翁荔连更2篇博客：谨慎对待Scaling Law，Harness将重构AI演进范式
他们在同样的算力预算下，训练了一个700亿参数、但用了14万亿 token 的模型，结果在9个基准测试中的7个上，击败了参数量是自己4倍的 Gopher。
搞懂终端：Bash/Zsh/Fish/PowerShell/WSL/Git Bash 到底是什么
终端基础速成：Bash / Zsh / Fish / PowerShell / WSL / Git Bash 到底是什么★一份我自己也在学习的笔记。整理出来当备忘 + 顺便分享给同样有困惑的朋友。
再迎突破！openJiuwen技术论文刷新Coding多榜单SOTA，并在WorkSwarm落地
针对以上问题，一篇名为《openJiuwen: Beyond Static Harnesses for Long-Horizon Coding Agents》的技术报告给出了强有力的参考，该报告结果直接刷新了SWE-bench Verified和Terminal-Bench 2.1两大榜单的SOTA——在500个真实GitHub issue构成的编程“黄金标准”中拿下82.6%，在真实终端环境复杂指令集中斩获87.19%，双双超越此前最强表现3个百分点以上。
12 个超火的 DeepSeek Harness 插件，大肥鱼已经落后 N 个版本了。。。
没想到，最近 DeepSeek Harness 又火了一把，大概是发布了 Super Agent 架构的原因?官方前两天公布了一组数据，截至 11 月 4 日，DSH 的日活跃用户已经达到 154 万，月活跃用户 548 万。
WorkBuddy 是什么？一文看懂核心功能与能帮你做什么
很多人第一次听说 WorkBuddy，以为它又是一个"聊天机器人"。错了。它更像一个住在你电脑里的全能助理：能读你的文件、能替你跑命令、能上网查资料、能画图做视频，还能把每天重复的事自动干完。它和普通 AI 最大的区别，是真正会"动手"。
从模型到Harness：WorkBuddy如何把Agent做成可用产品
我们总以为，把 Agent 做好，关键在于换一个更强的模型，或者把提示词写得更长、更细。但真正进入一线场景后会发现，模型能力只是起点。
PI（十九）内置工具全解析
packages/coding-agent/src/core/tools/目录下的八个内置工具（read/bash/powershell/edit/write/grep/find/ls）是 pi coding agent 真正"动手"的地方；理解它们的参数、并发安全机制和输出截断
模型跑分已经没用了？真正决定AI胜负的竟是这个“隐形层”
最近AI圈当中出现了一个相对反常的现象：各大顶尖模型在跑分方面的差距往往不到1%，但实际体验却会呈现出天差地别的状况。你让两个模型分别来做代码编写以及规划方面的事情，一个表现得行云流水，另一个则频频出现卡壳的现象。问题究竟是出在了哪里呢？答案可能会让你感到相当意外。
麻了，又一个牛牛的开源项目，让你 Agent 行为彻底可视化！
大家好，我是 JackBytes。兄弟们，大家在使用 Agent 的时候，是不是看着黑盒子般的 Agent 在往外吐字，总有一种不踏实感。总觉得 Token 在消耗，但是不知道消耗在了哪里，不知不觉额度就被用完了。
如何写 Skill 第5课，输入输出接口：skill 的三张口
摘要：skill 的输入输出靠三张口：$ARGUMENTS 传参、!command 预载、context: fork 外派，每个接口从怎么写一路讲到模型看到的题词。本机实测三个特性全军覆没，反而看清机制：参数走消息尾随，预载与禁工具是配套设计，外派是给失忆分身递任务书。