Agent 操作介面：CLI、API、Browser Use、Computer Use、Sandbox 怎麼選
Agent 要從哪一扇門做事？這篇改編自 MIT 授權教材的 Stage 8 概念篇：八個核心詞、一張「先選最小介面」的判斷表、動手前要畫的三張表（allowlist、動作、批准閘門），以及看 Browser／Computer Use benchmark 分數時必問的四個問題。門選得越大，風險越大——第一原則是選最小、最好檢查的那扇。
Harness 演化史：六個時代，每一代的新能力與新翻車方式
從純提示聊天機器人、CoT 與 ReAct 推理提示、function calling 這個真正的轉折點、MCP 標準化，到長時程 CLI Agent 與常駐多 Agent 編排——逐代講清楚 harness 每次獲得了什麼新能力、以及這個能力順便引入了什麼新的失敗模式。
Agent Harness 是什麼：模型外面那層普通程式
用馬與挽具的比喻講清楚 harness 這個概念：包住 LLM 的那一層工程程式——組上下文、執行工具、跑循環、管權限。解釋為什麼同一個模型換個 harness 表現差一大截，以及為什麼你挑 AI 工具時，很大程度上挑的是 harness 而不是模型。
AI Agent 是什麼：從 ChatGPT 到會自己做事的 AI
用 LLM、上下文、工具、循環四個零件拆解 AI Agent 的本質，對比聊天機器人與 Agent 的差別，給出日常、開發、商業三個例子與真實失敗模式，幫你判斷自己的需求該不該用 Agent。
Agent 記憶系統全景圖：2026 年五大方案深度對比
記憶是 Agent 的第一性問題——沒有記憶的 Agent 只是高級 chatbot。本文對比 agentmemory / PlugMem / Infini-Memory / verifiable-memory / Qdrant+MemoryHub 五種方案，提供場景選擇矩陣。
上下文壓縮的基建化：Headroom 如何將 Token 成本從戰術問題變為系統架構
Headroom 25.8K⭐ · Agent 基礎設施新物種——不是省錢工具，而是讓長期運行的 AI Agent 在經濟上可行的基建層。6 層壓縮流水線 + CCR 可逆設計 + 16x 學術突破驗證路線正確。
Headroom — LLM 上下文壓縮引擎，Token 節省 60-95%
GitHub Trending #2 · 38K ⭐ · 壓縮 AI Agent 讀取的所有內容（工具輸出/日誌/文件/RAG），答案不變，Token 減 60-95%。支援 Library/Proxy/MCP/Agent Wrap 四種部署模式
AI Agent 驗證架構技術對比：從 Prompt 自覺到架構強制——七種方案的原始碼級分析
誰來驗證 AI Agent 的每一步是正確的？對比 Claude Code、MetaGPT、OpenHands、VIGIL、PEV、ReVeal、odot 七種方案的執行-驗證分離機制。發現所有可靠方案都遵循同一條鐵律：執行者不能同時是裁判。
OpenClaw Loop Engineering 重構技術論證：從 Prompt 驅動到架構強制的完整方案
基於對 14 種 AI Agent 架構的源碼級分析和生產環境實戰審計，提出 OpenClaw 系統重構的 8 個假設、8 個架構節點的技術選項對比，以及完整的重構路線圖。
三省六部 vs Loop Engineering：制度性流程強制的技術解剖
對比兩個 GitHub 三省六部系統如何用 State Machine、Permission Matrix、Review Gate、4-layer Gateway 實現流程強制，以及對我們 Loop Engineering 系統重構的啟示。
十日落坑錄：AI 助理系統建設的 16 個致命教訓
過去 10 天本站 AI 助理從對話機器進化為系統級 AI 助理的完整踩坑記錄 — 16 個坑、5 種根因模式、12 項強制規則，以及從中提煉的系統建設元原則。
Agent 框架能力矩陣：Hermes → OpenClaw → Claude Code 全能力總覽
一張矩陣看懂三層 Agent 框架的全能力分佈：搜索 API、大模型後端、MCP 協議、技能系統、角色分工、通訊渠道。
三層 Agent 協同框架：Hermes → OpenClaw → Claude Code 架構詳解
深入解析基於 Hermes Agent、OpenClaw、Claude Code 的三層 AI Agent 協同架構：每一層的職責、通訊機制、以及為什麼這樣分層設計。