Twitter AI Agent - 2026-05-06¶
1. 人们在讨论什么¶
1.1 Harness 工程正成为定义智能体的核心学科 🡕¶
@Vtrivedy10 发布（81 个赞、6 条回复、2 次引用、100 个收藏、4214 次浏览）发布了一份关于智能体 harness 工程的 8 点宣言：“只要围绕任务设计 harness，几乎在任何任务上，你都能胜过任何默认 harness+模型 的组合（包括 codex 和 claude code）。”核心观点包括：“通用型”智能体并不存在（本质上是定制时间与性能之间的权衡）；评测是护城河；前沿闭源模型“对于现实世界中绝大多数任务来说，成本高得过头了”。
@oneill_c 认可（97 个赞、8963 次浏览）谈到 Harvey 的领域专用模型训练：“如今，全球最优秀的公司正利用自身的领域专长和真实世界的反馈闭环来构建评测与奖励（进而最终构建模型），从而超越仅靠提示词工程和 harness 工程使用闭源模型所能达到的水平。” @itsandrewgao 指出（10 个赞、1628 次浏览）：“harness 工程相对基础模型所带来的提升，被严重低估了。”
@tezos 分享（25 个赞、899 次浏览）提到一场 TezDev 2026 演讲，@yurug 在其中指出：“大多数使用 AI 智能体的团队，只是在适配现有流程——就像给自行车装上电机——而不是从底层重新思考工作流。团队真正需要修的是 harness。”
与前一天的对比： 5 月 5 日的重点是 /goal 命令和多日运行，代表了 harness 工程的实际落地。到了 5 月 6 日，讨论被提升到第一性原理层面——@Vtrivedy10 的宣言把 harness 工程视为一门拥有自身权衡曲线、成本模型和评测体系的学科，而 @oneill_c 则释放出另一个信号：前沿公司正在彻底越过提示词工程，转向由 harness 衍生评测驱动的定制模型训练。
讨论洞察： @BetterSayAJ 的回复精准点出了其中的张力：“这和经典 IR + 系统思维高度吻合。模型一旦固定，大多数提升都来自检索、工具和评测闭环。‘模型会吞掉脚手架’这个说法，在生产环境里依然显得不完整。” @Vtrivedy10 也承认，他预计“模型会吞掉更多脚手架”，但同时相信，那些“帮助智能体为自己准备好工具和上下文”的团队会做出更好的产品。
1.2 AWS Agent Toolkit 发布，提供 40+ 项技能和 15,000+ 个 API 访问 🡕¶
@clare_liguori 宣布（193 个赞、6 条回复、3 次引用、183 个收藏、12788 次浏览）介绍了 AWS Agent Toolkit：“40+ 项技能、3 个智能体插件，以及一个远程 MCP 服务器，智能体可借此调用全部 15,000+ 个 AWS API，还能运行脚本、搜索文档、检索技能。”GitHub 仓库链接指向 github.com/aws/agent-toolkit-for-aws。
@awsdevelopers 传播（14 个赞、3634 次浏览）：“你的编码智能体现在可以拉取实时文档、通过你的凭证发起真实 API 调用，并按分步操作手册执行常见任务。兼容任何支持 MCP 的智能体。”
与前一天的对比： 5 月 5 日重点介绍的是单点工具（Insforge Skills、Hermes skills），它们作为编码智能体的上下文工程层发挥作用。5 月 6 日则出现了平台级入局者：AWS 通过单一 MCP 服务器将 15,000 个 API 封装成智能体可访问的技能，代表云服务商在单日内对智能体能力版图最大规模的一次扩展。
讨论洞察： @clare_liguori 的帖子获得了 183 个收藏，却只有 6 条回复，显示出强烈的“先存后看”信号——从业者更倾向于收藏基础设施工具，而不是参与争论。这表明其价值主张已经足够清晰，下一步就是落地实施。
1.3 “自动驾驶代码库”论点获得企业验证 🡕¶
@grinich 介绍（143 个赞、8 条回复、3 次引用、118 个收藏、25466 次浏览）介绍了他们的内部智能体系统 Horizon：“这些不只是按需写代码的智能体。它们会检测触发条件、启动安全沙箱、收集动态上下文、发起 PR、验证自己的工作、为下一项任务清除阻塞，并从每次失败中学习。”他还这样描述未来：“软件工程可能会更像一群持续运行、由事件驱动的智能体，由人类设定方向并审查工作。Ramp 构建了 Inspect。Stripe 构建了 Minions。Spotify 构建了 Honk。”
