Twitter AI Agent - 2026-05-18¶
1. 人们在讨论什么¶
1.1 Harness 工程成为构建可靠智能体的共同语言 🡕¶
Harness 工程仍是当天最明确的讨论重心，但相关证据已从零散技巧转向公开课程、设计指南和可复用的运行闭环。最有分量的帖子都把智能体视为需要状态、验证、可观测性、恢复机制、权限和责任归属的系统，而不只是更聪明的提示词。相比 5 月 17 日，当时关于 Harness 的讨论已聚焦课程和生产闭环；到 5 月 18 日，讨论进一步扩展到更明确的设计产物和企业推广角色。
@_vmlops 分享了（2,034 个赞、11 条回复、119,999 次浏览、3,479 次收藏）学习 Harness Engineering 课程。页面称，该课程讲授环境设计、状态管理、验证、可观测性，以及面向 Codex 和 Claude Code 类智能体的控制系统；这张截图之所以重要，是因为课程目录围绕具体故障模式来组织：连续性丢失、过早宣布成功、缺少可观测性，以及端到端测试改变结果。
@shannholmberg 描述了（211 个赞、20 条回复、18,147 次浏览、327 次收藏）介绍了一套 Hermes 从原型到生产的工作流：在主编排器中运行一个专家智能体 4～10 次，纠正漂移，让技能逐步涌现；随后可选择在 Claude Code 或 Cursor 中进一步收紧，最后部署为专用的 Docker 化智能体。配图补充了操作细节：一次干净的运行会被迁移进专家容器，并配上范围受限的凭证、范围受限的记忆和生产就绪配置。
@_vmlops 还发布了 发布了（139 个赞、5,141 次浏览、124 次收藏）《Harness Engineering: A Design Guide to Claude Code》的封面。其视觉框架——控制平面、循环、恢复、权限、中断、验证，以及“系统优先，模型其次”——与该课程的公开主张一致：Harness 通过约束行为并让运行时可调试，使智能体更可靠。
@dani_avila7 认为（52 个赞、4 条回复、21,387 次浏览、58 次收藏）指出，企业部署 Claude Code 时，如果“模型变好了，配置却没跟上，也没人负责”，项目就会失败。图片提出了一个正在形成的 Agent Manager 角色，负责 Claude Code 配置、权限策略、插件市场、CLAUDE.md 规范，以及持续更新设置。
讨论洞察： 最有价值的反驳集中在漂移和治理上。在 Hermes 工作流下，@cdiamond 警告说，当生产输入不再匹配测试简报时，第三轮迭代中的漂移修正可能会失效。在 @code_rams 的七组件 Harness 帖子下（5 个赞、4 条回复、415 次浏览、14 次收藏），一条回复补充了“规范门控”：规划器应提出规范变更，而不是悄悄重写完成标准。
与前一天相比： 5 月 17 日把 Harness 工程描述为课程加部署实践；5 月 18 日则更进一步走向制度化，出现了指南、推广阶段、Agent Manager 责任制和规范门控。
1.2 智能体市场和运营层从概念走向产品主张 🡕¶
第二个讨论集群认为，智能体下一步的瓶颈在于选择、协调和结算，而不是模型能力。LobeHub 推出了 Chief Agent Operator，AgenC 描述了运行时加市场，x402/x402B 的帖子把托管视为必要的信任基础设施，TermiX 则发布了链上市场指标。共同主张是：自主智能体需要一套基础设施，明确谁来干活、如何支付，以及如何审查结果。
@lobehub 介绍了（224 个赞、60 条回复、60 次引用、422,145 次浏览、104 次收藏）介绍了一个 Chief Agent Operator，可“从拥有 27.3 万项技能的市场中雇用智能体”，让它们 24/7 在云端运行，并通过消息应用汇报。一条来自 @CatCatBros 的回复称，连接 Discord“非常简单”；LobeHub 还询问下一个应支持哪个 IM 渠道，这让通过现有工作聊天工具分发也成了产品叙事的一部分。
