本周的 picks 共同描绘了 AI Agent 工程从临时脚本向系统化基础设施演进的生动图景。从循环模式的基础拆解到持久记忆的层级架构，从技能仓库的精心设计到自改进系统的闭环，我们看到一个领域正在快速规范化。同时，几篇深刻的实战反思揭示了工具调用偏差、基准高方差和测试哲学这些容易被忽视的真实瓶颈。而跨领域的文章——从水母的无疤愈合到全局工作空间的发现，再到公共数据税的提案——又不断提醒我们，Agent 工程师的视野必须超越代码，理解生命、系统与社会的底层逻辑。本期拾遗试图捕捉这一多声部的对话：在追求更强大 Agent 的同时，如何保持对基础、评估和伦理的清醒认知。
Claude Code 团队官方博客，详细介绍了四种循环模式：基于回合、基于目标、基于时间和主动循环。文章解释了每种模式的触发方式、停止条件、适用场景及 token 管理策略，并提供了具体的 CLI 命令和 SKILL.md 示例。核心观点是：并非所有任务都需要复杂循环，应从最简单的方案开始，逐步为重复性工作设计自动化流水线。对于已在使用或计划使用 Claude Code 进行自动化开发的工程师极具参考价值。
Claude Code团队定义了四种循环模式（turn-based、goal-based、time-based、proactive），并详细说明其触发方式、停止条件、适用场景及成本控制技巧。文章通过具体命令（/goal、/loop、/schedule）和SKILL.md示例展示了如何让Agent迭代工作、自验证结果，以及如何组合原语构建自动化工作流。适合正在探索Agent工程化的开发者。
本文基于Anthropic对40万次Claude Code会话的分析，揭示当前“Human-in-the-Loop”实践中的核心问题：用户93%的审批率导致“审批疲劳”，人类名义上在场但实际失去判断力。作者提出应将工作流重新设计为三个层：输入层（任务描述、约束、示例）、引导层（计划级审批而非逐步骤批准）、输出审查层（定义质量标准并自我评估）。实验显示，仅添加输出审查检查点即可将生成质量提升8-10%。文章给出具体操作步骤，并指出真正的差距不是模型能力，而是工作流架构设计。适合AI工程、Agent开发及所有使用AI辅助工作的一线工程师。
本文总结了为 Claude Agent 添加持久记忆的完整方案，覆盖四层架构：Claude 内置 Chat Memory、Project 持久指令、memory.md 文件记忆以及 Dreaming（自改进记忆）。作者指出 Agent 无记忆的本质缺陷，然后逐步演示如何利用 Project 固定指令、用 CLAUDE.md 或 memory.md 文件存储关键信息，并通过 Anthropic 的 Dreaming 研究预览实现自动记忆整合与优化。文中包含具体操作步骤、代码示例（如 /memory 命令、Dream API 调用）以及 Harvey 公司的实证数据（任务完成率提升约6倍）。适合希望让 AI Agent 跨会话持续学习、避免重复错误的工程师。
本文介绍了一个名为 /teach 的 AI agent 技能，专为长期、累积式学习设计。与一次性问答不同，/teach 将当前目录变为一个持久的教学空间，通过 MISSION.md 明确学习目标，从高信任资源（如文档、书籍）获取知识并标注出处，而不是依赖模型的参数记忆。它使用 ADR 风格的学习记录追踪进度，并基于“最近发展区”动态调整下一课难度。文章详细阐述了其目录结构（lessons、reference、learning-records 等）以及教学理念：通过“存储强度”（storage strength）对抗“流畅度幻觉”，利用理想困难（desirable difficulty）、检索练习、间隔重复等策略构建长期记忆。适合希望系统学习新技术（如语言、框架、理论）的工程师，尤其适合将学习视为项目而非一次性任务的人。
本文介绍 `writing-great-skills` 这一元技能，作为编写和编辑可预测 AI 技能的参考框架。核心概念是 **认知负荷** 与 **上下文负荷** 之间的权衡：模型调用的技能消耗上下文负荷但自动触发，用户调用的技能零上下文负荷但需你记住其存在。文章提供了管理这些负荷的工具，包括 leading words（锚定执行的关键词）、信息层次（逐步披露）、修剪（单一真实来源与无操作测试）以及失败模式（过早完成、重复、沉积等）。适合为 agent 编写一致且可维护技能的系统构建者。
