每日 Harness 开源 · Source
全部刊期 · All issues

每日 Harness

2026-08-13 · Thursday, August 13, 2026

智能体记忆治理与执行进化

视图 · View

今日重点 · Today's Highlights

Graft5 - 把代码库变成可读的 Markdown 知识图，并通过 hooks 把相关节点送进编码代理；README 的 50 个 SWE-bench Verified 实例从 54% 提升到 66%，同时少用 25% 工具调用。

全文 ↓

论文 · Papers

12 项 · 论文

Automating and Scaling Behavioral Scientific Research on AI Agents6arxiv.org原文 ↗

arxiv.org

AEROBAT 自动完成假设生成、受控实验、行为评估、统计分析和报告撰写，扩展了代理行为科学的实验吞吐。针对 12 种行为，它生成 79 个假设、设计 1240 个实验并跑完 23512 轮模拟，其中 26 个假设得到中到强统计证据；这也把实验设计偏差带来的风险推到了系统前端。

–

Generating Attacks for LLMs with GFlowNets9arxiv.org原文 ↗

arxiv.org

论文把红队输入生成建模成奖励分布采样，让攻击者、受害模型和评估器形成 GFlowNet 反馈环，并覆盖英语与土耳其语。一个实验中加入 GFN 与 MLE 后攻击成功率从 0.08 跃升到 0.79、毒性从 0.14 到 0.71；跨模型迁移和评估器偏差仍是明显限制。

–

Mind Viruses: Self-Propagating Ideas in Multi-Agent LLM Systems10arxiv.org原文 ↗

arxiv.org

作者用进化算法构造会诱导宿主继续传播的目标，在共享编码团队和短交互链中验证其扩散，并分析模型、既有指令、payload 与拓扑的作用。有害内容传播率低于良性内容但并非为零，而系统提示加一段简短警告即可接近完全免疫；风险目前有限，却揭示了跨代理上下文的传播面。

–

Recovering Wasted Compute in Autoresearch Agents11arxiv.org原文 ↗

arxiv.org

对表格建模代理的诊断显示，重复修 bug、放弃超参调优、贫乏树搜索和“做 EDA 不用结论”是四个主要耗散点。全局 debug consultant 将运行约束跨分支共享，配合提示/控制改动和带回溯的 Thompson sampling，在底层模型不变时改善搜索质量；工程改进本身就能释放被浪费的预算。

–

MEGA: Self-Evolving Agent Optimization Infrastructure via Wisdom Graph13arxiv.org原文 ↗

arxiv.org

MEGA 将会话经验先用行为聚类与 A/B 验证固化，再拆成 PCR 原子单元写入有类型 Wisdom Graph，最后组合检索并驱动多代理优化。运行证据会反向修改“如何组织智慧”和“下一轮怎么优化”的策略，重点从单次 agent score 转向可持续积累的优化基础设施。

–

Self-Correcting Long-Horizon Search Agents via Tree-Structured Memory14arxiv.org原文 ↗

arxiv.org

ReTree 把搜索轨迹压成带来源证据和修订历史的树；一旦新证据冲突，系统回到引入 claim 的节点，替换证据、重算摘要并剪掉受影响分支。四个公开基准上准确率最多提高 25.6 个百分点，同时 Full-Trajectory ReAct 的最大单步上下文是它的 1.27 - 1.51 倍。

–

GitSkills: A Dataset of Agent Skills on GitHub15arxiv.org原文 ↗

arxiv.org

GitSkills 首次把公开 GitHub 上以 SKILL.md 为核心的代理技能当作经验软件工程对象来测量，而不是只做手工案例集合。数据集含 3797117 个文件、282200 个仓库和 1877981 种不同内容，打包成 SQLite，能研究技能的复用、维护、作者归属及安全扩散。