与前一天的对比： 5 月 5 日 Coinbase 的重组公告揭示了 AI 原生工程的组织层面；而 5 月 6 日则给出了这类重组背后的技术架构——@grinich 点名了四家公司（Ramp、Stripe、Spotify，以及他自己的公司）都独立构建了持续运行的智能体系统，证明这一模式已不再只是单一公司的设想。
讨论洞察： @varadh 的回复“everyone is building the same legos!”与 @grinich 的反驳“it's more like building the warp drive!”概括了这场争论：持续运行的智能体基础设施正在商品化（大家都在搭同样的积木），还是正在形成差异化（实现细节至关重要）？
1.4 技能编写正逐渐成为一门独立技艺 🡕¶
@mattpocockuk 提出（290 个赞、36 条回复、47 个收藏、6348 次浏览）：“听起来很疯狂，但也许我应该专门做一门关于如何写出优秀技能的课程？把日常任务拆成技能，把需要 HITL 的任务变成 AFK 任务，和智能体形成一套工作语言。”290 个赞和 36 条回复，让这成为当天互动最高的非基础设施类帖子。
@asmah2107 建议（10 个赞、304 次浏览）：“手动编写 AI 智能体技能（而不是用 AI 来写）是理解 LLM 在调用该技能时会如何表现的好办法。也许能帮你避免未来的上下文债！” @neo4j 推出（7 个赞、229 次浏览）介绍 Neo4j Agent Skills：“你的编码智能体并不知道 Cypher 25 已经存在。它是在 GQL 对齐发布之前训练的。Neo4j Agent Skills 会把正确的知识放到正确的任务旁边。”
@doodlestein 分享（29 个赞、32 个收藏、1320 次浏览）介绍了一种“repo junk cleaner”提示词模式，展示了技能如何作为可复用的提示词架构，用于维护代码仓库。
与前一天的对比： 5 月 5 日讨论的是技能验证和供应链安全这一信任问题。到了 5 月 6 日，重点转向技能编写这门手艺——@mattpocockuk 把技能视为可教授的技艺，@asmah2107 则主张手写技能，这表明社区开始意识到，瓶颈在于技能质量，而不只是技能数量。
讨论洞察： @carlospeix 的回复抓住了其中的教学难点：“你的技能之所以（非常）好，是因为它们来自经验、反复试错和真实使用场景。这对学习者来说很难把握。”这说明技能包含难以编码的隐性知识——恰恰与课程形式默认的前提相反。
1.5 语音智能体延迟达到 200ms 以下的生产门槛 🡕¶
@kimmonismus 宣称（71 个赞、7 条回复、24 个收藏、9359 次浏览）在评论 Inworld AI 发布 Realtime TTS-2 时写道：“TTFA 低于 200ms 才是关键指标。语音智能体只要超过约 300ms，你就能感到延迟。其他一切都是由此衍生出来的。”
@omooretweets 反思（27 个赞、1924 次浏览）谈到 a16z 的语音智能体论点：“当我们第一次发布语音智能体论点时，大家的反馈大概是这样——让 AI 处理基础来电听起来太疯狂了。两年后，语音 AI 已经成为共识，而医疗、金融、保险正引领采用。”
@DeepgramAI 宣布（8 个赞、740 次浏览）介绍 Together 的原生集成：“一个平台，完整的语音智能体栈：Deepgram 转录、Together 托管的 LLM、Aura-2 TTS。参考构建的端到端往返延迟低于 3 秒。”
与前一天的对比： 5 月 5 日重点是 xAI Custom Voice 克隆，以及 HeyGen + Superhuman 作为视频/语音层的组合。到了 5 月 6 日，讨论收敛到一个明确的技术阈值（TTFA 低于 200ms），并将其视为生产级语音智能体的质量线；Inworld 和 Deepgram 都已推出达到这一标准的产品。