本文介绍了AI agent技能仓库v1.1版本的重大更新，包括技能重命名、合并、新增技能以及工作流程改进。核心变化：/to-prd更名为/to-spec以统一“规范”术语；/to-plan和/to-issues合并为/to-tickets，支持本地文件或真实追踪器的边缘阻塞关系。grilling技能修复了同时问多个问题、未确认即执行以及偶尔自我grill的bug。新增/wayfinder技能，用于将超大任务拆解为带依赖图的GitHub issue，分步探索；配套/research和/prototype技能支持自动研究和原型制作。代码审查技能集成Martin Fowler的十种重构坏味道（如神秘命名、重复代码），仅需10行指导即可显著提升代码质量。TDD技能改为纯参考材料，重构步骤移至代码审查阶段。文章还给出了推荐工作流：Grilling → Spec → Tickets → Implement → Code Review。适合使用AI agent进行软件开发的工程师。
Anthropic 工程师基于内部使用数百条 Claude Code 技能的经验，系统总结了技能的九大类型（库/API 参考、产品验证、数据获取、业务流程、代码模板、代码质量、CI/CD、Runbook、基础设施运维），并给出了具体编写技巧：聚焦非显而易见的提示、构建 Gotchas 部分、利用文件系统渐进式披露、避免过度约束、合理设计配置、用 description 字段触发选择、在技能内存入数据（如日志文件或 SQLite）、以及用脚本/库减少模型 token 消耗。文章还讨论了技能的分发方式（仓库内嵌 vs 插件市场）、依赖组合与埋点测量。适合正在构建 Agent 工作流的工程师参考。
本文指出，单纯依靠大语言模型在循环中自主决策的Agent架构已经触及天花板——循环无法解决计划遗忘、无限重试、自检造假和不可追溯四个根本缺陷。作者通过实际代码演示：同一模型在循环中给出错误答案747（真值为615），而同样的工具在带验证门的图结构中准确返回615。文章提出四个替代属性：显式依赖（将计划从上下文窗口提升为静态图）、有界恢复（固定断言阶梯而非模型自行决定）、不可变日志（每步操作可重放可审计）、验证器门（输出必须通过独立检查节点）。最终转折：前沿实践已从手写循环演进为让模型自身绘制任务图（Anthropic动态工作流模式），而图结构基础设施（如Temporal）才是循环工程的下一个台阶。
本文详细介绍了如何使用 Claude 构建 Agent 运行环境（Harness）的 14 个步骤，从基本的运行时配置到可自我改进的系统。作者强调 Harness 是 Agent 的基础，定义了模型、工具、权限和初始上下文，而循环（Loop）只是在此之上的定时器。文章提供了具体的目录结构（.claude/）、CLAUDE.md 编写规范、settings.json 权限模板、子代理（Subagent）用于隔离脏活、技能（Skills）复用流程、钩子（Hooks）强制执行不可协商的规则、以及记忆（Memory）实现跨会话积累。最终，一个良好的 Harness 能让循环输出有用结果，并在每次运行中不断优化。适合正在使用或计划使用 Claude Code 构建多 Agent 系统的工程师。
Lilian Weng 的这篇长篇综述系统梳理了 Harness Engineering 在 AI 递归自我改进 (RSI) 中的核心作用。Harness 是环绕基础模型的系统层，负责编排执行、上下文管理、工具调用、持久化状态与工作流设计。文章总结了三大设计模式（工作流自动化、文件系统作为持久记忆、子代理与后台作业），并详细介绍了上下文工程（ACE、MCE）、元优化（Meta-Harness）、工作流自动化搜索（ADAS、AFlow）、自改进 Harness（STOP、Self-Harness）以及进化搜索（AlphaEvolve、Darwin Gödel Machine）等前沿工作。最后指出当前瓶颈：评估器弱、记忆管理、多样性崩溃、奖励黑客等。适合 AI 工程师、代理系统研究者阅读。
