每日 Harness 开源 · Source
全部刊期 · All issues

每日 Harness

2026-07-21 · Tuesday, July 21, 2026

长程智能体治理账

视图 · View

今日重点 · Today's Highlights

code-review-graph5 - 本地持久代码图为 MCP/CLI 提供可复用代码库地图，目标是让 review 和大仓任务少读上下文。

全文 ↓

论文 · Papers

12 项 · 论文

Precise but Uncoupled: Reviewer Precision Does Not Guarantee Critique Uptake in Multi-Agent Math Reasoning6arxiv.org原文 ↗

评测方法多智能体推理与规划研究·科学

这项实验把“reviewer 找错准不准”和“系统是否采纳 critique”分开测量，在 4,181 个 verifier-grounded Omni-MATH 问题上比较 PER pipeline 与 broadcast peer discussion。PER reviewer precision 为 0.861，高于 broadcast 的 0.644，但经 evaluator 验证的有用 critique 更少改变下一轮答案。结论刺中 reviewer-centric agent 评测的盲点：能指出错误的角色不自动带来更高最终解题率。

–

本期重点Do Coding Agents Need Executable World Models, Simplification, and Verification to Solve ARC-AGI-3?1arxiv.org原文 ↗

推理与规划工具使用基准编码

论文用 textual baseline、flexible executable world model、带 scheduled simplification 的 executable model、以及 fixed-interface replay verification 四个 Codex-based agent 做消融。主实验覆盖 gpt-5.4 与 gpt-5.5 的 high/xhigh effort；最稳定的结果是更强模型和更高 effort 都显著改善，组件贡献则随设置变化。gpt-5.6-sol 跟进让 verification 变体全解公开 games、约 99% RHAE，但作者明确把它限定为公开集饱和而非 held-out 证明。

–

SeerGuard: A Safety Framework for Mobile GUI Agents via World Model Prediction7arxiv.org原文 ↗

安全与攻防工具使用计算机·Web

SeerGuard 把移动 GUI agent 的安全判断前置到执行前，先做 instruction-level screening，再对 agent 提议动作在当前 GUI 状态下预测后果和风险。核心模型 SAWM 以多任务学习同时做 semantic next-state prediction 与 safety risk assessment。Qwen3-VL-8B-Instruct 上 safety-utility score 从 0.191 升到 0.596，risk-cost score 从 0.347 降到 0.130，说明 world-model 式预判能覆盖单步 GUI 错误的不可逆风险。

–

本期重点ToolVerse: Unlocking Massive Environments and Long-Horizon Tasks for Agentic Reinforcement Learning2arxiv.org原文 ↗

Agent RL / 可验证奖励合成数据与训练环境工具使用系统·基础设施

ToolVerse 面向 Tool-Integrated Reasoning，把近 400 个真实 MCP 自动转成约 4,500 个工具的可执行训练环境。任务生成依赖 tool dependency graph 与 Dynamic Unlocking Sampling，产出 GUST 数据集；训练算法则用 Turn-Aware Relative Advantage 细化长程 credit assignment。它的价值在于把 agentic RL 从小型静态工具集推向动态、多工具、长 horizon 环境。

–

Behavioral Controllability of Agentic Models for Information Extraction: From Fixed Workflows to Reflective Agents8arxiv.org原文 ↗

评测方法工作流与控制流Agent 记忆数据·分析

作者用 conference-paper dataset extraction 检验固定 LLM workflow、reflective agent、memory 和 richer PDF tools 是否真的改变可控行为。评估把 tool execution、retries、reflection、memory use、runtime、failure recovery 放在第一层，coverage 和 field completeness 反而是次级指标。这个角度让“agentic component 是否有用”从结果分数转向过程可控性，适合审视复杂信息抽取系统的工程收益。

–

DSWorld: A Data Science World Model for Efficient Autonomous Agents9arxiv.org原文 ↗

Agent RL / 可验证奖励合成数据与训练环境工作流与控制流数据·分析

DSWorld 预测数据科学 workflow 在候选操作后的状态转移，用结构化状态、cost-aware routing、轻量真实执行和 LLM simulator 避免昂贵 trial-and-error。论文构建 8K-scale transition trajectory dataset，并提出 Reflective World Model Optimization 做 error-aware RL。结果给出两个直接效率数字：RL-based agent training 约 14x 加速，search-based inference 约 3-6x 加速，同时 transition prediction 比最强 LLM baseline 高 35.6%。

–

CRAFT: Clustering Rubrics to Diagnose Weak LLM Capabilities and Generate Targeted Fine-Tuning Data10arxiv.org原文 ↗

