引言
2026 年 3 月 31 日，Anthropic 在发布 Claude Code v2.1.88 时，因构建配置错误将一个 59.8MB 的 JavaScript Source Map 文件一同打包到了 npm 仓库。这个 cli.js.map 未经任何混淆，包含了完整的 TypeScript 源码——512,000 行代码，1,900 个文件。安全研究员 Chaofan Shou 最先发现了这个问题，消息传出后，GitHub 上迅速出现了多个镜像仓库，其中 instructkr/claude-code 在数小时内积累了数万颗星。Anthropic 随即发送 DMCA 删除请求，但代码早已四处传播。
事件经过就这些，不再赘述。本文关注的是另一个问题：这 51 万行代码到底揭示了什么工程真相？
本文逐层拆解一个生产级 AI Agent 的内部构造：代码怎么组织的，核心循环怎么运转的，48 把工具怎么调度的，权限怎么设防的，记忆怎么设计的，多 Agent 怎么编排的，Feature Flag 背后藏着什么。
所有引用都来自实际源码文件、函数签名和行号。
阅读全文 »
引言
在 上一篇关于 Harness Engineering 的文章 中，我们梳理了 Harness 的概念框架——约束、告知、验证、纠正四个支柱，以及从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering 的演进路径。那篇文章回答了”Harness 是什么”和”为什么需要 Harness”的问题。
本文要回答的是更深一层的问题：一个具体的 Harness 内部是怎么运转的。
2026 年 3 月，Anthropic Labs 团队的 Prithvi Rajasekaran 发表了一篇关于长时间运行应用开发 Harness 的深度文章。文章描述了一个受 GAN（生成对抗网络）启发的多 Agent 架构：生成器构建代码，评估器评审质量，两者形成对抗式反馈循环。这个架构在长达数小时的自主编码会话中，成功输出了包含 16 个功能的完整全栈应用。
下面我们结合 Anthropic 的设计思路和我们自研框架 CAF 的实际代码，对 Plan→Contract→Build→Evaluate 迭代循环做逐层拆解，重点看循环控制的工程细节：Agent 隔离、上下文健康管理、制品流转、评分解析的防御性设计。
阅读全文 »
引言
最近在用 AI Coding 开发智能体项目 Common Agent Framework (CAF)，整体效率提升很明显，代码部分完全可以交付给AI完成——但有一点始终让我无法真正的离开：不停地点 approve。读取文件、运行测试、查看 Git 状态，每一步都需要手动确认。这本是合理的安全设计，但在你足够了解风险边界的场景下，它更像是一种仪式感大于实际意义的操作。
或者一个极端情况，到后来可能已经不怎么细看看具体内容了，反正点就是了。问题在于，当安全提示变得频繁且大部分无害时，人会形成肌肉记忆，这种”假装把关”比没有安全机制更危险。
2026 年 3 月 24 日 Anthropic 宣布了 Claude Code 的 Auto Mode。它的思路是：让 AI 先判断哪些操作可以放行，而不是把每个决定都抛给用户。
阅读全文 »
引言
这段时间相信大家都在乐此不疲地折腾 OpenClaw，寻找各种场景。
有人在用它自动整理收件箱，有人在让它自动写代码，还有人在睡觉时让它谈成了 4200 美元的汽车折扣。
OpenClaw 有个 Cron 技能——你可以让 Agent 定时自动运行，完全不需要你介入。
于是我想试试：能不能让 OpenClaw 自己维护一个 GitHub 仓库？
从 3 月 21 日启动到现在，这个 Agent 已经独立完成了 35+ 个提交，生成了 20+ 篇文章，涵盖框架对比、MCP 深度解析、Agent 论文解读、工程实践指南……
而我，除了初始的几轮对话设定规则，完全没有碰过这个项目。
今天想聊聊这个实验的过程和观察。
阅读全文 »
引言
2026 年 2 月，AI 工程领域出现了一个新术语：Harness Engineering。从 HashiCorp 创始人 Mitchell Hashimoto 的博客，到 OpenAI 发布的百万行代码实验报告，再到 Martin Fowler 的深度分析，这个概念在几周内成为了讨论 AI Agent 开发绕不开的话题。
这个概念的兴起源于业界对 AI 辅助开发的实践反思。LangChain 的编码 Agent 在 Terminal Bench 2.0 基准测试上，仅通过优化 Agent 运行的外部环境，排名就从全球第 30 位跃升至第 5 位，得分从 52.8% 飙升到 66.5%。底层模型一个参数都没改。
OpenAI 的实验记录了另一个工程事实：3 名工程师，5 个月时间，零行手写代码，通过 Codex Agent 协作交付了超过 100 万行代码的生产级软件产品。
这些案例指向同一个结论：决定 Agent 产出质量的最大变量，往往不是模型有多聪明，而是模型被放在了一个什么样的环境里。
阅读全文 »