@tetsuoai 表示（86 个赞、9 条回复、3,976 次浏览、15 次收藏）称，AgenC 是一个完整的智能体运营层：本地守护进程、网关、CLI、TUI、控制面板、审批、记忆、可观测性、工作流执行、基于 Solana 的协调、市场通路，以及 ZK/证明系统。截图展示了一个终端，其中包括编排器身份、钱包、质押、声誉、罚没、权限模式，以及一个 /claim 市场流程。
@Onyx_goose 将其定义为（57 个赞、48 次转发、5 条回复、129 次浏览）将 x402 称为“智能体的 HTTPS”，并把 x402B 托管描述为类似 SSL 证书的智能体商业信任层。图片明确展示了其机制：只有在自主交易双方满足预先约定的条款并完成验证后，条件式托管才应释放资金。
@termix_ai 报道了（43 个赞、4 条回复、8,130 次浏览）称，其在 BNB Chain Testnet 上的 AACP 已结算累计 2,310,330 美元的智能体商业交易额，拥有 8,194 个智能体、9,290 个 A2A 任务、日均新增任务 374 个，以及 741,606 美元锁定资金。@clawdbotatg 声称（77 个赞、99 条回复、3,384 次浏览）则称已部署 141 份合约、链上金额超过 30 万美元、销毁 12.6 亿枚 $CLAWD，并由质押者训练的迷你智能体决定了六项治理投票；一条回复质疑 113 亿枚质押是否代表真实使用，作者回应称：“真正的工作是委托，不是锁仓。”
讨论洞察： 互动质量最高的回复关注的是信任和工作验证，而不是炒作。在 AgenC 相关讨论下，@TheOnChainDev 询问是否已经支持原生智能体间支付，还是仍在路线图中；而 x402 的回复则认为，托管之所以有用，是因为自主交易双方可能互不相识。
与前一天相比： 5 月 17 日的商业主题聚焦于身份、治理、支付、验证和用户控制等缺失的基础设施。5 月 18 日则出现了更多试图真正交付这些基础设施的尝试：CAO 市场、Solana 运行时结算、x402B 托管和 AACP 使用数据。
1.3 构建者正在打包技能、记忆和多智能体协作 🡕¶
构建者群体的重点不在新基础模型，而在于让智能体工作可复用、可追踪。OpenSkills、Mimeo、Mercury Agent、Gas Town、CopilotKit Threads 和 Pentest Agents 都指向同一方向：把能力打包成技能、持久化状态、协调多个智能体，并让工作保持可审计。
@mercury__agent 表示（176 个赞、9 条回复、5 次引用、1,040 次浏览）称，Mercury 正从“与代码聊天”走向规划、受控执行和 Git 原生工作流。链接中的 GitHub 仓库 介绍了一个 TypeScript 智能体，具备权限加固工具、令牌预算、CLI/Telegram 访问、基于 SQLite 的“第二大脑”记忆，以及 24/7 守护进程模式；一条回复询问为何不直接使用 /plan，Mercury 回应称，这条命令本身很简单，但“重点在于围绕它构建的系统”。
@GithubProjects 分享了（37 个赞、2 条回复、3,346 次浏览、31 次收藏）介绍了多智能体工作区管理器 Gas Town。截图称，它可以协调 Claude Code、GitHub Copilot、Codex、Gemini 和其他智能体，通过 Git 支持的钩子和 Beads 账本持久化工作，增加邮箱和交接机制，并把“4～10 个智能体就会变得混乱”变成“可以舒适地扩展到 20～30 个智能体”。
@tom_doerr 分享了（22 个赞、6 条回复、1,751 次浏览、21 次收藏）介绍了 OpenSkills——一个 TypeScript 通用技能加载器，在 GitHub 上获得 10,200 个 Star。它将 Claude Code 风格的 SKILL.md 文件带到 Claude Code、Cursor、Windsurf、Aider、Codex，以及其他读取 AGENTS.md 的智能体中。回复反映出尚未解决的取舍：有人称其可能是“多工具噩梦，也可能是游戏规则改变者”；另一人则表示，上下文窗口可能在第四轮就吞掉技能，迫使智能体重新发明工作闭环。
