Agent-Harness

今天关注 AI-native 软件工程从“Agent 能写代码”走向“机器速度下可治理、可验证”的两个方向：GitLab 把 agentic workflow、上下文、供应链安全、成本与证据链整合成 governed software factory；Wiz 则展示了如何用 harness、持续 benchmark 和稳定 finding lifecycle，把非确定性的 AI 代码分析变成可运营的工程系统。

今天关注 coding-agent harness 如何把团队工程经验前移成确定性约束，以及 Agent Skills 生态如何从公共知识走向可评测的组织级能力资产。

今天关注 coding-agent 评测中的真实运行验证，以及长时程 Agent 的 prompt cache 设计。

今天关注长时程 Agent 的两个规模化问题：Cursor 用真实生产流量说明 context、tool definitions、cache 与 subagent 如何决定 token 成本；RRSI 则研究 harness 自我进化为什么会过拟合，以及如何用稀疏更新、泄漏筛查、稳定性门槛与结构剪枝让改进真正迁移到未见任务。

今天关注 AI-native 工程里两个越来越关键的接口层问题：Prasenjit Paul 用 54 次受控实验说明，Agent tool 的命名、schema、返回值与成本提示会直接改变上下文消耗和行动路径；NVIDIA 则从安全工程角度强调，生产 Agent 的身份、权限、网络边界、审计和验证必须由模型之外的 runtime 与平台层强制执行。

今天关注 AI-native 工程的两个底层问题：Enola 解释为什么真正决定 coding agent 能力边界的是 harness 对 context、tools、persistent state 和 feedback 的选择；ARIMLABS 则展示了 agent eval 从本地实验扩展到每天约 50 万次执行时，isolated computers、parallel trials、network policy 与 inspectable reruns 如何成为评测基础设施。

今天关注 AI-native 软件工程的两个规模化问题：Sourcegraph 将跨仓库代码变更做成 coordinator + deterministic scripts + coding agents + CI feedback 的 software-factory harness；MSS-Complement 则指出 coding agent 的 context retrieval 应从‘找最相似内容’转向‘补齐当前决策尚缺的最小充分证据集合’。

今天关注 AI-native 软件工程进入规模化之后的两个核心问题：Spotify 发现 AI 带来的主要风险不是 AI 代码本身，而是变更吞吐增长快于 review、测试、发布和可观测性；GitHub 则用 Copilot 完成 80 万行级 agent runtime 的 Rust 重写，展示了增量迁移、agent fleet、独立 correctness oracle 和 human merge gate 如何让超大规模 agentic coding 变得可控。

今天关注 AI-native 工程里的两个实际瓶颈：Nous Research 用 1,393 个子 Agent 完成百万行 Python 仓库重构，展示了大规模并行 coding agent 的任务切片、worktree 隔离、基线验证与人工 review；Orbyt Labs 则用 35 个真实工作 session 的 token 数据说明，Agent 成本和行为主要由反复读取的 context 决定，因此 context 文件本身应像代码一样被预算、版本化和测试。

今天关注两个 AI-native 软件工程问题：Sinatra 用 19 周、306 个 Agent PR 的真实数据说明，高合并率主要来自任务规格、sandbox 测试、自审和人工 merge gate，而不是模型单独变强；The Router Within 则研究如何让 Agent 利用自身 hidden states 在大规模 Skill 库中做动态路由，避免把所有 Skill metadata 塞进 context。