Agent Harness 相关 AI 资讯 · AI 热点

8月19日

22:47

22:47

shao__meng@shao__meng

设计师meng shao为两个Design Skills尝试新风格，计划开源成Skill和Design.md文件。前公司竞业禁止期结束后，作者更深入参与AI Agent研发，从信息分享到团队实践落地。作者看好AI Native组织模式，认为Agent框架已逐渐明朗，但仍需解决Agent运行链路、状态机、上下文管理等工程细节。

技巧 Design Skills AI Agent 开源

推荐理由：设计师分享Design Skills新风格和开源计划，以及一年AI Agent研发经验，特别看好AI Native组织模式。

8月15日

23:41

23:41

shao__meng@shao__meng

一位开发者结束了2025.08.15至2026.08.14的前公司竞业禁止期。他回顾一年间参与AI Agent研发的经历，指出Agent运行链路、状态机、上下文管理、记忆、沙箱、skills与MCP等细节统称Agent Harness。他认为AI Native组织会以AI为基础构建产品与团队。他对深圳硬件环境下的Agent软硬件结合表示期待。

技巧 Agent Harness MCP 智能体

推荐理由：这位刚结束竞业的开发者聊了自己搞Agent的坑，状态机、MCP、沙箱都提到了，搞智能体的都该看看。

8月14日

03:46

03:46

宝玉@dotey

精选

马天翼在社交平台发文称，DeepSeek作为模型厂商，做Agent Harness产品比做SDK更有价值，因为SDK难以获取用户行为数据。他认为Agent Harness产品应优先追求用户体验，其次才是插件可定制化。他类比称，Claude Code和Codex像苹果追求极致体验，而DeepSeek Harness可能走安卓式开源路线，由社区DIY、企业私有化魔改。插件生态是这套模式最核心的环节。

行业 DeepSeek Agent Harness Claude Code

推荐理由：有人拿DeepSeek和Claude Code对比，说前者该学安卓走开源路线，插件生态才是核心。

8月5日

06:08

06:08

elvis@omarsar0

精选

新基准对比了 6 个大型推理模型在两种真实 agent harness 上的表现。同一模型、同一任务和提示词，换一个 harness 后单次成功成本可相差 5 到 30 倍。实验包含 24 个带隐藏评估器的确定性编码任务和 4,643 次有效运行。让模型自行开发并比较多种方案会使推理 token 增加 2.4 到 7.4 倍且无正确性提升；泛泛的 think-deeply 提示再增加 1.6 到 2.2 倍。采用限定范围、验收标准和停止条件的模板可做到成本中性，有时将推理消耗减半。

论文 Agent Harness 智能体推理模型

推荐理由：别急着换模型，先看看 agent harness。同一任务成功成本能差 5 到 30 倍，论文还给了省 token 的提示模板。

8月2日

03:12

03:12

elvis@omarsar0

Tianyi Cui 发文称，DeepSeek 正在为专用 Agent Harness 招募内测开发者。消息提到 DeepSeek 的 flash v4 模型在 Pi 等现有 harness 中已表现不错，但专用 harness 可能带来更大变化。开发者需要回复或私信 Tianyi Cui，附上 GitHub id 与开源代表作。该推文来自 Omar，已有 4 条回复和 2586 次查看。

AI产品 DeepSeek flash v4 Agent Harness

推荐理由：DeepSeek 招人内测官方 Agent Harness，搞开源 agent 的可以带上 GitHub 去报名。

7月22日

08:25

08:25

elvis@omarsar0

精选

该研究在InfiniteBench上使用三种Agent Harness和三种模型家族（如Llama、Mistral等）测试了渐进式披露模式。对于单本书任务，增益依赖Harness：当智能体导航原始文档能力差时增益大，强Harness自带检索时增益接近零。扩展到多本书时，原始导航失败，一级披露效果领先，但二级路由层从未帮助且有时降低精度。论文表明渐进式披露主要提供上下文而非智能，在大规模语料下才体现关键作用。

论文智能体渐进式披露 InfiniteBench

推荐理由：这篇论文用三个Harness和三个模型测了渐进式披露，发现小规模下效果看脸，大规模下才有用，二级路由反而坏事，值得搞智能体的人看看。

7月16日

10:16

10:16

shao__meng@shao__meng

73°

SpaceXAI 开源了 Grok Build 的 Agent Harness 完整代码，并重置了所有用户的 API 使用额度。Grok Build 采用四层解耦架构（Pager、Shell、Tools、Workspace），Agent Harness 包含 Leader 进程、Session Actor 等七层结构。工程亮点包括两级层级压缩（95% 历史先摘要）、goal_* 早停检测（9 个锁定 regex 识别放弃话术）以及双层 Doom-Loop 防线（默认 max_threshold=8, max_retries=2）。开源旨在通过透明代码换取可靠性，并允许开发者本地编译部署。

AI产品 SpaceXAI Grok Build Agent Harness

推荐理由：SpaceXAI 把 Grok Build 全开源了，还重置了额度。想看看生产级 coding agent 怎么搭的？直接去 GitHub 读源码。

6月30日

18:20

18:20

掘金本周最热@CodeSheep

DeepSeek首次公开发布大规模招聘公告，计划将所有部门规模扩大至少一倍，放出7大类33个岗位，所有岗位均接受实习。公告明确不招销售、市场和公关岗位，重心全在研发和产品。团队招聘核心原则为看能力而非经验，强调长期主义、热爱和去KPI化。新成立的Agent Harness团队由90后量化专家崔添翼负责，致力于将大模型能力转化为Agent产品。

行业 DeepSeek 招聘 Agent Harness

推荐理由：DeepSeek破天荒大规模招人了，所有部门翻倍，33个岗位全收实习，连Agent Harness团队都缺人。想去搞AGI的赶紧看看！

6月11日

13:15

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 DeepSeek Agent Harness 招聘

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。

5月30日

11:34

11:34

elvis@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 Laws

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。

10:21

10:21

shao__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

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。

5月26日

00:19

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 Harness MCP/工具

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。