–

Why Does CLAUDE.md Keep Growing? Catastrophic Remembering in Agentic Coding16arxiv.org原文 ↗

arxiv.org

该研究把规则文件膨胀归因于“删除一条指令要证明不会回归”，因此追加会系统性胜过清理。1867 个仓库的 247694 个生命周期中，文件寿命内增长 226%、每提交净增 4.9 条；给指令补上 rationale 注释后，IFEval 的多余增长从 211.3% 降到 1.4%。

–

开源 / 项目 · Projects

10 项 · 开源 / 项目

tmux-agent-switcher18github.com原文 ↗

github.com

这是一个被动的 tmux 侧栏：读取 pane 与进程表，集中预览并切换 Claude Code、Codex、OpenCode 会话，同时标出 Working、Blocked、Idle 和计时器。它要求 tmux ≥3.3，不包装或启动代理，首次打开侧栏才运行轻量轮询器，适合已有终端工作流的观察层。

–

linear-claude-bridge19github.com原文 ↗

github.com

该桥接器把 Linear issue 的 mention/delegate 事件转成带 HMAC 校验的 Webhook，在本机恢复携带 CLAUDE.md、MCP 和 skills 的 Claude SDK 会话，再把 thought/action/response 写回 issue 线程。不到 1000 行的参考实现将队列并发固定为 1，并持久化 Linear 与 SDK session 映射以支持连续追问。

–

MindCache20github.com原文 ↗

github.com

MindCache 把对话转成 User、Decision、Episodic、Knowledge 四类长期记忆，放进可拆分、合并和摘要的主题树中持续更新。它把“记忆什么、哪些决策仍有效”置于平面向量检索之前，仓库还配有评测、示例和测试目录。

–

Pane21github.com原文 ↗

github.com

Pane 将浏览器操作和代理能力结合，生成面向具体工作的可扩展网站；其定位是把交互式浏览器任务封装成工作界面，而不只是脚本化点击。该项目在 digest 中的可用信息集中于产品方向，因此不额外推断实现细节或性能。

–

Dynobox22github.com原文 ↗

github.com

Dynobox 运行真实的多步代理工作流，并直接对工具调用、命令、文件、HTTP、transcript 和最终回答做证据断言，不需要第二个模型打分。相同场景可在 Claude Code、Codex、OpenCode 间复跑，也能用临时目录和 CLI mock 暴露环境差异与 flaky 行为。

–

Trunchbull23trunchbull.dev原文 ↗

trunchbull.dev

Trunchbull 在浏览器里编写 benchmark，再对真实模型执行评测，目标是把评测定义与运行入口放进同一工作台。它更像一个面向模型实测的 benchmark 产品，而非静态排行榜；digest 未给出可核验的模型覆盖或分数，故不扩写宣传之外的能力。

–

Dayan Agent Skills24github.com原文 ↗

github.com

Dayan 把 skills、harness、hooks 和 verifiers 作为代理控制层公开，覆盖工程质量、研究决策、代理系统、内容设计和产品架构。仓库集中维护 56 个技能并提供 catalog.json 等机器可读证据，强调技能负责流程、hooks 拦截已知错误、verifiers 检查结果是否配得上声明。

–

Operator25github.com原文 ↗

github.com

Operator 是浏览器可访问的编码代理控制室，每个任务拥有独立 git worktree、分支、transcript 和持久会话，可在 diff 旁审查、合并或开 PR。它把任务依赖串成流水线，并以跨项目 inbox 暴露等待输入的会话；运行依赖现有 Max、Pro 或 ChatGPT 订阅，不要求 API key。

–

Pragma26github.com原文 ↗

github.com

Pragma 用 Mission 把多个 harness、模型、工具和人工决策编排成可复用工作流，跨任务事件还能在审核策略下晋升为知识或 Skills。其独特之处是让不同代理的经验互通，但项目仍处 preview，macOS 构建未签名，采用时要把稳定性和供应链风险单独评估。

–

Aakit27github.com原文 ↗

github.com

aakit 记录代理的静默假设、证据、反证和 entrenchment，在证据冲突时只重生成受影响的代码与结论。它把假设管理写成三个可被数据否证的实验指标；README 明说当前运行规模很小，尚未产生可发表数字，反而把“允许得到负结果”作为工具设计的一部分。

