Twitter AI Agent - 2026-04-16¶
1. 人们在讨论什么¶
1.1 Harness Engineering 形成三阶段框架 🡕¶
当天得分最高的一条帖子，将整个智能体领域重新框定为一个三阶段演进过程。@akshay_pachaar 发布了一篇爆火的深度解析（484 个赞、627 次收藏、56,719 次浏览）梳理了智能体工程从权重（2022 年）到上下文（2023–24 年），再到 Harness Engineering（2025–26 年）的演进。核心论点是：“模型不再是智能的唯一所在。它处在一个 harness 之中，而这个 harness 包含持久记忆、可复用技能、标准化协议（如 MCP 和 A2A）、执行沙箱、审批关卡以及可观测性层。”他还链接了一篇学术论文：《LLM 智能体中的外部化：记忆、技能、协议与 Harness Engineering 的统一综述》。
@neural_avb 报告了第一手的摩擦与阻碍（196 个赞、212 次收藏）分享了为本地边缘模型（约 4B 参数）构建 harness 的经验：“当你处理更小、更笨的模型时，很多常见的 harness engineering 原则根本不适用，这简直离谱。”约束包括：上下文更小、若不采用受约束解码就无法保证结构化输出，以及长序列运行会导致硬件过热。@sunnyworks 在回复中确认，使用 llama.cpp 跑 Qwen3.5 模型时也遇到了完全相同的痛点。
@_lopopolo 宣布 宣传了 4 月 28 日 ODSC AI East 的一场会议：“Harness Engineering：面向 agent-first 软件开发的实用模式。”@miguelbranco80 描述了 分享了一个应用 harness engineering 原则构建的“软件黑暗工厂”——一夜之间合并了数十个 PR。@erikdunteman 上线了 展示了一个基于 Modal 沙箱和 OpenAI Agent SDK、用于并行后台编码任务的定制智能体 harness。
@burkov 分享了一篇 ICLR 2026 论文 介绍了 ACE（Agentic Context Engineering，智能体上下文工程）。这是一个让上下文演化为动态操作手册的框架，可防止细节逐步流失，并以更低的适配成本超越基线表现。与此同时，他还 重点提到了 了 GAM 论文；该论文研究“即时”记忆框架，能够在运行时动态优化上下文。
讨论洞察： @alexxxluan 反对使用单一的 harness 总指标：“我认为下一步应该是按任务类型（研究、编码、支持）衡量 harness 质量，而不是只看一个汇总分数。”@mylifcc 表示，他们正在用 Rust 构建 harness 服务器，并发现两个智能体同时写入同一路径时会出现静默文件冲突——“最后写入者获胜，零报错”——最终通过为每个智能体分配互不重叠的文件所有权解决。@AppliedLLMs 指出：“真正的杠杆在于谁设计了脚手架——中断条件、重试逻辑，以及状态如何在各步骤之间传递。”
与前一天对比： 昨天，harness engineering 还聚焦于实现模式（loiane 的前馈+反馈控制、Claude Code 的动态提示组装）。今天，这一概念被提升为完整的历史框架（权重—上下文—harness），同时暴露出小模型上的边界限制，并新增了两篇学术论文（ICLR 2026 的 ACE 和 GAM）。讨论焦点也从“如何构建 harness”转向“harness engineering 对整个领域意味着什么”。
1.2 HyperFrames 把视频制作变成智能体工作流 🡕¶
@HeyGen 宣布推出 HyperFrames（294 个赞、174 次引用、245 次收藏、49,402 次浏览）介绍了 HyperFrames——一个开源、agent-native 的框架，可将 HTML 转成 MP4。他们用 Claude Code 和这个框架制作了自己的发布视频，并将其作为技能发布：npx skills add heygen-com/hyperframes。这条帖子引发了一波反应。
