Twitter AI Agent - 2026-05-01¶
1. 大家在讨论什么¶
1.1 Flue 发布首个 Agent Harness 框架 🡕¶
当天信号最强的一条，是 @FredKSchott 发布了 Flue（999 次点赞、1,255 次收藏、102,567 次浏览）——这是一个 TypeScript 框架，用于围绕内置 agent harness 构建 agent。Flue 的定位是“Claude Code，但 100% 无头且可编程”，默认不需要人类操作员参与。与 AI SDK 不同，Flue 是一个与运行时无关的框架：一次编写、构建后即可在任意环境部署 agent（Node.js、Cloudflare、GitHub Actions、GitLab CI/CD）。其一等概念包括 sessions、subagents、内置 sandboxes，以及用 Markdown 定义的 skills。该框架最初源自为 Astro GitHub 仓库内部 AI 工作流提供支持。
@FredKSchott 澄清了定位：“框架 vs. SDK。有点像 Next.js/Astro 构建在 React 之上，Flue 则构建在 pi-agent-core 之上，为我们的 harness 提供能力。”
讨论洞察： @LeoTava8 准确点出了它的吸引力：“这个行业痴迷于在循环里做 prompting，却忽视了我们从基础设施中学到的经验。我们需要显式的契约层和真正有状态的编排。Flue 看起来正是合适的基础原语——把 ‘what’ 和 ‘how’ 分开。”
与前一天对比： 4 月 30 日，Cursor 公布了其内部 harness 方法论，社区也开始将 harness engineering 视为一门独立学科。到了 5 月 1 日，首个围绕这一理念构建的专用开源框架出现，标志着它从方法论迈向可部署的产物。
1.2 Microsoft Agent 365 正式进入 GA 🡕¶
@satyanadella 宣布（367 次点赞、22,451 次浏览）表示，Agent 365 现已正式可用，作为一个统一控制平面，用于在整个企业范围内观测、治理并保护 agents 及其交互。该系统将现有的身份、安全、治理和管理工作流扩展到每一个 AI agent——包括用 Microsoft AI 构建的 agents，以及第三方生态中的 agents。新的预览功能包括：对使用自身凭据运行的 agents 提供可观测性、通过 Microsoft Defender 和 Intune 发现 shadow AI，以及 Windows 365 for Agents（托管的沙箱环境）。
讨论洞察： @GroverLovesh 给出了实践者视角：“过去 60 天里，我排查的大多数 agent 故障都不是模型问题，而是身份/权限问题。Microsoft 解决的是那一半枯燥的问题。而恰恰是这枯燥的一半更大。没有按 agent 分配身份就上线的独立 agent 栈，在第一次合规审查时就会撞墙。”
与前一天对比： 4 月 30 日的重点，是开发者领域中 agent 框架的成熟。5 月 1 日则显示，企业治理层也在跟上——正是这“枯燥的一半”，让 agents 能以机构级规模真正投入生产。
1.3 Harness Engineering 正在固化为核心学科 🡒¶
多条高信号内容进一步强化了一个判断：harness engineering 已成为主导范式：
@Vtrivedy10 解释了（81 次点赞、68 次收藏）介绍了 LangChain 的 Deep Agents 如何构建在 create_agent 之上——这一单一原语支持 filesystem tools、bash、compaction、subagents、skills、memory 和 hooks。他强调，这一原语的可扩展性，是所有 Deep Agents 工程能力的基础。
@Vtrivedy10 另行 演示了 表示，仅 GPT-5.5 中一条 steering instruction，就会让 Terminal Bench Score 发生 12% 的变化，为“Prompt and Harness Engineering still matter A TON today”提供了量化证据。
@dntyk 分析了（33 次点赞、25 次收藏）提到 AHE 论文，其中自动进化出的 harness 在 Terminal-Bench 2 上达到 77.0%（手工设计的 Codex-CLI 为 71.9%）；其关键发现是：“收益来自工具、中间件和长期记忆。仅靠 system prompt 反而会退步。”
@davidfowl（116 次点赞、15,537 次浏览）记录了 道出了实践者的普遍心态：“我正准备自己造一个 agent orchestration system。现在大家都在这么干吗？？这算悲伤的第几个阶段？” @stackbenchdev 的回复是：“每个 harness 都编码了开发者对 agent 应该如何运行的理论。这就是为什么可移植模板至今没有成型。”
