Agent Harness 学习之路

Gliding Horse Agent OS — 设计细节 关键词：Gliding Horse Agent OS AI 智能体框架 PDCA 编排 五层记忆架构 JSON-LD 语义总线 5W2H 任

核心设计理念：5W2H、JSON-LD 与通用知识图谱 1. 为什么是 5W2H + PDCA：所有可执行工作的通用框架 1.1 结构化执行的两大支柱 Gliding Horse Agent OS 建

从“提示词玩具”到“认知操作系统”：Gliding Horse 如何重新定义 AI Agent 几个月前，我在做一个多 Agent 协作的软件工程实验时，被市面上的 AI 编码工具折磨得够呛。Clau

Gliding Horse 的 L2 作战地图：让多 Agent 协作从“摸黑”变成“透明” 在构建多 Agent 协作系统的过程中，我们遇到了一个核心挑战：当多个 Agent 同时执行不同的子任务时

gliding_horse（流马）项目深度分析报告（最终版） 一、项目概览 1.1 项目定位 gliding_horse（流马）是一个用 Rust 编写的"Agent OS"（智能体操作系统），作者将

Gliding Horse 工具结果压缩体系：如何用“指针”驯服上下文膨胀 在 AI Agent 执行任务的过程中，工具调用结果的体积往往是上下文的头号杀手。一个 grep 搜索可能返回上万字符的匹配

利用流马自动生成的AI Agent报告，一句提示词，自动搜索所需资源，报告生成，检查并修改，报告一气呵成

Gliding Horse 上下文动态感知与智能压缩：让 Agent 真正“听得进”每一句话 在打造 Gliding Horse（流马）这个 AI Agent 操作系统的过程中，我们花大量精力解决了一

TPS的“自工程完结”教会了我一件事：别把Bug留给下一道工序 我之前在丰田的工厂里看到过一个场景，震撼至今： 流水线上，一个工人发现面前的车门有点歪，他直接拉下了头顶的一根红绳。整条生产线，停了。没

Gliding Horse 记忆系统深度剖析：像 CPU 一样思考的 AI 记忆架构 在构建 AI Agent 操作系统的过程中，记忆管理是最核心的挑战之一。传统的 Agent 框架往往将对话历史简单

Gliding Horse 的Token经济学：用 IRI 指针替代文本，让 Token 花在刀刃上 对于 AI Agent 来说，上下文窗口就是金钱。每次调用大模型，Prompt 的 Token 消

Gliding Horse 给 Agent OS 装上双曲空间引擎与默克尔树边云同步 构建 Gliding Horse（流马）的过程中，我一直在寻找一种能完美匹配其 Agent OS 架构的向量存储与

Gliding Horse 中 JSON‑LD 的深度设计：从“能用”到“可靠”的语义总线 在构建 AI Agent 操作系统的过程中，我们选择 JSON‑LD 作为贯穿所有模块的统一数据抽象。这不仅

Gliding Horse 本体论系统设计：给 AI Agent 装上“语义大脑” 前言 在打造 Gliding Horse（流马）这个 AI Agent 操作系统的过程中，我一直被一个问题困扰：如何

为什么我把 JSON‑LD “编译成 DAG” 后，整个 Agent 平台立刻聪明了 我写的 Gliding Horse（流马） 是一个用 Rust 从零构建的 AI Agent 操作系统。如果你问我

Claude Code的Workflow有点意思，但流马想得更远 最近Claude Code发布了Workflow功能，群里不少人在讨论。我认真研究了一下，发现这东西确实挺实用——但和我做的流马（Gl

我用 Rust 写了个 AI Agent 操作系统来写代码，现在它比我还懂我的项目 我做了一个“违背祖宗”的决定——我不用 Copilot，不用 Cursor，不用 Claude Code。 不是它们

本文深入介绍了作者用 Rust 从零开发的 AI Agent 操作系统「Gliding Horse（流马）」，它通过 Agent 编排引擎、四层记忆系统、质量门禁和知识图谱，解决了传统 AI 编码助手

给模型厂商的一封信：求求你们，教教AI说“JSON-LD”吧 前几篇和大家聊了为什么我选择用JSON-LD做数据总线、为什么抄CPU缓存架构做记忆系统，以及Oxigraph和Qdrant这对黄金搭档。