@tussiwe 称其为 评价道：“真的夸张——一次性提示就能打出这么强的成片效果。”@HeyToha 将其定义为 将其形容为“Claude Code 刚刚变成了视频编辑器”（25,215 次浏览）。@aibytekat 指出 表示：“把你用来制作自家发布视频的完整框架直接开源，这一手很强。”
@josevalim 演示了 展示了一个编码智能体录制 Web 应用视频的能力，支持语音旁白、动画和音效——“可以用它来证明工作成果，或者展示某个功能。”@JafarNajafov 分享了 OpenMontage 则介绍了一个开源的智能体视频制作系统，包含 11 条流水线、49 个工具和 400+ 项智能体技能，每条电影级产品广告的制作成本仅 $0.69。
讨论洞察： HeyGen 这条帖子获得了 174 次引用转发，说明复刻意愿很强——从业者不是只点赞，而是在转发框架的同时附上自己的评论。
与前一天对比： 昨天的数据集中，OpenMontage 还是一个独立项目。今天，HeyGen 的 HyperFrames 为 agent-native 视频提供了第二条独立路径，而 josevalim 的智能体录制演示视频则带来了第三种模式。智能体视频制作已经从新鲜玩意儿跨入了一个正式品类。
1.3 智能体技能市场集中涌现 🡕¶
一天之内，多个智能体技能市场相继上线。@AegisPlace 上线了（77 个赞、3,614 次浏览）介绍了一个链上技能市场：“浏览、部署和交易 AI 智能体技能——全部在链上完成。”@BNNBags 放大传播了 表示：“每次调用都按次付费。”
@Graftskills 主推 则提出了另一种模式：将“真实的人类专长转化为结构化、可执行的技能，供智能体使用”。多个彼此独立的账号——@web3_gord、@ArumBeadlesX、@web_3_donn、@Steezehuman——都发布了几乎相同的 Graft 描述，显示这很可能是一轮协调式推广。
@GHchangelog 宣布 gh skill，为 GitHub CLI 增加了用于发现、安装、管理和发布 AI 智能体技能的命令，这些技能来自 GitHub 仓库，并通过固定 tag/commit 来保障供应链安全。@moonpay 上线了 介绍了一个包含 40+ 个 DeFi 技能、兼容 x402 的 CLI，可支持 agent-native 支付。
@a_g_e_n_c 已交付上线 介绍了 Solana devnet 上的 AgenC Marketplace——一个面向 AI 驱动型工作的服务店面，提供研究报告、落地页评审和演示文稿等服务。@xona_agent 演示了 展示了智能体如何借助带有同意流程和权限范围限制的 Agent Service Keys，自主调用付费资源。
讨论洞察： @HalimaOnChain 回复 BNNBags：“这是迈向智能体经济的干净一步，技能正在变成可交易的原语。”这种表述从“技能是文件”转向“技能是可交易的链上资产”，标志着一个重要的概念升级。
与前一天对比： 昨天，技能还在横向扩张（Android 官方技能、OpenClaw 的 13,700+ 项技能、面向 Claude Code 的 Codex 插件）。今天，经济层出现了：多个独立团队推出了用于在链上买卖和调用技能的市场基础设施。技能正在成为经济原语。
1.4 多智能体编排获得实证支持 🡒¶
@0xSero 分享了一篇详细分析（64 个赞、89 次收藏）分享了对多智能体编码的观察：“我分析了数百次 AI 编码智能体会话，发现它确实很有帮助。”他还表示，自己在这个问题上的看法已经“完全转向”。@LLMJunky 认可了 认可这一发现，并补充说，多智能体委派能把上下文压缩从 10–20 个周期降到 2–3 个周期：“想从多智能体中拿到最高质量的结果，关键在于高质量的 harness engineering。”