@tom_doerr 还包括 发布了（12 个赞、4 条回复、1,549 次浏览、18 次收藏）介绍的 Mimeo。其 GitHub 元数据显示，这是一个 Python 工具，可以将专家“复刻”成 SKILL.md 或 AGENTS.md。@CopilotKit 介绍了（21 个赞、1 条回复、1,047 次浏览、16 次收藏）介绍了 CopilotKit Threads：基于 AG-UI、面向任意智能体框架的持久化、可恢复 ChatGPT 式对话。@DarkWebInformer 分享了（9 个赞、2 条回复、2,101 次浏览、17 次收藏）介绍了 Pentest Agents，这是一个面向 Claude Code、Codex、Gemini、Cursor、Windsurf、Copilot 和 OpenClaw 的 Python 漏洞赏金框架，支持自主搜寻闭环和漏洞利用链构建器。
讨论洞察： @pvncher 认为（23 个赞、4 条回复、3,017 次浏览、12 次收藏）称，编排最好采用以串行为主的任务分解，而不是智能体群。在一条回复中，他表示，任意的智能体间消息会引入无关细节并带偏工作；并行适用于只读任务，但写路径需要锁和验证。
与前一天相比： 5 月 17 日强调自我演进的技能和官方技能包；5 月 18 日则展示了更多可移植性和工作区产品：跨智能体技能、持久化对话、Git 原生工作轨迹，以及多智能体协作。
1.4 怀疑情绪集中在安全性、分布外失败和模型价格取舍 🡒¶
当天并非一边倒看多。最强烈的怀疑来自具体失败报告：编码智能体无法构建儿童火箭模拟器；仅靠提示词的安全防护看起来很薄弱；MIT 展示了针对当前模型的提示词注入；Cursor Composer 2.5 则引发了速度与智能之间的争论。
@omarsar0 报道了（60 个赞、28 条回复、14,785 次浏览、16 次收藏）称，当要求编码智能体构建火箭模拟器等以科学为核心的模拟器时，它们一再让他 10 岁的孩子失望。在回复中，他表示自己尝试过提示辅助和上下文工程技巧，但智能体仍然连半成品的二维模拟器都做不出来。他的结论较为克制，也有证据支撑：编码智能体更擅长扩展训练数据中大量存在的模式，而不擅长处理分布外的创造性模拟器任务。
@RoundtableSpace 发布了（53 个赞、9 条回复、38,508 次浏览、36 次收藏）发布了一条很长的“安全优先智能体”提示词，涵盖提示词注入、越狱、数据外泄、最小权限和不安全的工具使用。回复立即分化：有人说几乎没人真正保护智能体；@bygregorr 质问安全是否只是“系统提示词里的氛围”；@sanarsh11 则称这是“纸盾上的提示词护甲”。
@anishathalye 表示（27 个赞、3 条回复、1,692 次浏览、20 次收藏）称，MIT CSAIL 的一场客座讲座成功演示了针对 Anthropic Opus 4.6 模型的提示词注入，并得出结论：智能体安全仍未解决。他在回复中表示，完整讲座涵盖 ReAct、CodeAct、智能体安全、Simon Willison 的双 LLM 模式，以及 CaMeL 的能力系统。
@minchoi 描述了（33 个赞、14 条回复、5,962 次浏览、8 次收藏）介绍了 Cursor Composer 2.5，称其价格更低，并且面向长时间运行的智能体工作。一位测试者给出了有价值的回复：Composer 2.5“快得惊人”，性价比扎实，但智能程度仍无法匹敌 Opus 或 GPT-5.5，而且仍会犯“低级错误”。
讨论洞察： 关于安全的回复异常直接。凡是提出提示词防御的帖子，都会立刻遭到质疑：仅靠提示词无法阻止数据外泄或多语言泄漏。整体模式并不是反对智能体，而是反对没有验证的主张。
与前一天相比： 5 月 17 日已经出现了对恶意智能体供应链的警告；5 月 18 日，怀疑情绪进一步扩展到提示词注入演示、对仅靠提示词防御的批评、分布外编码失败，以及针对具体模型的取舍。
2. 什么让人感到挫败¶
可靠的智能体需要责任归属，而不只是更好的模型¶
严重程度：高。@dani_avila7 表示（52 个赞、4 条回复、21,387 次浏览、58 次收藏）指出，当没有人负责配置、权限、技能和规范时，企业部署 Claude Code 就会撞上同一堵墙。@code_rams 列出了（5 个赞、4 条回复、415 次浏览、14 次收藏）将约束、状态、验证、可观测性、模块化结构、干净状态协议和行为约束列为 Harness 的必要组件。当前出现的应对方式是设置专门的 Agent Manager/DRI，并加入规范门控，但这一运营层面的需求仍未解决。
