Archive
做出外挂记忆操作系统 MemOS 的 MemTensor 团队，自己发布了外挂路线的'反面'：Metis（arXiv:2607.26760），第一个把记忆做成原生能力的基础模型——记忆不再是数据库+检索+拼提示词，而是一块随对话演化的参数状态：写入靠前向计算，读取靠 memory attention，全程没有一次反向传播。本文沿论文的三轴对比（架构、优化、效率）拆它的设计，再用诚实的数字给它定位：原生记忆今天的处境，约等于 LRM 出现之前的推理。
承接《Agent 应用工程师的六层》的分水岭判断，把「可观测、可恢复、可验证、可治理、可持续进化」逐个拆成最小工程实现：每个「可」一段伪代码，共享同一个设计原则——状态放内核外面，决策穿过内核，副作用经过关卡。
Warp 仓库根目录躺着一个 skills-lock.json：25 个'依赖'全是 Markdown 提示词，每条锁一个内容哈希。它不是标准的一部分，却标志着一个转折——当提示词成为跨团队共享的工件，它就继承了软件依赖的完整生命周期：manifest、锁文件、可复现安装，以及供应链攻击。结合五篇 arXiv 论文，拆解 Agent Skill 依赖管理的现状、原则与锁不住的部分。
Warp 开源了客户端全部 78 个 Rust crate。精读源码后会发现它的全部架构是同一个赌注的四次下注：终端 50 年的契约是无结构字节流，Warp 在输出（Blocks）、输入（编辑器）、意图（分类器）、渲染（自研 UI 框架）四层同时把结构强加回去——而这套结构恰好是 Agent 需要的执行环境。连它的开源仓库本身，都在用 Agent + Spec 的结构化流程运转。
写给已经在做 Agent 的工程师：从目标契约、上下文状态、决策控制、工具环境、运行时信任到评测学习，用六层系统与三条闭环重新理解 Agent 应用层，并给出从功能实现者走向系统负责人的进阶路径。
从物化、编排、轨迹、检查点到 Harness 和 Verifier，按任务闭环梳理 60 多个 Agent 工程术语，并追问哪些是真问题的新名字、哪些只是旧概念迁移，以及模型为何偏爱这种语言。
从本体、知识图谱、约束与运行轨迹四层拆解 Agent 的语义底座：为什么老语义网在智能体时代重新有用，以及它不能替你解决什么。
结合分布式快照、Saga、LogAct、Crab、RAC、Plans Don’t Persist 与 τ-bench，解释 Agent 长任务如何用任务契约、事件日志、副作用账本、恢复对账和外部验证器实现可中断、可恢复且效果可验收。
从一条 macOS UI 探测命令出发，解释大模型如何观察、定位、操作并验证桌面软件，比较 Accessibility Tree、视觉坐标、DOM、API/CLI 与混合控制的取舍和局限。
把大企业"能搞的大模型内容"收敛成四个缺口——知识、行动、信任、成本。用 20 余篇可查证的 arXiv 论文标出每个缺口下值得立项的方向、已知的坑与真实完成度，并给出一张立项检查单。
提示词工程和上下文工程不是两门手艺，而是同一个优化问题在不同场景下的解。用 Mei et al. 2025 综述的形式化定义 C = A(c_instr, c_know, c_tools, c_mem, c_state, c_query) 做骨架，沿"单轮闭卷 → 开卷问答 → 长对话 → 动手 agent → 多智能体"五级场景阶梯，讲清每登一级、上下文里多了哪个成分、工程问题怎么变形——以及为什么提示词工程没有死，只是降级成了子模块。
把"自建大模型"拆成从 RAG 到从零预训练的四级阶梯，用 12 篇可查证的 arXiv 论文标出每一级的成本量级、升级信号与踩坑边界——BloombergGPT 与 DeepSeek-V3 是两端的对照案例。
从 118 个技术条目中提炼一套 Agent 工程控制系统：怎样管理上下文、权限、反馈、持久化和组织度量，以及团队接下来 30 天真正值得做什么。
同一条信息放在上下文的开头、中间、结尾，对最强模型输出的影响力可以差出几十个百分点——而且这个"位置地形"会随上下文填充率动态变形：塞满一半之后，经典的 U 形曲线塌掉，只剩结尾优势。从注意力机制的三个根本约束出发，讲清位置偏差的成因、衰减的动态过程，以及"结构"为什么本质上是在地形上打人工锚点。
