标签：AI Agents
6 篇Model Ergonomics：Harness 如何影响 Agent 能力
同一个模型换一个 harness，表现可能完全不同。本文从模型易用性出发，讨论模型与工具、上下文、反馈和执行环境之间的匹配关系，并结合 Grok 在 Codex harness 上的运行实践，分析通用设计与专用适配的边界。
让 Gate 看见过程：LLM Agent 开发中的观察、契约与诊断
LLM agent 的开发循环不缺 PASS 或 FAIL，缺的是能指导下一轮修改的过程证据。本文讨论如何在关键验证门禁中记录结构化的过程观察，同时继续依据明确契约判定成败。
Bitter Lesson 之后：Agent 的手工设计会消失吗？
当智能体开始从执行轨迹中学习，意图分类、任务阶段、规划器和状态机可能逐渐被模型吸收，但接口、安全边界、评估与运行环境不会因此消失。
系列大语言模型智能体的运行时架构1/2架构篇
从工具调用到事件驱动：大语言模型智能体的运行时架构
大语言模型智能体不应只被理解为一次次工具调用的串联；当任务变长、环境变复杂，运行时需要通过事件驱动架构管理状态、处理并发，并支持观察和恢复。
系列大语言模型智能体的运行时架构2/2控制流篇
谁在调用谁：用通信过程和协程理解大语言模型智能体
与其把大语言模型智能体理解为模型调用工具，不如把它看作多个通信过程和协程共同推进的系统；这种视角能更清楚地解释事件来源、控制权转移、暂停与恢复。
自定义 MCP 工具加速软件开发
从一次 Cursor Meetup 分享整理而来，讨论如何把团队反复发生的工程动作封装成可控、可复用、适合 AI 调用的 MCP 工具，并以 Excel 文件验证案例说明反馈循环的价值。