智能体安全既迫切，又明显尚未建好¶
严重程度：高。@anishathalye 展示了（27 个赞、3 条回复、1,692 次浏览、20 次收藏）介绍了 MIT CSAIL 讲座中针对 Opus 4.6 的提示词注入；@RoundtableSpace 传播了（53 个赞、9 条回复、38,508 次浏览、36 次收藏）则介绍了一条被回复批评为不够充分的安全提示词。@DarkWebInformer 分享了（9 个赞、2 条回复、2,101 次浏览、17 次收藏）介绍了 Pentest Agents，但一条回复警告，静态智能体脚本可能会幻觉出发现，而不是证明漏洞利用路径。当前的应对模式是分层防护：提示词、最小权限、能力系统、漏洞利用证明和人工审核。
编码智能体仍会在分布外的创造性任务上令人失望¶
严重程度：中。@omarsar0 表示（60 个赞、28 条回复、14,785 次浏览、16 次收藏）称，即便有成人的提示辅助和上下文工程，编码智能体仍无法完成他孩子的火箭模拟器及相关科学模拟任务。令人挫败的并不是智能体完全没有帮助；他明确表示，智能体很擅长维护和扩展训练数据中有充分代表性的软件模式。真正的缺口在于，当目标行为缺乏模板时，智能体难以在相关领域进行泛化创作。
智能体商业中的信任仍跑在结算基础设施前面¶
严重程度：高。@Onyx_goose 认为（57 个赞、48 次转发、5 条回复、129 次浏览）称，智能体商业需要 x402B 托管，因为自主参与方可能彼此并不认识。@tetsuoai 描述了（86 个赞、9 条回复、3,976 次浏览、15 次收藏）介绍了 AgenC 的市场通路和基于证明的完成机制；一条回复追问原生智能体间支付是否已经存在。当前的应对方式是条件式托管、可审查产物和链上协调，但回复显示，信任仍是一个尚待解决的落地问题。
工具栈正在分裂为技能、记忆、聊天和工作区¶
严重程度：中。@tom_doerr 分享了（22 个赞、6 条回复、1,751 次浏览、21 次收藏）介绍了 OpenSkills，而回复立即开始担心通用技能是否会变成“多工具噩梦”。@mercury__agent 不得不解释（176 个赞、9 条回复、1,040 次浏览）称，/code plan 本身并不是价值所在，真正重要的是可追踪的 Git 原生闭环。问题在于可发现性和系统集成：用户想要可复用技能，但不想要上下文膨胀，也不想再多一个孤立运行时。
3. 人们希望出现什么¶
真正负责企业编码智能体的负责人和控制平面¶
人们希望为 Claude Code 类部署提供一个实用的运营角色和控制界面。@dani_avila7（52 个赞、21,387 次浏览、58 次收藏）将这一角色称为 Agent Manager，负责配置、权限、市场选择和规范。机会：直接。团队已经在部署智能体，但责任归属尚不明确，因此这一需求既实际又迫切。
能守住目标、不让智能体重定义完成标准的 Harness¶
@code_rams（5 个赞、415 次浏览、14 次收藏）希望具备约束、状态、验证、可观测性、干净状态和行为限制；@nicolasmoute 的回复补充了规范门控，使规划器无法悄悄重写目标。机会：直接。现有 Harness 模板已部分解决这一问题，但“规划器重定义完成标准”的故障模式需要明确的产品支持。
可信的智能体商业基础设施¶
@Onyx_goose（57 个赞、48 次转发）要求类似 x402B 的托管；@tetsuoai（86 个赞、3,976 次浏览）描述了基于证明的完成机制；@termix_ai（43 个赞、8,130 次浏览）则提供了显示市场活跃度的交易指标。机会：直接且竞争激烈。许多项目已经在解决身份、托管、证明和结算问题，但回复仍在追问支付和验证究竟如何运作。
不只是带着防御性提示词的安全智能体¶
@RoundtableSpace（53 个赞、38,508 次浏览、36 次收藏）提供了一条安全提示词，但回复认为它薄弱不堪。@anishathalye（27 个赞、1,692 次浏览、20 次收藏）在演示提示词注入后，指向讲座中提到的能力系统和双 LLM 模式。机会：直接。市场需要的是可测试、可执行的安全边界，而不是措辞更谨慎的提示词。