评测方法合成数据与训练环境其他垂直

CRAFT 把 rubric evaluation 中的 grading criterion 转成 capability probe，再聚类成层级能力树，从不同层级动态选择低分节点生成 targeted SFT 数据。对比实验固定数据生成、finetuning 和 evaluation 设置，覆盖四个开源模型、finance/legal 两个专业域和 13 个与诊断数据不重合的 held-out benchmarks。finance 域四个模型平均表现均最强，legal 域三胜一平，说明 rubric criterion 粒度比 prompt/category 粒度更能指向可训练弱项。

–

本期重点Cache-Aware Prompt Compression:A Two-Tier Cost Model for LLM API Caching3arxiv.org原文 ↗

上下文工程系统·基础设施

论文指出生产 LLM 成本同时受 prompt caching 与 prompt compression 影响，而 query-aware compression 会机械破坏 prefix-strict cache。作者在 Anthropic Sonnet 4.6 上测到两层 cache 结构：约 3,500 tokens 是阈值，低于阈值的 30-call session hit rate 停在约 0.83。CAPC 在 LongBench-v2 的 16/16 配置中最便宜，平均相对 cache-only 省 49%、相对 query-aware compression 省 64%，且质量距未压缩 baseline 不超过 0.05。

–

Scalable LLM Agent Tool Access in the Cloud11arxiv.org原文 ↗

协议与互操作工具使用检索与知识接地系统·基础设施

这篇把 MCP 云端规模化问题抽成 gateway 架构：legacy service integration、协议兼容、access control、tool recommendation、session-aware routing 都由 gateway 接管。论文给出的关键数字是 hybrid retrieval 保持 98% Top-15 recall，并把可访问工具扩展到 3,000+。tool selection 时间降低 8.9x、token usage 降低 23.8x，说明大工具集不必直接塞进 agent context。

–

Agentic Synthesis against Counterexample-Supplemented Sketches12arxiv.org原文 ↗

自进化技能系统编码

方法从 human-approved counterexample 出发，把修正后的行为和规则写回 code-shaped sketch，再让 coding agent 修订实现、prompt surface 和回归集。CatSynth 实验中，14 个 frozen candidate cases 有 8 个升级为 counterexamples；从 evolved sketch clean rebuild 通过 19/21 withheld cases，而 initial sketch 加 accepted examples 路径通过 15/21。结果支持一个有限但清晰的判断：被维护的 sketch 可以承载审阅过的 policy，而不只是把失败样例堆进历史 prompt。

–

When Do Multi-Agent Systems Help? An Information Bottleneck Perspective13arxiv.org原文 ↗

多智能体上下文工程推理与规划研究·科学

论文把 MAS 与 SAS 的差别写成信息瓶颈：SAS 累积完整 reasoning trace，MAS 用隔离上下文和有限 relay message 连接。理论上无限 relay bandwidth 时 MAS 可模拟 SAS；真正差异来自 bounded relays 下的冗余压缩与任务相关信息损失。18 个控制实验覆盖五个 benchmark、三种模型尺度，观察到 relay 近似充分时 MAS 尤其帮助弱模型，而强模型在冗余上下文中已能提取信息时收益会缩小或反转。

–

memorywire: A Vendor-Neutral Wire Format for Agent Memory Operations14arxiv.org原文 ↗

协议与互操作Agent 记忆安全与攻防系统·基础设施

memorywire 不是新 memory algorithm，而是为 agent memory 定义 JSON-Schema 2020-12 wire format，覆盖 remember、recall、forget、merge、expire 五类操作和四类 memory。参考实现提供 sqlite-vec、mem0、Letta、Cognee、pgvector 五个 backend adapters；100-fact/50-query labelled corpus 上 42 个 gold-id query 的 recall@5 为 1.000。v3 加入 PurgeBench memory-poison recovery，指出 provenance field 是恢复污染 store 的最强抓手。

–

开源 / 项目 · Projects

15 项 · 开源 / 项目

本期重点Provena: Open-Source Library for AI Agent Context Governance4github.com原文 ↗

上下文工程对齐与治理可观测性与调试系统·基础设施

Provena 治理的是 agent “知道什么”：RAG 检索、工具输出、agent message、memory recall、MCP resource 进入 context window 前都可以被记录来源、hash 和时效。README 展示的最小用法是给产生 context 的函数加 `@trail.track`，每次调用写入 SHA-256 content hash、provenance validation 和 hash-chained audit trail。它还把 EU AI Act、OWASP memory/context poisoning、OpenTelemetry、LangChain/LlamaIndex adapter 放在同一个轻量 Python 包里，适合需要审计上下文输入链路的 agent 系统。

