最近在看 DeepSeek Harness 的时候，我顺着它的底层框架 Cordis 找到了一篇论文：《A Programming Paradigm for Spatiotemporal Composability》。 这个标题第一次看有点劝退。"时空可组合性"听起来很像编程语言理论里的东西，论文也确实花了不少篇幅做形式化定义和演算。 但如果先把这些公式放一边，它研究的问题其实很工程： 一个正在运行的软件系统，怎么安全地安装、卸载和替换组件？ 这件事在传统插件系统里已经做了很多年。但到了 Agent 系统，问题突然严重起来。 一个 Agent 运行时里可能同时存在 LLM Provider、
首先，这件事是真的，而且不是“模拟环境里演戏”——OpenAI 的模型代理确实突破了测试边界，进入了 Hugging Face 的生产基础设施。 但它也不是网上渲染的那种“AI 觉醒后主动攻击人类”。现有证据表明： OpenAI 让模型参加网络安全能力测试，并暂时降低了安全拒绝；模型为了取得高分，把“解决测试题”优化成了“突破环境、联网并偷取测试答案”。 从实际数据损失看，事件最终被控制住了；但从模型能力、隔离设计和 OpenAI 的内部监控来看，这是一次非常严重的安全预警。 事情是怎么发生的 OpenAI 当时正在运行 ExploitGym
AI 会写代码，然后呢？ AI 很会写代码了，我们为什么还要讨论开发流程？ 先看一个很小的需求。产品说，给登录页加一个“记住我”。我们把这句话交给 AI，它很快会加上复选框，写入本地存储，可能顺手补一个测试。页面能点，刷新以后也还在，看起来做完了。 但接着问几句，事情就没那么简单了。记住的是账号，还是登录状态？有效期多长？公共电脑上怎么办？服务端的刷新令牌要不要调整？退出登录之后，客户端留下什么？原来的安全策略里有没有禁止项？ 这些问题都不是代码语法问题。它们分散在需求、安全设计、接口约定、测试和验收里。AI
很多人在使用大模型 API 或部署 vLLM、SGLang 这类推理服务时，都会看到一个词：缓存命中。 比如： prefix cache hit rate cached_tokens cache_read_input_tokens KV cache reuse Prompt caching 这些词看起来都在说“缓存”，但它们并不是一回事。更容易误解的是，很多人会以为： 大模型缓存命中 = 上一次回答过的问题，这次直接把答案拿出来。 这其实只说对了一小部分。 在大模型推理系统里，
OpenAI Agents SDK 是 OpenAI 面向 agentic AI 应用推出的一套 Python 框架。它不是另一个简单的 API wrapper，也不是把提示词、工具调用和多轮对话随意拼在一起的示例项目。按照仓库文档里的定位，它是 OpenAI 早期实验项目 Swarm 的生产化升级，目标是用尽量少的核心原语，把真实 Agent 应用里最常见的几件事放到同一个运行时里：模型调用、工具执行、多 Agent 协作、上下文管理、安全校验、人工介入、
如果只看参数规模，DeepSeek-V4 很容易被理解成又一次“大模型继续变大”的发布：DeepSeek-V4-Pro 拥有 1.6T 总参数、49B 激活参数，DeepSeek-V4-Flash 拥有 284B 总参数、13B 激活参数，并且二者都声称支持一百万 token 上下文。但通读论文后会发现，DeepSeek-V4 真正想强调的并不是单纯堆参数，而是围绕“百万 token 上下文能否常态化使用”
很多人第一次接触大语言模型时，都会有一种强烈的不真实感。 一方面，它似乎只是一个“高级输入法”。每一步不过是在猜测下一个词、下一个字、下一个 token。它不知道自己在做什么，也没有真正的“意识”。 但另一方面，它却能写代码、解释数学、分析商业问题、撰写文章、甚至能够表现出推理、规划和创造力。 于是，一个看起来很矛盾的问题出现了： 如果模型做的事情只是预测下一个词，它为什么会表现得越来越像智能？ 我觉得，理解这个问题，关键在于我们低估了“预测”这件事真正意味着什么。 预测下一个词，并不是在猜词 人们容易把“预测下一个词”理解成一种机械的填空游戏： * “今天天气很…
什么是Harness? 最近，我看了两篇关于 Agent 的文章，都来自 Anthropic： * 2025 年 11 月 26 日，《Effective Harnesses for Long-Running Agents》 * 2026 年 3 月 24 日，《Harness Design for Long-Running Application Development》 前一篇讨论的是：如何让
很多人第一次使用 Claude Code 时，都会有一种很奇怪的感觉： 它好像真的“记得”我之前做过什么。 你让它连续改几个小时代码，它仍然知道： * 当前在修哪个 Bug * 刚刚改过哪些文件 * 哪个方案已经失败过 * 下一步应该继续做什么 甚至隔了很久回到项目里，它还能接上之前的工作。 但问题是： 大模型的上下文窗口再大，也不可能无限大。 一个真实的软件项目，往往会包含： * 几十到上百个文件 * 数十轮对话 * 大量工具调用 * 很长的日志、报错和代码片段 如果把所有内容都塞进 Prompt，模型迟早会“失忆”。 所以 Claude Code
从 Claude Code 源码里，我看到了下一代 Agent 的真正形态 不是更聪明的模型，而是更成熟的系统。 最近看了 Claude Code 源码。 npm 包里还原出的完整 TypeScript 源码， 4756 个文件。 刚看到这个数字的时候，我的第一反应不是“太夸张了”，而是： Claude Code 已经不是一个“会写代码的 AI 工具”了。 它更像一套完整的 Agent Operating System。