–

行业动态 · Industry News

10 项 · 行业动态

DeepSeek V4 Pro 081328openrouter.ai原文 ↗

openrouter.ai

OpenRouter 收录 DeepSeek V4 Pro 0813 的模型版本和 API 信息，意味着该版本进入可调用的统一目录。页面信息支持“版本上架与接口可用”，但不足以推出质量、价格或上下文表现结论。

–

Nvidia Nemotron 3.5 Lightning and NeMo Switchyard29blogs.nvidia.com原文 ↗

blogs.nvidia.com

NVIDIA 发布 Nemotron 3.5 Lightning 模型及 NeMo Switchyard 系统，信号是模型能力与部署/路由基础设施一起交付。digest 未给出参数或吞吐数字，因此这里关注产品组合，而不把发布声明写成未经核验的 benchmark。

–

Grok 4.630x.ai原文 ↗

x.ai

xAI 发布 Grok 4.6，属于模型版本更新。现有材料没有可引用的评测或规格，新闻重点只能落在新版本进入 xAI 产品线这一事实。

–

Qwen3.8-2.4T31huggingface.co原文 ↗

huggingface.co

Hugging Face 页面提供 Qwen3.8-2.4T-A95B 模型条目与权重信息，使其具备可下载、可部署的发布载体。模型字符串本身不等于质量或成本指标，当前条目不作超出页面的性能推断。

–

Lovable raises $400M Series C33lovable.dev原文 ↗

lovable.dev

Lovable 宣布完成 4 亿美元 C 轮融资，体现 AI 应用构建平台获得的资本规模。金额是该条最明确的事实；它并不能替代对产品留存、收入或技术壁垒的判断。

–

From assistance to execution: How enterprises put AI to work35openai.com原文 ↗

openai.com

OpenAI 报告称 6 月 Codex 已占企业客户 Codex+ChatGPT 输出 token 的 64%，frontier 企业每活跃用户输出量达到典型企业的 8.3 倍，并且法律、销售、招聘、营销的周活跃 Codex 用户增长远超工程。报告把差距归因于工具、skills、权限、共享流程和治理的组合，显示“买到同一模型”并不会自动带来同等执行深度。

–

Daybreak models are now available on AWS36openai.com原文 ↗

openai.com

Daybreak Blue（带防护的通用模型）和 Daybreak Red（授权漏洞研究、exploit 验证与安全测试）现通过 Amazon Bedrock 提供。客户须加入 Daybreak Access，可从 Bedrock 控制台或 `bedrock-mantle` endpoint 调用，核心变化是把网络安全模型接入企业已有的 AWS 权限和运营边界。

–

博客文章 · Blog Posts

10 项 · 博客文章

AI is removing the middle class of software engineering38blog.florianherrengt.com原文 ↗

blog.florianherrengt.com

文章把 AI 编程工具放到软件工程分层和技能形成的长期变化中，讨论“中间层”工作被自动化后谁来承担复杂判断。它提出的是结构性论点而非可验证的岗位预测，阅读时应把趋势判断与实际劳动力数据区分开。

–

My Agent Setup39chad.cm原文 ↗

chad.cm

作者展示日常开发中使用的代理工具、提示和工作流配置，重点在组件如何形成一个可重复的个人系统。它是实践样本，不是横向评测；可借鉴的是组合方式和边界意识，而非照搬每项偏好。

–

Why Tiny JPEGs Look Different in Chrome40guillaumetech.github.io原文 ↗

guillaumetech.github.io

文章把极小 JPEG 在 Chrome 中的视觉差异归因到图像采样、缩放与像素取整的渲染链，而不是文件内容神秘变化。这个解释对截图测试和像素级回归尤其有用：显示结果还受浏览器管线影响，不能只比较源文件。

