Codex Harness 开源解读——OpenAI 的 Agent 运行时
OpenAI 已将 Codex Harness 在 GitHub 上开源:exec、SDK 与应用服务器 app-server。本文梳理 Agent 循环中开放了什么、什么没有开放、它与 DeepSeek Harness 等技术栈的差异,并说明对日历驱动 Agent…
本分类共 34 篇文章。
OpenAI 已将 Codex Harness 在 GitHub 上开源:exec、SDK 与应用服务器 app-server。本文梳理 Agent 循环中开放了什么、什么没有开放、它与 DeepSeek Harness 等技术栈的差异,并说明对日历驱动 Agent…
豆包工作 Doubao Work 是字节跳动 2026 年 8 月正式发布的 AI 办公 Agent 平台,支持 Windows 虚拟桌面操控、飞书企业深度集成与云电脑后台任务。本文解析产品定义、为何独立成品牌,以及与 WorkBuddy、千问办公、Floatboat…
Cordis 是驱动 DeepSeek Harness 的插件框架:可逆副作用、响应式依赖管理,以及为什么「万物皆插件」对 Agent 意义重大。本文拆解其三大机制、时间与空间可组合性,并讲清从 Koishi 到 dsh 的四年演进。
DeepSeek 函数调用(Function Calling)手把手实战:tool 模式定义、strict 严格模式、并行工具调用、思考模式与 MCP,以及生产环境的校验与修复模式——全部附可运行的 Python 示例。
Grok Bot 是 xAI 于 2026 年 8 月上线的常驻 AI Agent 产品:每个 Bot 都配有一台自己的云电脑,能登录你已使用的应用并 7×24 小时干活。本文解析其持久云虚拟机架构、共享电脑引发的安全争议、三档订阅定价与 Cursor…
一步步教你构建 DeepSeek Agent:用 V4 Pro 与 V4 Flash 跑通 API 配置、模型选择、工具调用、Agent 循环、思考模式与生产级错误处理,附 Python 和 Node.js 完整示例。
Claude Code 详解:Anthropic 的终端编码 Agent,它的 Plan 模式、子 Agent(Sub-agents)与 MCP——以及它和 Cowork、Tag、Chat 有什么区别。含本地编码 Agent 的定义、五大属性、工作循环与成本特征。
Claude Cowork 是 Anthropic 为非编码类知识工作打造的 Agent 层:你描述目标,Claude 跨本地文件、已连接应用与浏览器规划并执行多步任务,交付成品供你验收。本文讲清它与 Chat、Claude Code 的区别、五个定义性特征、适用人群与边界。
Claude Tag 详解:@Claude 如何作为共享 Slack 队友工作、它与 Claude Cowork / Claude Code / Slack AI 的区别、Agent Identity 与频道记忆机制,以及团队何时该用频道原生 Agent。
DeepSeek Agent 指任何以 DeepSeek 模型作为主推理引擎的 AI Agent。本文梳理四种原型——原生 CLI、通用宿主框架、聊天平台助手与桌面编排器——各自适合谁,以及如何为你的工作选出合适的起点。
Obsidian 与 AI Agent 的正确搭配方式:把 vault 当作本地的 Markdown 事实源,让桌面 Agent 以最小权限跨邮件、云盘、PDF、下载文件夹协同执行;周边文件夹混乱时先用本机文件整理功能理清。文末附 2026 年主流 Obsidian + AI…
上下文工程(Context Engineering)是设计「AI Agent 在做决策那一刻知道什么」的工程学科。当模型与运行框架被商品化之后,Context 是唯一无法被模型吸收的变量。本文拆解静态、会话、任务、环境四层上下文,解释为何日历驱动架构是最天然的 Context…
Dynamic Workflows 刚随 Claude Code 发布,但真正的问题不是酷不酷:单人创业者到底该自己搭建子 Agent 编排,还是该用一个本就为端到端执行而建的工作区?本文给出四步决策框架,并讲清两种路线的适用边界。
Genspark Super Agent 能帮用户产出结构化调研结果、页面与交付物。本文解析其 Mixture of Agents 多模型架构、Sparkpage 输出形态,并判断它何时适合单人创业者的工作流。
当一个已验证的 AI Agent 工作流需要升级成系统,就绕不开「自研还是购买(Build or Buy)」的决策。本文从记忆、工具编排、权限、监控与恢复五个维度拆解系统级要求,对比自研、购买、外包三种路径,并给出按工作流成熟度推进的决策树,帮单人创业者和小团队避免过度建设。
