-
给野马套上缰绳：Agent Harness 工程实践 ——从范式理论到钉钉AI招聘的真实落地
阿里妹导读 写在前面：这不是一篇"概念科普文"。它是写给所有正在被 Agent 折磨、又离不开 Agent 的开发者——那些一边惊叹于一晚上跑出一个像样的 PR、一边在凌晨三点回滚生产事故的人。 关于引用的一句郑重交代：文中所有第三方数据，已尽量回溯到原始博客或官方文章；个别行业流传的数字，无法核实到一手来源时，已经主动软化或删除，并明确标注。文章的工程判断与实战经验，来自我们…- 1.2k
- 0
-
OpenClaw、WorkBuddy、Loop 工程：谁在火，谁有用，谁还在 Demo
今年，市场被 OpenClaw 洗了一波，数字员工的概念开始撬动人心，随后类似的 Agent 便如雨后春笋，比如 Hermes、Aipy、WorkBuddy、钉钉悟空、字节 Aily... 与 Agent 相关的专业名词也层出不穷，包括 Context Engineering、ReAct、Harness、MCP、Skills、Agent Loop... 这种多且杂的局面，把很多人搞得很慌、搞得很乱…- 1.2k
- 0
-
OpenClaw 创始人吹的 Loop 工程到底是个撒？不用写提示词了？
来，又来，AI 领域又来新名词了！这次是 Loop Engineering。 借此机会，大家也顺便复习下过去 3 年一些火过的名词，看还记得撒： Prompt Engineering、RAG、Context Engineering、ReAct、Agent、MCP、Skills、Harness... 如果对 AI 工程有一定认知的同学会了解：上述名词很多都是在炒冷饭，他们很有点对某个概念再包装的嫌疑…- 1.1k
- 0
-
Academic Research Skills：最狠的设计是不替你写论文
学术写作的 AI 工具有一个通用剧本：扔一篇论文进去，吐一篇改好的出来。看起来很爽，用起来会发现改出来的东西像穿着你外套的另一个人。Academic Research Skills（下称 ARS）走了一条完全相反的路线，它把论文写作拆成了 10 个阶段，每个阶段都有强制的人机确认点。读它的 README 第一句话就定了调：“AI is your copilot, not the pilot.” 这…- 1.1k
- 0
-
从埋点需求到规则资产：Hermes Agent 重构得物数仓工作流
目录 一、Hermes Agent 让流程可控 二、用单 Agent 串流程，用能力模块沉淀可复用能力 1.固化流程契约 2.可复用能力模块设计：从埋点链路迁移到更多数据研发场景 三、总体工作流：从一次对话变成一条可回放链路 四、能力底座：把规则、上下文和命令资产化 1.规则资产化：先决定什么值得记住 2.协作可见：让 AI 不在后台默默跑完 3.上下文与事…- 1k
- 1
-
读完Agent Loop工程手册，我有8个还没想明白的问题
关注腾讯云开发者，一手技术干货提前解锁👇 来源说明 文中提到的 Agent Loop：来源 = Peter Steinberger（OpenClaw创始人）近期提出的"从写 Prompt 到设计 Loop"范式 + Boris Cherny（Claude Code 创始人）公开实践 + 社群整理的工程手册（Reddit / X 讨论量约 220 万）。我读的是社群手册和公…- 981
- 0
-
高德广告工程 AI Native 全流程提效实践
导读 本文介绍高德广告工程团队在 AI Native 研发、测试、运维和知识沉淀方向的阶段性实践。 我们的核心判断是：AI Native 不是“用 AI 写代码”，而是把研发体系设计成 AI 能持续参与、稳定执行、可验证、可复用、可进化的工程闭环。 围绕这一判断，我们把 Spec、知识、验收、执行状态、Skills 升级为与代码同等地位的工程产物，并通过广告 Harness、统一知识库、统…- 1.1k
- 0
-
一篇搞懂 AI Coding Agent 的 Token 成本控制
作者：devinyzeng 适用：CodeBuddy、Cursor、Codex、Gemini CLI 等这类 AI Coding Agent。 读完你会得到三样东西：一个正确的心智模型、一份今天就能做的行动清单、几套继续往下压成本的工程方法。 月初看账单，吓一跳。 也没问多少问题，Token 怎么烧成这样？ 后来认真拆了一轮，才发现一个反直觉的事实： 你问的那句话，在每次请求里可能连 1% 都不到…- 1.3k
- 0