–

What sort of maths are LLMs good at?41gowers.wordpress.com原文 ↗

gowers.wordpress.com

Gowers 用不同类型数学问题拆分 LLM 的能力，区分形式操作、模式延续与需要稳定证明链的推理。文章的贡献不是给出单一排名，而是提供更细的提问框架，避免“会做几道题”被误读成一般数学能力。

–

The Human Is the Loop42brentfitzgerald.com原文 ↗

brentfitzgerald.com

文章强调人并非 AI 系统外部的最后审批按钮，而是通过目标、反馈、权限和纠错持续塑造系统行为。这个视角把 human-in-the-loop 从界面设计问题提升为组织闭环问题，也解释了为什么同一模型在不同流程里会产生不同风险。

–

Compression is prediction43ngrok.com原文 ↗

ngrok.com

ngrok 从信息论说明，越能预测下一个符号，就越能用更短编码表示它，压缩与预测因此共享同一目标。将这一关系放回 token、上下文压缩和模型训练中，可以看出“省 token”并非独立技巧，而是对可预测结构的利用。

–

On AI Coding and Its Discontents44calnewport.com原文 ↗

calnewport.com

Cal Newport 讨论 AI 辅助编程对注意力、学习和责任分配的副作用，质疑只用速度衡量生产率。文章的焦点是工作方式如何重组，而非某个 coding agent 的功能清单，因此适合与团队能力培养和审查制度一起阅读。

–

There are no lossless transformations of natural-language text45simonwillison.net原文 ↗

simonwillison.net

文章转述自然语言经 AI 改写不可能完全无损：措辞、语气和隐含上下文都会发生取舍。对代理生成 README、提示和 changelog 而言，这意味着“润色”应保留人工核对和原文对照，而不是当作格式转换。

–

Stealing Reasoning Traces from Proprietary LLM APIs46simonwillison.net原文 ↗

simonwillison.net

该文介绍通过跨模型重放加密推理块来恢复专有 API 隐藏推理的研究，讨论的是协议输出可能泄漏的边界。它提醒安全评估不能只看明文回答，还要检查加密块、重放行为和跨模型接口的组合暴露面。

–

not much happened today47news.smol.ai原文 ↗

news.smol.ai

这期简报汇总 8 月 10 - 11 日社区对模型、安全和推理追踪的讨论，价值在于把分散线索放在同一时间窗口观察。它是发现入口而非单一原始报道，具体结论仍应回到所链接的论文或项目。

