Twitter AI Agent - 2026-05-04¶
1. 人们在讨论什么¶
1.1 Harness 工程走向成熟：自研还是采购，分歧更清晰了 🡒¶
关于 harness 工程的争论延续了 5 月 3 日的话题，但焦点已从“该不该自己做？”转向更实际的实现模式。@_colemurray 明确提出了反对构建的立场（51 次点赞，50 次收藏）：“你们不太可能在子代理编排、压缩、渐进式披露等方面提出值得为此独自拥有整套 harness 的新想法。把时间投入到 harness 周边更有价值的部分：执行基础设施、自定义工具/MCP/技能，以及基于轨迹的自我改进。”
@nichochar 直接反驳：“不同意。harness 在功能上其实很简单，但因为我们会把工作委托给它们，所以必须深入理解。所有构建者都应该熟悉自己工具的工作方式，而在 2026 年，亲自维护一个 harness 是做到这一点的最佳方式。” @skastr052 则补充了更细致的看法：“模型与 harness 的耦合很可能会越来越强——例如，最近代码里的 /goal 命令，实际上只有和 codex 及其压缩后端配套时才真正可用。”
与此同时，Agentic Harness Engineering（AHE）论文借由 @DataScienceDojo 报道（23 次浏览）获得关注：这是一个闭环系统，能够在不改动基础模型的情况下，自动演化编码代理周边的全部脚手架。关键结果是：经过 10 次迭代，Terminal-Bench 2 上的 pass@1 从 69.7% 提升到 77.0%，同时在 SWE-bench-verified 上 token 使用量减少了 12%。
@MrAhmadAwais 体现了内部自建的倾向（14 次点赞）配了一段梗图视频：“‘我们可以内部自建一个编码代理 harness。’” @dexhorthy 依然保持其反对立场（70 次点赞）：“嘿 Nikita，我真的很想再看点 AI 写的 harness 工程炒作废话，你能帮帮我吗？”
与前一天对比： 5 月 3 日的讨论从概念定义转向了战略层面的自研/采购决策。到 5 月 4 日，分歧进一步加深——如今，AHE 论文已拿出正式研究结果，为“自动化 harness 演化”阵营提供了支撑；而像 @nichochar 这样的实践者，则继续坚持“通过亲手构建来理解”。来自 @dexhorthy 的反炒作疲劳情绪仍在持续，形成稳定的制衡力量。
1.2 上下文工程开始形成结构化词汇 🡕¶
关于上下文工程的讨论，已经从泛泛倡导进入技术细节层面。@_overment 发布了详细解析（7 次收藏）展示了多代理提示架构，并指出若干未解问题：“设置变化时，如何保留上下文缓存？除了压缩之外，如何保住重要上下文？当结果超出可用上下文窗口时，应该如何呈现给模型？”
@avrldotdev 强调了（8 次收藏）分享了一篇深入讨论压缩的长文，涵盖 7 种理念及其优缺点。@petergyang 分享了（9 次收藏）分享了一份免费的《原型开发的上下文工程工作手册》。@NalyMetaX 阐释了这一更广泛的转变（56 次点赞）：“市场痴迷于提示词工程，但提示词不过是上下文缺失时贴上的创可贴。”
@DanIsBuilding 在回复 @_overment 时抓住了这个转折点：“我个人认为，我们很快就会从模型成为瓶颈，转向 harness 设计成为瓶颈。上下文工程、工具披露和任务委派，已经在很大程度上拖住了现有模型的后腿。”
与前一天对比： 5 月 3 日时，上下文工程还只是 harness 争论中的次级主题。到 5 月 4 日，它已上升为独立议题，并出现了结构化材料，如架构图、工作手册和压缩策略分类体系。
1.3 消费级 GPU 上的本地模型编码代理 🡕¶
@witcheer 详细说明了（64 次点赞，78 次收藏）展示了如今如何在单张 RTX 3090 上跑通完整的自主编码循环：使用 Qwen3.5-27B，在 262K 上下文下搭配 q4_0 KV cache。“模型会编写多文件代码、运行测试、修复自己的 bug，并交付结果。全部只用 24GB VRAM。” 这条线程还包含了 RTX 4060 Ti（8GB）和 RTX 3060（12GB）的配置方案。