讨论洞察： 来自 BPO 一线的 @jason_haugh 给出了商业层面的解释：“任何超过大约四分之一秒的延迟，来电者都会把它识别为机器。还没等智能体补救，他们就挂断了。信任会在这条线之后迅速崩塌。” @m13v_ 则指出了更深层的故障模式：“超过 300ms 后，一个常被低估的故障模式是，用户会开始用额外的话填补沉默，这会扰乱 ASR 的端点检测，导致模型锁定错误意图。”
1.6 HermesOS 免费层与工作区扩展 🡒¶
@Wayland_Six 宣布（79 个赞、6 条回复、51 个收藏、9024 次浏览）宣布 HermesOS 免费层上线：“无需信用卡。不对 AI 成本加价（BYO key）。没有试用倒计时。提供持久记忆、浏览器自动化、终端访问、工具使用、定时任务，以及 Telegram/Discord/Slack/WhatsApp 集成。”
@outsource_ 庆祝（19 个赞、713 次浏览）宣布 Hermes-Workspace 星标突破 3,400：“HermesWorld 已直接集成到工作区里！你的 AI 智能体拥有指挥中心、记忆、工具、文件、终端……现在还有一个可以在其中行走的世界。”
@RoundtableSpace 认为（62 个赞、43743 次浏览）：“Hermes Agent 开始像是另一类 AI 工具了。不只是聊天机器人或编码助手，而是一个服务端智能体：它记得工作流、会构建技能，而且你用得越多，它就越强。”
与前一天的对比： 5 月 5 日重点是 Hermes 通过 HyperFrames 视频和语音模式扩展能力。5 月 6 日则聚焦可及性——免费托管层和 3D 工作区环境降低了进入门槛，讨论重点从“Hermes 能做什么”转向“谁能用上 Hermes”。
讨论洞察： @GumbiiDigital 的质疑（“ANYTHING attached to a crypto coin is a scam”）和 @Conso_xyz 的追问（“是不同类别，还是只是对同样的局限做了更好的包装？”）表明 Hermes 仍面临可信度问题，尤其是在其 crypto-adjacent 定位上。
1.7 Claude Managed Agents 新增 Dreaming、Outcomes 和多智能体能力 🡕¶
@RLanceMartin 总结（25 个赞、1004 次浏览）总结了当天的 Anthropic 新闻：“提高 Claude Code + API 的速率限制；与 SpaceX 达成算力合作（300 MW 容量）；Claude Managed Agents 新增 dreaming、outcomes、multi-agent 和 webhooks。”
@adocomplete 详细介绍（15 个赞、1783 次浏览）介绍这些功能：“Dreaming：回顾过去会话，让智能体随时间持续改进。Outcomes：设定质量标准，智能体会不断迭代直到通过。Multiagent Orchestration：并行专家。Webhooks。”
与前一天的对比： 5 月 5 日关于 /goal 命令的讨论，重点是面向用户的创新——多日自主运行。5 月 6 日则揭示了其背后的平台基础设施：Dreaming（跨会话自我提升）、Outcomes（质量门槛）和多智能体编排，让 Claude 从“你去提示的工具”变成“会自我改进的系统”。
讨论洞察： 与 SpaceX 达成 300 MW 算力合作，表明 Anthropic 正在为始终在线的智能体集群所需的算力需求做准备——dreaming 和持续执行需要持续推理能力，而不是只在高峰时突发供给。
2. 什么让人沮丧¶
Token 成本仍是智能体扩展的首要障碍¶
@RoundtableSpace 演示（78 个赞、13 条回复、50 个收藏、46174 次浏览）再次凸显了昨天提到的巨大成本差异：“一次改动让 Claude Code 的 token 用量降低了 3 倍。之前：10.4M tokens、10 个错误、$9.21。之后：3.7M tokens、0 个错误、$2.81。作为上下文工程层，把 Supabase 换成了 Insforge Skills + CLI。”4.6 万次浏览和 13 条回复说明，这不是一天的新闻，而是持续存在的痛点。
演示型智能体与生产级智能体之间的鸿沟仍未解决¶