-
Coding Agent 下半场：从个人提效到组织级研发体系
当下还在古法手搓代码的开发者都是在奔着非遗传承人的目标去了，绝大多数都已经用上了 Claude Code、Cursor 这类 Coding Agent。方向对了，但场景不同，解法也不同 —— 开发者自己在本地装个 AI 助手提效，和在组织内部搭起一套 AI 驱动的研发协作体系，是完全两个维度的事情。前者已经有成熟的产品了，后者才刚刚开始。本文聊的就是后者。 什么是组织级 Coding…- 1k
- 0
-
AI 催生的四个岗位：AI 全栈、FDE、AI PM、Workflow
最近我被下面一个同学搞麻了...... 原因是大概一周前给他布置了个工作，临了的时候看到他给了我一个万字长文，似乎很认真啊！ 但不要高兴得太早，因为读起来的质量是又高又低：经常出现金句，但整体逻辑性太低，而且车轱辘话很多，拿去 AI 查重，果然啊： 好家伙，该不会是我给了他一周的时间，他一小时就用 AI 干出来想来交差了吧？ 于是，我拿着文章中的内容请教他，结果是各种磕磕巴巴，完全不成体系啊，看来…- 2k
- 0
-
一个令人惊艳的开源项目，Agent Skill 开始自进化了？
大家好，我是苍何。 最近我在 GitHub 上刷到一个很有意思的开源项目。 让 Agent 学会自己组织技能 这个项目叫 OpenSquilla，目前已经拿了 3700 多 Star。 它的核心方向是 Harness 层优化，通过智能模型路由来降低 token 成本。 最新推出的 MetaSkill 3.0，更是把 Agent 从「会调用工具」推进到了「会自组织技能、稳定交付工作流」。 说实话，看…- 1k
- 0
-
知识库分层编排：从 RAG 到 Agent-native Knowledge Context Layer
阿里妹导读 文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。 一、知识库的根本困境 从一个知识库检索超级微服务高级skill开始的思考。 1.1 RAG 的天花板 RAG（Retrieval-Augmented Generation）是当前最流行的知识库方案：把文档切成 chunk → embedding → 用户 query 时向量检索 Top-K → 喂给 LLM 生成答…- 1.4k
- 0
-
2026过半：一万字，把这半年AI发生的事讲明白
大家好，我是冷逸。 昨天晚上做饭的时候，我用手机命令电脑里的 AI 干了三件事：打开一堆 PDF 发票整理成 Excel 报销单、一句话给电影《火遮眼》做一个带宣传视频+海报的网站，以及按我的风格给这篇稿子写个开头。 饭做完，活儿干完了。 这种事，一年前是科幻，今年是日常。 我说这个不是要煽情。我是想说，2026 上半年的 AI，已经不是“哪个模型分高”那回事了。模型这一头的卷，到 GPT-5.5…- 1.4k
- 2
-
Coze 3.0 的背后：AI 编程杀进来后，Dify、n8n 还能活多久？
最近 AI 圈有个事件：Coze3.0 发布了，只不过貌似并没有扬起太大的水花： 上一次关于 Coze 的大事件应该追寻到一年前的核心模块开源了： 当时大家还会为 Dify 捏把汗，在好奇 Coze 的开源会不会对他造成影响，结果大家也知道了：受 Agent 尤其是 AI Coding Agent影响，整个这种编排的低代码平台似乎都活得不太好。 那么今天的问题也就来了： 为什么 Coding Ag…- 1k
- 0
-
耗时30天，WeSight正式开源：一个入口，用所有 Agent
大家好，我是苍何。 我的产品 WeSight 在 4 月 8 号推出后，邀请码就被炒到了 999 元一个。 虽然感觉有点滑稽的，但当时的 WeSight 可见直击多少人的痛点。 但它是不"光明的"，"上不了台面的"，于是我主动关停了这个项目。 在认真思考了一个月后，我在 5.1 号决定重启 WeSight 这个项目，让她能堂堂正正的可以和大家见面。 在长达一…- 1.3k
- 0
-
让 Coding Agent 从黑盒到透明：阿里云 Agent 观测审计数据采集实践
01 引言 Cloud Native 2025 年，AI Agent 从实验室走向规模化生产落地。从开发者日常使用的代码助手到企业服务场景下的智能客服，到复杂度持续升级的多智能体协同系统，AI Agent 正在以前所未有的速度重塑软件开发方式和业务运转流程。 然而，当 Agent 真正跑起来之后，一个尖锐的问题浮出水面：AI Agent 的实际运行行为难以感知、追溯与管控。 代码类 Agent 深…- 917