@sakurayukiai 称赞道：“q4 KV cache 几乎是靠一己之力让消费级 GPU 还能支撑 agentic 工作流。” 但 @oppollo11 也提醒：“KV cache 用 q4_0 会导致结果不可靠，我建议不要低于 q8。” @EdgeDimi 则直言不讳：“复杂的 agentic 工作区根本不可能在合理时间内读完，更别提做好串行工具调用了。我不知道 512GB RAM 的硬件体验如何……但觉得这些小参数模型能做出什么实质性事情，未免太不切实际。”
与前一天对比： 5 月 3 日讨论的是本地模型的成本优势（例如 Mac Mini 方案）。到 5 月 4 日，讨论收窄到具体 GPU 配置和量化权衡，并给出了消费级硬件上的实际基准。
1.4 Hermes Agent 生态迅速扩张 🡕¶
Hermes Agent 生态延续了 5 月 3 日 Kanban 发布后的爆发势头。@shmidtqq 系统梳理了（58 次点赞，31 次收藏）列出了完整功能集：“持久记忆、文件系统回滚、会话分支、覆盖 17 个平台，其中 4 个支持实时语音、多供应商模型切换、cron + webhooks，以及 100 多个以斜杠命令形式提供的技能。”
@DODOREACH 发布了 Hermes Desktop v0.6.0（36 次点赞，24 次收藏）发布了对 Kanban 编排的支持。@outsource_ 推出了 HermesWorld（11 次点赞）发布了 Hermes agent 的 MMORPG 插件。@WesRoth 报道了（24 次点赞）提到 Shopify 为 Hermes Agent 推出了专用技能，用于自主店铺管理。@MystiqueMide 记录了 则分享了完整迁移方案：把 Hermes 迁到 VPS 上托管，实现其在 Telegram 和 Discord 上 24/7 运行。
与前一天对比： 5 月 3 日的重点还是 Kanban 本身的发布。到 5 月 4 日，已经能看到生态建设全面展开——桌面应用、第三方技能（Shopify）、社区插件（HermesWorld MMORPG）和用户部署指南齐头并进。生态发展的速度正在加快。
1.5 代理技能与技能市场加速涌现 🡕¶
代理技能开始成为独立产品类别，并伴随多项发布。@higgsfield 发布了（526 次点赞，440 次收藏，17,830 次浏览）介绍了 Higgsfield CLI + Marketing Skills——这是当天分数最高的 AI 相关帖子：“与其把 token 烧在臃肿的 schema 上，或者大规模交付失真的创意内容，不如让 CLI 保持代理开销精简，让 Skills 保证输出质量。可与 Codex、Claude Code、Openclaw 等搭配使用。”
@tom_doerr 分享了 autoskills（10 次点赞，5 次收藏）发布了一个 CLI，可扫描你的技术栈并自动安装合适的代理技能。@xdotli 庆祝了（24 次点赞）提到 SkillsBench 在 2 个月内达到 1.1K GitHub stars，如今 65% 的代理技能研究都引用了他们的论文。
@Shruti_0810 强调了（17 次点赞）介绍了 TinyFish：为所有 AI 代理免费提供网页搜索和抓取能力，支持 REST API、MCP、Python、TS SDK，以及 Claude Code skills。
与前一天对比： 5 月 3 日，技能还只是 harness 框架语境中的一部分。到 5 月 4 日，技能已经显现为独立产品类别，并开始形成自己的市场机制、基准测试和自动安装工具。
1.6 企业代理治理正式落地 🡒¶
@WesRoth 报道了（22 次点赞）称，Microsoft Agent 365 已于 5 月 1 日正式全面可用：“这是一个集中控制平面，允许 IT 和安全团队在整个企业范围内观察、治理并保护 AI 代理。” 其中包括统一注册表、可视化代理地图，以及对委派型和自主型代理的支持。
@RavenOfSpace 提出了尖锐质疑：“自主代理拥有自己的凭证 = IAM 从来没为这种爆炸半径问题设计过。微软的表述本身就承认了这个缺口。” @ItsKondrat 则指出真正的瓶颈：“控制平面已经解决了。没解决的是你到底要填哪些字段。manager-of-record：空白。这份规范应该由 PM 来定义，不是 IT。”