@databricks 重申（56 个赞、20 个收藏、3198 次浏览）：“大多数‘agentic AI’仍然只是演示品。数据工作和编码是明确的例外。” @LandonExplr 回复：“Agentic AI 只在输出可验证的场景下有效。数据管道符合这一条件。其他所有自称‘agentic’的东西，依然只是演示品。” @tezos 也呼应了 @yurug 的观察：团队只是在“给自行车装电机”，而不是重新设计工作流。
本地模型基础设施受制于硬件门槛¶
@0xSero 展示（111 个赞、12 条回复、46 个收藏、5699 次浏览）展示了 vllm-studio 运行本地编码智能体，但 @BopityBibity 回复道：“在家里 前提是你有几台价值 5000 美元、专门做推理的 GPU 机器。”本地智能体的承诺与实际所需硬件之间的落差，让那些无法为这笔资本开支找到合理性的从业者倍感挫败。
智能体规格交接仍然靠手工完成¶
@hasantoxr 指出（104 个赞、70 个收藏、20572 次浏览）点出了核心问题：“编码智能体加速了‘能做出什么’，却没有加速‘该做什么’。PM 仍在 Google Docs 里写规格。智能体仍会幻觉化理解意图。工程师仍会交付错误的东西。”即使执行速度在提升，人类思考与智能体执行之间的交接仍是摩擦点。
3. 人们希望出现什么¶
供智能体统一访问的虚拟文件系统¶
@guohao_li 认为（8 个赞、487 次浏览）：“智能体不需要更复杂的 CLI 或更多智能体技能。它们真正需要的是一层统一的虚拟文件系统。”他提到了 @zechengzh 的 Mirage 项目：“110 万+ 行代码。我们从零重写了 bash，让 cat、grep、head 和管道可以跨异构服务工作。S3、Google Drive、Slack、Gmail、GitHub、Linear、Notion、Postgres、MongoDB、SSH 等都可以并排挂载，组成一个文件系统。”
让智能体持久性成为默认基础设施¶
@Marktechpost 报道（12 个赞、8129 次浏览）介绍 CopilotKit 的 Enterprise Intelligence Platform：“演示型智能体和生产级智能体之间的差距，在于记忆。”该平台提供“Threads——持久化会话对象，可跨会话和设备承载生成式 UI、人机协作工作流、共享状态、语音、文件以及多模态交互”。
在浏览前先做反爬检测¶
@kljukusa 发布（27 个赞、14 个收藏、844 次浏览）介绍了一个 “/what-antibot” 技能：“该技能会使用 HTTP 请求，在浏览器智能体真正访问网站前检测反机器人防护。”需求很明确：智能体在不了解站点安全机制的情况下访问网站，会白白浪费时间，还会被直接拦截。
安全的智能体支付基础设施¶
@Whitelist1Media 概述（61 个赞、3850 次浏览）介绍了智能体自主掌管资金所需的安全栈：“多因素批准（2-of-3 或 time-lock）、每日最大交易限额、链上监控 + 告警、密钥存放于硬件或 MPC 钱包。绝不能放进提示词。”其判断是：“风险已经不在技术本身，而在提示词质量、限额和治理。”
4. 正在使用的工具与方法¶
| 工具 | 类别 | 倾向 | 优势 | 局限 |
|---|---|---|---|---|
| AWS Agent Toolkit | 云端智能体 SDK | 正面 | 40+ 项技能、15K API 访问、兼容 MCP、远程服务器 | 仅限 AWS；生态较新 |
| InsForge Skills + CLI | 上下文工程 | 正面 | token 降低 3 倍、零错误、开源、本地可用 | 需要熟悉 CLI |
| Claude Managed Agents | 智能体平台 | 正面 | Dreaming、Outcomes、多智能体、Webhooks、SpaceX 算力 | 部分功能仍属研究预览 |
| Hermes Agent + HermesOS | 智能体框架 | 正面 | 免费层、持久记忆、浏览器自动化、3400+ 星标 | 因贴近加密领域而引发质疑 |
| vllm-studio | 本地推理 | 正面 | 在家运行完整编码智能体、支持 SGLang、可用性打磨好 | 需要昂贵的 GPU 硬件 |
| Horizon (WorkOS) | 内部智能体系统 | 正面 | 事件驱动、沙箱隔离、自我验证、从失败中学习 | 内部系统；未对外普遍开放 |