「HTML is the new Markdown」之争,本质是 AI 输出之争:当 Agent 产出需要被阅读、审查和行动的工作成果时,纯文本还够用吗?本文从 Anthropic Claude Code 团队的案例出发,讲清 HTML 何时更优、Markdown…
用 ChatGPT 构建 AI Agent 的正确方法:不写一行代码,把工作流、文件、权限与复核步骤定义清楚。从把任务拆成可重复流程、编写指令、上传知识文件,到用真实边角案例测试,全程手把手拆解。
构建 AI Agent 的正确起点不是宏大自动化野心,而是先挑一件每周重复三次以上、输入输出都稳定的工作。本文按五步展开:选任务、画输入/判断/输出、选最轻的搭建路径、加记忆与人工复核、测试或叫停,适合第一次动手建 Agent 的人。
想让浏览器 AI Agent 碰你的 Gmail 或 CRM 之前,先过一遍这 5 个问题:权限、记忆、提示词注入。文章给出黑名单清单、权限弹窗解读与首次使用检查清单。
浏览器 AI Agent 到底能干什么、哪里会翻车?本文基于真实试用,梳理浏览器 Agent 真正擅长的六类任务与尚不可靠的五类场景,给出自动化前的三问自检框架,以及常见失败模式的早期预警信号,帮你判断它是否该进自己的工作流。
对单人经营者来说,上下文切换的隐性损耗比任何单一任务都大。本文结合 HBR 与 UC Irvine 的研究,讲清它为何对单干者更致命、传统 AI 工具为何反而加重它,并用工作区 Agent(Workspace Agent)给出本周就能试的方法。
经营一人公司意味着要干五个人的活。本文解释为什么工作区 Agent(workspace agent)——而非聊天工具——更贴合单人经营者的真实工作方式:跨会话携带上下文、把重复工作沉淀为可复用执行、直接在你已有的文件与工具里运作,同时也老实说清它做不到什么。
AI 工作区 Agent(AI Workspace Agent)是能直接在你真实工作环境——文件、浏览器、工具——内部干活的一类新 AI。本文用大白话讲清它是什么、和聊天助手及工作流搭建器的区别、实际能做什么、又适合谁用。
Claude Managed Agents 让 AI 跨系统委派并执行长任务:托管沙盒、会话级计费、多 Agent 协作仍在研究预览。本文解读它和普通 Claude 聊天的本质区别、对单人创业者的实际价值,以及与自建工作流的取舍对比。
Vibe Coding 一时快,出了乱子没人收拾。对单人开发者而言,真正能可靠交付的是结构化的 AI Agent 工作流:先写规格、计划先行、有界执行、在 Agent 循环内建代码审查。本文讲透为什么没有结构必然崩坏,以及 AITDD、GitFlow 化等 2026…
Vibe Coding 让任何人用自然语言和 AI 就能构建软件。本文讲清它的定义与出处、对一人公司能做什么、在哪里会失效——以及为什么单人创业者真正需要的不是更好的 prompt,而是能复用的系统。
Claude Managed Agents 是 Anthropic 新推出的托管式 Agent 基础设施。它到底做什么、给谁用、对非开发者意味着什么?本文拆解这个「元 harness」的能力边界、定价方式,以及它透露出的 AI 工具生态走向。
为什么你一关标签页,AI 工具就丢掉全部上下文?无状态 AI(Stateless AI)对单人创业者意味着每天重复解释、损失产出时间。本文拆解记忆、上下文与可复用执行的区别,以及该找什么样的 AI。
持久化 AI Agent 不会因为会话结束就把你忘掉。本文讲清这到底意味着什么:它记住什么、如何区别于聊天机器人,以及为什么它正成为个人 AI 领域最重要的概念。
每次你关掉聊天标签页,AI 就把一切都忘了。本文从单人内容运营的亲身经验出发,量化「重新解释税」到底烧掉多少时间与 token,拆解无状态 AI 的架构成因、三种最常被遗忘的上下文,并给出挑选「能记住你、能把上下文带向下一轮」的 AI 工具时该看什么。
定制 AI Agent 开发并非总是正确答案。本文讲清它到底包含什么、真实成本区间是多少(从数千到数十万美元)、何种情况下才该走这条路,以及动手前必须问自己的六个问题——帮你判断是在解决问题,还是花 $40,000 去解决一个 $40/月就能搞定的问题。
构建 AI Agent 不是挑个工具那么简单。本文讲清真实过程——代码路线与无代码路线的取舍、稳定运行的现实时间线、常见失败点,以及如何判断自建到底是不是你的正确选择。
AI Agent 开发服务并不总是正确选择。本文拆解服务商实际包含什么、常跳过什么,用真实成本对比与签约前的提问清单,帮你判断什么时候该找外包开发,什么时候先用 n8n、Make.com 等无代码工具自己验证。
AI Agent 应用场景的真实细节:工作流长什么样、产出什么、在哪些环节仍会失效。以自由顾问、内容创作者、独立产品与咨询场景为例,说明结构化输入、反馈回路与人工把关如何决定 Agent 的实际收益。
/zh/blog/category/ai-agents