AI Agent Harness 深度解析：模型会回答，系统才会行动
模型只负责一次判断；Harness 负责上下文、工具、状态、循环、权限与恢复，Agent 才可能完成跨步骤目标。
RAG 没死，固定 Top-K 该退休了｜Mistral Agentic Search 架构深拆
深度解析 Mistral Agentic Search：5 个检索原语、可导航索引规范、FinanceBench 86% 准确率背后的多步翻阅与生产级治理。
OpenAI Codex Harness 深度解析：模型之外，Agent 真正的执行系统
深度拆解 OpenAI Open Agent Harness：从 Agent Loop 执行闭环、App Server 双向交互协议到业务沙箱边界与生产级落地实践。
不是又一个 Coding Agent！深度拆解 DeepSeek Harness 架构
拆解 DeepSeek Harness 长程智能体架构：状态快照持久化、工具调用自愈闭环、断点恢复与标准化隔离沙箱。
自我进化智能体系统设计：从纠错捕获、评测基线到安全防线
系统阐述让智能体实现长期自我优化的完整工程闭环：四部曲涵盖错误信号留存、专家修正转换为回归用例、自修改权限锁与上线门禁。
Loop Engineering：让智能体循环可验证、可停止、可恢复
从单次提示走向自动循环后，系统需要调度、隔离状态、验证器、停止条件、成本熔断和跨运行交接。
OpenSquilla MetaSkill：让 Agent 复用可审计的任务协议
基于官方仓库拆解 OpenSquilla 的 MetaSkill、模型路由和安全边界，区分已实现能力与更广义的“技能自进化”想象。
大模型 RL 后训练基础设施：训练、Rollout 与环境如何协同
从训练引擎、推理 rollout、隔离环境和权重同步出发，解释为什么大模型强化学习的瓶颈经常落在系统工程。
Agent SDK 范式转移：从重型框架包装到轻量原语与双向协议
从内置工具、Skills、CLI 与 MCP 的分工变化出发，分析 Agent 开发为何从重型中间层回到 SDK 优先，以及框架仍然适用的边界。
RAG 正在变成 Context Layer：从向量检索到企业证据系统
梳理 Hybrid RAG、Contextual Retrieval、GraphRAG 与 Agentic RAG 的边界，解释企业 AI 为什么需要动态构造可信、充分、可追溯的上下文。
自我进化 Agent 的工程基石：究竟是什么在持续改变
区分上下文、记忆、技能、策略与系统架构的演化，梳理运行时学习、训练级更新和可验证自修改的能力边界。
Harness 工程：模型之外，智能体如何可靠执行
上下文、工具、状态、权限、验证、追踪与恢复共同组成智能体运行外壳；本文给出可落地的设计与评测原则。
大模型记忆正在成为 Agent 的状态层
区分长上下文、检索与长期记忆，梳理语义、情节和程序记忆的生命周期、主流实现路线、污染风险与企业落地方法。
从 AutoGPT 到 AgentOS：Agent 框架到底在进化什么
沿着自动循环、流程状态、记忆、技能、工具协议、多角色协作和运行治理，梳理 Agent 框架演进背后的系统责任。
Agent 记忆不是向量库：长期助手需要一套记忆工程
从 TencentDB Agent Memory 与 Mem0 的公开资料出发，拆解长期记忆的选择性写入、分层抽象、召回预算、更新遗忘、租户隔离与审计。
长程智能体为何跑偏：Planner–Generator–Evaluator 架构解析
基于 Anthropic 的长程应用实验，分析任务分解、外部状态、独立评估、恢复机制及多小时运行的成本与适用边界。
OpenClaw、Hermes Agent 与 OpenHuman：个人智能体的三种架构重心
比较三个开源个人智能体项目在入口与工具、技能学习、长期记忆上的不同重心，并说明本地优先、权限和成熟度边界。