Codex AI Digest 深读版 · 2026-07-20
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。我先把今天 7 个渠道的 19 篇正文压成三个判断：一是开源大模型竞争已经从“能否追上”转到“谁能稳供给、稳工作流、稳生态”；二是 agent 提效的瓶颈正从写 prompt 转向写循环、设停机条件、少拥有代码；三是下一波高杠杆数据不只…
Archive
专题归档
第 6 / 7 页所谓点拨：不是贵人一句话，而是把自己送进高价值反馈场
从清华到 OpenAI、Meta Superintelligence Labs、Google DeepMind 等公开案例出发，拆解“点拨”的真实机制：识别热场、压缩路径、构建可验证筹码，并给出 AI 学习者的 90 天行动协议。
Lilian Weng 新文深读：当 Harness 本身成为被优化的对象
《Harness Engineering for Self-Improvement》深度消化：递归自我改进不会从模型改写自己的权重开始，而是从部署层开始。被优化对象的爬升路径（prompt → context → workflow → harness 代码 → 优化器代码），以及为什么评估器必须留在循环之外。
Codex AI Digest 深读版 · 2026-07-18
Codex 真读真写 · 深读判断 / 论文雷达 / 工具 / 行动。这是 Codex 深读版。今天最值得形成的判断不是“谁又发了一个更大的模型”，而是前沿竞争正在转向效率栈、数据生产栈和 agent 运行时三条系统能力：Kimi K3 把开源前沿继续往前推，Lila 把实验室当成数据中心来制造可验证训练数据，vLL…
Agent 的内存管理:Claude Code 与 Codex 如何决定"忘掉什么"
深度拆解 Claude Code / Codex 的上下文淘汰策略:分层压缩管道、compaction 幸存规则、KV cache 淘汰的同构问题,以及 arXiv 论文给出的反直觉证据——简单丢弃常常不输昂贵的摘要。
Claude Code 和 Codex 还在用 RAG 吗？——代码检索为什么回到了 grep
拆解 Claude Code / Codex 的代码检索机制：为什么两家都放弃了向量索引式 RAG，改用 agentic search（grep + 模型闭环）；Fetch 工具到底是干什么的；以及 arXiv 论文链条给出的证据与边界。
给「物料搭建 + 还原业务逻辑」设计一套 AI Harness
前两篇讲了设计稿出码的难题和物料驱动搭建的问题地图。这一篇动手：从「AI 可被控制、可被配置的切面」出发，设计一套能真正跑起来的搭建 harness——用一条「逐步降低不确定性」的窄专家流水线，每步产出可校验的 typed artifact，把 skill.md / tool schema / MCP / 结构化输出 / 编排 / 校验门 / 人机门 当成控制阀装上去。含可直接参考的 SKILL.md、工具契约、IR schema 与编排流程图。
搭建系统最会流血的两处，其实是同一种病：PRD 抽取与双向同步
系列深挖篇。把「PRD→交互规格的 intake agent」和「schema↔代码的 round-trip」这两个搭建系统里最疼的单点挖到底，并揭示它们是同一种病——同一份信息在两种表示之间来回翻译时的边界问题。前者会静默编造缺失的逻辑，后者会静默漂移。负责任的解法都是同一句：把有损与歧义的部分显式化，而不是替它糊过去。含 intake 的完备性矩阵设计与 round-trip 四种策略的取舍。
物料搭建 × AI Harness：一套完整表达生产级页面的协议族设计
本系列的规范篇。为「基于物料的 UI 还原 + AI Harness 控制的业务逻辑还原」这套架构，负责任地穷举出需要的全部协议/Schema——分六层、23 个协议，共享一个 Envelope、彼此用 id 交叉引用，逐一给出结构、关键字段与含义。目标是让这套协议族能完整表达复杂场景与真实应用页面，逼近生产运行表现；同时诚实标注它的边界与未解难点。
把协议族跑起来：一个协议驱动的 TODO 应用（含可运行 demo）
系列实现篇。用 React + Vite + TS 把前面设计的协议族真正实现成一个可运行的 TODO 应用——整个 app 的视觉、数据、业务逻辑、边界态全部是一份声明式协议数据，运行时解释它渲染而成，换掉这份数据就换掉整个应用。接口用 mock 拦截真实 fetch 模拟真实行为（状态码/延迟/持久化/错误注入）。因为逻辑与 DOM 分离，同一个运行时能被无头单测完整覆盖。附可在线体验的 demo 与全部源码结构。
