agent

杨杨杨大侠

DeepSeek Harness：连 Agent Loop 都能替换的插件架构看到 DeepSeek Harness 的“一切皆插件”，我最关心的是：到底能替换到哪一层？增加一个工具，接入一个模型，还是连 Agent 的执行方式都能改？

DigitalOcean 推理路由器升级：性能调优，无需编写规则每隔几周，就会有一款新模型冒出来，号称自己在某方面是业界最强。发布图表摆事实，链接到处传，然后你的团队又得面对那个谁都没法回答的问题：我们该换模型吗？

MCP+A2A+ANP，Agent通信协议的完整知识地图时间过得真快，从10月3号写下第一篇"为何需要通信协议"到今天，第十章智能体通信协议的内容已经全部写完了。18篇文章，从最基础的概念到三协议合一的实战案例，从MCP客户端到自己写MCP服务器再到发布上线，算是把Agent通信这个领域的核心知识都过了一遍。

FITA阿泽要努力

Fork Agent：共享上下文的艺术Sub Agent：上下文管理的艺术里讲了一种「分身」做法：新开一个空白的 messages 数组，让子 agent 在隔离的上下文里跑探索性任务，做完只把结论带回主线。

代码越来越便宜，为什么系统却越来越难升级？从 DeepSeek Harness 的可插拔设计，到我们在 Agent 开发中逐渐形成的架构原则AI Coding 正在改变软件开发的成本结构。

灵动的艺术

如一 Agent 架构解读（一）：数字分身的执行模型——Run、Turn 与四个时间尺度「如一」是我们做的一个面向 C 端的云端数字分身：它在云端 7×24 运行，有自己的浏览器、文件系统和记忆，能替你持续完成任务。这个系列逐层解读如一的真实架构——不是 Demo 级玩具，而是一个多租户生产系统。开篇先讲最核心的执行模型：一个 Agent 到底"活"在什么结构上。

FITA阿泽要努力

Sub Agent：上下文管理的艺术讲了一个重要原则：一个会话只聊一个主题。对话越长、上下文里无关信息越多，模型的回答质量就越差。但如果你在使用类似 Claude Code、Codex 这类编程 Agent，就会发现一个问题：复杂任务本身就包含很多步骤，你没法把它拆成多个会话。

张建飞（Frank）

从零构建Agent(八)：Commands本文是 ZeroAgent 系列第 8 篇。上一篇《Session 管理》中，我们用 /resume 恢复会话，其实已经用到了 Command。本文将拆解如何为 Agent 实现一套可复用的斜杠命令系统。

三层护栏：为什么只在提示词里写"不许做"没用Agent开发入门系列第 8 篇 · 读这一篇需要 6 分钟系列导读：这个系列不追热点，只把 Agent 架构里那些密度极高、一次读不透的概念，一个一个拆开。

工作流还是自主 Agent：怎么选、怎么混Agent开发入门系列第 7 篇 · 读这一篇需要 6 分钟系列导读：这个系列不追热点，只把 Agent 架构里那些密度极高、一次读不透的概念，一个一个拆开。

Harness² 开源之后：自建 Agent 先过编辑面合同、Propose 范围、Probe 对比证据、Compose 采纳与改进库递归预算闸门2026 年 10 月前后，Google Cloud AI Research 公开了 Harness²（Harness^2 / Harness2）：论文 arXiv 2610.14224《Harness²: Recursive Agent Harnessing for an Open World》，代码仓库 github.com/google-research/harness2（Apache-2.0），项目页 harness2.github.io。作者包括 Ruiyao Xu、Yanfei Chen、Zh

本地大模型微调与 GGUF 部署全指南—— 以 Qwen2.5 打造专属"读书智能助手"为例本文面向希望在 Apple Silicon 设备（MacBook / Mac mini / Mac Studio）上进行本地大模型微调和部署的开发者。我们将通过一个真实的阅读助手场景，完整走通"数据准备 → LoRA 微调 → 格式转换 → GGUF 量化部署"的全链路，并深入讲解每个环节背后的设计决策与技术原理。

OpenCode 213.5k Stars、Cursor 被曝 600 亿卖身：从开发者视角拆 AI 编程 Agent 三国杀的工程逻辑2026 年 10 月中旬一周，AI 编程 Agent 的三个赛道同时换轨。OpenCode 是开源派。213.5k Stars、MIT 协议、TypeScript 主体、CLI + 桌面双形态，单周 +1k Stars 把所有商业 AI IDE 都甩在身后。Cursor 是商业派。600 亿估值、VS Code 分支、20~40 美元/月订阅、Anysphere 母公司据传要被 SpaceX 收购。Claude Code 是官方派。Anthropic 自家 CLI、模型接入最直接但绑定最死。

2026 年，为什么一线团队开始从 MCP 撤回 CLI？2024 年底，MCP（Model Context Protocol）横空出世时，被冠以"AI 世界的 USB‑C"之名。统一工具调用、一次实现处处可用、终结 N×M 的适配噩梦——这些承诺确实击中过痛点。但到了 2026 年，一线工程团队的实践反馈呈现出另一幅图景：不是"用不用"，而是越用越亏。

从预约改期看 Agent 工具粒度：把不变量留在权威服务用户要把九点的预约改到十点。模型选择了“修改结束时间”，接口返回成功，于是原本九点到十点的预约变成九点到十二点；资源占位仍是九点到十点。数据库里的两个时间字段各自都是合法整数，结束也晚于开始，业务状态却已经错了。

多智能体编排：拆分、隔离与收敛的完整实战一句话剧透全文：多智能体的本质不是"更多的 Agent"，而是"更小的上下文"——每路子 Agent 用自己的独立窗口去探索，只把结论上交。拆分、隔离、收敛这三步怎么用代码落地，和真正跑在生产上的系统相比骨架有多像、缺件缺在哪，这篇一次讲透。

虚拟线程不是无限并发：Java Agent 后端真正该限制的是这些资源Java 服务改用虚拟线程后，最危险的误解不是 API 用错，而是把“线程更便宜”理解成“系统可以无限并发”。

Anthropic 收购 Vercept：Claude 的“计算机使用”要补感知与交互这一课，团队该盯什么Anthropic 官方宣布收购 Vercept，这家公司的核心团队将并入 Claude 计算机使用（computer use）能力的研发。对于正在做浏览器/桌面 Agent 落地的团队来说，这不只是一家大模型公司买下一个小团队的新闻——它指向了 Agent 技术路线上的一个关键分歧点：“像真人一样操作软件”与“纯 API 调用”到底怎么分工。

第10篇：Agent系统的性能优化 —— 缓存、压缩与动态模型路由Token成本是Agent系统规模化运行的核心瓶颈。一次普通的Agent调用可能涉及3-5次LLM请求（规划、工具调用、结果整合），每次请求数百到数千Token，成本随调用量线性增长。本文系统讲解三层优化策略：第一层，Redis缓存减少重复LLM调用；第二层，提示压缩（FrugalPrompt）降低输入Token；第三层，动态模型路由——用小模型判断任务复杂度，简单任务走轻量模型、复杂任务走推理增强模型。通过真实的成本对比数据，量化展示各优化手段的实际效果。