@TheWhizzAI 总结了（47 次点赞，23 次收藏）提到 Google DeepMind 的《AI Agent Traps》论文，文中记录了 6 类攻击方式，可诱使 AI 代理反过来伤害自己的用户，并特别强调“审批疲劳”问题：“你今天已经看过 50 条 AI 建议，批准了 49 条。你不再认真阅读。陷阱就在这时触发。”
与前一天对比： 5 月 3 日出现了 Google Agent Anomaly Detection 这一新信号。到 5 月 4 日，微软的 Agent 365 GA 和 DeepMind 的对抗研究加入进来，表明代理治理已成为多家厂商的共同优先事项，而非单一公司的动作。
1.7 研究：Harness 演化、多代理搜索与技能结构 🡒¶
@dair_ai 发布了（135 次点赞，132 次收藏）汇总了本周最受关注的 AI 论文，包括 Latent Agents、RecursiveMAS、OneManCompany、AgenticQwen-30B-A3B、Agentic World Modeling，以及 Agentic Harness Engineering。
@HuggingPapers 和 @_akhaliq 都提到了 Web2BigTable——一个面向互联网规模信息抽取的双层多代理框架，并取得了 WideSearch 上达到 7.5 倍 SOTA（8 次收藏）。
@EmpathYang 宣布了（15 次点赞）提到 PlugMem 已被 ICML 2026 接收——这是一个即插即用的记忆模块，可将原始轨迹转化为知识图谱，并在 LongMemEval 和 HotpotQA 上达到 SOTA。@fly51fly 分享了 提到了北京大学论文《From Skill Text to Skill Structure》，讨论面向代理技能的调度—结构—逻辑表示。
与前一天对比： 5 月 3 日只是预告了同一批论文。到 5 月 4 日，又新增了 Web2BigTable（大规模多代理搜索）和 PlugMem（获 ICML 接收的代理记忆模块），进一步充实了研究管线。
2. 什么让人感到沮丧¶
Token 浪费与成本不透明¶
@higgsfield 把热门帖子的核心概括为“把 token 烧在臃肿的 schema 上”。@AINativeLang 量化了 则量化了差距：7 周内总 AI 支出为 870 美元，而传统代理循环要花 3,000 美元以上——通过把编排层编译掉，而不是让 LLM 在运行时逐步推理，成本下降了 71%。
多代理协同的复杂性¶
@hosseeb 询问了（37 次点赞，61 次收藏）发问：“你见过最疯狂的多代理工作流/配置是什么？” 回复显示，大多数配置依然很原始。@0xgilbert 承认：“我每天直接跑 5 到 7 个代理。和一个经过精心编排的系统本应能管理的规模相比，这还是太保守了。” @ercwl 则把多代理的极致形容得近乎荒诞：“巅峰状态，就是让 Claude 通过 Dispatch 和 computer use，在你的手机上控制 Codex 桌面应用。”
Harness 话题疲劳¶
@dexhorthy 表达了（70 次点赞）表达了对“AI 写的 harness 工程炒作废话”的厌倦；随后 指出 又说自己“在上下文工程上早了 3 个月，在 lights off software factory 上早了 6 个月，在‘OH f**** TURN THE LIGHTS BACK ON’上又早了 6 个月。” 持续的反弹说明，这场讨论已经过了新鲜感峰值。
代理安全缺口¶
@dipsybitsy 评论道（9 次点赞）提到有人用摩尔斯电码从代理那里卷走 20 万美元：“代理安全现在还早得离谱，简直笑不出来。下周他们可能就会改用烟雾信号了。到底谁在做真正的护栏？”
3. 人们希望出现什么¶
标准化的代理身份与授权¶
@Aiagent_s 描述了 点出了这一缺口：“企业正在部署 AI 代理，却没有身份框架、没有权限范围控制、没有审计轨迹，也没有撤销机制。” Microsoft Agent 365 解决了其中一部分，但 @RavenOfSpace 指出，IAM 并不是为拥有自身凭证的自主代理设计的。
无需沙箱的无头代理执行¶