–

引用来源 · References

56 条 · 引用
  1. 1 MESA: Task-Adaptive Multi-Structure Evidence Selection for Long-Horizon Agent Memory. arXiv:2608.10108https://arxiv.org/abs/2608.10108 ↩ 回到正文 · back to text
  2. 2 MAP-Graph: Provenance-Aware Shared Memory for Multi-Agent Workflows. arXiv:2608.10509https://arxiv.org/abs/2608.10509 ↩ 回到正文 · back to text
  3. 3 SkillZip: Evaluation-Free Skill Compression for Self-Evolving Agents. arXiv:2608.11079https://arxiv.org/abs/2608.11079 ↩ 回到正文 · back to text
  4. 4 REDAgentBench: Executable Red Teaming and Faithful Measurement of LLM Agent Systems. arXiv:2608.10669https://arxiv.org/abs/2608.10669 ↩ 回到正文 · back to text
  5. 5 Graft. GitHubhttps://github.com/NanoNets/Graft ↩ 回到正文 · back to text
  6. 6 Automating and Scaling Behavioral Scientific Research on AI Agents. arXiv:2608.10030https://arxiv.org/abs/2608.10030 ↩ 回到正文 · back to text
  7. 7 The CASE Framework: A Multi-Disciplinary Control Architecture for Governing Enterprise Agentic AI. arXiv:2608.10153https://arxiv.org/abs/2608.10153 ↩ 回到正文 · back to text
  8. 8 SBCO: Self-Supervised, Verifier-Grounded Harness Optimization For Planning Agents. arXiv:2608.10157https://arxiv.org/abs/2608.10157 ↩ 回到正文 · back to text
  9. 9 Generating Attacks for LLMs with GFlowNets. arXiv:2608.10171https://arxiv.org/abs/2608.10171 ↩ 回到正文 · back to text
  10. 10 Mind Viruses: Self-Propagating Ideas in Multi-Agent LLM Systems. arXiv:2608.10218https://arxiv.org/abs/2608.10218 ↩ 回到正文 · back to text
  11. 11 Recovering Wasted Compute in Autoresearch Agents. arXiv:2608.10424https://arxiv.org/abs/2608.10424 ↩ 回到正文 · back to text
  12. 12 From Faulty Memories to Corrected Actions: Dependency-Guided Rollback Repair for Memory-Augmented Agents. arXiv:2608.10502https://arxiv.org/abs/2608.10502 ↩ 回到正文 · back to text
  13. 13 MEGA: Self-Evolving Agent Optimization Infrastructure via Wisdom Graph. arXiv:2608.10504https://arxiv.org/abs/2608.10504 ↩ 回到正文 · back to text
  14. 14 Self-Correcting Long-Horizon Search Agents via Tree-Structured Memory. arXiv:2608.10676https://arxiv.org/abs/2608.10676 ↩ 回到正文 · back to text
  15. 15 GitSkills: A Dataset of Agent Skills on GitHub. arXiv:2608.10906https://arxiv.org/abs/2608.10906 ↩ 回到正文 · back to text
  16. 16 Why Does CLAUDE.md Keep Growing? Catastrophic Remembering in Agentic Coding. arXiv:2608.11095https://arxiv.org/abs/2608.11095 ↩ 回到正文 · back to text
  17. 17 DOCSCHISEL: Adaptive Tool Documentation Optimization Framework for LLM Agents. arXiv:2608.10037https://arxiv.org/abs/2608.10037 ↩ 回到正文 · back to text
  18. 18 tmux-agent-switcher. GitHubhttps://github.com/Ymirke/tmux-agent-switcher ↩ 回到正文 · back to text
  19. 19 linear-claude-bridge. GitHubhttps://github.com/MPIsaac-Per/linear-claude-bridge ↩ 回到正文 · back to text
  20. 20 MindCache. GitHubhttps://github.com/faisalhussain-devs/MindCache/tree/collapsed_tree ↩ 回到正文 · back to text
  21. 21 Pane. GitHubhttps://github.com/abhishek-verma/Pane ↩ 回到正文 · back to text
  22. 22 Dynobox. GitHubhttps://github.com/dynobox/dynobox ↩ 回到正文 · back to text
  23. 23 Trunchbullhttps://trunchbull.dev ↩ 回到正文 · back to text
  24. 24 Dayan Agent Skills. GitHubhttps://github.com/Kosmoray/dayan-agent-skills ↩ 回到正文 · back to text
  25. 25 Operator. GitHubhttps://github.com/iishyfishyy/operator-oss ↩ 回到正文 · back to text
  26. 26 Pragma. GitHubhttps://github.com/pqpo/pragma ↩ 回到正文 · back to text
  27. 27 Aakit. GitHubhttps://github.com/abhixhek/aakit ↩ 回到正文 · back to text
  28. 28 DeepSeek V4 Pro 0813. OpenRouterhttps://openrouter.ai/deepseek/deepseek-v4-pro-0813 ↩ 回到正文 · back to text
