学习智能体循环、执行框架和长任务恢复，适合搭建可靠智能体的开发者。
47 条精选 · 入门 8 · 按推荐学习顺序：越基础、直观越靠前，越系统、深入越靠后
Harness, Scaffold, and the AI Agent Terms Worth Getting Right
这是一份 AI Agent 术语表，旨在统一那些被混用、改名或缺乏清晰解释的概念，重点涵盖 harness、scaffold 等常被混为一谈的术语。文中提到这些混淆在 ICLR 2026 后被广泛讨论，作者称其并非覆盖全部术语的完整词典，而只聚焦容易被含糊带过的概念。适合刚接触或希望跟上该领域进展的读者。
How agents are transforming work
这是 OpenAI 一篇经济研究论文的介绍，衡量 Codex 在前沿场景的经济潜力，指出智能体式 AI 把知识工作的单位从单次交互变为可委托的长周期任务。文中以 OpenAI 内部为例，称 Codex 发布后使用比例逐步上升，如今包括法务、招聘等非技术部门都以 Codex 作为主要工作 AI 工具。
Introducing OpenAI Presence
OpenAI 于 2026 年 7 月 22 日发布的产品公告，介绍 OpenAI Presence：一个面向企业的 AI 智能体平台，帮助组织在客户与内部工作流程中部署可信的语音和聊天智能体。页面说明该产品当日即可用于语音和聊天智能体。
Gemini 3.5: frontier intelligence with action
Google DeepMind 发布 Gemini 3.5 模型系列，定位为“前沿智能与行动”结合，用于执行复杂的智能体工作流。文章介绍首个发布的 3.5 Flash，在智能体和编码方面表现突出，可通过 Gemini 应用、Google 搜索 AI Mode、Google Antigravity、Gemini API、Android Studio 及 Gemini 企业平台使用；文中还提到 3.5 Pro 已在内部使用并计划下月推出。
DeepSeek-V4.1-Flash-1017: Wish-Driven Programming Made Real | DeepSeek API Docs
这是 DeepSeek API 文档中的模型发布公告，宣布 DeepSeek-V4.1-Flash-1017 上线网站、应用和 API，称其基准表现更强、任务完成更快、输出更短，在性能与成本上相对上一版有所改进。公告还说明该版本针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等做了优化，展示了从零构建 3D 建模、网页赛车游戏等完整项目的示例，并宣布搜索与抓取 API 向所有人开放。
Components of A Coding Agent
Sebastian Raschka 在其 Substack 杂志上于 2026 年 4 月 4 日发布的文章。文章讨论编程 Agent 与 agent harness 的整体设计，说明它们是什么、如何工作以及各部分在实践中如何配合，并指出工具使用、上下文管理和记忆等外围系统在实际 LLM 应用中与模型本身同样重要，这解释了 Claude Code、Codex 等系统为何比在普通对话界面中使用同样模型显得更能干；文中列出编程 Agent 的六个主要构建模块。面向关注 Agent 设计与实现的读者。
How enabling two settings tripled our scores on the ARC-AGI-3 benchmark
OpenAI 于 2026 年 7 月 29 日发布的研究与论文类文章，讲述两个 API 设置如何通过保留推理内容和启用压缩（compaction），提升 GPT-5.6 在 ARC-AGI-3 基准上的表现、得分与效率。文中还讨论了智能体在记住自己已做之事时表现更好。
Safety and alignment in an era of long-horizon models
OpenAI 于 2026 年 7 月 20 日发布的安全类文章，分享在内部使用长期运行模型过程中得到的经验，涉及新的安全风险、观察到的失效情况以及通过迭代部署改进的防护措施；文中还讨论模型持久运行可能带来的安全漏洞等问题。适合关注 AI 安全与对齐的读者。
How we contain Claude across products
Anthropic 的文章，讨论智能体能力增强后潜在影响范围随之扩大，并介绍其为 claude.ai、Claude Code 和 Cowork 构建约束机制的经验。文中把部署风险分为失败可能性和单次失误可造成的损害两部分，指出前者随防护与模型训练进展下降，而理论影响范围只随能力和权限扩张而增大，因此工程问题在于如何限制影响范围。
A near-autonomous AI chemist improves a challenging reaction in medicinal chemistry
这是 OpenAI 与 Molecule.one 合作的研究发布，介绍一个使用 GPT-5.4、接近自主运行的 AI 化学家（Molecule.one 的 Maria）改进了关键药物合成反应。文中称其找到一种出人意料的添加剂，使测试的 80% 以上底物的 Chan-Lam 偶联产率提升，并附有论文和思维链摘要链接。
Building a multiplayer game world with autonomous Fable-class models
这是 Simon Willison 博客上的一篇转述，介绍 Jacob Sansbury 讲述的多人游戏环境 Spawn：玩家可通过提示让游戏内 AI 代理 Savi 修改世界，作者本人用手机试过生成城堡和龙。文中称 Spawn 现由一群 Fable 驱动的代理自主开发，每月 token 花费超 300 万美元，约六成工作源自生产错误、Savi 提交的 bug 报告、日志异常或功能请求，改动通常一小时内送达用户。适合对代理式工程、前端模型自动化开发流程感兴趣的人阅读。