–

CogniKernel- Local Memory for AI Coding Assistants15github.com原文 ↗

Agent 记忆上下文工程编码

CogniKernel 为 Claude Code 与 Codex 提供项目级本地记忆，监听会话 hook，抽取决策、硬/软约束和废弃方案，再在后续 session 注入压缩 context block。它不是 vector database wrapper，而是 event-sourced typed memory log，检索采用 lexical-primary、FTS5 BM25、optional dense embeddings、RRF 和 skeleton graph。README 的 benchmark 称在四个多 session 项目中 file reads 通常少 2-4x，价格加权 token cost 在记忆有价值的项目上低 18-23%。

–

Amnesia - audit Claude Code's memory for contradictions16github.com原文 ↗

Agent 记忆可观测性与调试编码

Amnesia 面向 Claude Code 长期 memory store 的腐化问题：过期事实、跨项目泄漏、重复规则和互相矛盾的记忆。它会扫描 `~/.claude/projects/*/memory/`，把 memory 显示成项目着色的 force graph，并调用本机 `claude` CLI 标记 contradiction、stale fact、duplicate 和 misfiled memory。修改流程是逐项 review，动作包括 Forget、Move、Combine、Keep both；每次变更前都会 snapshot，且拒绝覆盖之后被手工改过的文件。

–

Effort Router: Intelligent /effort selection per Claude turn17github.com原文 ↗

测试时计算工作流与控制流可观测性与调试编码

effort-router 用 Claude Code skill frontmatter 的 effort override，把每个用户请求分到 low、medium、high、xhigh、max 五档。SessionStart hook 注入“每轮都分类”的 standing instruction，UserPromptSubmit 每次用约 20 tokens 重新锚定，Stop hook 把 tier、model、output tokens 写入 session JSONL。README 的三天报告示例显示 low 平均 870 output tokens、xhigh 平均 31,911 output tokens，给 reasoning effort 路由提供了可观测成本账。

–

pi-for-each18pi.dev原文 ↗

工作流与控制流框架与脚手架系统·基础设施

pi-for-each 是 Pi 扩展，提供带 `$each` 插入的顺序 prompt-loop 控制结构。它处理的是 agent prompt workflow 中很常见但容易写散的需求：把一组输入逐项带入同一 prompt，并确保执行顺序可读、可重复。对 Pi 这类可扩展 harness 来说，这类小型控制流扩展会把“让 agent 自己记得循环”转成显式机制。

–

R3 - Review locally and send feedback back to your coding agent19github.com原文 ↗

工作流与控制流框架与脚手架编码

r3 把 AI 生成代码和长文档的反馈流程做成本地 review server，而不是继续塞进聊天流。agent 运行 `r3 create` 后分享 URL，用户在浏览器里把意见锚定到具体 line 或 quote，`r3 watch` 阻塞等待并把反馈打印回 stdout 供 agent 处理。它支持 live files review 与 immutable diff review；默认数据写入全局 SQLite，localhost:8791 server 可跨 repo 使用。

–

Codex Micro on Your Phone20github.com原文 ↗

框架与脚手架工具使用编码

这个项目把手机浏览器做成 Codex desktop 的本地控制器，明确声明非 OpenAI 或 Work Louder 官方。Native Shim 方案会让 Codex 看到一个合成的 Codex Micro，走原生硬件 channel 来处理 task-key colors、knob、joystick、MIC 和 command keys；Standard Bridge 则不模拟硬件，靠本地 Mac helper 操作受支持控制。README 标注测试环境为 Codex desktop 26.715.52143、macOS 26.5.1 和 iPhone Chrome，兼容性边界写得比较诚实。

–

Codex Harness for Java Unit Testing21github.com原文 ↗

框架与脚手架基准编码

JAIPilot CLI 是 Java-only 本地测试生成 harness，测试生成来自用户已经安装并登录的 Codex，不依赖自定义 hosted backend。它优先用 repo 的 Maven/Gradle wrapper，coverage-sensitive 命令直接跑 clean full suite，避免把 focused test 的旧 JaCoCo 报告当作目标选择依据。功能列表包括并行 batch generation、deterministic collision-safe test merging、allowlisted isolated repair、默认 80% coverage threshold、before/after coverage summary 和 per-class token usage。

–

Local-first CLI to make Obsidian vaults searchable for AI agents22github.com原文 ↗

检索与知识接地上下文工程其他垂直

NoteBrain CLI 把 Obsidian vault 转成完全本地的 AI agent 知识后端，索引 markdown 到嵌入式 ChromaDB。它用 `all-MiniLM-L6-v2` ONNX embedding 做 semantic search，用 wikilink graph traversal 找 backlinks/multi-hop/shared tags，并提供 hidden connections 发现未显式链接的语义相关笔记。底层 Goldmark AST-aware chunking 保留标题层级、列表、GFM table、callout 和 code block；SHA-256 hashing 让重复 ingest 可以跳过未修改 notes。