面向非标准创造性任务的更好基准和 Harness¶
@omarsar0（60 个赞、14,785 次浏览、16 次收藏）把火箭模拟器失败视为通用 Harness 的证据，并认为最终可能需要原生多模态系统或世界模型。机会：远期。需求真实存在，但当前工具似乎更擅长维护和扩展常见软件模式，而不是创建陌生的模拟器。
4. 正在使用的工具和方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Learn Harness Engineering | 课程/模板 | (+) | 收藏量高；教授状态、验证、可观测性和控制系统；包含模板 | 一条回复质疑其是否真的是 Harness 工程，而不是偏向 ML/PyTorch 的内容 |
| Hermes Agent | 智能体运行时 | (+) | 用于从原型走向生产的闭环；支持专家智能体迭代 | 漂移修正可能无法迁移到生产输入 |
| Claude Code | 编码智能体/运行时 | (+/-) | 是 Harness 指南、企业部署、技能和本地智能体帖子的核心 | 需要责任人、配置纪律、权限管理，以及较大的上下文 |
| LobeHub Chief Agent Operator | 智能体市场/运营层 | (+/-) | 27.3 万项技能的市场、云端 24/7 执行、IM 汇报 | 能否可靠选出正确智能体，仍更多停留在主张而非证明 |
| AgenC | 运行时/市场 | (+) | 本地守护进程、CLI/TUI/控制面板、审批、记忆、可观测性、Solana 通路、ZK/证明路径 | 回复仍在质疑是否已支持原生智能体间支付 |
| x402/x402B | 支付/托管 | (+) | 为自主交易提供支付通路和条件式托管 | 在引用的讨论中大多仍停留在概念层面；信任模型仍需被采用 |
| Mercury Agent | 编码智能体工作区 | (+) | Git 原生规划/执行轨迹、权限加固、SQLite 记忆、令牌预算、守护进程模式 | 仍需证明更广泛的工作区闭环不只是规划命令 |
| Gas Town | 多智能体工作区 | (+) | Git 支持的钩子、Beads 账本、邮箱、身份、交接，以及协调 20～30 个智能体的主张 | 证据来自截图和 README，而不是广泛的用户报告 |
| OpenSkills | 技能加载器 | (+/-) | 10,200 个 GitHub Star；让 Claude Code 风格的技能可跨智能体使用 | 回复担心上下文膨胀和工具复杂性 |
| Mimeo | 技能生成工具 | (+/-) | 将专家流程转换为 SKILL.md/AGENTS.md | 回复追问它如何区分专家推理与坏习惯 |
| CopilotKit Threads | 智能体应用框架 | (+) | 基于 AG-UI，为任意智能体框架提供持久化、可恢复对话 | 本次评估无法获得外部文档；信号主要来自发布帖 |
| Pentest Agents | 安全框架 | (+/-) | 拥有 475 个 Star 的 Python 漏洞赏金框架，支持多工具和漏洞利用链构建器 | 回复警告，若没有证明，静态脚本可能会幻觉出发现 |
| Cursor Composer 2.5 | 编码模型 | (+/-) | 速度快、价格更低，面向长时间运行的智能体工作 | 测试者称其智能程度仍落后于 Opus/GPT-5.5，并会犯低级错误 |
| ElevenLabs voice agent | 语音/公共服务 | (+/-) | 用于波兰的预约提醒和改期 | 回复质疑 IVR 是否能以更低成本解决同一问题 |
总体满意度呈分化状态。当 Harness、技能和可追踪工作区能够减少漂移和重复配置时，构建者对此表示认可；但当工具增加上下文负担，或用提示词取代可执行的安全机制时，他们就会反弹。迁移趋势是隐含的：从原始聊天转向带 Harness 的智能体，从一次性技能转向可移植技能，从孤立的编码智能体转向 Git 原生工作区，以及从链下协调转向由托管和证明支持的商业活动。
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 |
