Agent Harness 学习之路

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。

我给 AI 装上了“触觉神经”，它终于知道环境变了 之前我在文章里说过，现在的 AI Agent 像个“盲人按摩师”——手艺不错，但每按一次都得问“是这儿吗？”。你不知道穴位在哪，它不知道文件变了没，

AI连个前端Web页面都做不出来，凭什么让我信它能写后端？ 最近在群里看到一个吐槽，笑死我了： “让AI照着设计稿写个页面，结果它给了一个蓝底黑字的按钮，圆角还是方的。我截图圈出来让它改，它说‘已修改

拼图完成！聊聊流马（Gliding Horse）到底是个什么东西 这个系列写了十来篇，从 JSON-LD 到 CPU 缓存，从 Oxigraph 到丰田安灯绳，从技能图谱到硬核门禁。每篇都在讲"一个零

继“紧箍咒”之后，我又给AI Agent装了一套“进化系统” 之前我写了一篇《认清现实吧，LLM就是个“超级赌场”，而我们需要的是一套“紧箍咒”》，聊了为什么AI需要Harness来约束。那篇文章的核

认清现实吧，LLM就是个“超级赌场”，而我们需要的是一套“紧箍咒” 之前我的系列文章一直在聊“流马怎么设计”、“用了什么技术”、“能带来什么收益”。但今天我想退一步，聊聊一个更根本的问题： LLM到底

我给我的Agent系统请了八个“保洁阿姨”，让AI自己整理自己 之前聊了流马的记忆、技能、工具、门禁…… 但有一个问题我一直没正面回答： 系统跑久了，技能图谱会乱、知识碎片会散、记忆会膨胀、失败模式会

Claude Code vs 流马：两种上下文管理哲学的对决 之前我拆解了 Claude Code 的 5 种上下文管理策略，也介绍了流马（Gliding Horse）的 6 种策略。但有读者提醒我漏

你的AI Agent是在“自律”还是在“被铐着”？聊聊Gliding Horse的硬核门禁 在开始之前，咱们先做一道选择题。 你训你家狗子“不准偷吃桌上的肉”。你把肉放在桌上，然后出门了。你猜狗子会偷

AI Agent 事件总线架构：多智能体实时通信与并发一致性方案 前几篇文章，我把流马（Gliding Horse）的大脑、记忆、技能、知识图谱挨个拆了一遍。今天聊一个你可能没太注意，但缺了它整个系统

你的AI Agent是在“自律”还是在“被铐着”？聊聊Gliding Horse的硬核门禁 在开始之前，咱们先做一道选择题。 你训你家狗子“不准偷吃桌上的肉”。你把肉放在桌上，然后出门了。你猜狗子会偷

AI Agent 工具系统设计：从钩子、MCP 到系统调用门的完整架构解析 之前的文章，我聊了很多“大脑”（LLM）和“记忆系统”（L0-L3），但有一个问题始终没正面回答： 脑子再好使，记性再牛逼，

AI Agent知识图谱系统设计：给智能体装上世界模型 | 流马架构解析 前几篇文章聊了记忆系统（怎么记）、技能图谱（怎么干活）、工具系统（手脚怎么用）。今天聊一个更底层的东西——知识图谱。 你可能会

我让 Agent 的上下文“瘦身”成功，Token 省了，记忆反而更好了 前几篇聊了 Agent 怎么编排调度、怎么用 5W2H 和 PDCA 做认知框架、四层记忆系统、感知引擎。 但在记忆系统那篇里

我用 JSON-LD 给 AI 造了个“技能黄页”，然后整个系统开挂了 之前聊了为什么选 JSON-LD 做数据总线、怎么把 CPU 缓存架构抄进记忆系统、以及 Oxigraph 和 Qdrant 这

我让 Agent 的记忆系统“抄袭”了 CPU，结果它再也不失忆了 前两篇聊了 Agent 怎么编排调度（SA/PA/DA/CA/AA），以及为什么用 5W2H 和 PDCA 做认知框架。 今天进入一

我给 Agent 装了一套“神经系统”，它现在比我还敏感 前几篇聊了 Agent 怎么编排调度、怎么用 5W2H 和 PDCA 做认知框架、以及四层记忆系统怎么让它永不“失忆”。 但有个问题一直没展开

一个任务扔进来，我的 Agent 团队是这样把它“盘”明白的 前几篇聊了 JSON-LD、CPU 缓存、Oxigraph、Qdrant、Rust——全是“用什么造”。 从这篇开始，正式进入设计细节。今

我为什么说 5W2H 和 PDCA 是 AI Agent 的“任督二脉” 上一篇文章讲了 Agent 怎么编排调度——SA 拿到任务后，分析、规划、执行、检查、决策，五个角色轮番上阵。 但有个问题我没

你有没有想过一个问题：为什么你的电脑开了100个Chrome标签页还不崩，但AI聊了50轮就开始“失忆”？ 答案藏在你电脑的CPU里——缓存架构。