–

Hail.so - Open-source phone, SMS and email for agents and humans, v0.1523github.com原文 ↗

工具使用协议与互操作其他垂直

Hail 把电话、SMS、email 包成 agent 可调用通信平台，当前定位是 outbound first、inbound next、自托管 AGPLv3。自托管 quickstart 需要 Twilio、LiveKit Cloud、Deepgram、Cartesia，以及 OpenAI/Gemini/Anthropic 之一；agent 可以通过 HTTP API 或 MCP endpoint 发起 calls/emails。CLI 覆盖 `hail call`、`hail email`、`hail tail`、domain register、raw RFC 5322 source 和 attachment 下载，说明它不是单一 voice demo，而是跨 channel 事件系统。

–

Spoold - Durable curl without a database or broker24github.com原文 ↗

执行环境与沙箱可观测性与调试系统·基础设施

spoold 是本地 daemon 版 durable curl：提交端把 HTTP delivery 写入磁盘 journal 后即可返回，投递、重试和恢复由后台进程负责。它的 reliability boundary 是一个自包含 daemon 加 owner-only journal，不依赖 PostgreSQL、Redis、Kafka、云账户或语言 SDK。README 列出 append-only mutation persistence、deterministic replay、online compaction、idempotent enqueue、lease-based workers、at-least-once bounded retries、SSRF-aware DNS 和 Prometheus metrics；适用面是 cron、edge agent、appliance callback 这类不能丢 outbound request 的场景。

–

Quartermaster - self-hosted license server with offline signing key25github.com原文 ↗

github.com

Quartermaster 把独立开发者卖软件后的 license issuance 留在自托管边界内：Stripe 管付款，系统负责 Ed25519-signed license、per-seat activation 和邮件投递。架构核心是 split-key signing：暴露公网的机器永远不能 forge license，能签名的机器只发起 outbound connection、不接受 inbound。license payload 是 fixed-width、versioned binary ABI，计划让今天发出的 license 多年后仍可离线验证，并预留 multi-key rotation。

–

Trust Vault - encrypted file vaults with flexible key management26github.com原文 ↗

github.com

TVault 是 Tauri 桌面应用，给 Windows/macOS 用户创建本地加密 vault；应用本身是前端，所有 crypto 由 sidecar `tvault-core` CLI 完成。每个 vault 可用密码、生成的 256-bit master token 或 Shamir Secret Sharing 保护 AES-256 key，并可启用独立 HMAC 完整性校验。解锁后内容会出现在系统临时目录中的普通 folder，用户用 OS 文件管理器编辑，Lock 时重新加密、更新 HMAC 并删除临时目录；README 也明确写出 credential 丢失不可恢复。

–

Waylandar - a Wayland calendar widget, syncs Google Calendar and more27github.com原文 ↗

github.com

Waylandar 是 Quickshell/QML 与 Python 写的 Wayland calendar widget/dashboard，面向 Hyprland、Sway 等现代 compositor。它有 compact desktop widget 和 full-month dashboard 两种模式，并支持 Google Calendar、Nextcloud CalDAV、Apple iCloud、ICS feed、本地 `.ics` 目录等多账户并发配置。后台同步会按 Google Calendar 或 Nextcloud 中的 event reminder 触发 `notify-send`，因此它更像桌面日程层而不是静态 calendar skin。

–

Whetuu - a zero-config cross-shell prompt written in Zig28github.com原文 ↗

github.com

whetū 是 Zig 写的 opinionated cross-shell prompt，安装二进制名是 `whetuu`。项目刻意不提供配置项：一个编译后的 binary 渲染同一套 curated prompt，默认 prompt character 是 Nerd Font 的 star face glyph。实现上每个 module 通过 `std.Io` 并发 probe，所以一次 render 接近最慢 probe 的成本；这让它在“零配置”和“可预测性能”之间做了明确取舍。

–

行业动态 · Industry News

10 项 · 行业动态

Safety and alignment in an era of long-horizon models29openai.com原文 ↗

对齐与治理评测方法其他垂直

OpenAI 总结长程运行模型的部署安全问题，重点从真实 incident 反推 adversarial evaluations，而不是只在短任务 benchmark 上验安全。文章称 eval 应贴近实际部署轨迹的分布和 horizon length，并指出在长 rollout 中模型更容易忘记指令。针对这一能力训练后，模型在更长运行中维持 alignment 的表现改善，说明 long-horizon safety 已经成为部署闭环问题。

–

Kimi Work30kimi.com原文 ↗

kimi.com

Kimi Work 产品页把它定位为 “The AI Desktop for Knowledge Work”，页面可见入口包括 Windows 下载、Kimi K3、Kimi Code、Parallel Agent、Multi Agent、Hermes Agent 等生态链接。围绕发布的讨论集中在模型能力、产品定位和开放权重生态，说明关注点已经越过单个桌面客户端。它更像 Moonshot 把模型、agent CLI 和知识工作桌面打包到同一产品线的信号。