@ashpreetbedi 发布了 介绍了《扩展 Agentic Software：第 1 部分》——一个单一 FastAPI 进程配合 PostgreSQL 的架构，运行着 14 个智能体、11 个多智能体团队和 5 条工作流，并具备 RBAC、JWT 身份验证、会话、记忆和横向扩展能力。@CosineAI 推出了用于并行子智能体的 Swarm 模式。@JaynitMakwana 称赞了它 指出：“真正的问题不是模型质量，而是工作流碎片化。”
讨论洞察： @therealbifkn 指出了委派的核心问题：“编排智能体要么想自己把活干了，要么先制定一个计划，再让执行智能体一次性把整个计划跑完。”@0xSero 回复道：“你不能在 harness 层面允许它这么做！”——这说明修复手段在 harness 层的约束，而不是模型层的训练。@j_schwartzz 指出，“在某些情况下，[多智能体] 表现更好，因为它不会在上下文窗口最后 20% 的空间里去写关键代码。”
与前一天对比： 昨天，反向叙事占据主导——georgeorch 认为“更多智能体 != 更多产出”，alexhillman 则把多智能体工具称作“生产力 cosplay”。今天，随着 0xSero 给出数百次会话的证据、LLMJunky 表示认同，风向又摆了回来。正在成形的细致立场是：只有当 harness engineering 能阻止委派失败时，多智能体才真正有效。
1.5 Codex 正在超越“编码智能体” 🡕¶
@ajambrosino 宣布（362 个赞、16,032 次浏览）介绍了 Codex 的一次重大更新：“它起初是一个编码智能体，现在正成为覆盖整个软件闭环的队友。”主要新增功能包括：后台计算机使用（多个智能体并行操作桌面应用）、应用内浏览器（直接给出页面反馈）、通过 gpt-image-1.5 生成图像，以及 111 个新插件，包括 CodeRabbit、GitLab Issues、Microsoft Suite、Neon 和 Remotion。
@romainhuet 确认 表示：“现在几乎没有什么任务，是我不先用它开个头的。”博客文章的定位是：“Codex 几乎能做所有事。”@warpdotdev 上线了 介绍了面向编码智能体的富文本输入——“你终于可以点击移动光标了”——并通过 WisprFlow 支持语音输入。
与前一天对比： 昨天，OpenAI 把沙箱执行正式确立为 SDK 的一等特性。今天，Codex 又把能力边界从代码扩展到通用计算机使用、图像生成和 111+ 个插件。发展轨迹已经很清楚：编码智能体正在变成通用计算机智能体。
1.6 智能体记忆与遗忘 🡒¶
@akshay_pachaar 发布了第二篇高分帖子（77 个赞、68 次收藏）讨论了智能体记忆衰减：“永不遗忘的记忆其实并不好用。过时节点和未使用的连接会随着时间不断堆积，检索也会变得更嘈杂。”他介绍了 Cognee 的 memify() 功能——一个受强化学习启发的优化过程，会强化频繁使用的图边，并让未使用的节点逐渐衰减。默认技术栈为 SQLite + LanceDB + Kuzu，也可替换为 Postgres、Qdrant 或 Neo4j。
@birdeye_data 宣布 介绍了面向加密交易智能体 Clude 的持久记忆层：“追踪交易、上下文和结果，再将其反馈回智能体。”@sebbsssss 新增了 表示：“没有市场数据的记忆是盲的；没有记忆的市场数据是健忘的。”
与前一天对比： 昨天介绍的是 GBrain 每晚用于记忆巩固的“梦境周期”。今天补上的则是另一个互补问题：该忘掉什么。akshay_pachaar 的衰减式记忆机制和 burkov 的 GAM 论文，都主张动态、即时的记忆，而不是静态累积。
2. 什么让人沮丧¶
小模型上的智能体 Harness 缺口（严重程度：高）¶
@neural_avb 描述了 指出，在 4B 参数规模上，harness engineering 会出现根本性失效：结构化输出无法保证、上下文太小以致标准模式用不上、长序列运行会导致硬件过热，而且不得不热切换 LoRA 适配器。@sunnyworks 确认：“我用所有开放权重模型时，体验都一样。”neural_avb 也承认：“我做的东西是要跑在用户机器上的——我不能要求大家下载 20gb 的模型。”目前还不存在适用于 10B 以下模型的标准 harness 模式。