| Rezonant | PM 到智能体的桥梁 | 正面 | 从录屏生成 PRD，集成 GitHub/Linear/Jira/Figma | 新产品；尚未证明可大规模使用 |
| Neo4j Agent Skills | 领域技能 | 正面 | Cypher 25、驱动模式、GraphRAG、MCP、GDS | 图数据库垂直领域 |
| Mirage (Strukto) | 虚拟文件系统 | 新兴 | 统一 VFS，横跨 S3/Drive/Slack/GitHub 等，支持工作区版本化 | 项目仅上线 6 周 |
| DGX Spark | 本地硬件 | 正面 | 128GB 统一内存、完整 CUDA 栈、Nemotron 30B 达到 56 tok/s | 生态软件尚未成熟 |
| Inworld Realtime TTS-2 | 语音模型 | 正面 | TTFA 低于 200ms、支持 100+ 种语言、具备对话感知 | 较新；量产数据有限 |
| CopilotKit Enterprise | 智能体持久性 | 新兴 | Threads、持久会话、CLHF 路线图 | 企业定价；部分功能仍在路线图中 |
最显著的变化是：工具层面的讨论已经从“哪一层上下文工程最省 token”（5 月 5 日）转向“哪个平台能提供完整的智能体生命周期”——AWS 推出 15K API 访问，Anthropic 增加 dreaming/outcomes，WorkOS 点名四家拥有内部智能体系统的公司，都说明基础设施层正围绕全生命周期平台整合。
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 |
|---|---|---|---|---|---|---|
| Horizon | @grinich / WorkOS | 用于持续维护代码库的事件驱动智能体群 | 只按需工作的智能体会错过触发条件和上下文 | 安全沙箱、git、PR、失败学习 | 内部 | 帖子 |
| AWS Agent Toolkit | @clare_liguori / AWS | 40+ 项技能 + 面向 15K 个 AWS API 的 MCP 服务器 | 智能体无法原生访问云基础设施 | MCP、远程服务器、智能体插件 | 已发布 | 帖子 |
| Mirage (Strukto) | @zechengzh | 将 S3/Drive/Slack/GitHub/Postgres 统一挂载为一个文件系统 | 智能体无法以统一方式访问异构服务 | 自定义 bash、VFS、工作区版本化 | 已发布 | 帖子 |
| Rezonant | @RezonantAI | 将录屏转换为供编码智能体使用的结构化 PRD | PM 到智能体的规格交接既有信息损耗又依赖手工 | GitHub/Linear/Jira/Figma/Notion 集成 | 已发布 | 帖子 |
| vllm-studio | @0xSero | 构建在 vLLM 之上的完整本地编码智能体 UI | 编码智能体依赖云 API 和月费 | vLLM、SGLang、本地 GPU 推理 | 已发布 | 帖子 |
| HermesOS Free Tier | @Wayland_Six | 免费托管持久化 Hermes 智能体，支持 BYO key | 智能体托管需要信用卡和按次付费 | Hermes、NousResearch、云部署 | 已发布 | 帖子 |
| /what-antibot Skill | @kljukusa | 在浏览器智能体访问网站前检测反机器人防护 | 浏览器智能体会在毫无预警的情况下被拦截 | HTTP 探测、开源 | 已发布 | 帖子 |
| Neo4j Agent Skills | @neo4j | 为编码智能体提供 Cypher 25、驱动模式和 GraphRAG 技能 | 在 GQL 对齐前训练的智能体无法使用新语法 | Skills SDK、5 种语言驱动 | 已发布 | 帖子 |
| x402B | @BosonProtocol | 将 x402 扩展到高价值智能体商业的安全托管方案 | x402 推送支付在交付失败时没有追索机制 | 智能合约、NFT 远期合约、CertiK 审计 | 已发布 | 帖子 |