–

Moonshot AI suspends new subscriptions due to Kimi K3 demand31twitter.com原文 ↗

twitter.com

Moonshot AI 称因 Kimi K3 需求暂停新订阅。这个消息的技术含量不在公告措辞，而在容量侧压力：开放权重模型热度、桌面 agent 产品和付费订阅同时挤压服务供应。对模型公司来说，需求峰值会把“发布模型”迅速变成“运营配额、排队与付费入口”的基础设施问题。

–

Airbus Takes Flight from AWS32theregister.com原文 ↗

theregister.com

The Register 报道 Airbus 迁出 AWS 的云基础设施决策及其后续工程挑战。大企业离开 hyperscaler 并不自动等于成本下降或主权提升，因为平台服务、IAM、observability、数据迁移和灾备流程都要重新组合。条目值得放进云战略观察中，是因为它把“云退出”从采购口号拉回到工程迁移账本。

–

Hacker wipes Romania's land registry database33news.risky.biz原文 ↗

news.risky.biz

Risky Business 报道罗马尼亚土地登记数据库遭破坏，标题指出 land registry database 被 wipe。土地登记属于高社会信任基础设施，破坏影响会扩散到产权证明、交易、司法和公共服务。这个事件的工程教训集中在不可变备份、离线恢复、权限隔离和演练频率，而非单一漏洞类型。

–

The EU is about to sell our most sensitive data to the US for visa-free travel34edri.org原文 ↗

edri.org

EDRi 批评欧盟为美国免签安排交换敏感数据，把旅行便利和个人数据让渡放在同一政策框架内讨论。文章关注的是跨境数据流、执法访问和基本权利之间的交易成本。它提示类似协议不能只按边检效率衡量，还要看数据类别、保留期限、救济机制和二次使用边界。

–

We want Texans to know their rights35eff.org原文 ↗

eff.org

EFF 采访 Mayday Health，主题是监控如何影响堕胎相关信息获取和行动自由。文章提到 EFF 与 404 Media 报告 Texas 使用 Flock cameras 后，Mayday Health 在 Houston 投放 billboard，提醒孕妇州政府可能追踪她们。这个案例把 ALPR/摄像头网络从一般隐私问题连接到 reproductive freedom，显示基础监控设施会在高争议法律场景中被重新定向。

–

Czechia moves to ban mobile phones in schools from September 202736expats.cz原文 ↗

expats.cz

捷克计划自 2027 年 9 月起在学校限制或禁止学生使用手机。它延续欧洲多国对课堂手机使用的收紧趋势，政策理由通常围绕注意力、心理健康、欺凌和学习环境。真正难点会落在执行细则：禁用范围、例外场景、设备保管责任和学校自主权。

–

EU Exempts Apple Watch and AirPods from Battery Removal Requirements37mjtsai.com原文 ↗

mjtsai.com

Michael Tsai 汇总欧盟对 Apple Watch 和 AirPods 电池可拆卸要求的豁免信息，并引出 e-waste 讨论。评论中一个具体观点是，监管若能激励可替换电池，而不只是列出豁免，会更可能推动厂商改变小型设备设计。对消费电子维修权来说，智能手表和耳机仍是最难处理的形态，因为体积、密封、防水和商业更换周期互相牵制。

–

The Last MPEG-4 Visual Patent Has Expired38phoronix.com原文 ↗

phoronix.com

Phoronix 报道 MPEG-4 Visual 最后一项相关专利到期。这个节点主要影响旧格式实现与分发的法律摩擦，尤其是开源项目默认支持、编解码库打包和发行版政策。它不改变 AVC/H.264、HEVC/H.265 等后续格式的专利格局，但给历史格式的长期归档与兼容实现扫掉一层障碍。

–

博客文章 · Blog Posts

8 项 · 博客文章

Reverse-engineering is cheap now39simonwillison.net原文 ↗

工具使用计算机·Web

Simon Willison 记录 coding agents 如何降低家用设备逆向工程和自动化脚本编写成本。核心变化是，抓包、读协议、试错脚本和控制自动化不再全部依赖人工长时间摸索，agent 可以快速生成候选解释与工具代码。这个变化会扩大逆向工程的参与人群，同时也会让设备厂商更难依赖“接口不公开所以没人会用”这一隐性壁垒。

–

Who’s Afraid of Chinese Models?40simonwillison.net原文 ↗

simonwillison.net

Simon Willison 摘评 Ben Thompson 关于美国开放模型策略与中国开源权重模型竞争的提案。文章的争议点不只是“谁的模型更强”，而是开放权重是否会在全球开发者生态中形成能力扩散优势。它把 AI 政策讨论从出口管制和闭源领先，拉回到开发者采用、可审计性和模型商品化速度。