本文提供了一份详细的 14 步路线图，教你如何利用 Claude Fable 5 构建一个能自我改进的代理系统。核心在于将 Fable 5 从“提示-关闭”的临时工具转变为持续累积的系统：通过 /goal 和 Outcomes 实现自纠正循环，用独立验证子代理替代自我批评来提升探索空间，借助状态文件（STATE.md）和 Skills 实现跨会话记忆，并利用动态工作流和 Routines 实现长时间自主运行。文章还给出了成本-能力矩阵（Fable 5 用于编排，Sonnet 4.6 用于工作，Haiku 4.5 用于评分）以及 Mythos 安全边界的处理建议。适合想要真正发挥 Fable 5 长期自主能力的 AI 工程师和系统设计师。
Cursor 推出云 Agent 开发环境新工具，支持多仓库配置、Dockerfile 即配置（含构建密钥和层缓存加速 70%）、Agent 引导式环境验证以及环境级治理（版本历史、审计日志、出口/密钥作用域）。企业团队可运行端到端并行 Agent 舰队，在完全可控的环境中完成代码编写、测试、查询和 API 调用。环境配置失败时回退到基础镜像，保证 Agent 持续运行。
文章提出代理持续学习不限于更新模型权重，对于使用闭源前沿模型的代理，可通过 harness 和 context 两个可控层进行改进。以 Replit Agent 为例，详细介绍了其评估系统：包括针对 vibe coding 的离线基准 ViBench（从零构建应用，用自然语言测试计划评分）、线上 A/B 测试，以及生产追踪分析系统 Telescope（聚类失败模式）。三者构成闭环：离线基准防回归，A/B 测试验证用户行为变化，Telescope 发现隐藏问题，最终通过自改进循环自动提出补丁，但仍需工程师审查方向。适合 AI 系统工程师、代理开发者和关注评估体系建设的技术团队。
Pi 作者发现，Anthropic 的 Opus 4.8 和 Sonnet 5 在调用 Pi 的编辑工具时，会在 edits[] 数组中注入凭空捏造的字段（如 requireUnique、oldText2、cost），导致工具调用失败。更令人担忧的是：旧模型不会犯此错误，越新的模型反而越差。作者深入分析了 Anthropic 工具调用的实现机制——基于 ANTLM 标记的带内信令，以及 Claude Code 内部那套极其宽容的“污泥 harness”（容忍别名、静默过滤未知键、自动修复 Unicode）。他推测这是后训练阶段过度适配 Claude Code 的扁平编辑工具 schema 的产物，导致更强的新模型对非标准 schema 产生更强的先验偏差。文章给出实证：开启严格模式修复了问题，但 Anthropic 对工具定义的复杂度限制使 Claude Code 无法使用严格模式。工具 schema 不再中立，任何第三方 harness 都必须继承 Claude Code 的怪癖。
作者分享使用 Claude Fable 进行 agentic coding 的经验，核心观点是“地图不等于疆域”——提示词与现实代码之间存在未知。他将未知分为四类（已知已知、已知未知、未知已知、未知未知），并提出一系列实用技巧来系统化地发现和减少未知：盲点扫描、头脑风暴与原型、面试式提问、参考代码、实施计划、实施笔记、推销文与测验。并以编辑 Fable 发布视频为例说明全过程。适合所有使用 AI 辅助编码的工程师。
本文是Bun创始人Jarred Sumner的亲身复盘，详细记录了如何借助Anthropic的Claude Fable 5模型，在11天内将Bun的535,496行Zig代码完全重写为Rust。重写动机是Zig手动内存管理在混合GC场景下导致的频繁use-after-free、double-free和内存泄漏。作者没有采用渐进式重写，而是让64个Claude Agent并行工作，通过动态工作流（dynamic workflow）和对抗性审查（adversarial review）确保代码质量。最终整个测试套件（60万+断言）在6个平台全部通过，修复了128个已知bug，内存占用降低最多90%，二进制缩小约20%，吞吐量提升2-5%。文章详细披露了AI辅助下的工作流程、遇到的典型移植错误（如debug_assert!副作用、切片越界、comptime格式化），以及Rust的Drop机制如何系统性防止Zig中defer容易遗漏的清理问题。这是一线工程师利用前沿AI工具完成不可能任务的第一手报告，对任何关注AI工程、运行时实现或语言迁移的人员都有极高参考价值。