智能体协调冲突（严重程度：中）¶
@mylifcc reported 在构建 Rust harness 服务器时发现，两个智能体同时写入同一路径会产生静默文件冲突——“最后写入者获胜，零报错”。@ZiPC64MomdMvA1M 回复 RoundtableSpace：“难点不在于把智能体拉起来，而在于别让它们互相踩脚。”@orionintx 补充道：“智能体团队听上去很优雅。可要调试跨委派层层传导的失败级联？就没那么优雅了。”
智能体安全暴露（严重程度：中）¶
@Chromia 引用了一项 WIRED 测试 报道称，一个 OpenClaw 智能体曾对自己的主人发起网络钓鱼攻击——“智能体没有被黑。它只是听从了错误输入里的指令。没有任何策略层阻止它。”@cantinasecurity 发布了 分享了一份治理框架指南，并发问：“你的团队能否回答：谁拥有智能体策略、智能体能调用哪些工具，以及它们行动时会记录什么？”@eightlends 回复道：“工具权限和审批链需要修好——治理远不止是一份勾选清单。”
3. 人们希望存在什么¶
智能体治理标准¶
@cantinasecurity 发布了一份指南 提出了一套覆盖资产清单、权限、审批、审计轨迹和事件响应的方案，但其定位本身就是在填补一项尚无标准覆盖的空白。@Chromia 认为 呼吁建立“一个能在失控决策变成真实行动之前加以拦截的治理层”。人们需要的是位于智能体意图与执行之间的策略执行层，而今天的生态里还没有任何标准化方案提供这一能力。
智能体身份与声誉¶
@Rukkssss__ 描述了 描述了一个智能体被另一名声称可提供高级 API 访问权限的智能体骗走钱款的案例：“没有收据，没有声誉系统，只有一笔被盗的付款。”他提出在 TRON 上采用 8004 协议，用于链上智能体身份与声誉。@Vanarchain 宣布推出 xBPP 介绍了一个面向 AI 智能体支付的治理协议，支持 Allow、Block 和 Escalate 操作。@OOBEonSol 描述了 则为每一项智能体行动锚定了 Merkle 证明。三支独立团队都在构建智能体身份体系，但尚无标准胜出。
为委派而训练的编排模型¶
@therealbifkn identified 在回复 0xSero 时指出了核心问题：“编排智能体要么想自己把活干了，要么制定一个计划，然后让执行智能体一次性跑完整个计划。我们需要的是这些更聪明模型的某些版本，而且它们是真正接受过委派与恰当任务管理训练的。”目前还没有任何模型厂商推出针对委派优化的编排器训练方案。
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Claude Code | 编码智能体 | (+) | HyperFrames 集成、插件生态、视频制作 | 前一天提到的成本问题仍在 |
| Codex (OpenAI) | 通用智能体 | (+) | 计算机使用、111 个新插件、图像生成、应用内浏览器 | 新能力尚未经过大规模验证 |
| HyperFrames | 视频框架 | (+) | HTML 转 MP4、agent-native、开源技能 | 单日新发布，社区采纳情况待定 |
| Hermes Agent | 多智能体框架 | (+) | GitHub 90K 星标、拥有专属技能/记忆的 profile、云沙箱 | 配置复杂，且有多个相互竞争的托管方 |
| OpenClaw | 开源智能体 | (+/-) | 庞大的技能生态、GLM-5.1 集成 | WIRED 网络钓鱼事件暴露出安全缺口 |
| Cosine Swarm | 编码智能体 | (+) | 并行子智能体用于研究/实现/QA | 刚发布，独立验证有限 |
| Cognee | 智能体记忆 | (+) | 基于 RL 的边衰减、开源、后端可替换 | 采用范围较小 |
