从泄露源码看 Agent 设计：一个本地 Runtime 的工程切片
Claude Code 的全部复杂度，都在回答两个问题——怎么安全可靠，怎么压榨有限上下文
Anthropic 意外泄露 Claude Code 源码后，可以第一次从代码层面拆开一个真实可用的 Agent Runtime。它的全部复杂度——query 循环、七级错误恢复、Tool 协议、压缩梯子、transcript、多 Agent 分层——其实只在回答两件事：让模型自主行为安全可靠，以及在永远有限的上下文里把任务完成。
#Agent
共 5 篇文章。
AI Agent 编年史：四年五代的演进规律
从对话框到常驻员工，每一次跃迁都在收敛同一个开环
2022 到 2026，AI Agent 经历了从对话框、工具调用、工程编排、标准协议到常驻员工的五次范式跃迁。每一代的解药都来自上一代的泡沫，每一代的红利都被下一代的基础设施吞噬——真正的演进主线是「闭环」二字。
AI 原生创业战术手册：把验证放在构建之前
Anthropic 用 12 个成功案例拆出的四阶段生命周期，核心只有一句话——别在没有人要的东西上构建系统
Anthropic 2026 年 5 月发布的《AI 原生创业者战术手册》基于 12 家 Claude 创业案例，重写了创业生命周期。核心结论是：AI 把验证成本从几个月压到一下午，但创始人最容易犯的错，恰恰是用 AI 跳过验证、直接构建。
Harness 工程：在不确定世界中探寻确定路径
用四层结构化控制，把大模型 Agent 的不确定性变成可工程化的输出
Harness 工程的本质是熵减——通过显式拆出的四层结构（外部记忆 / 工具调用 / 状态构造 / 结构化控制），让大模型 Agent 的不确定性可被工程化地收敛。
智能体狂欢之后，谁还值钱？
2025 年 5 月 AI 行业 10 大洞察
AI 真正的分水岭，不是模型有多强，而是当所有人都开始付账之后——它是否还能创造出足够大的生产率红利。