一篇从业者反思：agent、harness、personal agent 概念换了一茬，底层 infra 从 2023 年就没动过，适合做应用的人对照下自己该站哪一层。
作者观察到一个现象：近几个月 AI 应用概念从 agent、claw 演进到 harness、personal agent，产品形态始终没有收敛。对比之下，2023 年起持续运行的 infra、hub 类底层平台一直稳定存在，变化反而发生在上层应用。文章认为这一波留下的产品不多，更多留下的是经验和技术积累。
从 agen t到 claw 到 harness 到 personal agent，最近几个月突然不知道做什么了
大部分 AI 时代产品形态都还没收敛，除了留下一些经验和技术积累，留下的产品很少，反而看以前的 infra、hub之类的平台，从23年就一只在运行，最底层的东西一只没变，上层应用百花齐放谈话一线
Google 这篇论文把面向对象那套设计搬进自进化 agent 框架里，做 agent 开发的可以看看思路。
Context cost in long-running agents usually hides inside tool results and sub-agent calls, and dsh-context makes those allocations traceable instead of guessing from a total token count. Builders running multi-agent workflows on DSH can use it to diagnose cache misses, runaway context growth and per-sub-agent spend, then rebalance prompts or trimming before costs climb.
一篇把 harness 优化收益拆开来量的论文，结论挺反直觉：小预算下赢了更强模型，预算放大后可能翻车，做 agent 工程的可以看看。
做 Agent 开发的可以看看，作者觉得 A2A 太复杂太低效，正在搞新的 Agent 交互方式，思路可以参考
Skills 之间怎么传递输出一直靠模型自己猜，这篇把依赖关系做成 DAG 直接可执行，做 Agent 编排的可以看看实现思路。