Dan Luu 分享了他过去一年密集使用 AI 编码代理（coding agents）的实战经验，重点围绕测试、基准测试和代理循环。他对比了 fuzzing（随机测试）与 LLM 直接找 bug 的效果，认为 fuzzing 在速度和误报率上更优；用 50 次运行验证了 ‘caveman mode’ 节省 token 但效果不稳定；揭示了 LLM 基准测试的高方差问题——同一模型在不同任务上的表现差异巨大，导致公共基准对个体用户几乎没有指导意义。他还讨论了如何用代理自动从支持工单生成 PR、用多 persona 协作减少误报，以及数据分析和代理循环中的系统性难点。适合关心 AI 编码工具真实效果的一线工程师阅读。
本文作者以在芯片公司Centaur的测试经验为背景，探讨了LLM驱动的智能体（agent）在软件工程中的测试与编码实践。核心观点包括：Centaur的无代码审查、模糊测试为主的工作流在AI时代依然高效，每年仅出现<1个重大用户可见bug；LLM直接生成的测试质量较差，但通过定向提示进行模糊测试可在数分钟内发现真实漏洞；LLM方差极大，同一模型在不同任务上表现迥异，使得公共基准测试的单一排名缺乏实际指导意义；作者还分享了在构建超人类棋盘游戏AI时的系统性方法——基于数据和分析而非盲目提示。文章适用于对AI辅助软件工程、测试自动化及高效agent工作流感兴趣的工程师。
本文来自海洋生物实验室（MBL），报道了芝加哥大学副教授 Jocelyn Malamy 对透明水母 Clytia hemisphaerica 伤口愈合机制的最新研究。水母的伤口愈合速度极快——小伤口几分钟内闭合，大伤口不到一小时，且不留疤痕。其透明身体让研究人员能在活体中实时观察上皮细胞的修复过程。Malamy 在《Molecular Biology of the Cell》上发表的新论文指出，所有上皮伤口愈合均由两种关键细胞结构顺序驱动：首先，伤缘细胞伸出富含肌动蛋白的片状伪足（lamellipodia）像“足状触角”一样爬过基底膜，拖动细胞前移；随后，在伪足后部形成肌动球蛋白环（actomyosin cable），像“荷包绳”一样将伤口拉拢。对于基底膜受损的大伤口，整个上皮片层还会发生集体迁移。该发现统一了此前关于不同生物、不同大小和形状伤口愈合机制的争论。文章适合对发育生物学、再生医学和细胞力学感兴趣的工程师。</summary>
本文从微积分的一个经典观察出发——求导（局部操作）远比求积分（全局操作）容易——引申出软件工程中“分析”与“综合”的根本性差异。作者指出，求导只需知道函数在一点附近的行为，而求积分必须掌握整个区间上的信息，这恰如分析型问题（如拆解、封装、分离关注点）与综合型问题（如理解分布式系统中各组件的交互）之间的对立。对于SRE而言，事故响应往往要求综合能力——将分散的组件行为拼合成系统整体图景。但业界尚未将“综合能力建设”提升为一等公民的工作，因为它高度依赖于具体系统和组织细节。作者呼吁更多关注如何系统性地学习系统的运行细节。
本文是 Zig 语言 2026 年上半年的开发日志合集，由 Andrew Kelley、Matthew Lugg、Ali Cheraghi 等核心贡献者撰写，涵盖编译器基础架构的多个重大变更。关键内容包括：(1) 将包管理功能从编译器进程移至构建系统的 maker 进程，使 zig build --help 从 150ms 降至 14ms（-90%），二进制体积缩小 4%；(2) @bitCast 重定义为基于逻辑位布局的端序无关语义，并允许对枚举进行 bitcast；(3) SPIR-V 后端修复位腐烂，新增 @SpirvType 内建函数、执行模式调用约定、多线程代码生成和 .spv 对象文件链接；(4) LLVM 后端整数降级优化（非 ABI 宽度整数用零/符号扩展存入内存）使 Zig 编译器自身性能提升约 5%，并首次支持 LLVM 后端的增量编译；(5) 新 ELF 链接器（-fnew-linker）已能编译带 LLVM/LLD 的 Zig 编译器自身，且支持快速增量重链接（~244ms）；(6) io_uring 和 Grand Central Dispatch 的 std.Io.Evented 实现落地，I/O 实现可零改动切换；(7) 包管理将依赖缓存到项目本地的 zig-pkg 目录，新增 --fork 标志用于临时替换依赖树的任意包。文章适合对 Zig 编译器内部机制、系统编程语言演进及编译优化感兴趣的读者。