与前一天对比： 4 月 30 日，Cursor 公布了它的方法论，社区也识别出若干收敛中的模式。5 月 1 日则补上了实证证据（AHE 论文基准、单条指令引发 12% 波动）和实践者的挫败感（Fowl 开始自己造系统）——这门学科已经被验证，但工具空白依然存在。
1.4 Google COSMO 泄露，揭示 Android Agent OS 🡕¶
@minchoi 报道了（133 次点赞、52 次收藏、8,758 次浏览）称，Google 曾短暂泄露后又删除了 “COSMO”——这是一个面向 Android 的完整 agent 系统，具备本地 Gemini Nano、屏幕访问、voice match、recall、browser agent 和 deep research 能力。
截图显示，其采用基于 skills 的架构，设有多个分类（Productivity、Information、Conversation、AI），并使用混合执行模型（在线时走云端 P1，离线时走 Nano），同时具备环境感知能力（屏幕上下文、音频、交互）以及用于用户认证的 voice match。
讨论洞察： @AdityaKTech 总结了这种情绪：“你的手机终于开始变成多年前承诺给我们的那个 ‘JARVIS’ 了。”
与前一天对比： 无前序报道。这是首次有证据显示 Google 正在把完整的 agent OS 构建进 Android，采用混合推理和可扩展 skills，以对抗 Apple 的端侧智能战略。
1.5 跨 Agent 的 Skill 分发开始形成独立类别 🡕¶
三个彼此独立的项目，都在解决 skills 跨 agent 可移植性问题：
@aidenybai 推出了（89 次点赞、61 次收藏）发布了 agent-install，这是一个开源工具，可通过 API 或 CLI 在 52 个 coding agents 之间安装 skills 和 MCPs。
@tiangolo（FastAPI creator）发布了（37 次点赞、24 次收藏）发布了 library-skills——该工具会扫描项目依赖，并安装随库一同打包的 AI skills（例如 FastAPI）。这些 skills 通过符号链接接入，因此库更新时能力会自动同步。支持 Python 和 Node.js，并带有用于 Claude Code 兼容的 --claude 标志。
@ElevenLabsDevs 已上线（116 次点赞、78 次收藏）发布了可通过 npx skills add elevenlabs/skills 安装的 Voice Changer Skill，展示了能力供应商如何通过 skills 生态进行分发。
讨论洞察： @mylifcc 点出了收敛难题：“~/.claude/skills/SKILL.md 是我的 Claude Code 配置；Codex 和 Cursor 用的是不同路径。好奇 agent-install 是会把这些收敛成一个 manifest，还是只是按路径层面复制文件。”
与前一天对比： 4 月 30 日的挫败感，来自 skill 数量增长快于质量。到了 5 月 1 日，关注点转向了 skill 分发基础设施——skills 如何跨异构工具链到达 agents。
1.6 多 Agent 架构在研究与实践中同步推进 🡒¶
@omarsar0 分享了（40 次点赞、39 次收藏）介绍了 RecursiveMAS 论文（arXiv:2604.25917，UIUC/Stanford/NVIDIA/MIT）：它提出，agents 应通过共享潜在空间中的递归计算协作，而不是彼此发送文本消息。结果显示，在 9 个基准上，准确率提升 8.3%、速度提升 1.2-2.4 倍，token 消耗减少 34.6-75.6%。
@aakashgupta 描述了 展示了一个在 Claude Code 内运行的 21-agent 开发团队，他们在 2 小时 13 分钟内把一款 hockey rules app 交付到 TestFlight：“现在的瓶颈已经变成 spec 了。你到底想要什么，描述得有多清晰，会决定后面的一切。”
讨论洞察： @haowjy 对 RecursiveMAS 提出了一个关键问题：“我在想，这能不能被改造成适配完全不同的模型？多 agent 系统的主要优势之一，就是可以让采用完全不同训练方法的模型协同工作。” @FiftyOne_50_ 则提出了控制层面的担忧：“潜在空间中的 agent 协调也许能减少 tokens，但它也会隐藏更多过程。”
与前一天对比： 4 月 30 日，hackathon 获奖项目里已经出现多 agent 模式（observation + verification）。5 月 1 日则同时推进了理论（用潜在空间递归取代文本协调）和实践（21-agent 团队交付应用）。