| 4lpha Multi-Agent | @4lpha_agent | 三智能体交易流程：Safety、Social、Gatekeeper | 单智能体交易缺少安全、社交和决策分层 | LLM、token 分析、多智能体流水线 | 已发布 | 帖子 |
| Goblintown Protocol | @0xbl33p | 通过 DAG 拆解、辩论和专家生成实现多智能体编排 | 任务需要智能体之间进行对抗式验证 | OpenAI、DAG 编排、Solana | 已发布 | 帖子 |
| MCP Memory Service | @tom_doerr | 为多智能体 AI 流水线提供持久化共享记忆 | 智能体会在会话之间和跨流水线丢失共享状态 | MCP、记忆层 | 已发布 | 帖子 |
6. 新动态与值得关注的事¶
Anthropic 与 SpaceX 合作获得 300 MW 算力¶
@RLanceMartin 报道称（25 个赞、1004 次浏览）称，Anthropic 正与 SpaceX 合作获取 300 MW 算力，同时提高 Claude Code 和 API 的速率限制。这一规模的算力表明，Anthropic 正在为始终在线的智能体集群做准备；这类集群需要的是持续推理能力（dreaming、持续执行），而非只服务于单次查询的突发算力。
DGX Spark 被视为尚未充分挖掘的智能体硬件¶
@sudoingX 认为（74 个赞、27 个收藏、6201 次浏览）称，NVIDIA 的 DGX Spark 是“the silent king nobody is talking about: 128gb unified memory in a form factor that fits on a desk corner, full cuda stack, runs nemotron 30b q8 at 56 tok/s on hermes agent.” 他指出其中的机会：“还没有人针对这款特定硅片编写定制内核。对构建者来说，这就是一条开放赛道。”
ServiceNow 在 AWS Marketplace 交易额突破 10 亿美元¶
@WisemanCap 报道称（97 个赞、8963 次浏览）：“ServiceNow reaches $1 billion in AWS Marketplace transactions -- launches data foundation for autonomous AI -- expands Build Agent to work with major AI coding tools.” 这印证了企业级智能体支出正在体现在采购数据中。
Gallatin AI 凭借 agentic radio 赢得国家安全黑客松¶
@AtomsNotBits 报道称（12 个赞、575 次浏览）称，Gallatin AI 在 Cerebral Valley 的 National Security Hackathon 中获得第一名，项目是“一个在 24 小时内基于 Palantir 的 Maven Smart System 构建的 agentic radio 智能体”。一个三人团队构建了这个处理战场无线电通信的系统——说明智能体能力正进入国防与情报领域。
Deel 发布 Akai：每月节省 91,000 小时人工工时¶
@matiii 指出（33 个赞、3854 次浏览）介绍了 Deel 的公告：“Deel 的运营团队——涵盖 Finance、Tax、Treasury、Benefits 和 HR——100% 都运行在 Akai 之上。每月自动处理 100,000+ 个案例。每月节省 91,000+ 小时人工工时。”如今每个团队都能自己构建智能体，而无需开发者参与。
7. 机会在哪里¶
[+++] 智能体 harness 工程即服务。 @Vtrivedy10 的宣言、@oneill_c 在 Harvey 推进领域专用模型训练，以及 @tezos 关于“修好 harness”的演讲，都指向同一个结论：团队需要帮助，才能从默认智能体配置走向面向任务优化的 harness。Insforge 带来的 3 倍 token 降幅证明了这件事的 ROI。谁能把 harness 优化（评测、技能、工具选择）打包成托管服务，谁就抓住了“智能体能工作”和“智能体高效工作”之间的缺口。