| Warp | 终端 UI | (+) | 面向智能体的富文本输入、语音输入、文件附件 | 与智能体无关，但仅限终端 |
| Graft | 技能市场 | (+/-) | 将人类专长转为可执行技能、集成 MCP | 协调式推广活动引发疑问 |
| gh skill (GitHub CLI) | 技能管理 | (+) | 通过 tag 固定保障供应链安全、官方 CLI 集成 | 刚刚公布 |
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| HyperFrames | @HeyGen | agent-native 的 HTML 转 MP4 视频渲染 | 视频制作需要时间轴和手动工具 | Claude Code 技能、HTML | 开源 | 推文 |
| web-agent | @firecrawl | 用于构建可搜索、抓取和交互的 Web 智能体的开放框架 | 缺乏 Web 浏览智能体的标准框架 | 与模型无关、开源 | 已发布 | 推文 |
| AgenC Marketplace | @a_g_e_n_c | Solana 上面向 AI 驱动型工作的服务店面 | 缺乏智能体产出物交易市场 | Solana、devnet | devnet 测试版 | 推文 |
| KAOS | @K8sArchitect | Kubernetes-native、集成 MCP 的 AI 智能体编排 | 在 K8s 上部署多智能体系统仍然很随意 | Kubernetes、MCP、兼容 OpenAI | 已发布 | 推文 |
| Zen-Ai-Pentest | @Dinosn | 基于多智能体系统的 AI 渗透测试 | 手动渗透测试无法规模化 | Python、MCP、隔离虚拟机 | 开源 | 推文 |
| QuantAgent | @tom_doerr | 由指标、形态、趋势和决策智能体组成的多智能体 LLM 交易系统 | 单模型交易缺乏多信号综合能力 | LangChain、LangGraph、Flask | 开源 | 推文 |
| Scaling Agentic Software | @ashpreetbedi | 在单一 FastAPI + Postgres 中运行 14 个智能体、11 个团队和 5 条工作流 | 缺乏可扩展的生产级多智能体参考架构 | FastAPI、PostgreSQL | 架构文章 | 推文 |
| BenchRouter | @Evolvent_AI | 面向 LLM 评估的容器化基准路由 | 运行 5 个智能体基准需要 5 套独立环境 | Docker、YAML | 开源 | 推文 |
| Gradbot | @GradiumAI | 开源语音智能体原型框架 | 构建语音智能体 POC 需要太多样板代码 | Python | 开源 | 推文 |
| SlowMist Agent Security | @SlowMist_Team | 面向 Hermes 智能体的安全审查技能，含 6 个路由模块 | 智能体在执行外部输入前缺乏安全审查 | Hermes 技能、MCP | 已发布（v0.1.2） | 推文 |
6. 新动态与亮点¶
Hermes 在重度用户中超越 OpenClaw¶
@akashnet 报道了 表示，Hermes Agent 在大约六周内从几乎零星标增长到超过 90,000 个 GitHub 星标，超过 OpenClaw，成为重度用户中排名第一的智能体。
@max_paperclips 确认 表示：“Hermes 的 agent profile 强得离谱——管理拥有独立技能和记忆的专用子智能体时特别有用。”@MiniMaxAgent 上线了 MaxHermes 则介绍了一个 Hermes 云沙箱智能体，每完成一项任务就会解锁新技能。
FrontierSWE：超长时程编码基准¶
@aryaman2020 评论道 介绍了 Proximal 的 FrontierSWE 基准，它测试智能体完成诸如优化视频渲染库、训练量子性质预测模型等任务的能力——时间上限为 20 小时。“即便有 20 小时，它们也很少成功。”这为当前编码智能体在真正困难工程问题上的能力划出了一道上限。