Building agents: When to fold subagents into your main agent loop
这是 Anthropic Claude 平台的一篇开发者文章，讨论在什么情况下应减少子智能体、以及如何将它们迁移到主智能体循环中。文章介绍了子智能体的作用（验证、并行工作、模块化权限），并提到应用 AI 团队发现把路由器、规划器和领域子智能体并入主循环后，单一带技能的智能体在质量上常优于全提示设计和子智能体设计，且每任务成本与延迟往往更低。文中还提到配套的迁移工具包，含模式识别、方案评估和模拟系统演示。
Claude Mods: Flipping the Harness Inside Out
这是一篇介绍 Claude Mods 的文章，作者称近几周用它把 Claude Code 调整为自己的 AI 工程工作流。文章提出 harness 随着模型吸收更多能力，剩余部分成为面向人的“注意力界面”（Attention Interface），并认为 Claude Mods 是其早期版本，还推测 harness 最终会成为其他公司在其上构建的平台。文中说明 mod 是运行在 Claude Code 内的 TypeScript 或 JavaScript 函数插件，可响应 prompt、工具调用或界面渲染等事件，观察、修改渲染方式或替代默认行为，被作者称为 agent harness 的中间件。
Is the Agent Harness Dead? — Jediah Katz, SpaceXAI
Jediah Katz（SpaceXAI，此前是 Cursor 任职最久的智能体外壳工程师）讨论模型变强对编码智能体、Grokbot 和智能体外壳未来的影响。他论述复杂外壳不再为编码智能带来额外智能，因为数据飞轮让模型学会了外壳原先补上的技能；但同时认为外壳比以往更重要，它开拓 Grokbot 等新领域，并承担模型无法吸收的基础设施、信任与安全、效率问题。结尾给出对 AI 智能体的预测，包括六个月内 90% 的智能体工作将离开笔记本电脑运行。
The Thin Orchestrator: How We Made Our AI Agents More Reliable by Giving the Router Less to Do
这是 Meta 工程博客的一篇文章，介绍其数据管道代理采用的“薄编排器”模式：一个约 1300 行的编排器把 20 多个工作流路由给 14 个专用代理，自身不承担任何领域推理，只负责排序和可靠性检查。文章描述了早期“全能型单一代理”在生产环境中出现幻觉的问题，以及转向该模式后在效率和准确率上的变化。
Build Your Own Team of Managed Agents - Jack Wotherspoon, Google DeepMind
Google DeepMind 开发者体验工程师 Jack Wotherspoon 的演讲视频，介绍 Gemini Managed Agents：通过单次 API 调用在云端沙箱中运行编码智能体，而非在本地电脑上。内容覆盖 Interactions API、Antigravity harness、多智能体共享环境、上传的 skills 与 AGENTS.md、隔离密钥的代理、定时触发与多智能体工作流，并演示从 SEC 文件研究到量化分析再到报告的流程，以及在 AI Studio 中构建应用。
NVIDIA Agent Toolkit Expands, Grounding Enterprise Agents in Company Data
英伟达博客文章，介绍开源 NVIDIA Agent Toolkit 的扩展。文中列出该工具包的组成：含 CUDA-X 库和新 Auto-Ontology 库的 Agent Knowledge Foundation、Nemotron Retriever 与 Kumo 系列开放模型、OpenShell 安全运行时、NemoClaw 安全蓝图，以及 NeMo Relay、NeMo Compass 等工具；并说明企业可在不迁移数据、不重建工作流、不改治理控制的前提下将公司数据转化为智能体可用的信息。
Inside Arca's Long-Horizon Agents That Run the Business - Aman Singh, Arca
这是 Arca 公司 AI 负责人 Aman Singh 的演讲，介绍这家 AI 原生金融服务公司如何让长期运行的智能体端到端地承接客户目标，跨越多天的断续工作。内容涉及让智能体感知邮件、电话、托管事件和应用内动作的信号系统、运行上下文与执行框架、持久记忆，以及能在合适时机引入合适人员的共享空间。材料中包含分章节时间线。
Harness Engineering for Self-Improvement
Lilian Weng 的一篇博客文章，主题是递归自我改进（RSI）。文章从 I. J. Good（1965）提出的“超智能机器”与 Yudkowsky（2008）的 RSI 定义讲起，讨论现代 AI 中这一反馈回路的含义，包括模型改写自身权重，或改进训练流程与部署系统从而产生更强的后继模型，并提及前沿实验室研究加速的情况。
A shared playbook for trustworthy third party evaluations
OpenAI 于 2026 年 5 月 29 日发布的文章，分享关于第三方 AI 评估的指导意见，涉及如何评估前沿模型的能力、防护措施与评估有效性。文章指出独立可信的第三方评估对安全生态的作用，并谈到早期评估把模型当作聊天机器人、而当前前沿模型能使用工具、跨多步保持信息并在一整套工作流中行动，因此表现还取决于任务环境和配置。
A harness for every task: dynamic workflows in Claude Code
claude.dev 博客文章（作者 Thariq Shihipar、Sid Bidasaria，约 11 分钟阅读），说明 Claude Code 新增的动态工作流功能：模型可按任务即时编写并编排自己的多智能体执行框架（harness）。文中包含示例提示、动态与静态工作流的对比、常用模式、使用场景、不宜使用的情形以及构建建议。