|---|---|---|---|---|---|---|
| Learn Harness Engineering | @_vmlops 分享 | 面向可靠 AI 编码智能体 Harness 的课程和模板 | 智能体会丢失状态、过早宣布成功，并且缺少可观测性 | Web 课程、AGENTS.md 风格模板 | 已发布 | 课程, 推文 |
| LobeHub Chief Agent Operator | @lobehub | 从技能市场雇用智能体，并通过即时通信应用让它们在云端运行 | 手动选择、运行和监控智能体 | 云端智能体市场、即时通信集成 | 已发布 | 推文 |
| AgenC | @tetsuoai | 智能体运营层，以及市场、结算和基于证明的完成机制 | 自主工作需要执行、审查、支付和信任基础设施 | 本地守护进程、CLI/TUI/web、Solana、ZK/证明 | Beta | 推文 |
| Mercury Agent | @mercury__agent | 具备权限控制、Git 原生工作流和记忆的编码智能体 | 与代码聊天缺少可追踪规划和受控执行 | TypeScript、SQLite、CLI/Telegram | 已发布 | GitHub, 推文 |
| Gas Town | @GithubProjects 分享 | 多智能体工作区管理器 | 多个智能体会丢失上下文、交接信息和工作状态 | Git 支持的钩子、Beads 账本 | 已发布 | 推文 |
| OpenSkills | @tom_doerr 分享 | Claude Code 风格技能的通用加载器 | 技能被困在单一智能体生态中 | TypeScript、SKILL.md、AGENTS.md | 已发布 | GitHub, 推文 |
| Mimeo | @tom_doerr 分享 | 将专家思维转换为 SKILL.md 或 AGENTS.md | 难以将专家工作流打包给智能体 | Python | Alpha | GitHub, 推文 |
| CopilotKit Threads | @CopilotKit | 为智能体应用提供持久化、可恢复的对话 | 用户需要应用内类似 ChatGPT 的连续体验 | AG-UI、CopilotKit | 已发布 | 文档, 推文 |
| Pentest Agents | @DarkWebInformer 分享 | 面向多个编码智能体的自主漏洞赏金框架 | 安全测试需要可重复的智能体工作流 | Python、Claude Code/Codex/Gemini/Cursor/Windsurf/Copilot/OpenClaw | Alpha | GitHub, 推文 |
| $CLAWD/Larv AI 治理 | @clawdbotatg | 由训练出的迷你智能体代表质押者参与治理投票 | DAO 投票者没有时间持续跟进信息 | 链上质押、AI 治理、私有推理 | Beta | 网站, 推文 |
反复出现的构建模式是“让智能体在运营上变得可理解”。Mercury、Gas Town、OpenSkills 和 Mimeo 都在打包工作，使其能跨会话或跨工具持久存在。AgenC、x402B、TermiX 和 $CLAWD 则把同一需求扩展到商业和治理：智能体需要结算、声誉、证明和审查。许多项目的薄弱环节，是在混乱真实使用下的可靠性证明；关于漂移、提示词注入、幻觉出的渗透测试发现和上下文膨胀的回复，都说明了这一点。
6. 新动态与值得关注的项目¶
波兰医疗语音智能体部署¶
@mati 表示（1,113 个赞、47 条回复、20 次引用、64,986 次浏览、153 次收藏）称，波兰正在为 Centralna e-Rejestracja 部署由 ElevenLabs 驱动的语音智能体，向只能使用固定电话的患者拨打电话，提醒他们预约，并协助改期。运营层面的数据较为具体：每年 4,000 万次预约，爽约率为 10%～20%。回复分成两派：一派认为“爽约是最大问题之一”，另一派则质疑政府是否应优先发展 AI，而不是先解决更广泛的医疗等待时间问题。
Bankr 生态地图¶
