夜雨聆风工具动态
Codex 大更新：一个 AI，接管你所有软件。
Codex 迎来重大更新，从编码工具转型为覆盖全工作流的AI平台。新增Computer Use可同时操控多个桌面应用且不抢占光标，内置浏览器支持页面标注，集成gpt-image-1.5进行图像生成，并贯穿软件开发全生命周期。配合90多个新增插件接入Slack、Gmail、JIRA等工具，Memory机制记住用户偏好，Automations心跳任务实现跨天跨周自动执行，加上每日开工智能建议，四者联动。
用 Agent 写代码太贵？试试讯飞这款平价套餐
讯飞星辰推出的"Astron Coding Plan"通过固定月费取代按Token计费，直击AI编程Agent使用成本过高的痛点。Agent工具在处理复杂任务时需要反复推理和多轮工具调用，单次Token消耗可达普通对话的数百倍，导致按Token付费模式下的使用成本难以承受。该套餐从3.9元/月起，按请求次数而非Token量计费，让用户无需再为海量Token消耗焦虑。
Claude Code 上下文管理的 6 个动作，和它们背后的账本
Claude Code 的上下文管理核心在于理解"缓存账本"。大模型每轮都要重读全部历史，但命中缓存的内容只收十分之一的价格，因此保持缓存热度是省钱的关键。文章介绍了六个指令：/context 用于查看当前 token 占用，做到心中有数；/resume 在缓存未冷时继续会话是最划算的选择；/rewind 回滚到失败前的节点，丢弃脏上下文而不浪费已读文件的缓存；/clear 是彻底重开，需要手写精。
阿里上线了Meoo，口述需求就能做应用并上线
阿里云推出的Meoo是一款通过口述需求即可自动生成并上线应用的AI产品，其核心优势在于将服务器、数据库、存储、域名部署等一整套云基础设施打包内置，让用户无需关心技术细节，几分钟内就能获得一个可直接分发的在线应用。与传统Vibe Coding工具只能生成Demo不同，Meoo解决了从想法到上线的"最后一公里"问题，支持调用阿里云百炼大模型能力构建带AI功能的应用，并提供技能市场和可视化编辑能力，适合。
Claude Code一夜重构，上线 Routines，现在关机也能修bug干活了
Anthropic 对 Claude Code 进行全面重构，桌面端升级为支持多会话并行的自由布局工作区，并发布全新功能 Routines。Routines 是托管在 Anthropic 云端的持久化智能体，支持三种触发方式：API 触发可实现自动修 bug 并提交 PR，GitHub 事件触发能完成定制化代码审查和跨语言同步，定时触发可自动维护文档和梳理 Issue。
Claude Code 源码拆解：从启动到多 Agent 扩展层
这篇文章通过拆解Claude Code源码，指出大多数Agent系统在复杂度上升后主循环会迅速劣化，而Claude Code的核心做法是将复杂度前置到启动阶段：先做入口分流判断运行模式，再完成进程级环境初始化，最后才装配会话级语义并选择宿主。它将进程状态与交互状态明确分离，使交互式、无界面、远程、后台等多种运行模式能共享同一套核心运行时，权限、工具和扩展能力在首轮请求前就定型，从而让运行时主链路保。
浏览器自动化：从GUI到OpenCLI
文章提出了一种名为OpenCLI的浏览器自动化新思路，核心观点是放弃不稳定的前端UI自动化操作，转而通过抓取并复现浏览器底层的API请求来实现自动化。作者指出，浏览器中展示的数据本质上都来自后端接口，直接定位和复现这些API请求比模拟点击按钮更高效可靠。
分享你可能不知道的10个Claude Code隐藏命令和工作流技巧。
这篇文章系统分享了Claude Code的十个实用隐藏命令和工作流技巧。核心推荐包括：用内置交互课程快速掌握进阶用法，通过分支对话在不打断主线任务的前提下确认细节，双击ESC回退被改坏的代码而不丢失对话上下文，利用习惯分析报告发现可优化的重复操作，以及通过事件钩子实现自动化——比如在工具调用过多时自动生成优化建议，或在输入过长需求时强制进入规划模式避免返工。