@hwchase17 回应了（33 次点赞，18 次收藏）回应了“在没有磁盘或 bash 访问权限的情况下运行 harness”的需求：“deepagents 可以配合‘虚拟文件系统’运行，从而玩出很多很棒的上下文工程技巧，而不需要真正的沙箱环境！” @BrandGrowthOS 评价道：“很聪明——所以你本质上是在 mock 文件系统调用，而不是去起容器。”
代理基础设施即服务¶
@cycle_vega 指出了 提到了反复出现的痛点：“现在每个垂直 SaaS 都在做自己的 AI 代理。但触发器、会话持久化、API 编排、数据安全——每次都得重做一整套基础设施。Stripe 可没让每家创业公司都自己去造支付轨道。”
真正好用的代理记忆¶
@EloPhanto 在回复 RunTrim 时给出了标准：“对编码代理来说，‘记忆’只有能回答这些问题，才配叫记忆：我动过什么？我承诺不动什么？和上次运行相比变了什么？有什么证据证明我已经完成？”
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Hermes Agent | 代理框架 | 正面 | 100+ 技能、多平台、Kanban 编排、自我改进、持久记忆 | 生态较新，社区驱动，质量参差不齐 |
| Claude Code | 编码代理 | 正面 | 深度推理、技能系统、子代理、hooks | 额度限制（@nichxbt：“在每月 200 美元套餐之外又花了 120 美元”） |
| Flue / PyFlue | 代理 harness | 正面 | 可编程 harness、Model+Harness+Memory 公式、跨语言 | Python 移植版较新，仍在追赶 TS 原版 |
| LangChain Deep Agents | 代理 harness | 正面 | 虚拟文件系统、上下文工程、开箱即用 | 比最简 harness 更复杂 |
| Qwen3.5-27B (q4_0 KV) | 本地模型 | 褒贬不一 | 在 24GB VRAM 上支持 262K 上下文，且无速度损失 | q4_0 量化存在质量问题，复杂任务下不可靠 |
| OpenClaw | 代理平台 | 正面 | 100+ 技能、斜杠命令、插件生态 | 框架本身会吃掉上下文预算（据 5 月 3 日反馈） |
| Codex | 编码代理 | 正面 | /goal 命令、云端执行、压缩后端 | 模型与 harness 的耦合正在增强 |
| Gemini CLI | 编码代理 | 新兴 | Google 集成、技能支持不断增长 | 生态尚不成熟 |
| TinyFish | 面向代理的网页抓取 | 正面 | 免费层、干净的 Markdown 输出、更低的 token 成本 | 服务较新，缺乏长期验证 |
| MCP | 工具协议 | 正面 | 代理连接工具的标准，采用广泛 | 它不是运行时，仍然需要 harness |
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 |
|---|---|---|---|---|---|---|
| Higgsfield CLI + Marketing Skills | @higgsfield | 用于大规模营销创意的代理技能 | 创意工作流中的 token 浪费 | Skills SDK、Codex/Claude/OpenClaw | 已发布 | 帖子 |
| PyFlue | @Shashikant86 | Flue 代理 harness 框架的 Python 移植版 | 缺少与 Flue 对应的 Python harness | Python、LangChain Deep Agents | 已发布 | 帖子 |
| Hermes Desktop v0.6.0 | @DODOREACH | 带 Kanban 的 Hermes Agent macOS 桌面应用 | 不喜欢 CLI 的用户需要 GUI 来管理代理 | Electron、SSH、Hermes | 已发布 | 帖子 |
| HermesWorld | @outsource_ | Hermes Agent 仪表盘的 MMORPG 插件 | 社区互动与技能发现 | Hermes 插件系统 | 已发布 | 帖子 |
| RunTrim | @MichelLeoAnt | 面向编码代理的记忆、范围和控制层 | 缺少跨代理运行历史和禁改文件追踪 | CLI、dashboard | 已发布 | 帖子 |