2. 什么让大家感到挫败¶
人人都在自建编排系统 —— 严重程度：高¶
@davidfowl（Microsoft .NET architect）表达了（116 次点赞、46 条回复、15,537 次浏览）道出了核心挫败感：“我正准备自己造一个 agent orchestration system。现在大家都在这么干吗？？这算悲伤的第几个阶段？” 回复证实，这种情况非常普遍。@stackbenchdev：“每个 harness 都编码了开发者对 agent 应该如何运行的理论。这就是为什么可移植模板至今没有成型——现实里的方案看起来都不一样，因为工作流本来就不一样。” @buildwithparas：“讨价还价阶段；等你不再把它叫作临时方案时，就是接受阶段了。”
这种挫败贯穿整个技术栈：AHE 论文显示，自动进化出的 harness 优于手工设计版本，但实践者仍然得从零开始搭建，因为还没有哪个框架能覆盖完整的 harness 表面。Flue 是第一次尝试在框架层面解决这个问题。
Agent 身份与权限故障 —— 严重程度：高¶
@GroverLovesh 报道了：“过去 60 天里，我排查的大多数 agent 故障都不是模型问题，而是身份/权限问题。没有按 agent 分配身份就上线的独立 agent 栈，在第一次合规审查时就会撞墙。” Microsoft 的 Agent 365 GA 是企业端对此的首个答案，但独立部署和跨云部署仍未解决。@OfficialTravlad 指出：“一旦走出 GCP，身份就消失了。没有可移植性，也没有可追责性。”
Harness 配置高度敏感 —— 严重程度：中¶
@Vtrivedy10 演示了 称，GPT-5.5 中单个 tool_choice: "none" 设置会注入一条 steering instruction，从而让 Terminal Bench Score 波动 12%。@ValsAI 证实，OpenAI 注入这条指令的方式“并不是 tools: [] 那种方式”。实践者无法预测这些细微配置变化会如何与模型内部机制相互作用，因此 harness 调优既脆弱又不透明。
3. 大家希望出现什么¶
可移植的 Agent 编排框架¶
@davidfowl 及其 46 条回复表明：开发者想要的是一种不需要自己重造的编排能力。缺口在于这样一种框架：模型选择只是配置项，工作流是声明式的，harness 能覆盖完整表面（tools、middleware、memory、subagents）。Flue 是第一个专门朝这个方向尝试的项目，但其定位也明确还很早期。实践者之所以仍在构建定制方案，是因为还没有东西能以可移植的方式承载他们的工作流理论。
紧迫性：高 —— 机会：直接
跨 Agent 的 Skill Manifest 标准¶
@mylifcc 识别出 点明了缺口：“~/.claude/skills/SKILL.md 是我的 Claude Code 配置；Codex 和 Cursor 用的是不同路径。好奇 agent-install 是会把这些收敛成一个 manifest，还是只是按路径层面复制文件。MCP stdio vs sse 是最棘手的跨 agent 问题。” 三个独立项目（agent-install、library-skills、skills.sh）都在解决分发问题，但在这 52+ 个 agents 之间，尚不存在统一的标准 manifest。
紧迫性：高 —— 机会：基础设施
透明的 Harness-Model 交互调试能力¶
单条 steering instruction 带来的 12% Terminal Bench 波动，以及 AHE 论文中的消融结果，都说明实践者无法观察 harness 配置如何与模型相互作用。@InsiderPresider 提问：“create_agent 肯定是一个很扎实的原语，但我在想，这层抽象是不是把对生产级 agent 安全至关重要的复杂性隐藏得太多了。” 需要的是：对 harness 选择（tools、middleware、prompts）如何在评测时影响模型行为，提供可观测性。
紧迫性：中 —— 机会：工具
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪倾向 | 优势 | 局限 |
|---|---|---|---|---|
| Flue | Agent 框架 | (+) | 首个 harness 框架；与运行时无关；内置 sandbox；sessions/subagents 为一等概念 | 刚发布；早期 |
| LangChain create_agent / Deep Agents | Agent 框架 | (+) | 可扩展原语；模型特定 profile；基准提升 10-20 分 | 要用于生产仍需大量扩展 |
