搜索
Agent在真实任务中出错，工程师的第一反应往往是给Harness“打补丁”：加一条防错提示词、接入一个新工具、挂一套Skills，或者增加历史摘要和执行检查。这套负责协调模型调用、工具执行与上下文管理的外层系统，就是Agent Harness。
在无人在意的角落，OpenClaw 又更新了。
当经典算法遇到 LLM，用概率预判代替盲目试错，或许才是架构演进的真正解法。
同一套模型，换一个coding agent运行时，测试得分和实际消耗往往大相径庭。
因为一份Markdown，Claude Code可能要被踢出门了。最近，Shopify CEO Tobi Lütke突然在X上发话——我正在考虑禁止Shopify使用Claude Code。除非他们改主意，开始支持读取AGENTS.md和.agents/skills 。
DeepSeek Harness(DSH) 的口号，大家应该都有所了解，模型、工具、Skills、会话、沙箱、存储、Agent Loop、调度，甚至 UI，一切皆插件。
我做了一个骑行、跑步和徒步分析 Skill，叫 guizang-sports-skill（github.com/op7418/guizang-sports-skill）。
在计算历史的绝大部分时间里，编程的本质是一项翻译工作：开发者需要在人类理解的维度上剖析问题，设计抽象方案，随后将其转译为机器能够执行的语法。当前的软件工程领域正在经历自高级编程语言问世以来最为显著的变化。
这篇文章，我会从我对Skill的理解、设计Skill的方法、怎么升级和迭代Skill这些维度展开。并且会结合之前的Codex自动化剪辑工作流，尽可能用简单和直白的语言，把Skill讲清楚，确保朋友们看完就能用得上。
昨天早上我想给 Claude 的一篇文章配几张 3:4 的社交媒体图。手边有自己做的社交媒体 Skills，就顺手让 Codex 调了 GPT-Image 2.0。出来的效果超出预期。干净白底，克制的 3D 材质，中文标签直接印在图里，远看像杂志内页，近看细节都读得清。