slash commands、codex exec 和 Codex SDK 这些容易混淆的问题。
我怎么用 AI 做真正的工作：从 PR 到文档、远程运维和发布
把最近一段时间用 Codex、Claude Code、Cursor、gh、lark-cli 做真实工程任务的过程脱敏整理成一篇复盘：哪些事适合交给 AI，哪些边界必须守住，以及怎样让 AI 的工作可验证、可交付。
两台闲置 RTX 4090 机器：本地大模型部署与测试教程
公司里居然有两台闲置的 RTX 4090 机器，这篇记录如何把它们用起来：从 NVIDIA 驱动、代理服务、Ollama 部署、模型下载，到 API 测试和模型能力评估。
编程工具也能生图，而且价格低到难以置信
Cursor 的 Composer 2 在实际使用中可以触发生图，而官方 changelog 指向 Google Nano Banana Pro。本文记录这种编程工具里的生图工作流、成本判断，并用 Codex 生成图做同画幅对比。
Codex、Cursor 与 Cursor 里的 Codex 插件：AI 编程工具怎么搭配才顺手
从 Codex 与 Cursor 的产品边界讲起，比较 Codex IDE、Codex CLI、Cursor 中 Codex 插件的优缺点，回答 Skills 与 Cursor 会话上下文能否互通，并给出一套实用的共生工作流。
Cursor SDK：Custom Agents 到底能拿来做什么
Cursor 新发布的 TypeScript SDK 把 IDE、CLI 和 Cloud Agents 背后的 agent 能力开放成可编程接口。本文梳理它的运行时、hooks、MCP、示例仓库和适用场景，并用一个 CI 自动修复失败 PR 的例子说明怎么落地。
Hermes 的 Skill 怎么「自我进化」：从 skill_manage 到渐进式加载
Hermes 把技能写成磁盘上的 SKILL.md，用 skill_manage 改它；加载时分层拉取，避免一次塞满上下文。文中有几段按官方文档条件编出来的小故事，帮助理解 patch 和 create 在什么情况下会出现。
Hermes Agent 速览：多模型自托管，与 OpenClaw 怎么选
装 Hermes 要注意什么、模型怎么接；用一节把与 OpenClaw 的差异写细（技术栈、ClawHub/插件、控制台 vs 终端、渠道与迁移）。文末仍是国内模型与微信文档入口。
用 Cursor 写网络小说：可能性与一套可落地的方案
从工具链角度讨论：Cursor 能否参与长篇网文创作，工程化如何保证前后一致，上下文窗口与 token 成本怎么取舍，并给出一套仓库结构与日常流程。
OpenClaw 2026.3.22：ClawHub 与插件生态收束，Chrome 中继退场，沙箱与模型面一起扩表
合并 v2026.3.22-beta.1 与 v2026.3.22：插件安装优先 ClawHub、浏览器扩展 relay 移除、image_generate 与 SDK 迁移、可插拔沙箱与 SSH、GPT-5.4 默认与多路搜索/模型插件，以及大量网关与安全硬化。
从零开始安装「龙虾」并接入微信
装好 OpenClaw（龙虾）、onboard 与网关自检，再用微信 ClawBot 插件扫码接入。
OpenClaw 2026.3.13：合并 beta 与正式线之后，看长上下文、真浏览器和网关
基于 v2026.3.13-beta.1 与 v2026.3.13-1 合并视角：compaction 与记忆、Chrome 真会话自动化、网关 RPC 与控制面、通道投递与安全补丁。
Cursor 的位置，变了吗？要不要开始用 Claude Code
从一篇“Cursor 正在经历生死存亡”的热文说起，重新分析 Cursor 在 2026 年的真实定位：它没死，但它的主战场已经变了。更值得讨论的不是替代，而是该不该把 Claude Code 纳入自己的工作流。
Cursor 和 Claude Code，不该这样比
与其把工具讨论写成接班叙事，不如认真聊清楚 Cursor 和 Claude Code 各自擅长什么：IDE 上下文、浏览器交互、Auto 模式、终端工作流，以及那些常被低估的 Cursor 能力。
这几天我怎么用 Cursor 写文章、做脚本，又把它开源了
复盘这几天用 Cursor 折腾 www.zicode.com 的过程：一边写文章，一边开发同步微信公众号脚本，一边利用 agent 历史做复盘、润色和开源整理。
QVeris的官方IDE插件开发实录：从 OAuth 登录到 MCP 自动接入
作为 QVeris 官方 IDE 插件的作者，复盘这款 Cursor/VS Code 扩展如何把登录、密钥、MCP 配置和规则注入接成一条闭环，并分享实现取舍、使用方法和后续改进方向。