当AI开始「开发」自己
文章以TRAE的SOLO模式自我开发为例，指出AI编程已从"副驾驶"角色进化为自主行动者：SOLO独立客户端超过100万行代码中AI贡献率高达93%，且AI不仅执行代码编写，还参与技术方案输出与任务规划。开发者的角色正从亲力亲为的编码者转变为事前委派任务、事后审查成果的管理者，人与AI的协作模式也从实时反馈转向长时间异步任务。
最近 AI 前端这块，我先做了个盘点：截图、Figma、MCP、Skills
文章对当前 AI 前端开发生态做了系统盘点，梳理出截图、Figma、MCP、Skills 等几类常见"中间层"，并重点分析三个指导层工具的定位差异：Anthropic 的 frontend-design 是审美与实现引导层，侧重生成阶段的美学把控；Vercel 的 web-design-guidelines 是审核评估层，适合放在生成之后做二次检查；UI UX Pro Max 则是设计推理引擎，能。
Figma vs. Pencil，谁才是Claude Code的最佳Vibe Design工具
本文探讨了如何解决Vibe Coding中设计与代码之间的断裂问题，对比了两种方案：Figma通过MCP Server将结构化设计数据传递给Claude Code，能实现设计与代码的双向联动，但要求设计文件高度规范，否则大量视觉噪音会降低生成质量；Pencil则采用更激进的路线，让设计文件与代码共享同一仓库和Git工作流。
面向Agent的后端开发平台：InsForge与Modelence深度解析
面向AI编码Agent的后端开发正成为新趋势，InsForge和Modelence是2026年涌现的两款代表性平台。InsForge作为开源项目通过语义中间层将认证、数据库、存储、模型网关等后端能力封装为Agent可直接调用的标准化接口，任务准确率达47.6%，显著优于传统方案。Modelence面向独立开发者和小团队，内置生产级认证、MongoDB数据库、监控和一键部署，强调开箱即用体验。
爆火的Hermes Agent来了，今天原生支持个人微信！
Hermes Agent是一款运行在服务器上的个人自动化智能体，两个月获GitHub 5万星标，现已原生支持个人微信。其核心在于"学习循环"：每调用约15次工具后自动回顾任务过程，将经验沉淀为可复用的技能文件，越用越精准。相比Claude Code专注编码、OpenClaw提供服务器运行能力，Hermes在后者基础上加入了自主学习机制，能自动生成和积累工作流。
Claude Code 推出 /Ultraplan，超级计划模式
Claude Code 推出的 /ultraplan 功能将代码规划的"规划"与"执行"彻底拆开，用户在终端输入命令后，Claude 会在云端生成完整实施方案并自动在浏览器中展示，方案包含上下文理解、具体实施步骤和验证方式三部分。用户可以直接在网页上编辑方案内容或给 Claude 留评论进行修改，确认无误后一键批准，方案传回终端执行。
业界观点
AI 分叉了：从今天起，最强的那个 Claude，你永远用不上
Anthropic 发布 Claude Opus 4.7 时首次公开承认在训练中刻意削弱了模型的网络安全攻击能力，未发布的完整版 Mythos Preview 能完全攻破 72.4% 的 Firefox 漏洞，而公开发布的 Opus 4.7 仅 1.2%，这意味着 AI 模型正式分化为能力受限的"民用版"和保留完整能力的"受控版"两条路线。
如果今天你有2小时，应该Build个什么产品好？
作者刘小排推出了名为BuilderPulse的公开日报产品，旨在帮助AI独立开发者和创业者每天快速掌握全球同行的新产品发布、AI行业大事、GitHub高增长未商业化项目、用户抱怨收集、搜索词异常趋势以及历史回顾等关键信息，数据来源于Hacker News、Product Hunt、Reddit、Google Trending等多重渠道并经过精选过滤，核心理念是关注真正做事的Builders而非只做。