MCP 2026-07-28 删掉了握手、会话和服务器反向请求，官方说这是"远程 MCP 发布以来最重要的一次改版"。但删掉的状态去哪了？结合 End-to-End Arguments（1981）、DARPA 设计哲学（1988）、Fielding 的 REST 论文（2000）逐字对照：这次改版的每一刀，四十年前的论文都写过理由——协议设计的根本问题从来不是"要不要状态"，而是"状态住在哪、跟谁共命运"。
桌面应用要在本地跑长时 Agent 任务时，运行时放哪里？内嵌 Clean Runtime Kernel、独立 Local Runtime Daemon、还是前端主导派发？系统对比三条路径，拆解 Run Journal、Event Outbox、租约、启动恢复四个本地高可用机制，并论证一个反直觉的结论：先把内核做干净，进程边界就可以推迟——daemon 解决的是进程隔离，而你真正要的是生命周期解耦加可恢复性，这两样不需要独立进程也能拿到。
Codex 真读真写 · 方向/判断/技能/工具/行动。这是 Codex 深读版。今天最值得你更新判断的不是单条新闻，而是三条同时出现的系统信号：第一，推理成本还在快速下探，默认模型选择需要重做；第二，agent 的风险已经从“会不会胡说”转到“会不会跨边界行动”，权限、网络隔离和事后取证都要前移；第三，研究与评测开…
一个 Tauri 桌面应用把 codex exec 用作本地 AI 执行后端，每个任务都要冷启动整条链：Node harness、run-scoped CODEX_HOME、MCP server、进程级 hook、workspace 物化、依赖预热。慢的根因不是模型，而是三种天然生命周期不同的东西被焊死在同一个进程生命周期上。本文给出完整的成本解剖、两个容易被忽略的反模式（双重观测、per-run store 打败内容寻址缓存），以及从 batch executor 迁移到常驻 runtime 的架构路线——包括为什么"审计性应该来自事件日志而不是进程短命"。
以一份真实的 Claude Code 请求日志为标本，结合 Lost in the Middle、MemGPT、SWE-agent、Manus 与 Anthropic 的上下文工程实践，解剖一个 hello 背后数万 token 的信息环境设计。
基于本机 codex-cli 0.144.6 的 --help 实测，把 codex exec 全部参数整理成五个控制面：输入、执行者、行为配置、权限边界、输出与会话，并给出可直接复制的自动化配方。
用 scrapling 抓取并深读 Shiplight 的 AI 测试术语表：验证为什么取代编码成为新瓶颈，AI-augmented / AI-native / agentic / agent-native 四个词怎么分，"定位器是缓存"这个值得偷走的心智模型，以及怎么带着防伪眼镜读一份厂商定义的词汇表。
精读 AgentFold、IterResearch、AgentSwing、ContextBudget、Self-GC 五篇 2025.10–2026.07 的论文：为什么"记住一切"的 agent 反而答得更差？用 Pass@1 = η×ρ 这个分解式看懂 context rot 的本质，以及上下文管理如何从启发式规则一步步演化成垃圾回收、预算分配和运行时调度——操作系统内存管理史的完整重演。
search(query) -> results，看起来是 agent 工具箱里最简单的函数。结合 SWE-agent、SLIM（Lost in the Maze）、ParallelSearch、Search-R1、ZeroSearch 五篇论文，逐层解剖它的设计空间：返回什么、问什么、怎么学会用、搜索引擎本身要不要是真的——每一层都藏着能让性能翻倍或减半的决定。
Anthropic 为 Claude 5 代模型删掉了 Claude Code 超过 80% 的系统提示词，编码评测没有任何可测的下降。深读这篇官方博客：为什么"给模型写规则"是有保质期的负债，五个 Then vs Now 的转变背后是苦涩的教训在提示词层重演，以及怎么把这套经验用到你自己的 agent 上。