标签: #harness

共 13 篇文章

文章列表

技术热点透视20260922：LangAlpha，面向金融研究的开源 Agent
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260922：LangAlpha，面向金融研究的开源 Agent

LangAlpha 是 Ginlix AI 开源的金融研究 agent harness，把 Claude Code 那套持久工作区、沙箱代码执行、子代理并行的架构搬进了投研。拆解它的 PTC 设计、数据层软肋，以及它跟 TradingAgents 的本质分野。

技术热点透视20260907：当 AI 开始造 AI
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260907：当 AI 开始造 AI

OpenAI 把内部账本亮了出来：截至 2026 年 8 月中旬，每 1 个人类研究工作日，公司内部同时跑着 3.1 个 AI Agent 工作日——半年前还不到 1，6 月前 Agent 总运行时间仍低于人类总劳动，6 到 8 月之间天平翻了过来。中位数研究员日均推理算力约 600 美元，第 90 百分位每天烧掉超 7000 美元 token。Agent 真正站稳的不是宏大战略规划，而是研究中间那段不性感的苦活：写基础设施、跑和监控训练、排障。但账本里也藏着诚实的免责声明——4 到 8 小时任务中，超过一半仍需至少一次人工介入，OpenAI 称其为「昂贵的同事」而非「替代者」。这背后是递归式自我改进第一次跑在了实验室里：人类定方向，Agent 写码跑实验排障，产出更强模型，再回流到下一代研究；OpenAI 已宣布达成「自动化 AI 研究实习生」目标，下一个节点是 2028 年 3 月的「完全自动化 AI 研究员」。前沿的比赛早已不在 benchmark 分数，而在生产级 harness、安全边界与经济账。

技术热点透视20260906：100 万行代码，AI 自己写完了
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260906：100 万行代码，AI 自己写完了

Bun 1.4 把运行时底层从 Zig 重写成 Rust，一次改动 +1,009,257 / −4,024 行、6,778 次提交、约 11 天、烧掉约 16.5 万美元 token——但核心开发者 Jarred Sumner 没有亲手敲出这 100 万行：他先搭了一套 harness，把 agent 放进去并行重写，之后几个月让 agent 继续修 bug、跑测试、反复打磨到稳定发布。同一天，Claude 用几乎一样的思路端到端形式化证明了费马大定理（约 1,300 万行 Lean、约 60 亿 token、约 11 天）。两件标杆性事件指向同一个判断：软件生产的单位，正在从「人写的一行行代码」变成「人设计的 harness + 被调度去执行的 agent」。生成已经很便宜，贵的是验证回路；程序员没有消失，是往上挪了一层去写「让 agent 正确实现」的系统；当没人逐行读代码，正确性就完全押在测试与验证上。

技术热点透视20260905：模型厂不再只卖模型，开始亲手做 Coding Agent
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260905：模型厂不再只卖模型，开始亲手做 Coding Agent

GPT-6 Astra 在 9 月 3 日发布、9 月 4-5 日放量到 ChatGPT Work / Codex / API 后，真正的变化不是「又出了个更强的模型」，而是它直接装机进 coding agent 的 harness：Codex 跨窗口持久记忆、给写 PR 的 agent 加语音对话、Cognition 把 Astra 塞进 Devin 在 FrontierCode 上逼近 Fable 5 而成本低 64%。同一天 Claude Code 周限额重置。模型厂不再只卖 API，开始亲手把模型做成「会写代码的 agent」——coding agent 的护城河正从「模型强」挪到「harness 强」：上下文记忆、工具编排、模型路由、护栏、可观测才是难复制的部分；而成本曲线上单模型单价在涨、编排却把每任务成本往下拉，开发者最终为「性价比」而非「榜单」买单。

技术热点透视20260902：Agent 的「记忆」成了工程主战场
原创 人工智能 · 工程实践 · 阅读 —

技术热点透视20260902：Agent 的「记忆」成了工程主战场

9 月 2 日 AI agent 观察：Cue-Anchored Working Memory 提出记忆是「递送」而非「存储」——Tier2 由 harness 在 path/symbol/semantic/event/temporal 五种 cue 触发时确定性注入，一个存储是记忆还是参考文档由递送机制决定；四层记忆架构（working/episodic/semantic/procedural）指出长上下文成本约为持久记忆检索的 15 倍；StateM 不改模型权重，靠 durable states+phase-local context+checked transitions+recoverable runbooks 把 Terminal-Bench 2.1 拉到 95.3%；AgentScope 2.0 把状态/记忆/可观测/治理做成开箱工程。结论：agent 难点已从「模型够强」转向「状态/记忆/可观测/治理」，要当受管业务系统设计。

Agent 的胜负手，已经不在模型里
原创 人工智能 · 工程实践 · 阅读 —

Agent 的胜负手，已经不在模型里

72 小时内 5 条新闻、3 个战场，2026 的工程共识：Agent = Model + Harness。从 Slack Code、Qwen-UI-Agent、Pelican-Unify 到腾讯降本 50%-65%，看 Harness 怎么成了 AI 真正的胜负手。

DeepSeek Harness 开源后，我先看了它的运行时
原创 人工智能 · 工程实践 · 阅读 —

DeepSeek Harness 开源后，我先看了它的运行时

DeepSeek 把 Harness 以 dsh 开源。本文从源码拆开 Cordis 插件树、事件溯源会话、工具执行流水线、上下文压缩、沙箱与子 Agent，判断它究竟是一款编程助手，还是一个可替换的 Agent Runtime。

deepseek-v4-flash 为什么适配 Codex 这么好，以及deepseek的Harness
原创 人工智能 · 工程实践 · 阅读 —

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。