–

Kimi K3: The open-weights escalation41interconnects.ai原文 ↗

interconnects.ai

Nathan Lambert 分析 Moonshot AI Kimi K3 以及开放权重模型生态的竞争升级。条目中的 “escalation” 指向一个正在加速的局面：开放权重模型不再只是追赶者，而是对闭源 API、美国开放策略和推理成本结构共同施压。结合 Kimi Work 与订阅暂停消息，Kimi K3 已经同时触发产品、社区和基础设施层面的反馈。

–

Controlling Reasoning Effort in LLMs42magazine.sebastianraschka.com原文 ↗

测试时计算推理与规划系统·基础设施

Sebastian Raschka 解释 reasoning effort 参数如何影响 LLM 推理成本、延迟和输出行为。文章把 effort 放进 inference scaling 框架，与 self-consistency、self-refinement 等技术相邻讨论，说明“多想”既可以是模型内部预算，也可以是外部采样和反复修正。它的实用点在于把用户可见旋钮和底层推理时计算联系起来，而不是把 effort 当作神秘质量档位。

–

How we measured AI writing across arXiv, and where the measurement breaks43unslop.run原文 ↗

unslop.run

Unslop 团队说明如何测量 arXiv 论文中的 AI 写作痕迹，并同时写出方法会在哪些情况下失效。这样的文章比单个检测率数字更有信息量，因为 AI-written prose 的判定本身会被领域写作风格、非母语作者、模板化论文结构和模型迭代扰动。它适合作为阅读此类统计结论时的校准材料：看方法、样本和错误模式，不只看 headline。

–

Agent swarms and the new model economics44cursor.com原文 ↗

多智能体工作流与控制流编码

Cursor 讨论并行 agent 工作流对模型成本结构和开发工具形态的影响。并行 swarm 把问题从“单个模型调用贵不贵”转成“多少探索分支值得同时跑、何时停止、如何合并、怎样验证”。这类经济学会直接影响 IDE/agent 产品设计，因为 UI、调度器和评测机制都要能承载多路 agent 输出。

–

Perfection Is Not Over-Engineering45var0.xyz原文 ↗

var0.xyz

这篇个人博客区分工程中的“追求完善”和“过度工程化”。它有价值的分界是：完善应当减少未来错误、澄清约束或降低维护成本；过度工程则是在没有现实压力时增加抽象和机制。这个判断对 AI coding 时代尤其相关，因为 agents 很容易快速堆出结构，但更难替团队判断哪些结构真的承载需求。

–

How Gnutella Scaled to Handle Query Traffic46rickcarlino.com原文 ↗

rickcarlino.com

文章回顾 Gnutella 如何处理 P2P 查询流量扩展。Gnutella 这类早期去中心化系统的查询传播、TTL、邻居拓扑和洪泛控制问题，今天在分布式检索、gossip、边缘网络里仍能看到影子。它不是怀旧材料，而是用历史系统提醒读者：没有中心索引时，查询成本会自然迁移到拓扑和流控设计上。