| Cursor Harness | Agent 运行时 | (+) | 已发布方法论；基于遥测优化；模型特定调优 | 专有产品 |
| Agent 365 | 企业治理 | (+) | 统一控制平面；为所有 agents 提供身份/安全/治理；可发现 shadow AI | 偏重 Microsoft 生态 |
| DeepSeek-V4-Pro | LLM | (+) | 首个在 agentic coding 上匹配前沿水平的 open-weight 模型；1M context；CSA+HCA 仅 10% KV cache | 目前仅可通过 Fireworks 使用 |
| agent-install | Skill 分发 | (+) | 支持 52 个 agents；API + CLI；开源 | 尚无标准 manifest |
| library-skills | Skill 分发 | (+) | Skills 随库分发；通过符号链接自动更新；支持 Python + Node.js | 新项目；库采用有限 |
| Hermes Agent | 编码/通用 agent | (+) | Telegram 界面；可部署到 VPS；自定义 skills；通过 OpenRouter 支持多模型 | 与加密社区有重叠 |
| ElevenLabs Skills | 语音 agent | (+) | 在保留情绪/时序的同时实现变声；可通过 skills.sh 安装 | 仅限语音领域 |
| Pi (coding agent) | Agent 运行时 | (+) | 轻量；开箱即用支持 DeepSeek-V4-Pro | 功能少于 Claude Code |
| TradingAgents | 多 agent 金融 | (+/-) | 59K stars；完整交易台架构；支持回测；Docker | 批评者称“agent orchestration 并不能带来 edge” |
DeepSeek-V4-Pro 代表了一个值得注意的变化：@omarsar0 报道了 表示，它在基础 harness 中“无需任何特殊配置”即可运行——这是第一次有 open-weight 模型可以“直接插进 Pi 这样的基础 harness 里，然后就能跑起来”。混合式 CSA+HCA 注意力将 1M context 下的 KV cache 压缩到 10%，推理 FLOPs 降低 4 倍，使 agent loop “真正快且便宜到足以在实践中运行”。
5. 大家在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Flue | @FredKSchott | 带内置 sandbox、sessions、subagents 的 agent harness 框架 | 缺少 agent harness 框架 | TypeScript、pi-agent-core | Alpha | 帖子 |
| agent-install | @aidenybai | 在 52 个 coding agents 间安装 skills 和 MCPs | 跨 agent skill 碎片化 | TypeScript、CLI/API | 已发布 | 帖子 |
| library-skills | @tiangolo | 随依赖自动更新的打包库 skills | agents 使用过时的库 API | Python、Node.js、symlinks | 已发布 | GitHub |
| TradingAgents | @sharbel | 多 agent 交易台（分析师、交易员、风控、PM） | 单模型交易表现不佳 | LangGraph、多 LLM、Docker | 已发布 | 帖子 |
| User Support Triage Skill | @doodlestein | 面向 14 项服务、包含 85 个文件、912KB 的通用支持分诊 skill | SaaS 的人工支持队列管理 | Claude Code skills、subagents | 已发布 | 帖子 |
| Personal AI Agent on VPS | @thegreatola | 个人 agent：市场、交易、编码、内容 | 多项订阅成本 | Hermes、OpenRouter、Telegram、VPS | 已发布 | 帖子 |
| HermesAgent SWARM v2.1 | @outsource_ | 通过 orchestrator、kanban、reports 实现多 agent 控制 | 单 agent 的局限 | Hermes Agent、orchestrator chat | 已发布 | 帖子 |
| Voice Changer Skill | @ElevenLabsDevs | 在保留表现力、情绪和节奏的同时进行语音变换 | 缺少作为 agent skill 的 voice cloning | ElevenLabs、skills.sh | 已发布 | 帖子 |