AI提效20%，我们程序员加班却越来越狠：老板量生产力的尺子，歪了？
AI编程工具确实在提升开发效率，腾讯、快手、昆仑万维等企业的数据显示提效幅度可达20%至58%，但这场"提效运动"的实际效果正在偏离初衷。管理层将AI带来的效率增益简单等同于人力冗余，用代码量、PR数量甚至Token消耗来量化程序员产出，导致内部竞争加剧，工作节奏被大幅拉快。程序员并未因AI而更早下班，反而被迫在更高的效率预期下加班到更晚，甚至面临裁员风险。
“开源已死”？怕被 OpenAI 和 Mythos 把代码挖成筛子，4 万 Star 项目突然闭源！
开源日程调度公司 Cal.com（GitHub 4万Star）宣布将旗舰项目从AGPL开源协议转为闭源专有许可，核心原因是AI攻击者利用大模型（如Claude Opus、Anthropic Mythos）快速分析公开代码并挖掘漏洞，使开源代码面临的安全风险急剧上升。联合创始人表示，开源代码如同公开银行金库设计图，而如今研究它的"黑客"数量暴增百倍，开源应用被攻击的难度比闭源低5到10倍。
Vibe Coding没有颠覆游戏
Vibe Coding通过AI辅助让非游戏从业者也能快速实现游戏创意，催生了996模拟器、3D恐怖游戏等一批可玩产品，创作者大致分为创意驱动、技术探索和情感表达三类。尽管目前产品质量和模式远未达到颠覆游戏行业的程度，但AI显著降低了实现门槛，让有经验的人能更快验证想法、驾驭更复杂的项目，也让普通人体验到将脑中创意变为可运行作品的乐趣。
能解奥数，不会看钟：斯坦福2026年AI报告的15个判断
斯坦福2026年AI指数报告显示，AI能力正以前所未有的速度超越监管、信任和教育体系。AI在代码和数学领域表现惊人，SWE-bench通过率一年内从60%升至近100%，但在机器人家务、多步骤规划等任务上仍表现薄弱，能力分布极不均衡。全球AI私人投资达3447亿美元，美国投资额是中国的23倍，但顶尖AI人才移居美国的数量却暴跌89%。
别人都在卷Harness， 而Google 的沉默振聋发聩
尽管Google的Gemini模型能力强大，但在AI编程工具竞争中已明显落后于Anthropic和OpenAI。核心原因在于，行业竞争的关键已从模型本身转向了"Harness"——即围绕模型构建的编排和控制层，让AI能在真实场景中稳定执行多步骤复杂任务。
不用则废：开发者直面 AI 编码工具的隐性代价
AI编程工具在显著提升开发效率、重燃资深程序员热情的同时，也带来了严重的隐性代价：长期依赖AI会导致程序员自身编程能力退化，出现"不用则废"的现象。AI生成的代码单点可用但整体架构混乱，质量堪忧。更深层的问题在于，如果初级开发者的工作被AI取代，未来将无人能成长为专家，专业知识的价值面临贬值风险。开发者既享受效率红利，又深陷职业倦怠与能力退化的焦虑之中。
上下文工程的第一性原理：一场“恰到好处”的驾驭艺术
上下文工程的核心在于"恰到好处"地管理输入给大模型的信息，因为模型的输出质量完全取决于上下文质量。信息过多会造成注意力污染导致指令漂移，信息过少会引发模型幻觉，因此必须追求高信噪比的"最小充分集"。文章提出上下文应分为长期、中期、短期三层架构，通过漏斗式过滤精准投喂。在多智能体协作场景下，上下文工程进一步升级为驾驭工程，需要动态同步和调度信息流，防止各智能体间的信息时空错乱。
用好Agent最重要的技巧不是Skills，是这四个字。
用好Agent的核心不是Prompt技巧或Skills，而是"约束先行"，即在让Agent工作之前先把规范定好。Claude Code的规则体系从上到下分四层：全局CLAUDE.md定义最高指令和协作原则，项目级CLAUDE.md规定目录结构和命名规范，各类设计文档补充具体约束，记忆文件记录对话和笔记。约束层层穿透，上层管下层。
OpenAI Codex成员实战经验分享！为Codex提供的最佳工具是CLI ！网友：太及时了，这正中我的痛点！