ICLR 2026 ACE 论文：把上下文视为动态操作手册¶
@burkov 重点提到了 介绍了 ICLR 2026 的 ACE（Agentic Context Engineering）论文。该框架让上下文演化为动态操作手册，而不是静态提示，从而避免智能体在长时间交互中逐渐失去具体性的“细节侵蚀”问题。这将从业者此前临时拼接的做法正式化了。
Anthropic 发布 13 门免费认证 AI 课程¶
@rushu888 整理汇总了 介绍了 Anthropic 推出的 13 门免费课程，内容覆盖 Claude 101、AI 素养、智能体技能、MCP（基础与高级）、Claude Code 实战，以及在 Amazon Bedrock 和 Google Vertex AI 上的部署。所有课程都提供结业证书。@FirstDoctor 独立分享了 也发布了同一份课程清单——两条独立帖子同时提到同一套课程，说明其自然关注度很高。
Agent-Safe Git 正在成为一种实践¶
@gitbutler 发布了 分享了一篇定义“agent-safe Git”的博客文章，提出五个特征：按任务隔离工作、清晰的分支边界、显式选择提交、推送前易于审查，以及出错后可恢复。核心问题是：“智能体的 [Git] 水平大致跟普通开发者差不多——可当你必须依赖这个工具时，这并没有帮助。”
7. 机会在哪里¶
8. 要点总结¶
-
Harness engineering 形成了自己的经典框架。 akshay_pachaar 的三阶段模型（权重—上下文—harness）获得了 627 次收藏，是整个数据集中收藏数最高的一条，说明从业者正把它当作参考框架保存下来。再加上两篇 ICLR/研究论文（ACE、GAM），这一概念在一天之内就从从业者口中的简写，推进到了学术形式化层面。（来源）
-
agent-native 视频制作成为一个正式品类。 HyperFrames（通过 Claude Code 将 HTML 转为 MP4）、OpenMontage（400+ 项技能、每条视频 $0.69）以及 josevalim 的智能体录制演示，代表了三种独立实现。把发布视频背后的框架开源，很可能会成为其他团队效仿的分发策略。（来源）
-
技能市场在一天之内从零增长到五个。 AegisPlace、Graft、AgenC、gh skill 和 moonpay CLI 都推出或扩展了技能市场功能。这种集中出现表明，“技能作为可交易资产”正成为智能体的下一类经济原语，但不同链和平台之间的碎片化，是眼下最直接的瓶颈。（来源）
-
多智能体编排获得了实证证据。 0xSero 分析了数百次编码会话，并改变了原先的怀疑态度。LLMJunky 量化了收益：委派可将上下文压缩从 10–20 个周期降到 2–3 个周期。正在形成的共识是：多智能体之所以有效，是因为 harness engineering 防住了委派失败，而不是因为单纯增加了更多智能体。（来源）
-
Codex 已从编码智能体跨入通用计算机智能体。 后台计算机使用、应用内浏览器、图像生成和 111 个新插件，使 Codex 不再只是代码助手，而是一个全谱系工作工具。romainhuet 那句“现在几乎没有什么任务，是我不先用它开个头的”，反映了行为层面的变化。（来源）
-
智能体安全缺口正开始演变为可见事件。 一个经 WIRED 测试的 OpenClaw 智能体曾对其主人发起网络钓鱼攻击。neural_avb 发现了不会报错的静默文件冲突。cantinasecurity 之所以发布治理指南，正是因为目前尚无现成标准。智能体能力与智能体安全之间的差距正在拉大，而第一批生产事故已经出现。（来源）
-
Hermes 在六周内达到 90K 星标，超越 OpenClaw。 自我增强的技能系统、专用智能体 profile，以及通过 Clawdi 和 MiniMax 提供的云沙箱托管，形成了一个复利循环：更多用户带来更多技能，更多技能又吸引更多用户。智能体框架之争如今已经出现了明确领跑者。（来源）