@doodlestein 构建的 user-support-triage skill，代表了当前 skill 复杂度的上限：85 个文件、912KB，包含 GDPR DSAR、账单深度排查、数据丢失、敌对用户和安全披露等 runbooks。它内置一个通用适配器契约，用于统一 14 种不同的支持服务提供方，还包括 subagents（draft-bundler、onboarding-cartographer、voice-analyst、correlator），以及一套安全架构，要求任何面向客户的沟通都必须先经所有者批准。这个 skill 将支持工作视为“一个证据管道、风险路由器、经所有者审批的沟通系统、产品情报引擎，以及会不断积累的运营记忆”。
@thegreatola 记录了一套实用的个人 agent 架构：Hermes 作为推理层，OpenRouter 作为模型网关（$5-15/月），Telegram 作为交互界面，自定义 skills 按上下文加载，运行在一台 24/7 在线的 VPS 上。其报告称，这一方案用一张 API 账单替代了原本分开的 ChatGPT + Claude + Cursor + Perplexity 订阅，因为“the agent picks the right model per task”。首月交易回报约 $1K。
6. 新动态与重点内容¶
Flue：首个专用 Agent Harness 框架¶
Flue（1,255 次收藏）是首个围绕 agent harness 概念构建的框架，而不是把这套能力附着在 SDK 之上。出自 Astro/Next.js creator 之手，它把 sessions、subagents 和 sandboxes 定位为框架级一等原语，而非 SDK 工具。flue build 和 flue run 命令，也呼应了 Web 框架的开发体验。如果说 harness engineering 是一门学科，那么 Flue 就是第一次尝试把它做成一个可部署、标准化的框架。
Signal strength: [+++]
Google COSMO 揭示 Android 的完整 Agent OS¶
泄露的 COSMO 截图（52 次收藏）显示，Google 正在把一个完整的 agent 操作系统构建进 Android：混合执行（云端 P1 + 本地 Nano）、环境感知（屏幕上下文、音频、交互、voice match）、带分类的可扩展 skills，以及一种把手机视为持久 agent runtime 的架构。这是 Google 对端侧 AI agent 问题的回答。
Signal strength: [+++]
Microsoft Agent 365 作为企业 Agent 控制平面进入 GA¶
Agent 365 解决了阻碍企业采用 agents 的“枯燥一半”：按 agent 分配的身份、治理、合规，以及 shadow AI 发现。这个发布时间点也确认：企业需求已经进入可生产落地阶段，而不再只是实验性尝试。
Signal strength: [++]
RecursiveMAS 提出潜在空间中的 Agent 协调¶
来自 UIUC/Stanford/NVIDIA/MIT 的 RecursiveMAS 论文（arXiv:2604.25917）提出，让 agents 传递潜在状态而不是文本消息，从而在准确率提升 8.3% 的同时，将 token 使用量降低 34.6-75.6%。如果 agent 间通信会成为下一个瓶颈，那么潜在空间递归提供了一条无需支付 token 税、也能扩展协作规模的路径。
Signal strength: [++]
DeepSeek-V4-Pro 在 Agentic Coding 中匹配前沿模型¶
@omarsar0 报道了（33 次收藏）称，DeepSeek-V4-Pro 是“第一个真正让人感觉像 Codex 或 Claude Code 体验的 open-weight 模型”——无需特殊配置，就能在基础 harness 中开箱即用。其混合式 CSA+HCA 注意力设计，使其在仅 10% KV cache 开销下支持 1M-token context。
Signal strength: [+]
7. 机会在哪里¶
**+++］ 捕获完整编排表面的 agent harness 框架** -- ［@davidfowl（46 条回复）、AHE 论文基准，以及 Flue 的发布都在说明同一件事：实践者需要的是 agent harness 框架，而不是 SDK。Flue（早期、仅限 TypeScript）与生产团队真正需要的能力（多语言、模型可移植、可观测）之间，仍有很大距离。谁能率先做出一个开放、可移植，同时达到 Cursor 级 harness 质量的框架，谁就能吸引那批被“我得自己造”困住的开发者。
[+++] 跨 agent 的 skill 分发标准 —— 三个独立项目（支持 52 个 agents 的 agent-install、带自动更新符号链接的 library-skills、skills.sh 生态）都验证了 skill 可移植性的需求。但标准 manifest 仍然不存在。第一个推出可被 Claude Code、Cursor、Codex、Hermes 等原生读取的规范的团队，就会成为 agent skills 的包管理器。