| AgenC Marketplace Agent Kit | @tetsuoarena | 面向 AI 代理的链上任务市场 | 将钱包权限与任务执行分离 | Solana、Claude Code、MCP | Devnet 测试中 | 帖子 |
| PlugMem | @EmpathYang | 基于知识图谱的即插即用记忆模块 | 代理在会话之间会丢失记忆 | 知识图谱、OpenClaw/Claude Code | 研究中（ICML 2026） | 帖子 |
| Anvia | @indrazulfi | 带 Studio 的开源 TypeScript AI 代理框架 | 代理检查与调试 | TypeScript、13 个 npm 包、MIT | 已发布 | 帖子 |
| RustyClaw | @webxos | 基于终端、仅本地运行的 Rust 代理 harness | 对极简、单二进制代理 harness 的需求 | Rust、Ollama、TUI | 已发布 | 帖子 |
| Decode MCP Server | @seflless | 通过编码代理生成和编辑 mermaid 图表 | 代理无法创建用于规划的可视化图表 | MCP、Mermaid.js | 已发布 | 帖子 |
| headless-cli | @RobertTLange | 无头编码代理执行的统一接口 | 运行多个代理 CLI 需要不同命令 | TypeScript、npx | 已发布 | 帖子 |
| Veritas Kanban v4.1 | @BradGroux | 带语义搜索的 OpenClaw 任务管理器 | 多代理协作中的重复检测与上下文注入 | OpenClaw、QMD、SQLite | 已发布 | 帖子 |
6. 新动态与值得关注的消息¶
Shopify 发布官方 Hermes Agent 技能¶
@WesRoth 报道称（24 次点赞）称，Shopify 发布了 Hermes Agent 专用技能，可实现店铺的自主运营管理——包括商品、库存、订单和履约。这一点值得关注，因为一家大型电商平台选择为开源代理框架提供原生集成，而不是推出专有方案。
Gemini iOS 改版中出现 Google Remy Agent 标签页¶
@Lentils80 发现（41 次点赞）发现，即将到来的 Gemini 应用改版中出现了新的“Agent”标签页，包含 Tasks、Skills 和 Schedules 三个部分——这进一步确认 Google 正在以“Remy”为代号，直接把持久化代理能力做进 Gemini。
Anthropic 发布 AI 公司蓝图¶
@VaibhavSisinty 描述了（21 次点赞，36 次收藏）提到，Anthropic 发布了一份用 Claude + Google Cloud Agent Stack 构建“AI 公司”的蓝图：“1 名人类 CEO、多个 AI 员工、代理之间自行分工、跨会话长期记忆、一条命令部署到生产环境。” 它的核心表述是：“2024 年的变化是工具，2025 年的变化是代理，2026 年的变化是组织架构图。”
HeyGen Agent 集成进 Superhuman Go¶
@HeyGen 宣布了（59 次点赞，33 次引用）提到 HeyGen Agent 与 Superhuman Go 的集成，可将文字更新转成视频或语音。值得注意的是，这条消息的引用数很高——至少有 15 个账号放大传播，显示这可能是一场协同发布。此次集成后，它与 Canva、Granola 和 RecitalApp 一起成为 Superhuman Go 内的代理。
已展示基于上下文的递归式自我改进¶
@doodlestein 认为（14 次点赞）称，递归式自我改进已经能通过自定义代理 CLI 工具和技能实现：“我让 Claude Code 接手它自己想出来的计划，并通过 ntm 用这个计划去管理代理群来完成实施。” 这个技能会创建一个 TUI 检查器，代理再用它验证自己的可视化输出，并把改进结果反馈回技能中。
7. 机会在哪里¶
