Jev 与 AI 工作台：决策模型生态与实践路线（2026-10-13）
Jev 应用项目、本地决策模型、CopilotKit/Tambo 与 React/Vue 工作台的技术调研记录，含项目对比和实践路线。
沿着主题，连接知识
查看全部Agent 工程
任务执行、工具协议与运行边界
/
搜索已发布正文 · / 聚焦 · Esc 清除
长任务应用开发的 Harness 设计：Anthropic 文章导读
从任务分工、评估反馈到实际验收，理解长任务编码代理的工作环境设计；附原文插图与来源。
llm-wiki MCP 优化建议（2026-10-12 实测）
Muse 全天实测 llm-wiki MCP 39 个工具后整理的 16 条优化建议（P0-P2），含完整调通的调用链
S16 入围赛球探简报 2026-10-11
S16 入围赛 4 队档案 + 前瞻视频故事线（自媒体提前量内容）
多个 Agent 协作 ≠ 实现了标准 A2A 协议
本文拆解六大主流 Agent 系统（Pi / Claude Code / OpenClaw / Hermes / Codex / A2A）的协作底层：指出‘能协作’与‘符合 A2A 标准’是两个层次；系统性区分本机通信（文件邮箱/内存队列）、中心编排（Gateway/Orchestrator）、持久工作流（SQLite Kanban）与标准网络协议（Agent Card + JSON-RPC + Task）四类范式；并明确各系统在地址簿、消息载体、调度、上下文装配、回执关联与持久化六要素上的实现差异。
上下文压缩不是记忆增强，而是 Runtime 对模型输入的重写
本文源码级拆解六大 Agent 系统的上下文压缩机制，揭示其本质是 Runtime 在每次模型请求前对消息数组的有损重写，而非模型‘记性变好’。重点厘清 Active Context、Transcript、Compaction、Memory 与 Prompt Cache 的根本区别，并指出真正影响质量的六个设计选择。
先别急着上图谱:agent 记忆卖的是效率,不是准确率
LOCOMO 上全量上下文基线 72.90 仍高于所有记忆系统(最好的 Mem0-g 68.44),记忆层换到的是 p95 延迟 17.1s→1.44s 与 token 26k→7k;图记忆在多跳上反而输给向量记忆(47.19 vs 51.15),只在时序上稳赢。本文把四类记忆、写入时机、遗忘公式、投毒攻击面串成一条决策链,并给出上线后必须量的七个数。
agent 做不好,瓶颈通常不在模型
同一组模型权重换个 harness,SWE-bench Verified 能差 11–15 个百分点;而证据放在上下文中段时,准确率(53.8%)低于什么资料都不给(56.1%)。这篇把上下文腐烂、中段淹没、即时检索、压缩与子代理隔离串成一条可执行的诊断链,末尾给出七项今天就能跑的测量。
DeepSeek Harness 上下文压缩：同构是骨架，分歧是契约
本文源码级对比 DeepSeek Harness 与 Pi/Codex/Claude Code/OpenCode/Hermes/OpenClaw 六大系统，指出其压缩骨架完全同构，但通过三重正交设计实现质变：spill 在产出时外部化大输出而非丢弃；摘要请求逐字节重放原对话以最大化 prefix cache 复用；压缩被定义为 append-only 日志中的可审计 replace 指令。这些不是优化，而是跨仓库强制的工程契约。
DeepSeek Harness 不是 agent 循环，而是循环周围的缝
dsh 的核心判断是：agent 的难点不在循环内，而在循环外——提示词治理、工具审批、上下文重放、子 agent 隔离、模型输入审计等全部被形式化为‘有名字的缝’。全文基于源码实测（219 包 / 198,836 行 TS / 1,643 行 agent-loop），详解其分层架构、配置组装、turn 时序、工具流水线、日志即真相断言、scope 双向语义、能力缝三角色与文档 CI 卡口。
Harness 设计不是包装器，而是长时任务的节律控制器
Anthropic 工程师以 Claude 为载体，将 GAN 启发的生成-判别范式落地于主观性前端设计与全栈开发闭环：分离 generator 与 evaluator 解决自评失真；用上下文重置替代压缩破解上下文焦虑；借 Playwright MCP 实现页面级动态评分。该 harness 本质是对任务节奏的主动干预，而非模型封装。
Harness design for long-running application development \ Anthropic