**++］ 围墙花园之外的 agent 身份与治理** -- Agent 365 解决了 Microsoft 内部的治理问题。［@OfficialTravlad 和 @GroverLovesh 共同确认了一个缺口：可跨云、可跨独立栈、可跨协议迁移的 agent identity。Google 已在 GCP 内部为 agent identity 花了 $750M。跨云、协议级的解决方案仍然空缺。
[++] Harness 可观测性与调试工具 —— 单条 steering instruction 导致 12% 基准波动，加上 AHE 的消融结果（收益来自 tools/middleware/memory，而非 prompts），说明实践者无法预测或调试 harness 与模型之间的相互作用。面向 harness engineering 的专用可观测性——展示配置选择如何影响模型行为——仍是一个未被满足的需求。
**+］ 取代订阅制的个人 agent 基础设施** -- ［@thegreatola 证明，可以用一个部署在 VPS 上、月成本 $5-15 的个人 agent，替代每月 $200+ 的 AI 订阅。这个模式（Hermes + OpenRouter + Telegram + 自定义 skills）可以复现，但部署门槛仍然很高。把它产品化为一键式个人 agent 部署，是一个正在浮现的机会。
8. 要点总结¶
-
Flue（1,255 次收藏、102K 次浏览）发布了首个 agent harness 框架，将“framework vs SDK”确立为 agent 基础设施的下一个前沿。 该项目出自 Astro creator 之手，将 sessions、subagents 和 sandboxes 设为一等原语，并提供
flue build和flue runCLI——把 Web 框架模式引入 agent 开发。(来源) -
Microsoft Agent 365 进入 GA，成为首个面向 agent identity、安全与治理的企业控制平面，也印证了“多数 agent 故障是身份/权限问题，而不是模型问题”这一判断。 它把现有安全工作流扩展到所有 agents，包括使用自身凭据的 agents、shadow AI 发现，以及 Windows 365 沙箱环境。(来源)
-
单条 harness steering instruction 就能让 Terminal Bench 波动 12%，而 AHE 论文证明自动进化出的 harness 比手工设计版本高出 5+ 分，这有力表明 harness engineering 的重要性已超过单纯的 prompt engineering。 消融实验显示，收益来自 tools、middleware 和长期记忆——而不是 system prompts。(来源, 来源)
-
Google 泄露的 COSMO 展示了一个完整的 Android agent OS：云端/本地混合推理、环境感知、voice match、可扩展 skills，以及 browser agent——把手机定位为持久的 agent runtime。 其基于 skills 的架构及 Productivity/Information/Conversation 等分类，呼应了 coding agent 领域的 skill 模式，只是被移植到了移动端。(来源)
-
跨 agent 的 skill 分发开始固化为一个独立类别，三项彼此独立的发布（面向 52 个 agents 的 agent-install、带自动更新 symlink 的 library-skills、通过 skills.sh 分发的 ElevenLabs）都在推动这一方向，但整个生态仍无统一 manifest。 skill 路径的碎片化（~/.claude/skills vs ~/.agents/skills vs agent-specific locations）是当前的主要约束。(来源, 来源)
-
据报道，DeepSeek-V4-Pro 是首个“无需任何特殊配置”即可在基础 agent harness 中运行的 open-weight 模型，能以远低于 Claude 和 Codex 的成本，提供相近体验和 1M-token context。 其将 KV cache 压缩到 10% 的混合注意力设计，使 agentic loop “足够快，也足够便宜，能够真正落地使用”——这改变了 open-weight 模型的竞争前沿。(来源)