- 0
-
Agent 需要 RAG 吗？
依旧延续周一 TGO 闭门会的分享思考，核心话题是：如何真正蒸馏一个人 + 如果完成了蒸馏动作，应该如何形成企业级 Agentic RAG 数据库类应用？ 怎么说呢，现阶段为了适应 Agent 发展，模型本身已经往前走了很大一步，最核心的两个能力： 一个来自于模型本身，提供了百万级上下文窗口； 一个来源于工程能力优化，Skills 缓解了模型不稳定问题； 现阶段 Agent，在数据处理一块有了很大…- 967
- 0
-
阿里云海外重磅发布 Qwen Cloud
阿里云在新加坡面向全球市场正式发布 Qwen Cloud（qwencloud.com）。阿里云首席技术官、国际业务总裁李飞飞表示：“海外市场对 AI 的需求持续旺盛，尤其是 Agent（智能体）的爆发让模型调用量和云资源消耗呈指数级增长。当 Agent 成为云服务的第一用户，围绕人类设计的界面和交互逻辑都需要被重写。Qwen Cloud，正是为AI Agent 而生的全新服务方式。 专为Agent…- 909
- 0
-
Agent Harness 可观测性：生产级 AI 项目必须补上的一课
今年开始，Agent 的基础执行环境从能力上已经 OK，所以逐渐开始有很多产品真正的走向生产，这个时候如何让 Agent 长期稳定的运行，如何正确的执行长链路复杂任务就变得很重要了； 现阶段所有围绕 Agent 工程架构的技术被称为 Harness，关于什么是 Harness 我们之前已经做过概括介绍，而今天我们将话题缩小，重点关注课题：Agent 的执行可观测性。 该课题产生的原因来源于某产品负…- 1.3k
- 0
-
Tools 治理经验分享：Agent 需要什么工程执行环境？
最近遭遇知识诅咒了，在做培训的时候会发现一个情况：我们以为的常识，在其他人看来是卡点，而因为这种卡点多了，整体学习效果就很差，而今天要聊的“常识性卡点是 Function Calling”... 我第一次接触 Function Calling，是一个天气查询 Demo。用户问一句天气，模型返回一个 get_weather，应用层查完天气，再把结果交给模型生成回答。 流程一跑通，很容易让人觉得，它就…- 1.2k
- 0
-
天天嚷嚷着做Agent Harness，但具体工作是什么？
最近刷几个模型厂牌的招聘信息(定期刷可以提前预知这些公司的动作)，发现 DeepSeek 和 Kimi 都上了 Harness 产品经理岗位。 是的，DeepSeek 要推出桌面 Agent 客户端了！ 一个叫"Agent Harness 产品经理"，一个叫"Harness Product Engineer"。 这篇文章就从这两份 JD 出发，借着专业团队对…- 1.2k
- 0
-
AI 团队协作案例：全链路研发提效实践分享
我之前说过，现阶段通用大模型基本能力包括通识、推理、成本、效率，都没什么问题了，那么他一定会演进为某“通用垂直领域的偏科模型”，而事实上也确实如此： 现阶段基座模型有很大的精力都是围绕 Coding 展开的 关于为什么选 AI Coding，或者产研这个领域，之前我们也有过探讨，无非是 Coding 首先最好做，其次他既是通用能力，又具备收集垂直领域知识的能力，什么意思呢？ 意思是，GitHub …- 1.4k
- 0
-
Horizon：亲手打造你自己的AI信息雷达
AI时代，天上一日，地上三年！ AI/Agent相关信息太多太散，估计很多人日常获取AI/Agent相关信息也是东一榔头西一棒槌的。 前不久卡兹克卡神开放了他的AIHOT（https://aihot.virxact.com/），功德一件！ 不过由于卡兹克团队毕竟是盈利性质的，没有全部开源出来。 这两天，我发现有个开源项目Horizon（https://github.com/Thysrael/Hor…- 1k
- 0
-
Agent核心技术概念与范式发生了哪些演变以及背后的思考
阿里妹导读 文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。 背景 近几年，随着基模能力的快速升级与迭代，Agent 领域迎来了爆发式的增长。特别是近期，像 Cloud Code、Codex、OpenClaw、Hermes 等可以说是全新一代的 Agent 产品和框架在不断涌现，Agent 的能力相比早期版本也出现了进一步的跃升，进一步推动了整个 Agent 生态的繁荣发展。…- 1.2k
- 1