OpenAI Codex团队成员Nick Baumann提出，为AI代理构建专用的CLI小工具是解决上下文过长问题的最佳方案。他认为MCP连接器虽然解决了数据访问问题，但原始数据过于庞大杂乱，会严重占用token并降低效率。他的解法是：先让Codex创建专门的CLI工具，再将其封装为Skill，形成"Agent友好型CLI"，具备搜索、缩小范围、管道输出等能力。
Claude Code防封号终极指南
Anthropic封号机制本质上是一个判断"账号行为是否像正常人类"的概率模型，而非一套固定规则。防封的核心策略包括：新账号应先用Claude Desktop而非CLI积累行为特征，避免使用非官方客户端；通过应用商店而非官网直接订阅，以增加可信背书；从Pro Plan起步再有机升级到Max Plan，避免一开始就选最高档位；升级后前两周触发限额不超过3次；账号使用需符合人类作息规律，不能24小时高。
LangChain CEO和YC总裁神仙打架！51.2 万行代码的真相：为什么模型永远无法“吃掉”Harness？
LangChain CEO Harrison Chase认为Agent Harness（智能体脚手架）是构建Agent的主流且持久的方式，即使模型能力不断提升，模型也无法"吃掉"Harness，例如Claude Code的源码高达51.2万行就是明证。他强调Harness与Agent记忆深度耦合，管理上下文和记忆是Harness的核心职责，记忆并非独立的插件服务。
越来越多的人，已经把小红书玩成了 AI 孵化器
AI正在将创业从"重"模式带入"轻"时代，一群年轻甚至文科背景的00后、10后，通过小红书上的"Build in Public"模式，以笔记为起点、社区为土壤，实现了从需求挖掘到产品迭代的极低成本创新闭环。他们不再依赖商业计划书和资本敲门，而是把开发过程变成与用户共同进化的"真人秀"，用AI这一与生俱来的"母语"重新定义了科技创新的范式。
不必先吃编程的苦 | 对话四位秒哒用户 Vibe Coding 真实故事
这篇文章通过采访四位不同背景的百度秒哒用户，展现了Vibe Coding在2026年的真实应用场景。核心观点是：AI Coding已将编程门槛大幅降低，让普通人也能将想法直接变成应用。12岁的学生不再被C++困扰，一句话就能生成应用并获得创作自信；公益管理者借助AI实现了组织效率指数级增长；早期开发者已通过秒哒实现商业变现；创业者甚至能在地铁上交付项目。
评审也不靠人，每天消耗10亿token！OpenAI核心工程师自曝极限经历：对代码细节没执念了！MCP早死了！软件依赖会消失，揭秘幽灵库7层架构
OpenAI Frontier团队核心工程师Ryan Lopopolo提出"harness工程"理念，其打造的"幽灵库"Symphony不含实际代码，而是为AI Agent提供上下文、规范和工作流，使3人团队在5个月内由AI自主生成100万行代码且合并前无需人工审查。他判断未来软件必须对Agent可读，开源依赖将被AI重写取代，MCP因上下文膨胀等问题已死，传统BUG和MVC等概念也将被重新定义。
从拒绝AI到一切先问Agent，DHH：这是我最爽的编程时刻之一，但程序员黄金时代到头了
Ruby on Rails 作者 DHH 在短短半年内从拒绝 AI 编程转向 Agent-First 工作流，不再手写代码起步，而是先让 Agent 生成草稿再审阅调整。这一转变并非理念变化，而是 AI 工具能力跃迁的结果。他认为 Rails 因 token 效率高将在 AI 时代迎来复兴，设计能力正成为软件工程核心竞争力，资深工程师比初级工程师更易从 AI 中获益。
Claude Code 生成 13 种编程语言代码基准测试：动态语言更快更省成本
一项针对 Claude Code 用 13 种编程语言生成代码的基准测试（600 余次运行）表明，动态语言在 AI 辅助编程中更具优势。Ruby、Python 和 JavaScript 在实现简化版 Git 的任务中成本最低（约 0.36 至 0.39 美元）、速度最快（73 至 81 秒），且全部通过测试。静态类型语言运行速度慢 1.4 至 2.6 倍，成本更高，方差也更大。
