WRITING / NOTES
关于 AI 产品、Agent、工具和那些正在变成方法论的实践记录。
第一次让 Agent 跑通任务时，最容易产生一种错觉：模型会读需求、会调用工具、会修改文件，似乎只要把权限再放大一点，就能把复杂工作全部交出去。 真正的难点通常在第二天才出现。输入换了一种说法，工具偶尔超时，任务做到一半被打断，或者外部网页混进了一句看起来像指令的文字。昨天还能完成的流程，今天开始重复、绕圈，最后还一本正经地说“已经完成”。 我越来越愿意把 Agent 看成两部分：模型负责判断下一步，另一套系统负责让这一步可执行、可恢复、可验收。后者就是 Harness Engineering 关注的对象。
阅读文章有时候，给聊天机器人一句话，它能写出一段漂亮的 SVG；可你真的把文件打开，图标少了一片叶子、颜色不对，或者代码根本没有落盘。模型不是故意摸鱼，它只是把“说出来”当成了交付。 真正麻烦的任务，往往还包括找资料、调用工具、检查结果、返工，以及在中途记住自己已经做过什么。把这些环节串起来，才有了我们现在常说的 Agent。为了方便，下面把负责串线、递工具、看门和记账的运行层统称为 Harness。 这篇文章不打算把它们讲成高高在上的架构图。我们拿一个小小的苹果形状图标当例子，边走边拆：一个“
阅读文章事情是这样的。 这两天看到一句话，说云计算正在从「云原生」走向「Agent原生」。 我第一反应是，嗯，又来了，一个新词。 云计算行业特别爱造词，什么云原生、Serverless、FinOps、AIOps、MLOps、DataOps，一眼看过去像一排奥特曼。 但我琢磨了一会儿，发现这句话还真不是单纯的营销话术。它背后藏着一个挺大的变化。 云原生解决了楼的问题 过去十年，云厂商最想干的事，是把企业搬进一栋数字摩天大楼里。 以前企业要自己买服务器，自己搞机房，自己找人维护。服务器坏了，半夜三点运维爬起来，
阅读文章原文作者：Walden Yan 原文链接：Cognition Blog 原文时间：2025年6月12日 📌 背景与核心观点在LLM（大语言模型）领域，很多开发者都在尝试构建“多智能体”系统 —— 让多个Agent并行合作完成任务。但 Cognition 的作者通过实践发现，这种架构看似先进，实则问题重重，尤其在真实生产环境中极易出错。这篇文章通过讲解“上下文工程（Context Engineering）”的原则，说明了为什么多智能体不是一个好选择，并提供了更稳妥的替代方案。 🧱 上下文工程的两个核心原则原则一：共享上下文（
阅读文章