–

引用来源 · References

55 条 · 引用
  1. 1 Do Coding Agents Need Executable World Models, Simplification, and Verification to Solve ARC-AGI-3?. arXiv:2607.15439https://arxiv.org/abs/2607.15439 ↩ 回到正文 · back to text
  2. 2 ToolVerse: Unlocking Massive Environments and Long-Horizon Tasks for Agentic Reinforcement Learning. arXiv:2607.15660https://arxiv.org/abs/2607.15660 ↩ 回到正文 · back to text
  3. 3 Cache-Aware Prompt Compression:A Two-Tier Cost Model for LLM API Caching. arXiv:2607.15516https://arxiv.org/abs/2607.15516 ↩ 回到正文 · back to text
  4. 4 Provena: Open-Source Library for AI Agent Context Governance. GitHub: rajfirke/provenahttps://github.com/rajfirke/provena ↩ 回到正文 · back to text
  5. 5 code-review-graph. GitHub: tirth8205/code-review-graphhttps://github.com/tirth8205/code-review-graph ↩ 回到正文 · back to text
  6. 6 Precise but Uncoupled: Reviewer Precision Does Not Guarantee Critique Uptake in Multi-Agent Math Reasoning. arXiv:2607.15388https://arxiv.org/abs/2607.15388 ↩ 回到正文 · back to text
  7. 7 SeerGuard: A Safety Framework for Mobile GUI Agents via World Model Prediction. arXiv:2607.15550https://arxiv.org/abs/2607.15550 ↩ 回到正文 · back to text
  8. 8 Behavioral Controllability of Agentic Models for Information Extraction: From Fixed Workflows to Reflective Agents. arXiv:2607.15715https://arxiv.org/abs/2607.15715 ↩ 回到正文 · back to text
  9. 9 DSWorld: A Data Science World Model for Efficient Autonomous Agents. arXiv:2607.15901https://arxiv.org/abs/2607.15901 ↩ 回到正文 · back to text
  10. 10 CRAFT: Clustering Rubrics to Diagnose Weak LLM Capabilities and Generate Targeted Fine-Tuning Data. arXiv:2607.16122https://arxiv.org/abs/2607.16122 ↩ 回到正文 · back to text
  11. 11 Scalable LLM Agent Tool Access in the Cloud. arXiv:2607.15593https://arxiv.org/abs/2607.15593 ↩ 回到正文 · back to text
  12. 12 Agentic Synthesis against Counterexample-Supplemented Sketches. arXiv:2607.15854https://arxiv.org/abs/2607.15854 ↩ 回到正文 · back to text
  13. 13 When Do Multi-Agent Systems Help? An Information Bottleneck Perspective. arXiv:2607.16133https://arxiv.org/abs/2607.16133 ↩ 回到正文 · back to text
  14. 14 memorywire: A Vendor-Neutral Wire Format for Agent Memory Operations. arXiv:2606.01138https://arxiv.org/abs/2606.01138 ↩ 回到正文 · back to text
  15. 15 CogniKernel- Local Memory for AI Coding Assistants. GitHub: KanishkNoir/cognikernelhttps://github.com/KanishkNoir/cognikernel ↩ 回到正文 · back to text
  16. 16 Amnesia - audit Claude Code's memory for contradictions. GitHub: tiny-cloud-ventures/amnesiahttps://github.com/tiny-cloud-ventures/amnesia ↩ 回到正文 · back to text
  17. 17 Effort Router: Intelligent /effort selection per Claude turn. GitHub: cfitzgerald-pd/effort-routerhttps://github.com/cfitzgerald-pd/effort-router ↩ 回到正文 · back to text
  18. 18 pi-for-each. Pi package: pi-for-eachhttps://pi.dev/packages/pi-for-each ↩ 回到正文 · back to text
  19. 19 R3 - Review locally and send feedback back to your coding agent. GitHub: hyperlogue/r3https://github.com/hyperlogue/r3 ↩ 回到正文 · back to text
  20. 20 Codex Micro on Your Phone. GitHub: maxxspotter/codex-micro-apphttps://github.com/maxxspotter/codex-micro-app ↩ 回到正文 · back to text
  21. 21 Codex Harness for Java Unit Testing. GitHub: JAIPilot/jaipilot-clihttps://github.com/JAIPilot/jaipilot-cli ↩ 回到正文 · back to text
  22. 22 Local-first CLI to make Obsidian vaults searchable for AI agents. GitHub: nmdra/notebrain-clihttps://github.com/nmdra/notebrain-cli ↩ 回到正文 · back to text
  23. 23 Hail.so - Open-source phone, SMS and email for agents and humans, v0.15. GitHub: hail-hq/hailhttps://github.com/hail-hq/hail/ ↩ 回到正文 · back to text
  24. 24 Spoold - Durable curl without a database or broker. GitHub: Rionlyu/spooldhttps://github.com/Rionlyu/spoold ↩ 回到正文 · back to text
  25. 25 Quartermaster - self-hosted license server with offline signing key. GitHub: laudendev/quartermasterhttps://github.com/laudendev/quartermaster ↩ 回到正文 · back to text
  26. 26 Trust Vault - encrypted file vaults with flexible key management. GitHub: namelesscorp/tvaulthttps://github.com/namelesscorp/tvault ↩ 回到正文 · back to text
  27. 27 Waylandar - a Wayland calendar widget, syncs Google Calendar and more. GitHub: samjoshuadud/waylandarhttps://github.com/samjoshuadud/waylandar ↩ 回到正文 · back to text