[+++] 代理记忆与上下文持久化层。 多个信号正在汇合：RunTrim 已推出面向编码代理的记忆/范围/控制层；PlugMem 获得 ICML 接收；@_overment 指出了尚未解决的上下文缓存问题；@EloPhanto 则定义了代理记忆必须证明什么。“无状态代理会话”与“持久、可审计的代理工作空间”之间的缺口，是当前被反复提及最多的未满足需求。
[+++] 代理技能市场与分发。 Higgsfield CLI（526 次点赞，440 次收藏）领跑当天，SkillsBench 达到 1.1K stars，Autoskills 可以自动识别并安装技能，Shopify 也发布了官方 Hermes 技能。“npx skills add” 这种模式正在成为代理能力领域的 npm——谁能做好发现层和质量层，谁就有机会赢。
[++] 代理治理与安全工具。 Microsoft Agent 365 已 GA，DeepMind 发布了代理攻击分类，@dipsybitsy 还报告了通过摩尔斯电码漏洞卷走 20 万美元的案例。@xBalbinus 对此的判断是：“下一款爆发的 AI 产品，未必是更聪明的代理，而可能是更安全的代理。” 企业需求已经明确，但供给仍然分散。
[++] 编译式编排（零成本协同）。 AINL 展示了通过编译编排逻辑、而不是在每一步都让 LLM 推理，可实现 71% 的成本下降。随着代理工作负载增加，“编排税”会成为主导成本。能消除逐步推理开销的工具，具备结构性的成本优势。
[+] 本地模型代理基础设施。 消费级 GPU 配置（RTX 3060–3090）已经可以运行拥有 262K 上下文的 27B 模型，完成自主编码循环。“技术上能跑”与“足够可靠”之间的差距，为本地优先的代理工具创造了机会：自动处理量化权衡、模型选择和质量监控。
[+] 原生面向代理的 SaaS 基础设施。 @cycle_vega 指出，每个垂直 SaaS 都在一遍遍重造触发器、会话持久化和 API 编排。一个“代理基础设施版 Stripe”——提供标准化触发器、状态管理和工具连接——有机会吃下这层不断重复出现的横向基础设施需求。
8. 要点总结¶
-
技能层正在吞掉整个代理栈。 Higgsfield CLI 拿下 526 次点赞和 440 次收藏（当天 AI 相关帖子的最高分），再加上 Shopify 发布官方 Hermes 技能，都表明可安装、可组合的技能——而不是单体框架——正在成为代理能力分发的主要单位。（来源）
-
Harness 工程已经进入“无聊但必要的基础设施”阶段。 争论已经从“它是什么？”转向“是否该自动化它的演化？” AHE 论文取得 77% 的 pass@1，证明自动化 harness 优化是可行的；而 @nichochar 与 @_colemurray 的分歧，则说明实践者在自研还是采购上仍未达成共识。（来源）
-
新的瓶颈是上下文工程，而不是模型质量。 @_overment 的详细架构图、@DanIsBuilding 关于“瓶颈将从模型转向 harness 设计”的判断，以及数据集中 12 次“context engineering”短语匹配，都指向同一个结论：上下文管理正逐渐取代模型能力，成为核心约束。（来源）
-
Hermes Agent 生态的建设速度，超过了其他开源代理框架。 桌面应用、Shopify 技能、HermesWorld MMORPG 插件、VPS 部署指南和 Kanban 编排，都在同一天上线或发布。社区贡献的广度说明，这是真实采用，而不只是炒作。（来源）
-
代理治理正从“可有可无”变成企业必需。 Microsoft Agent 365 GA、DeepMind 的代理陷阱分类，以及实践者报告的 20 万美元代理攻击，构成了一个由供给（厂商工具）、研究（攻击框架）和需求（真实损失）组成的三角。治理栈很可能会成为企业部署代理的标配。（来源）
-
本地模型编码代理已经可行，但还谈不上可靠。 RTX 3090 上运行 Qwen3.5-27B 的方案证明了 262K 上下文下的技术可行性，但 q4_0 与 q8_0 的争论，以及 @EdgeDimi 的反对意见，都表明“能跑起来”和“我敢把生产代码交给它”之间仍有明显差距。（来源）
-
代理市场模式已经从概念走向竞争阶段。 Solana devnet 上的 AgenC、Hermes 技能市场、Swarms Marketplace、面向代理的黑客松赛道——至少已有 5 个独立团队在同时构建代理工作市场。概念已被验证，接下来比拼的是执行与分发。（来源）