工程实践
卡片式对话的协议方案探索和思考
本文围绕智能助手对话流中卡片式交互的工程落地，系统探讨了三个核心问题：卡片嵌入Markdown流的方式（代码块扩展、占位符替换、自定义标签）、卡片数据的获取模式（模型直出、增量Patch、Tool驱动）以及多团队协作的规范约束，最终提出一套包含Markdown标记、消息传输、UI渲染和事件通信的四层统一协议体系，为解决Agent时代多端一致性、数据实时性及跨团队协作混乱提供了可落地的架构参考。
赛博鸡生蛋，7小时用Claude Vibe Coding一个Mini-Claude
作者利用三个晚上共不到7小时的碎片时间，通过Vibe Coding方式参考Claude的交互机制，亲手实现了一个轻量级Mini-Claude，模拟了CLI交互、Chat对话、Tool调用循环和请求上下文组装等Coding Agent核心能力。文章强调纸上得来终觉浅，通过直接调用原始LLM API亲身感受Agent Loop与ReAct等核心理论的完整链路，并提供了从底层API调用到Dashboar。
Life of a Token：像调试代码一样看懂大模型如何生成 Token
这篇文章借鉴 Chrome 团队"Life of a Pixel"的思路，以 GPT-2 Small 为透明示例，追踪大语言模型从输入到输出一个 Token 的完整管线过程。核心观点是：LLM 内部没有条件判断或查找表，1.24 亿个浮点数排成矩阵，输入 Token 经过分词编码后变成向量，穿过 12 层矩阵乘法和非线性变换，最终在词表空间中坍缩为下一个 Token 的概率分布。
从Vibe Coding到Agentic Engineering：重构后台开发全流程
文章提出从 Vibe Coding（提示即祈祷式AI编程）转向 Agentic Engineering（智能体工程）的理念，核心是人定义目标与质量标准，AI在结构化流程中自主执行规划、编码、测试和迭代，关键节点由人工审核。作者基于 Claude Code 搭建 Skill/Command/MCP 三层工具体系，将后台开发从需求创建、澄清、计划制定、并行开发、代码自审、编译部署、日志排查到合入发布的。
存量代码库难适配、人机边界模糊？百度拆解Coding Agent企业级落地的硬核解法
百度指出AI Coding当前呈现"冰火两重天"的状态：新项目场景下效果显著，但在存量复杂代码库和高复杂度任务中仍面临严峻挑战。文章剖析了Coding Agent企业级落地的三大核心难题——稳定性控制、人机协作边界划定以及软件工程复杂度的转移。
每月$20成本，$60000+营收：加拿大程序员的“最穷”技术栈
加拿大独立开发者Steve Hanov用每月仅20美元的技术栈（Linode 5美元VPS、SQLite、Go语言、自写OAuth2）同时运营六个MRR超万美元的产品，月营收六位数美元。他的核心观点是：将成本压到接近零，与拿到百万美元融资带来的生存时间等价。
tokens烧钱太快？试试这个四层模型组合
随着智能体普及，开发者面临tokens消耗过快和模型降智的双重困境，多模型组合策略成为有效应对方案。文章将2026年主流模型分为四档：前沿模型（Claude Opus 4.6、GLM-5.1等）负责复杂推理，执行模型（MiniMax M2.7、DeepSeek V3.2等）处理长任务链，平衡模型（Sonnet 4.6、Qwen3.6 Plus等）承担常规编码研究，本地免费模型（Qwen3.5-9B。
看不懂 Agent？我花一下午写了个 mini-OpenClaw
作者在深入研读 OpenClaw 源码后发现，其 Gateway、Memory、多 Agent 协作等架构对个人用户而言过于复杂，不利于学习理解。于是全程不手写一行代码，借助 AI 搭建了一个精简版 mini-OpenClaw，实现了从搜索热搜、阅读新闻、撰写文案、生成配图到自动发布小红书的完整 Agent 工作流。
详尽地带你从零开始设计实现一个AI Agent框架
