从 Prompt 到 Harness：企业级 Agent 工程的完整演进之路
本文系统性地回顾了我们在构建企业级 AI Agent 平台过程中走过的完整技术演进路径——从大模型的先天约束出发，经历 Prompt 工程、Context 工程、Harness 工程三个阶段，最终演化出一套五层架构的 Agent 操作系统。
WorkBuddy 的连接器是怎么统一到 MCP 的
用 WorkBuddy 时你可能做过三件事：让它读 Gmail 邮箱、把一个站点部署到云端、或者自己在 mcp.json 里填一个本地服务。界面上这三件事都叫连接器，模型看到的也都长成 mcp__server__tool。
Agent 的 DNS：ANS 提出一年后被推翻了什么
如果满世界都是 Agent，一个 Agent 想找另一个 Agent 干活，它怎么找？找到之后，又怎么确认对方真的是它声称的那个？2025 年 5 月，四位分别来自 DistributedApps.
理想AI眼镜Livis OTA升级：个人Agent新增接入Hermes，运动健康分析再进化
🤖 由 文心大模型 生成的文章摘要文章介绍了理想AI眼镜Livis的OTA升级内容，包理想AI眼镜Livis迎来OTA重磅升级，在运动健康分析、视觉问答和个人Agent生态三方面均有重要更新。
CTRL 人格养龙虾，只会养出一肚子气
先把系统还原，重装系统的时候又出了问题，这还是在 Gemini 一步步指导的情况下。这样的 Agent 工作流消耗 Token 非常少，所以我才喜欢给 Agent 造工具，而不是一股脑把所有东西都让他大包大揽。
DeepSeek-Harness Host/Client 分离与 Typert RPC 生成
dsh 的 Web 前端要调用 Host 进程里的业务方法——创建一个目标、给一条消息打标注、暂停某个 Agent——如果这些调用手写客户端代码,每加一个方法就要在两端各写一遍类型、各写一遍序列化、各写一遍出错处理,而且没有任何机制保证两端类型不会跑偏。
主流Agent Harness实现对比——SubAgent与MultiAgent
SubAgent与前两期不同，是一个比较模糊也有些争议的话题了，所以在讨论现状之前，先加一节导言来做一些初步介绍和讨论。
Agent 架构终极拆解：控制流、上下文、工具、记忆、多 Agent 全图解
Agent Loop 的核心实现逻辑抽象后其实不到 20 行代码:对应的控制流如下，感知 -> 决策 -> 行动 -> 反馈四个阶段不断循环，直到模型返回纯文本为止: