Twitter AI Agent - 2026-04-11

1. 人们在讨论什么

1.1 Agent Skills 正成为标准知识层 🡕

Agent Skills 这种格式——即用 Markdown 文件编码、供 AI 编程工具调用的流程性知识——本周跨过了临界点。多个彼此独立的信号表明，它已不再只是 Claude 专属的小众新奇玩意，而正在成为一种新兴的跨平台标准。

@xelebofficial 发布了 误区讨论帖，论证 Skills 并不是“只是一段很长的提示词”（Skills 可跨任务持久存在，而提示词用完即消失），也不需要会写代码（它们本质上就是 Markdown），并且适用于 GitHub Copilot、Cursor、Gemini CLI 和 Windsurf，而不只是 Claude。文中最具挑衅意味的观点是：“价值最高的 Skills 很少与代码有关。它们关乎你的团队如何写提案、如何组织报告、如何处理客户升级问题。”

@code_rams 宣布推出 autoskills。这是一款 CLI 工具（npx autoskills），能够识别项目的技术栈，并从 skills.sh 的精选注册表中自动安装匹配的 skill 文件，支持 50 多种技术。一条来自 @safaa_9411 的回复提出，如果 skills 在加载前未经过安全审查，可能会带来提示词注入风险。

@tom_doerr 分享了 Paul Hudson 的 Swift Agent Skills 仓库——这是一个面向 Swift 和 Apple 平台开发的开源 skills 精选集，按框架分类组织（SwiftUI、SwiftData、Swift Concurrency 等），并在显著位置提醒用户：安装第三方 skills 前应先审查。

@dshukertjr 正式发布了官方 Supabase Agent Skills，把最新的产品知识和文档打包成 skills——这标志着平台厂商开始以 agent 可直接消费的文件形式分发文档，而不再只是提供给人阅读的网页。

@AlphaSignalAI 报道了 Google 工程师的开源 Agent Skills 仓库，其中编码了 19 项工程 skills 和 7 个斜杠命令，覆盖完整开发生命周期：先写规范，再写代码；先测试，再合并；先度量，再优化。它可用于 Claude Code、Cursor，或任何能够读取 Markdown 的 agent。

@DipanshuKu55175 汇总了 Anthropic 的 13 门免费认证课程，其中包括《Agent Skills 入门》和《MCP 高级主题》——这是一次分量十足的教育投入，显示 Anthropic 正在加码生态增长。

1.2 Harness Engineering 正在固化为一门学科 🡕

“模型周围的代码比模型本身更重要”这一想法，本周不仅获得了更多实证支持，也首次迎来了接近教材篇幅的系统性阐述。

@elvissun 发布了 当天最高分推文（464 个赞，744 次收藏），介绍 Codex 在获得合适 harness 后，如何“单次就修好了我们的 turbo cache 问题”。这是一个 agent 调试循环，把构建时间从 3 分 22 秒缩短到 34 秒。配图展示了一套结构化的三步方法：给 agent 配上诊断之眼（本地和云端工具）、把它放进“假设—测试—结果”的反馈回路、然后让它驾驶，工程师则通过 Telegram 旁观。

@IntuitMachine 介绍了 关于 Meta-Harness 论文的深度讨论帖（arXiv:2603.28052v1）：自动化 harness 优化比人类专家高出 7.7 分，消耗的 token 少 4 倍，并且能泛化到未见过的模型。其关键发现是：仅靠改 harness，同一个冻结模型就能产生 6 倍的性能波动。

@tom_doerr 分享了 两本关于 harness engineering 的完整书籍（托管于 harness-books.agentway.dev）：一份 Claude Code 设计指南，以及一项比较 Claude Code 与 Codex 设计哲学的研究。其核心观点是：“Harness engineering 关注的是约束结构如何组织执行。”

@RLanceMartin 讨论了 session-harness 解耦，提出一种架构：把 session 视为一个可供“大脑”查询的上下文对象。其关键洞见是：“没有任何上下文工程是不可逆的。”

@ottamm_190 分享了 综述论文（《LLM Agents 中的外部化》，arXiv:2604.08224），这篇由 21 位作者共同署名的论文为该方向提供了学术基础：记忆把状态外部化，skills 把程序性专长外部化，协议把交互结构外部化，而 harness engineering 则是统一这些要素的一层。

@deararchitects 给出了 反对意见：harness engineering “听起来像是提升交付速度的显而易见的下一步，但它也意味着团队现在必须自行拥有并维护另一层基础设施”。

1.3 个人 AI 语音 Agent 浪潮 🡕

@garrytan（YC 总裁）凭借三篇帖子主导了个人 AI 话题。GBrain v0.8.0 发布了具备 voice-to-brain 能力的系统，一次性交付 25 种生产模式：默认 WebRTC、上下文优先提示词、动态 VAD、激进的提示词压缩（13K 压到 4.7K tokens）、卡死看门狗、工具调用期间的思考音效，以及先认证后开口。更新日志配图显示的不是 demo，而是一套生产级语音基础设施。

他还 介绍了他构建语音 agent 的过程：自己在 Kona 的泳池边，用 iPhone 上的 Telegram 与它聊天，并补充说：“我戒酒是为了写代码写得更好。”第三篇帖子 倡导个人 AI 运动，下面的回复确认这套配置“什么都能跑，别的地方一个月得花 $200 的那些东西也能跑”。

@ASUS 发布了一篇 官方博客指南，介绍如何用 OpenClaw 把旧笔记本改造成专用 AI agent——这意味着一家大型硬件厂商正在为个人 AI agent 这一用例背书。

@cgtwts 展示了 使用 OpenClaw 在本地运行 Gemma 仅用三条命令完成配置（安装 Ollama、下载 Gemma、启动 OpenClaw），说明构建一个完全私有的 AI agent 门槛已经降到最低。

1.4 Agent 平台竞争升温 🡒

OpenClaw 与 Hermes Agent 的对决成为焦点。@iamlukethedev 详细介绍了 OpenClaw v2026.4.10 发布：Active Memory 插件（自动拉取偏好和历史对话）、原生 Codex provider，以及 macOS 本地语音。不过，@markkurajala2 报告称，尽管手动记忆搜索能正常返回结果，Active Memory 在真实使用中却返回空值——暴露出生产就绪性上的缺口。

@steipete（OpenClaw 维护者）披露了两种实验模式，介绍了在 OpenClaw 中为 GPT 配置的两项能力：一种 strict mode，用来推动模型持续工作；以及把 Codex app server 当作 harness。该回复获得 144 个赞，显示社区对让非 Claude 模型也能胜任编排器角色有着很高兴趣。

@bridgemindai 在 NVIDIA DGX Spark 上设置 Hermes Agent，在不到 20 分钟内生成冷启动外联邮件，并称“OpenClaw 拿到了热度，Hermes 则把架构做对了。”@cto_junior 赞扬 Hermes 的自学习循环，认为它比手工做法更能沉淀经验，还能自动生成新 skills。

@KanikaBK 分享了 《The Orange Book》，这是一份由社区撰写的 17 章 Hermes Agent 手册，涵盖三层记忆系统、skill 创建循环，以及与 Claude Code 和 OpenClaw 的对比——由社区文档来填补 Nous Research 留下的空白。

@Codex_Changelog 宣布推出 Codex 0.119.0，默认启用 WebRTC 语音，并对 MCP 做出大幅改进（资源读取、elicitation、文件上传），同时支持远程 / app-server 工作流。一条 reply from @jlave_dev 批评其节奏：“you guys need to pick up the pace to compete with claude code. a copy shortcut being one of the top new features is crazy.”

1.5 上下文工程进入主流 🡕

@drummatick 列出了 成为前 1% AI 工程师所需掌握的主题——context engineering、context compactness、agent harness、memory 和 subagent spawning 与传统 LLM 技能并列出现。该帖获得 331 次收藏，说明市场对结构化学习路径需求很高。一条回复又补充了“evals and guardrails”。

@nyk_builderz 认为 下一个 AI 护城河是上下文治理：“2026 年交付最快的团队都在做三件事：像版本管理代码一样版本化管理 memory，在采取行动前给 agent 输出打分，把 prompts 当作接口，而不是魔法。”他与 @l33tdawg 的一段延伸讨论，把 SAGE（以 BFT 共识记忆为数据平面）与 LACP（Claude Code 的控制平面）进行比较，最终结论是两者互补，而非竞争。

@i_amanchadha 发布了 全面的上下文工程入门指南，托管于 contexteng.aman.ai，内容涵盖构件模块、检索/记忆/压缩、失败模式（上下文投毒、分心、混淆、冲突）以及生产环境启发式。

@aa22396584 提炼出了共识：“人们都在关注‘哪个模型更强’，但真正的技能鸿沟在于：如何组织 agent memory、如何设计权限边界、以及如何构建可组合的 SKILL.md 文件。工具已经商品化，架构才是竞争优势。”

---

2. 什么让人感到沮丧

托管 Agent 中的 Vault 与权限范围（高）

@dani_avila7 发现，Claude Managed Agents 的 vaults 以工作区为作用域，这意味着任何拥有工作区访问权限的人，都可以在自己的 session 中引用 vault，并使用其中存储的 OAuth 凭据。架构图把问题展示得很清楚：session 会附带 vault_ids，但访问控制只存在于工作区层级。人们提出的修复诉求包括：按 agent 细分的 vault 权限、凭据审计日志，以及原生定时 agent。

Active Memory 在生产环境中无法正常工作（中）

@markkurajala2 报道了，称 OpenClaw 新推出的 Active Memory 插件“在真实使用中一直给我们返回空结果，尽管手动记忆搜索确实会返回相关结果”。另一位用户则表示，更新后一直卡在终端里调试。大型版本的头号功能在生产环境中无法稳定工作，已成反复出现的模式。

Agent 工具迭代速度落后于竞争对手（中）

@jlave_dev 批评了 Codex：“you guys need to pick up the pace to compete with claude code. a copy shortcut being one of the top new features is crazy.” 这种挫败感反映出一种更广泛的情绪：在开发者体验上，OpenAI 的 agent 工具落后于 Anthropic。

基础设施指标与实际体验错位（低）

@braelyn_ai 指出，沙箱厂商在竞争初始化时间（“快 0.02s”），而使用该沙箱的 agent 却要跑 15 分钟。真正的瓶颈是 agent 执行时间，而不是基础设施启动时间——厂商优化的是 benchmark，而不是用户实际感知到的性能。

Agent 漏洞演示会误导人们对通用能力的判断（低）

@dbreunig 认为：找漏洞是搜索问题（在墙上找到一条裂缝），而造软件是建造问题（处理边界情况、维持整体一致性）。Agent 漏洞演示天然带有验证闭环，因此很适合营销，却并不能很好地代表更广泛的能力。一个尚未回答的问题是：Anthropic 为每个漏洞究竟花了多少钱？

---

3. 人们希望存在什么

更细粒度的 Agent 权限系统

多位实践者都提到了同一类需求：按 agent 而非按 workspace 进行凭据范围控制；在运行时强制执行权限，防止 agent 的声明能力与实际能力发生漂移；以及提供凭据审计轨迹，记录谁在什么时候用了什么。@dani_avila7 和 @0xAgix 都分别独立提出了这一诉求。

统一的 Agent Engineering 学习路径

@drummatick 承认了，“几乎没有任何单一资源能把这些能力全部囊括起来”，并承诺自己会写一份。@KanikaBK 指出，Nous Research “把工具扔出来后，基本就让你自己摸索了”。社区正在自行搭建文档体系——Orange Book、harness books、context engineering primer——但目前仍没有一套权威课程。

原生 Agent 调度与 Cron

@dani_avila7 明确指出，Claude Managed Agents 缺少原生定时 agent，并表示“不该还要靠 cron job 变通”。@Viewforge 构建了一个 多设备调度器 来填补这一空白，说明市场需求强到足以催生独立工具。

跨框架 Skill 可移植性保证

尽管 @xelebofficial 声称 skills 可跨多个平台工作，但 @felipedeleon_ 指出需要，希望有“一种原生运行时解决方案，能检查 skill，并在需要时把它移植到其他框架”。Skills 是 Markdown 没错，但运行时行为各平台并不一致。目前仍没有互操作性测试标准。

---

4. 正在使用的工具与方法

工具	类别	情绪	优势	局限
OpenClaw	Agent 平台	褒贬不一	Active Memory、本地语音、广泛模型支持、50K+ stars	生产环境中的 memory bug、更新导致功能损坏
Hermes Agent	Agent 平台	正面	自我改进的 skill 循环、三层 memory、Orange Book 社区文档	skill 浏览仅限控制台，官方文档稀少
Codex (OpenAI)	编程 agent	褒贬不一	WebRTC 语音、MCP 改进、session 恢复	相比 Claude Code 节奏受批评，被视为仍在追赶
Claude Code	编程 agent	正面	托管 agents、vault 系统、强大的 harness 设计	vault 权限范围过宽，缺少原生调度
GBrain	个人 AI	正面	25 种语音模式、WebRTC、提示词压缩（13K 到 4.7K tokens）	依赖 OpenClaw/Hermes，仍处早期
Daytona	沙箱	正面	通过 OpenRouter CLI 一条命令启动 agent	--
autoskills	Skill 安装器	早期	自动识别 50 多种技术栈，支持 --dry-run 标志	不受信任 skills 带来的提示词注入风险
Agent Lightning	RL 优化	早期	与框架无关，可直接接入 agl.emit()，MIT 许可证	v0.3.0，尚未证明能大规模落地
Gemma 4 31B	开放模型	正面	借助 ADK 执行自主 agent 工作，开放权重	规模小于前沿模型
Privy Agent CLI	钱包基础设施	早期	创建、注资和管理 agent 钱包	实验性界面较多

---

5. 人们正在构建什么

项目	构建者	功能	解决的问题	技术栈	阶段	链接
GBrain	@garrytan	带 WebRTC、Twilio 和 memory 的个人 AI 语音 agent	封装式 AI 的局限	OpenClaw/Hermes、WebRTC、PGLite	v0.8.0	GitHub
Vibe-Trading	@ihtesham2005	拥有 64 项 skills、29 个 swarm 预设的开源交易 agent	量化工具碎片化	Python、FastAPI、React、DAG 多 agent	v0.1.4	推文
SearchClaw	@ruc_ytz	具备质量门和 harness engineering 的研究 agent	LLM 研究答案不可靠	FastAPI、litellm、Playwright	已发布	GitHub
Charon	@suncostlabs	管理远程 Claude、Codex、pi、Hermes 实例的编排器	多 agent 协调	自定义编排	预发布	推文
Escroue	@Escapation	无需信任的 agent-to-agent 任务市场	agent 支付结算	OpenServ SDK、链上	黑客松冠军	escroue.com
Harness Books	@tom_doerr / AgentWay	两本 harness engineering 设计指南	缺少成文的 harness engineering 理论	Markdown，托管于 agentway.dev	已发布	GitHub
autoskills	@code_rams	自动识别技术栈并安装匹配的 agent skills	手动安装 skill 的负担	npx CLI、skills.sh 注册表	已发布	推文
Agent Experience Protocol	@itsashonaroll	面向 agent 协调的标准化安全优先协议	缺少 agent 互操作标准	协议规范	早期	推文

Vibe-Trading 是今天浮现出来、在架构上最具野心的开源项目。它采用基于 DAG 的多 agent 系统，让专职 agents 实时协作、辩论并彼此交接，覆盖技术分析（Ichimoku、Elliott Wave、SMC）、量化工具（Black-Scholes、Greeks、MVO）、另类数据（社交情绪、宏观 regime 检测）以及加密货币（永续合约资金费率基差、清算热力图）。该项目由 HKU 的 Data Intelligence Lab 于 10 天前发布。

SearchClaw 来自 RUC-NLPIR，把 harness engineering 原则应用到网页研究中：质量门钩子会拒绝引用不足的答案；研究计划工具会把复杂查询拆解成可追踪子任务；两阶段上下文压缩则让 session 保持在上下文窗口限制之内。这是 harness engineering 从理论走向应用的一个具体例子。

---

6. 新鲜且值得关注

Meta-Harness：模型之外的那层“模型”

Meta-Harness 论文（arXiv:2603.28052v1）表明，AI agent 可以自动优化冻结模型外围的 harness 代码，并在 token 使用量少 4 倍的情况下，比人类 harness 工程师高出 7.7 分。研究中，agent 被赋予了对既有代码的文件系统访问权限、最多 10M tokens 的执行轨迹，以及失败日志。它并不是在“刷榜取巧”，而是发现了结构化程序——用于分类的 draft-verification、用于数学检索的 lexical routing、用于编码的 adaptive context。其含义是：继模型扩展之后，harness 搜索可能成为下一个前沿。

Famou-Agent 2.0 重新夺回 MLE-Bench SOTA

百度智能云的 Famou-Agent 2.0 重新拿下 ML 工程任务 MLE-Bench 的第一名，升级包括进化策略、长时程记忆和基础设施。该系统已部署至制造、金融、交通运输等领域的数千家企业。

VAGEN：教 VLM Agent 构建世界模型

Stanford 的 VAGEN 框架 使用强化学习，训练视觉语言模型 agent 构建并维护内部世界模型。通过鼓励 agent 估计当前状态并预测未来转移，一个 3B 参数模型借助带双层优势估计的 PPO，在多类视觉任务上达到 SOTA。

Agent Lightning：面向任意 Agent 框架的 RL

@pvergadia 宣布，Microsoft 开源了 Agent Lightning 是一款与框架无关、用于提升 agent 的 RL 工具。可直接接入 agl.emit()，或使用自动追踪器，把每一次提示词、工具调用和奖励都捕获成结构化事件。它支持 LangChain、AutoGen、CrewAI、OpenAI SDK 和纯 Python，用持续学习闭环取代手工调 prompt。

外部化理论迎来综述论文

一篇 21 位作者合著的综述论文（arXiv:2604.08224）从认知外部化的视角重构 agent 基础设施：记忆将状态跨时间外部化，skills 将程序性专长外部化，协议将交互结构外部化，而 harness engineering 充当统一层。论文梳理了从 weights 到 context 再到 harness 的历史演进。

---

7. 机会在哪里

[+++] 强：Agent Skills 工具与分发 Skills 正成为 AI agent 封装知识的标准单位，但生态仍缺少筛选、安全审查和跨平台测试。@safaa_9411 提出的提示词注入风险，以及 Swift Agent Skills 中的安全警告，都指向同一个空白：目前还没有一个可信、经过验证且完成安全审计的 skill 注册表。谁能做出“agent skills 的 npm”，并建立可靠审核机制，谁就能拿下分发层。

[+++] 强：Harness Engineering as a Service Meta-Harness 论文表明，自动化 harness 优化优于人类专家。大多数团队仍在手工调 agent 脚手架。一个能够分析 agent harness、识别瓶颈，并给出或自动应用改进建议的服务，正好击中一个已被验证的痛点——@elvissun 关于 harness 调试方法的帖子获得了 744 次收藏。

[++] 中等：Agent 权限与凭据治理 @dani_avila7 对 vault 权限范围的发现，以及 @nyk_builderz 关于“上下文治理就是护城河”的论点，都指向同一个缺口：处理真实凭据的 agents 需要细粒度、可审计的权限系统。现有实现最多也只做到 workspace 级别。企业级采用取决于这一问题能否解决。

[++] 中等：个人 AI 语音基础设施 Garry Tan 的 GBrain、OpenClaw 的本地语音，以及 ASUS 的旧笔记本改造指南，都汇聚到个人化、语音优先 AI agents 这一方向。基础设施已经能用，但仍很粗糙。谁能把流程从“读 changelog、手动调试”压缩成“安装后直接开聊”，谁就能打开消费市场。

[+] 新兴：Agent-to-Agent 市场与协议 Escroue（黑客松冠军）、Agent Experience Protocol、Privy Agent CLI 以及多项 marketplace 公告，都显示出早期需求：agents 需要能发现其他 agents、与之谈判并向其支付。当前基础设施高度碎片化，而且大多偏加密原生。缺失的一块，是一个与框架无关的协调层。

[+] 新兴：多设备 Agent 编排 @Viewforge 的跨设备调度器，以及 @suncostlabs 的 Charon 编排器，都说明市场需要在多台机器上运行 agent 舰队。眼下还没有主导性工具，能够在异构设备间统一调度、监控和协同 agents。

---

8. 结论

1. Agent skills 正在成为封装 AI 知识的新标准。 本周，Supabase、Google 工程师、Paul Hudson 和 Anthropic 都发布了 skills，而 autoskills 能为 50 多种技术栈自动安装它们。（Supabase skills 发布）

2. Harness engineering 现在已经有了教材、综述论文和实证证明。 Meta-Harness 论文显示，仅靠自动化 harness 搜索，就能比人类专家高出 7.7 分；与此同时，两本书和一篇 21 位作者联署的综述论文也补上了理论基础。（Meta-Harness 讨论帖）

3. 模型周围的代码带来的性能波动，比模型本身更大。 同一个冻结模型，仅凭一次 harness 改动就可能产生 6 倍性能差异；真正的竞争优势在于架构，而不在于模型。（elvissun 的 harness 方法论）

4. 个人 AI 语音 agents 已从 demo 跨入日常使用。 Garry Tan 的 GBrain v0.8.0 提供 25 种生产级语音模式，并实现激进的 prompt 压缩；ASUS 也发布了把硬件改造成个人 AI 的官方指南。（GBrain v0.8.0）

5. Agent 平台竞争正在暴露生产就绪性缺口。 OpenClaw 的 Active Memory 在真实使用中返回空结果；Codex 的迭代节奏被批评落后于 Claude Code；Hermes 的自学习循环受到称赞，但要真正用起来仍依赖社区文档。（OpenClaw 缺陷报告）

6. 安全与治理是 agent 落地的硬约束。 工作区级凭据 vault、未经审查的 skill 安装，以及缺失的审计日志，都是本周实践者点名的具体障碍。（Vault 作用域问题）

7. 上下文工程已经形成自己的课程、primer 和失败模式分类。 从投毒、分心到压缩伪影，实践者如今把上下文视为一种有限资源，且其失败模式已知，而不再把它当作一个神奇的输入框。（上下文工程入门指南）