Codex AI Digest 深读版 · 2026-07-16
Codex 真读真写 · 先读方向，再定行动。这是 Codex 深读版，不是关键词拼接。今天最值得你更新的判断有三条：第一，开源模型竞争正在从“谁更大”转向“谁能被部署栈和 agent 栈当天接住”；第二，coding agent 的真正护城河不在 prompt，而在 harness、权限、回归控制和人工接管；第三，…
从 Agent 供给工程到设计即交付：三份 AI 研发规范背后的生产线逻辑
结合论文与 KaiHub、Echo Builder、设计上下文、物料渲染等实现，解读 Skills & MCP、提示词与上下文工程、D2D 如何组成公司级 AI 研发生产线。
上下文窗口里的干预权重：为什么模型更听开头、最近和当前任务
基于长上下文与多轮对话论文，拆解上下文里哪些信息最能干预模型输出、哪些信息会被有效淘汰，以及如何安排系统提示、历史、摘要和当前任务。
提示词之后：上下文工程如何接管 LLM 应用质量
从系统提示词、用户提示词、会话上下文、检索上下文、Token 窗口、幻觉抑制和提示词模板库出发，结合 arXiv 论文解释为什么 LLM 应用的核心工程对象正在从 prompt 变成 context。
Codex AI Digest 深读版 · 2026-07-15
Codex 真读真写 · 今天先读/论文/趋势/技能/工具/行动。这是 Codex 深读版，不是关键词拼装。今天最值得记录的不是单条新闻，而是三条更耐久的工程信号正在收敛：AI 工程的重心从模型本体转向 harness、loop 和 eval；代理开始需要按任务复杂度控制执行范围，而不是默认全仓审计；设备侧与本地化代…
从提示词到工作制度：Superpowers Skill 的结构上下文哲学
结合 Superpowers 的 brainstorming、TDD、worktree、writing-skills 设计，以及 Agent Skills、Externalization、SkillsBench、Parametric Skills、HASP 等论文，解释为什么 skill 的本质不是更多 prompt，而是把 Agent 的工作上下文做成可触发、可验证、可复盘的结构。
把智能体当人用：Claude Agent SDK 的架构设计哲学
不是功能罗列，而是深读 Claude Agent SDK 的设计思想——为什么"给智能体一台电脑"、agent loop 为什么是控制循环、上下文窗口如何成为一切设计的隐形主线、以及为什么可靠性工程发生在 harness 而不是模型里。
Codex AI Digest 深读版 · 2026-07-14
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。今天先读完 25 条原文后，我认为最值得抓住的不是某一个模型 headline，而是四条线同时变清楚了：模型正在从“单点能力”变成“路由与预算系统”，评估正在从最终分数转向过程与偏差机制，记忆与技能正在被包装成可迁移资产，agent 安…
Graphify 源码深潜：从 AST 构图到 LLM 任务的上下文装配
从语法树构图、跨文件消歧和图遍历查询，到 Skill、AGENTS.md、CLI 与 MCP 接入，讲清 Graphify 如何在构图期与任务运行期分配 LLM 职责。
Agent 能力会被内化吗：外部系统、模型训练与研发护城河
深读 Externalization、Toolformer、TInR、RISE、Agent Skills 等论文：哪些 Agent 外部系统会被模型内化，哪些不会，未来研发竞争力会迁移到哪里。
Agent 长记忆不是向量库：从记忆流到内存管理
消化 Generative Agents、Reflexion、MemGPT、Mem0 和 A-Mem：为什么 Agent 长记忆不是简单存聊天记录，而是一套写入、整理、检索、更新和评估系统。
Agent 的工具调用机制：从 Function Calling、MCP 到 Skill
拆开一次 Agent 工具调用：模型只提出结构化调用意图，运行时负责校验、执行和回填；MCP 标准化外部能力，Skill 标准化可复用工作流。
Agent 做长任务为什么会崩：从时间跨度到失败归因
消化 Voyager、METR long tasks、TheAgentCompany、SWE-Bench Pro、Odysseys、WildClawBench 和 HORIZON：长任务能力为什么不能只看成功率。
AI Coding 时代，Git Worktree 为什么突然变成刚需
从 Git 原理、AI agent 并行任务、hotfix、PR review、命令用法和常见坑出发，讲清 git worktree 解决的真实问题。