本文系统介绍了AI Agent框架的核心理论基础，指出Agent的本质是推理与行动的结合。文章详细阐述了三种主流模式：ReAct模式通过"推理-执行-观察"的循环迭代实现智能体与外部世界的交互，是最基础且最具代表性的范式；Plan-and-Execute模式强调先规划再执行，适合关系明确的复杂长期任务，但缺乏动态调整能力；Reflection模式引入自我反思与纠错机制，通过语言反馈而非权重更新来提。
Claude复活30年前传奇游戏，仅用一个周末
Beamable CEO Jon Radoff 仅用一个周末，借助 Claude Code 成功复活了自己19岁时开发的、已"死亡"27年的早期商业MMORPG《未来往昔传奇》。在没有游戏引擎源代码的情况下，Claude Code 仅凭一份自定义脚本文件、一段录像和少量文档，就逆向工程了Jon三十年前发明的原始脚本语言，解析了DOS时代的脚本，还原了战斗公式和怪物行为模式，并用Go语言重建了完整的。
Anthropic 官方指南：怎么给 Agent 设计工具
Anthropic 认为设计 Agent 工具集是构建 Agent 最困难的部分之一，核心原则是工具的形态必须贴合模型自身的能力。文章用一个数学题的类比说明：纸、计算器、电脑三种工具各有优劣，选择取决于使用者的能力水平。因此开发者在设计工具时，既不能只给一个通用工具，也不能堆砌几十个专用工具，而应通过持续观察模型的输出、反复实验来理解它的真实能力，学会"像 Agent 一样看"，从而准确判断什么时。
编程方法论
从聊天窗口到多 Agent 控制台：一次 AI 编程协作范式的转移
作者基于自身AI编程实践指出，当前单Agent协作模式已无法满足高效开发需求，人仍被困在等待和确认的链路中。作者主张转向多Agent并行协作范式：人以需求拆解、代码Review和结果验收为核心工作，而非亲自编写代码。为此作者设计了Mexus工具，采用控制台式界面同时管理多个Agent，并通过Spec驱动任务编排、文件级claim机制和Observer Agent运行时协调来解决多Agent协作中的。
一文带你看懂，火爆全网的Harness Engineering到底是个啥。
Harness Engineering是人类与AI协作方式的第三次进化标志。从2023年的Prompt Engineering（像玩动作游戏一样手动控制AI每一步），到2025年的Context Engineering（像自走棋一样靠前期配置决定胜负），再到2026年的Harness Engineering（像即时战略游戏一样通过编队、阵型和规则驾驭整支军队），这三次跃迁反映出模型能力越强、自主度。
读完 Claude Code 源码才发现：Skills、MCP、Rules 的区别，远没有你想的那么大
通过对Claude Code泄漏源码的分析，揭示了Rules、MCP、Skills三个概念的底层实现本质：Rules是项目级行为规范，通过messages被动注入；MCP是标准化工具协议，在system和tools中注册并调用外部服务；Skills是可复用提示词，通过tool_use触发后注入指令文本。三者的核心区别并非功能本质不同，而是信息在LLM API请求中被放置的位置不同。
一篇博客引爆 AI 圈：到底什么是「Harness Engineering」？
Terraform创始人Mitchell Hashimoto提出「Harness Engineering」概念，核心是通过规范化的方式使用AI编程Agent来提升开发效率。他的方法论包括：放弃聊天窗口改用能自主读写文件的Agent，将任务拆分为小颗粒度执行，每个任务先手动完成再让Agent重做以学习其能力边界，以及利用每天下班前30分钟启动Agent处理批量搜索、Issue分析等适合自动化的任务，。
Harness Engineering 深度解析：Agent 优先时代的软件工程新范式