Anthropic 工程师以 Claude 为载体，将 GAN 启发的生成-判别范式落地于主观性前端设计与全栈开发闭环：分离 generator 与 evaluator 解决自评失真；用上下文重置替代压缩破解上下文焦虑；借 Playwright MCP 实现页面级动态评分。该 harness 本质是对任务节奏的主动干预，而非模型封装。
20 万 token 以下别建检索:长上下文、检索、记忆的选路判断表
三条路线不是三种架构,是同一个问题的三种供给方式。语料 <20 万 token 时 Anthropic 自己说别做检索;63% 的查询上 RAG 与长上下文答案完全相同,差距只集中在少数查询;记忆系统在 LOCOMO 上准确率打不过全量上下文基线,它卖的是延迟(p95 17.117s → 1.440s)和 token。文末是一张五维判断表和一份该量什么的清单。
Mastra Agent loop 的五个控制点不是五种写法，而是五层职责分离
本文基于 Mastra 1.49.0 源码行为，指出 agent 循环中‘何时停’本质是五个正交控制点：它们挂载位置不同、回答问题不同、失效表现不同。用错层级不会报错，但会导致行为看似正常实则未生效。核心结论是：判断任务完成的唯一证据在 runtime 事件里，不在模型输出文本中。
主 Pi 进程里的 Messenger Extension 是流程导演
Messenger Extension 并非独立进程，而是加载于主 Pi 进程（同一 PID）的模块；Planner/Worker/Reviewer 才是真正的新子进程。Crew 依赖五条严格分离的通信通道：启动参数、stdout JSONL、任务文件、邮箱文件、本地 API。业务完成的唯一事实依据是 task.done 写入 task-N.json，而非 stdout 文本或进程退出码。
Pi Subagents 的进程拓扑是：前台 1 子 Pi，后台 1 Runner + 1 子 Pi
本文严格区分本地 OS 进程（如子 Pi、Runner）与非进程实体（Extension、Session、模型 API 等）；详解前台同步等待与后台 detached Runner 的启动时序；阐明结果如何通过原子写文件 → fs.watch 触发 → pi.sendMessage + triggerTurn 推动父 Session 继续。
检索质量的瓶颈不在管道,在召回
大多数 RAG 效果差,不是管道搭错了,是正确的那一段根本没进候选集。本文用 LIMIT、BEIR、Anthropic 的失败率阶梯、Self-Route、late chunking 的 BeIR 对照等实测数字,给出两条与直觉相反的顺序:增益顺序是“改文本 > 加通道 > 改排序 > 改模型”,排查顺序是“先量规模,再量 BM25,再量召回,再量排序,最后量位置”。读完你会知道 20 万 token 以下根本不该建检索,以及为什么换 embedding 模型是回报最低的动作。
解耦‘大脑’与‘双手’：Managed Agents 的接口抽象设计
本文揭示 Anthropic Managed Agents 的核心架构哲学：将 agent 拆分为 session（事件日志）、harness（调用循环）和 sandbox（执行环境）三类持久接口，使底层实现可自由演进；重点解决容器宠物化、调试不可见、凭证泄露风险与上下文不可逆裁剪四大痛点；最终达成高可用、低 TTFT、跨 VPC 连接与多沙箱委派能力。
Scaling Managed Agents: Decoupling the brain from the hands \ Anthropic
本文揭示 Anthropic Managed Agents 的核心架构哲学：将 agent 拆分为 session（事件日志）、harness（调用循环）和 sandbox（执行环境）三类持久接口，使底层实现可自由演进；重点解决容器宠物化、调试不可见、凭证泄露风险与上下文不可逆裁剪四大痛点；最终达成高可用、低 TTFT、跨 VPC 连接与多沙箱委派能力。
工具不是 API 的镜像：两笔 token 账，和一个没人在防的攻击面
工具定义全量前置 150,000 token、按需加载 2,000 token 只是第一笔账；把 API 一对一包成工具，省下的定义 token 会在调用往返里原样还回去。更少人算的第三件事：工具描述同时是模型选择工具的最强驱动因素、和 MCP 规范明文规定的不可信输入——改描述就能抢调用流量，而公开材料里没有任何防御方案。文末含本库自己 MCP server 的反例自曝与可勾选落地清单。
dot × Linux Codex 接入实施蓝图
通过私有 MCP 网关，把对话中的任务交给自有 Linux 上的 Codex。完整梳理连接方向、五个任务工具、会话协议、安全边界，以及分阶段实施与验收。
共 25 篇，持续积累中