13:15宝玉@dotey精选DeepSeek 发布全球首个“Agent Harness 研究员”岗位,旨在将前沿模型能力转化为领先的 Agent 产品。该岗位负责 Harness 领域的前沿创新,包括上下文管理、长期记忆、Subagent 与 Multi-Agent、自进化 Agent 等。团队使命是“Model + Harness = Agent”,除模型本身外所有工作都属于 Harness 范畴。任职要求包括科研背景、全栈开发能力、Agent 重度使用经验,以及对 LLM 和 Agent 机制的深入理解。这一招聘标志着 Agent 基础设施研究正式成为独立岗位,对 Agent 开发者和研究者意义重大。行业DeepSeekAgent Harness招聘智能体基础设施推荐理由:DeepSeek 把 Agent 基础设施研究独立成岗,做 Agent 开发的团队可以直接参考其职责定义,想入行 Agent 研究的也可以看看门槛和方向。原文
11:34elvis@omarsar0精选72°一项新研究提出了有效反馈计算(EFC)指标,用于衡量智能体实际可用的反馈量,替代传统的原始token和工具调用计数。实验表明,原始计数只能解释33%-42%的智能体失败原因,而EFC的解释力达到99%。在相同计算预算下,仅通过按有效反馈重新分配资源,就能将智能体成功率从0.27提升至0.90。该研究将智能体框架设计从猜测转变为可预测的科学。论文智能体有效反馈计算Scaling LawsAgent Harness性能优化推荐理由:做智能体框架或Agent Harness的开发者,终于有了一个可量化的优化指标——EFC能让你用相同算力把成功率翻三倍,值得点开论文细读。原文
10:21shao__meng@shao__meng精选72°本文深入探讨了生产级 Agent Harness 的构建,指出它远不止是“选一个框架”那么简单。作者详细列出了生产级 Harness 必须承担的 15 项真实职责,包括策略、审批、预算、trace 等关键组件。文章还解释了如何将每项职责做成可安装、可版本化、可换语言的 worker,并演示了单次 turn 的运行流程。对于正在构建或优化 AI Agent 系统的开发者来说,这是一份极具价值的实战指南。AI产品Agent Harness生产级系统工程实践策略/审批/预算trace推荐理由:生产级 Agent 系统远不止选个框架,15 项真实职责的拆解让做 AI 工程化的团队能直接对照检查自己的架构,建议点开原文逐一核对。原文
00:19宝玉@dotey博主认为,直接开发 Agent Harness(智能体框架)价值不大,因为模型公司会不断升级,导致大量工作白费。相反,基于成熟的 Harness 做垂直领域方案才是机会。MCP 解决了连接问题,Skills 解决了领域知识,但垂直领域仍需重新设计 AI Native 工作流、Human In Loop 的 UI/UX、整理高质量数据等。这些是模型公司做不到的,需要共建。Agent 被视为未来操作系统,模型公司提供 Harness,其他人构建应用。行业智能体Agent HarnessMCP/工具垂直领域AI Native推荐理由:做 Agent 应用的开发者别再重复造框架了——模型公司会替你干,不如聚焦垂直场景的 AI Native 工作流和交互设计,这才是护城河。原文