深入解析 Harness Engineering 的核心理念，系统介绍从文件系统到沙箱环境、从知识管理到架构约束的完整 Harness 组件体系，以及 5 个月 0 人工代码实践的经验教训。
最新！万字综述Harness革命！
2026年大模型能力进入高原期，模型智力已普遍达标，竞争焦点从"拼模型"转向"拼Harness"——即围绕模型的外围工程架构。DeepMind实验证明，固定模型仅更换Harness即可产生巨大性能差异，Claude Code的商业成功也印证了Harness是战略级资产。
Z Tech｜我们与开源顶流实验室一起聊了聊 Harness Design
当前大模型能力已远超承载它的基础设施水平，行业瓶颈从"模型不够聪明"转向"缺乏Agent落地的基础设施"——身份、记忆、协作、状态管理等关键层大面积缺失。Agent仍活在"一次性聊天室"里，跨会话任务中无法持久化身份和经验。Harness Design讨论的本质是为超强模型准备可生长的土壤，而非单纯追求模型能力提升。
别学歪了，从泄漏的 CC 源码看 Harness 才是硬道理
文章核心观点是：Harness（驾驶系统）是套在AI模型外部的工程框架，相当于发动机之外的方向盘、刹车和导航等控制系统，负责计划、测试、重试、上下文压缩、多Agent分工和权限管理等关键环节。即便底层模型相同，不同的Harness设计会导致Agent表现差异巨大，Claude Code之所以好用正是因为Anthropic的外骨骼工程做得好。
汤道生：人工智能正式进入 Harness 时代
文章提出AI行业已正式进入Harness（线束）时代。大模型是发动机，Harness是将其能力转化为实际应用的整套工作环境，包括工具链、代码沙箱、反馈循环和自动验收机制。随着智能体成为AI时代的主要应用载体，竞争焦点正从单纯追求模型参数规模转向如何更好地驾驭模型。
深度｜LangChain联合创始人：模型不再是主角，智能体时代的“Harness”正在重塑一切
LangChain联合创始人Harrison Chase指出，AI领域的核心正从模型本身转向围绕模型的整套基础设施（Harness）。随着Agent从简单提示系统演变为能规划、使用工具、管理文件和长期记忆的自主软件，Harness中的控制框架、子智能体、文件系统、沙盒环境、可观测性等基础组件成为关键。
AI 原生软件工程的可观测性与可控制性
文章指出，随着AI逐步承担大部分编码工作，软件开发正从"人治"转向"人机协作"时代，但AI编码过程如同"黑盒"，协作方式缺乏统一标准，效能难以衡量，组织转型受阻。作者借鉴控制理论提出"可观测性"与"可控制性"两大核心能力，主张通过收集人机交互的行为数据并建立过程与结果两类指标（如规约符合度），从外部推断AI协作的内部状态，从而发现问题、持续改进，推动团队真正实现AI原生研发转型。
编程模型
Claude Opus 4.7 来了：离最强模型 Mythos 还有多远？
Claude Opus 4.7 是对 Opus 4.6 的直接升级，定价不变。编程能力大幅提升，CursorBench 得分从 58% 涨至 70%，生产级任务解决量翻三倍，长任务完成率显著提高且不再中途卡住。视觉分辨率从 800 像素提升到 2576 像素，精度测试从 54.5% 跃升至 98.5%。
「双线实测」Qwen 3.6-Plus，Agentic Coding 已经这么能“扛活儿”了？
Qwen 3.6-Plus 于4月7日上线，在 Terminal-Bench 2.0 编程测试中超越 Claude Opus 4.5 登顶全球榜首。文章指出当前 AI Agent 在真实项目中普遍面临执行中断、上下文丢失和工具调用失误等问题，根源在于底层大模型缺乏稳定的执行力与决策力。
- [AICoding 基地: ai-coding-base.vercel.app (工具动态，编程实践，编程模型，业界观点) - 专为开发者打造的一站式 AI 编程情报站。这里汇聚了最前沿的 AI 编程工具、编程资讯和模型动态及深度实战案例等，旨在帮助每一位开发者跨越技术周期，掌握 AI开发核心生产力，提升开发效率。