  28. 28 Whetuu - a zero-config cross-shell prompt written in Zig. GitHub: yamafaktory/whetuuhttps://github.com/yamafaktory/whetuu ↩ 回到正文 · back to text
  29. 29 Safety and alignment in an era of long-horizon models. OpenAIhttps://openai.com/index/safety-alignment-long-horizon-models ↩ 回到正文 · back to text
  30. 30 Kimi Work. Kimi product pagehttps://www.kimi.com/products/kimi-work ↩ 回到正文 · back to text
  31. 31 Moonshot AI suspends new subscriptions due to Kimi K3 demand. X/Twitter: @kimi_moonshothttps://twitter.com/kimi_moonshot/status/2078855608565207130 ↩ 回到正文 · back to text
  32. 32 Airbus Takes Flight from AWS. The Registerhttps://www.theregister.com/columnists/2026/07/20/airbus-takes-flight-from-aws-what-happens-next-is-critical/5274109 ↩ 回到正文 · back to text
  33. 33 Hacker wipes Romania's land registry database. Risky Businesshttps://news.risky.biz/risky-bulletin-hacker-wipes-romanias-entire-land-registry-database/ ↩ 回到正文 · back to text
  34. 34 The EU is about to sell our most sensitive data to the US for visa-free travel. EDRihttps://edri.org/our-work/the-eu-is-about-to-sell-our-most-sensitive-data-to-the-us-for-visa-free-travel/ ↩ 回到正文 · back to text
  35. 35 We want Texans to know their rights. EFFhttps://www.eff.org/deeplinks/2026/07/we-want-texans-know-their-rights-qa-mayday-health-impact-surveillance-abortion ↩ 回到正文 · back to text
  36. 36 Czechia moves to ban mobile phones in schools from September 2027. Expats.czhttps://www.expats.cz/czech-news/article/czech-news-in-brief-for-july-20-2026-monday-top-afternoon-headlines ↩ 回到正文 · back to text
  37. 37 EU Exempts Apple Watch and AirPods from Battery Removal Requirements. Michael Tsai bloghttps://mjtsai.com/blog/2026/07/17/eu-exempts-apple-watch-and-airpods-from-battery-removal-requirement/ ↩ 回到正文 · back to text
  38. 38 The Last MPEG-4 Visual Patent Has Expired. Phoronixhttps://www.phoronix.com/news/Last-MPEG-4-Patent-Expired ↩ 回到正文 · back to text
  39. 39 Reverse-engineering is cheap now. Simon Willison bloghttps://simonwillison.net/2026/Jul/20/cheap-reverse-engineering/#atom-everything ↩ 回到正文 · back to text
  40. 40 Who’s Afraid of Chinese Models?. Simon Willison bloghttps://simonwillison.net/2026/Jul/20/afraid-of-chinese-models/#atom-everything ↩ 回到正文 · back to text
  41. 41 Kimi K3: The open-weights escalation. Interconnectshttps://www.interconnects.ai/p/kimi-k3-the-open-weights-escalation ↩ 回到正文 · back to text
  42. 42 Controlling Reasoning Effort in LLMs. Sebastian Raschkahttps://magazine.sebastianraschka.com/p/controlling-reasoning-effort-in-llms ↩ 回到正文 · back to text
  43. 43 How we measured AI writing across arXiv, and where the measurement breaks. Unslop bloghttps://unslop.run/blog/measuring-ai-writing-on-arxiv ↩ 回到正文 · back to text
  44. 44 Agent swarms and the new model economics. Cursor bloghttps://cursor.com/blog/agent-swarm-model-economics ↩ 回到正文 · back to text
  45. 45 Perfection Is Not Over-Engineering. var0.xyz bloghttps://var0.xyz/posts/perfection-is-not-over-engineering.html ↩ 回到正文 · back to text
  46. 46 How Gnutella Scaled to Handle Query Traffic. Rick Carlino noteshttps://rickcarlino.com/notes/p2p/how-gnutella-scaled-to-handle-query-traffic.html ↩ 回到正文 · back to text
  47. 47 kvcache-ai/ktransformers. GitHub: kvcache-ai/ktransformershttps://github.com/kvcache-ai/ktransformers ↩ 回到正文 · back to text
  48. 48 microsoft/terminal. GitHub: microsoft/terminalhttps://github.com/microsoft/terminal ↩ 回到正文 · back to text
  49. 49 kane50613/takumi. GitHub: kane50613/takumihttps://github.com/kane50613/takumi ↩ 回到正文 · back to text
  50. 50 AstrBotDevs/AstrBot. GitHub: AstrBotDevs/AstrBothttps://github.com/AstrBotDevs/AstrBot ↩ 回到正文 · back to text
  51. 51 pollinations/pollinations. GitHub: pollinations/pollinationshttps://github.com/pollinations/pollinations ↩ 回到正文 · back to text
  52. 52 neondatabase/neon. GitHub: neondatabase/neonhttps://github.com/neondatabase/neon ↩ 回到正文 · back to text
  53. 53 Canner/WrenAI. GitHub: Canner/WrenAIhttps://github.com/Canner/WrenAI ↩ 回到正文 · back to text
  54. 54 earendil-works/pi. GitHub: earendil-works/pihttps://github.com/earendil-works/pi ↩ 回到正文 · back to text
  55. 55 anthropics/cwc-workshops. GitHub: anthropics/cwc-workshopshttps://github.com/anthropics/cwc-workshops ↩ 回到正文 · back to text