  29. 29 Nvidia Nemotron 3.5 Lightning and NeMo Switchyard. NVIDIAhttps://blogs.nvidia.com/blog/nemotron-lightning-switchyard-rtx-dgx/ ↩ 回到正文 · back to text
  30. 30 Grok 4.6. xAIhttps://x.ai/news/grok-4-6 ↩ 回到正文 · back to text
  31. 31 Qwen3.8-2.4T. Hugging Facehttps://huggingface.co/Qwen/Qwen3.8-2.4T-A95B ↩ 回到正文 · back to text
  32. 32 Wednesday, August 12: GitHub, Incident with Pull Requests and Issues. GitHub Statushttps://www.githubstatus.com/incidents/76t89hbfb09h ↩ 回到正文 · back to text
  33. 33 Lovable raises $400M Series C. Lovablehttps://lovable.dev/blog/series-c ↩ 回到正文 · back to text
  34. 34 Tailscale Traces Database Corruption to 16y/o SQLite WAL-Reset Bug. Tailscalehttps://tailscale.com/blog/sqlite-wal-reset-bug ↩ 回到正文 · back to text
  35. 35 From assistance to execution: How enterprises put AI to work. OpenAIhttps://openai.com/index/how-enterprises-put-ai-to-work ↩ 回到正文 · back to text
  36. 36 Daybreak models are now available on AWS. OpenAIhttps://openai.com/index/daybreak-models-are-now-available-on-aws ↩ 回到正文 · back to text
  37. 37 German advocacy group lodges criminal complaint over Meta AI glasses. Reutershttps://www.reuters.com/legal/government/german-advocacy-group-lodges-criminal-complaint-over-meta-ai-glasses-2026-08-12/ ↩ 回到正文 · back to text
  38. 38 AI is removing the middle class of software engineeringhttps://blog.florianherrengt.com/ai-removing-middle-class-software-engineering.html ↩ 回到正文 · back to text
  39. 39 My Agent Setuphttps://chad.cm/posts/2026-8-11-my-agent-setup ↩ 回到正文 · back to text
  40. 40 Why Tiny JPEGs Look Different in Chromehttps://guillaumetech.github.io/posts/jpg-scaling-chrome/ ↩ 回到正文 · back to text
  41. 41 What sort of maths are LLMs good at?https://gowers.wordpress.com/2026/08/12/what-sort-of-maths-are-llms-good-at/ ↩ 回到正文 · back to text
  42. 42 The Human Is the Loophttps://brentfitzgerald.com/posts/the-human-is-the-loop/ ↩ 回到正文 · back to text
  43. 43 Compression is predictionhttps://ngrok.com/blog/compression-is-prediction ↩ 回到正文 · back to text
  44. 44 On AI Coding and Its Discontentshttps://calnewport.com/on-ai-coding-and-its-discontents/ ↩ 回到正文 · back to text
  45. 45 There are no lossless transformations of natural-language texthttps://simonwillison.net/2026/Aug/11/there-are-no-lossless-transformations-of-natural-language-text/ ↩ 回到正文 · back to text
  46. 46 Stealing Reasoning Traces from Proprietary LLM APIshttps://simonwillison.net/2026/Aug/11/stealing-reasoning-traces/ ↩ 回到正文 · back to text
  47. 47 not much happened todayhttps://news.smol.ai/issues/26-08-11-not-much/ ↩ 回到正文 · back to text
  48. 48 uber/ADR. GitHubhttps://github.com/uber/ADR ↩ 回到正文 · back to text
  49. 49 cathrynlavery/diagram-design. GitHubhttps://github.com/cathrynlavery/diagram-design ↩ 回到正文 · back to text
  50. 50 JimLiu/baoyu-skills. GitHubhttps://github.com/JimLiu/baoyu-skills ↩ 回到正文 · back to text
  51. 51 TanStack/router. GitHubhttps://github.com/TanStack/router ↩ 回到正文 · back to text
  52. 52 eigent-ai/eigent. GitHubhttps://github.com/eigent-ai/eigent ↩ 回到正文 · back to text
  53. 53 cloudflare/computer. GitHubhttps://github.com/cloudflare/computer ↩ 回到正文 · back to text
  54. 54 LadybirdBrowser/ladybird. GitHubhttps://github.com/LadybirdBrowser/ladybird ↩ 回到正文 · back to text
  55. 55 huggingface/transformers. GitHubhttps://github.com/huggingface/transformers ↩ 回到正文 · back to text
  56. 56 AgriciDaniel/claude-obsidian. GitHubhttps://github.com/AgriciDaniel/claude-obsidian ↩ 回到正文 · back to text