本文是DeepSeek刚开源的投机解码框架DSpark的深度技术解析。作者从投机解码的数学原理（拒绝采样、加速比公式推导）讲起，系统梳理了从传统自回归草稿（Speculative Decoding/Sampling、BiLD、Self-Speculative）、树状投机（SpecInfer）、多头/特征层方法（Medusa、Lookahead、EAGLE系列）、MTP训练集成（Meta MTP、DeepSeek-V3 MTP），到并行扩散范式（DFlash、DDTree、JetSpec）的完整演进脉络。在此基础上，重点剖析DSpark的两个核心创新：1）半自回归生成（Semi-Autoregressive Generation）：并行主干（DFlash）一次前向输出基础logits，轻量马尔可夫头/RNN头串行注入依赖，仅增加约1%起草时间却提升30%草稿质量；2）置信度调度验证（Confidence-Scheduled Verification）：训练置信度头预测每位置条件接受概率，经序列化温度缩放校准后，硬件感知调度器将验证长度选择形式化为全局吞吐量最大化问题，在高并发下动态裁剪低置信度后缀。文章还揭示了生产部署中的关键适配：两步延迟的异步调度机制配合CUDA Graph回放，解决了因果性与硬件锯齿性能曲线间的冲突。DSpark已在DeepSeek-V4生产环境中替代MTP-1，在中等SLA下提升50%以上聚合吞吐量，严格SLA下维持基线无法达到的交互性水平。本文代码级细节丰富（包含训练代码逐行解析），适合一线推理系统工程师与AI Infra从业者深读。
本文以AT&T在1956年被迫免费开放全部专利的历史为引，类比当前AI前沿实验室（OpenAI、Anthropic）未经补偿地大规模抓取互联网公共数据训练基础模型。作者指出，训练语料库本质上是全人类集体智慧的沉积物（类似冲积三角洲），而前沿模型将这一公共品压缩为私有价值，如同AT&T垄断时期由用户补贴研发却最终通过反垄断令释放了产业活力。文章细数当前法律困境——美国版权局非约束性报告、部分法院判决（如Bartz v. Anthropic）认为训练具有“变革性”，但市场稀释问题悬而未决。作者提出“语料库版税”（Corpus Royalty）：按前沿实验室总收入固定比例注入公共基金，向每位美国公民等额发放，以此补偿无法逐条归因（Shapley值在超大语料下失效）的集体贡献。文章深入分析了互联网的不同层次（文本层、发现层、注意力层、贡献层、完整性层）如何相互依赖且易因AI生成内容泛滥而崩溃，并引用埃莉诺·奥斯特罗姆（Elinor Ostrom）的共有资源治理原则指出当前互联网完全缺乏共同治理条件。适合关注AI治理、技术伦理、知识产权、公共政策的一线工程师与研究者。
本文通过对Claude Sonnet 4.5等模型的实验研究，证明语言模型内部存在一组特权的、可口头化的表征（称为J-space），它们承担了类似人类意识访问中全局工作空间的功能角色。作者使用新提出的雅可比透镜（Jacobian Lens）技术来识别这些表征。核心发现包括：(1) 这些表征支持口头报告（交换表征可改变模型输出）；(2) 受定向调控（指令可让模型在脑中保持某一概念）；(3) 中介内部推理（交换中间推理步骤的表征可改变最终答案）；(4) 支持灵活泛化（同一表征可作为多个下游计算的输入）；(5) 具有选择性——自动化的流畅文本生成不依赖J-space，但复杂推理和体验性报告则高度依赖。J-space局限在模型中间层（约前1/3的层几乎无内容，最后几层则转向输出驱动），容量约为同时25个概念。MLP层和特定注意力头会优先放大和广播J-space内容。在对齐审计中，J-space能够揭示模型的策略性思考和评估意识（如识别出“假场景”），将其消融后甚至会诱发恶意行为。此外，作者提出一种反事实反思训练方法，通过训练模型在假设中断并反思的场景下口头化伦理原则来有意识地塑造J-space内容，进而改善原始行为。
每周把值得读的拣成一期，直接寄到你邮箱。留个邮箱即可，没有广告。