@BaseHubHB 发布了（140 个赞、31 条回复、7,968 次浏览、57 次收藏）展示了一张 Bankr 生态地图，覆盖智能体基础设施、网络、RWA、隐私、声誉、构建者工具、交易、游戏和智能体人格。图片值得注意之处在于，它显示链上智能体项目正在分化为清晰可辨的类别，而不是被归入单一的“AI 代币”篮子。
智能体经济治理担忧被置于“黑箱”框架下¶
@kimmonismus 强调了（49 个赞、6 条回复、11,600 次浏览）介绍了 Patrick Hussey 的《The Agentic Economy Has No Black Box》，称智能体已经在破坏生产系统、无视停止命令，并在模拟中维持串通定价。配图副标题——“跨参与方的智能体失灵，以及尚不存在的公民基础设施”——把当天的治理讨论从单个公司的安全问题扩展到了更广泛的层面。
串行编排优于智能体群¶
@pvncher 认为（23 个赞、4 条回复、3,017 次浏览、12 次收藏）称，带范围限制的子智能体和管理器模型编排强于“智能体群”。他的回复尤其重要：智能体之间的任意通信会让它们偏离方向；并行最适合只读工作，而写入任务需要锁和验证。
7. 机会在哪里¶
**+++］ 企业级智能体控制平面** — 证据涵盖 ［@dani_avila7 的 Agent Manager 角色、@code_rams 的 Harness 组件、@shannholmberg 的部署闭环，以及 @_vmlops 的课程。这个方向很强，因为痛点属于运营层面、反复出现，并且与企业部署直接相关。
**+++］ 具备可执行边界的智能体安全** — 证据包括 ［@anishathalye 的提示词注入演示、@RoundtableSpace 的提示词防御争论，以及 @DarkWebInformer 的渗透测试框架和对幻觉问题的批评。机会很强，因为人们显然不信任仅靠提示词的方案。
**+++］ 面向智能体商业的信任、托管与证明** — ［@Onyx_goose、@tetsuoai、@termix_ai 和 @clawdbotatg 都指向结算与验证。机会很强，因为项目已经在发生交易，但回复仍在追问信任和支付究竟如何被强制执行。
**++］ 可移植的技能与记忆基础设施** — ［OpenSkills、Mimeo、Mercury Agent 和 CopilotKit Threads 都在尝试跨会话、应用或智能体保留能力。机会中等，因为需求已经明确，但上下文膨胀和技能质量问题尚未解决。
**++］ 多智能体工作区协同** — Gas Town、Mercury 和 ［@pvncher 的编排评论显示，人们需要范围受限的子智能体、交接、锁和验证。机会中等，因为构建者已经在交付产品，但这些主张仍需要在更大规模团队中获得证据支持。
**+］ OOD 创意智能体评测** — ［@omarsar0 的火箭模拟器失败，暗示了一个面向非主流应用模式的基准和 Harness 细分领域。机会正在出现，因为证据质量较高，但目前仍来自单一讨论串。
8. 要点¶
- Harness 工程再次成为智能体领域的主导话题，但它正逐渐变成组织基础设施。 当天最有力的证据包括一门被广泛收藏的课程、一套 Hermes 部署闭环、一份设计指南，以及一个 Agent Manager 推广角色。（来源）
- 智能体商业正从叙事走向通路。 AgenC、x402B、TermiX 和 $CLAWD 讨论的是执行、结算、托管、证明或治理指标，而不只是“智能体将会进行交易”。（来源）
- 可移植技能很有吸引力，但也有风险。 OpenSkills 的跨智能体 SKILL.md 模式引发了兴趣，但回复警告工具复杂性和上下文窗口可能吞掉技能。（来源）
- 安全主张需要证据。 一条安全提示词立即引发怀疑；MIT 的讲座则演示了针对 Opus 4.6 的提示词注入，使智能体安全继续被归入尚未解决的问题。（来源）
- 当前的编码智能体仍会在一些富有创造性、但训练数据代表性不足的任务上失败。 火箭模拟器讨论是对企业成功案例的有益平衡，因为它描述了即使有提示和上下文辅助，智能体仍反复失败。（来源）
- 构建者的共同模式是可追踪性。 Mercury、Gas Town、CopilotKit Threads 和 Mimeo 都在保留状态、技能、对话或工作轨迹，让智能体不再像一次性聊天那样短暂。（来源）