[+++] 平台级智能体技能分发。 AWS 推出了 40+ 项技能和 15K API 访问。Neo4j 推出了领域专用技能。@mattpocockuk 正考虑开设技能编写课程。模式已经很清晰：技能就是新的软件包，而分发/发现层仍是一片空白。一个具备质量信号、验证机制和依赖管理的“智能体技能版 npm”尚无明确赢家。
[++] 智能体持久性与记忆基础设施。 CopilotKit 的 Enterprise Intelligence Platform、@tom_doerr 的 MCP Memory Service、HermesOS 的持久化智能体，以及 @GithubProjects 的共享工作区，都瞄准了同一个缺口：让智能体跨会话保留上下文。“从演示到生产”的鸿沟越来越由记忆定义，而不是由能力定义。
[++] 低于 200ms TTFA 的语音智能体基础设施。 @kimmonismus 设定了门槛，@jason_haugh 从 BPO 一侧给出了验证，Inworld 也推出了满足这一标准的模型。机会在于：构建语音智能体质量控制工具、延迟监控和回退系统，避免 @m13v_ 所指出的“补偿回路”故障模式。
[+] 本地优先的智能体硬件生态。 @sudoingX 认为 DGX Spark 尚未被充分发掘，@0xSero 推出了面向本地编码智能体的 vllm-studio，而 @Vtrivedy10 则认为，随着团队开始把成本映射到 ROI，开源模型的 harness 工程将会“起飞”。定制内核、优化推理栈以及开箱即用的本地智能体方案，正受到越来越多成本敏感团队的需求驱动。
[+] 智能体到智能体的商业与托管。 Boson Protocol 的 x402B、Bankr 的自筹资智能体、Swarms Marketplace 的 $30K 黑客松，以及 4lpha 的多智能体交易，都指向智能体彼此交易的未来。面向 agent-to-agent commerce 的信任与结算基础设施仍处于早期且高度碎片化。
8. 要点总结¶
-
Harness 工程已经从技巧升级为学科。 @Vtrivedy10 的 8 点宣言、@oneill_c 对领域专用模型训练的认可，以及 @tezos 的会议演讲，都把 harness 工程描述为一种拥有自身权衡曲线的结构化实践——它不再是一堆技巧，而是一个拥有评测体系、成本模型和职业路径的领域。（来源）
-
AWS 通过 MCP 带来的 15,000 个可访问 API 技能，改变了技能分发格局。 @clare_liguori 发布 AWS Agent Toolkit，代表云服务商在单日内对智能体可访问能力最大规模的一次扩展。183 个收藏和几乎没有争论，表明从业者把它视为应当采纳的基础设施，而不是需要辩论的论点。（来源）
-
“自动驾驶代码库”已不再只是思想实验——四家公司都说出了自己的实现。 @grinich 列举 Ramp（Inspect）、Stripe（Minions）、Spotify（Honk）和 WorkOS（Horizon）分别独立构建了持续运行的智能体系统，这证明该模式在工程组织中已经形成势能。（来源）
-
技能编写正成为一门可教授的技艺，而不只是使用智能体的副产品。 @mattpocockuk 那条关于技能写作课程的帖子收获 290 个赞，@asmah2107 建议手写技能，Neo4j 也推出了领域专用技能。这些信号都表明，“技能作者”正成为一种拥有可学习方法的独立角色。（来源）
-
低于 200ms 的语音延迟如今已成为生产门槛——超过这一线，来电者会迅速流失。 @kimmonismus 给出了这个数字，@jason_haugh 从 BPO 运营一侧予以确认，@m13v_ 则指出了更深层的故障模式（用户补偿性填充沉默，进而破坏意图识别）。超过 300ms 的语音智能体不只是慢——还会引发连锁错误。（来源）
-
Anthropic 与 SpaceX 的算力合作以及 Dreaming 功能，预示着始终在线的智能体基础设施。 300 MW 算力，再加上“回顾过去会话以持续改进智能体”的功能，意味着 Claude 正按持续运行而非请求-响应模式进行架构设计。智能体托管的经济模型正从按调用计费，转向按智能体生命周期计费。（来源）