Twitter AI Agent - 2026-05-25¶
1. 人们在讨论什么¶
1.1 Agent 记忆正从上下文窗口迁移到可复用文件中 🡕¶
5 月 25 日最明显的模式是，构建者不再想把所有工具、MCP 和笔记都塞进实时上下文里。他们想要的是冷存储、选择性加载，以及可复用的技能产物。至少有四个保留条目指向同一个方向：Obsidian 笔记、Markdown 技能记忆、可迁移的技能库，以及用于 harness 设计的资源包。
@EXM7777 描述了（289 个赞，15 条回复，16,368 次浏览，437 个收藏）提出用 Obsidian 作为记忆层，存放那些需要保持可搜索、但不应长期加载在 Claude Code 或 Codex 中的工具。最有力的一条回复把这个想法进一步提炼成架构语言：工具记忆放在冷存储里，活跃执行上下文保持“热”状态，只在任务真正需要时拉取少量相关内容。
@GithubProjects 重点展示了（81 个赞，4 条回复，7,735 次浏览，93 个收藏）将 Acontext 定位为原生支持 Markdown 的技能记忆层。Acontext 仓库 将其描述为“作为记忆层的 Agent Skills”，而附图中的 README 卡片比推文本身更能体现成熟度：有网站和文档链接，已发布 PyPI 和 npm 包，核心、API 和 CLI 测试也都通过。
@DanKornas 分享了（34 个赞，4 条回复，1,684 次浏览，44 个收藏）介绍了 SkillX，SkillX 仓库 称它能把成功轨迹提炼为可复用的规划技能、功能技能和原子技能，并在无需重新训练的情况下接入能力较弱的 Agent。@tom_doerr 添加了（55 个赞，4 条回复，3,110 次浏览，69 个收藏）则分享了一份 200+ 项 harness engineering 资源列表，把同一主题整理成公开的文件、工具和实践地图。
讨论洞察： 回复里并没有人要求更大的窗口，而是在呼吁更清晰地划分归档与运行时、更明确地说明工具为何被加载，以及能跨会话、跨 Agent 持续存在的可复用文件。
与前一天相比： 5 月 24 日已经在推动可编辑记忆和选择性加载；到了 5 月 25 日，这种基于文件的路线变得更明确：一边是 Obsidian 冷存储，另一边是 Acontext 和 SkillX 这类可交付的技能库。
1.2 Harness 工程从口号变成了具体的设计学科 🡕¶
第二个大主题是，Agent 构建者如今开始把提示词、上下文和 harness 视为彼此独立的工程层。最强的帖子并不是模型发布，而是围绕模型之外、可靠 Agent 环境还需要什么的图示、实现指南和文章。
@sjsandeep_jain 认为（97 个赞，10 条回复，1,406 次浏览，45 个收藏）指出，如今“最重要的 AI 技能”已经是围绕模型设计系统，而不是孤立地做提示词工程。附图把三者区分得很明确：提示词工程塑造单次请求，上下文工程决定哪些内容留在窗口内，而 harness 工程则把收集、执行、验证和重试封装成一台机器。
@bibryam 特别指出了（101 个赞，5 条回复，5,569 次浏览，134 个收藏）把一篇 OpenAI 文章称为“harness 工程师的金矿”，强调的是 Agent 可稳定运行的环境、把工程判断机械化编码的方式，以及 Agent 可读取的可观测性。回复串补上了关键提醒：一旦可观测性变成 Agent 可读，执行边界本身也会进入安全模型。
@harjtaggar 总结了（120 个赞，14 条回复，9,916 次浏览，26 个收藏）则更直白地描述了真实体验：每个 Agent 项目一开始都很简单，最后却都会深陷检索质量、上下文工程和跨模态评估循环。@tom_doerr 佐证了这一点（55 个赞，4 条回复，3,110 次浏览，69 个收藏）则给出了 Picrew harness 资源清单，仓库将其描述为一个汇集项目、工具、基准和实用指南的精选列表。
讨论洞察： 实际问题已经不再是“什么提示词有效？”，而是“该收集什么、该保留加载什么、如何验证，以及 harness 自身失效时会发生什么？”
与前一天相比： 5 月 24 日，harness 工程还只是逐渐成为共同语言；到 5 月 25 日，讨论已经转向资源库、实现图示，以及构建者可以立即上手的基础设施指导。
1.3 重验证的 Agent 系统进入主流讨论 🡕¶
最值得注意的突破信号是，Agent 系统开始出现在那些必须检查正确性、而不是只凭口头断言的领域里。形式化证明搜索、形式化代码生成，以及面向安全的 Agent 套件，都出现在同一天的内容集中。
@pushmeet 报告了（696 个赞，45 条回复，40,683 次浏览，181 个收藏）称 Google DeepMind 的 AlphaProof Nexus 解决了 9 个开放的 Erdős 问题、44 个 OEIS 问题、一个已有 15 年历史的代数几何问题，以及一个已有 7 年历史的极小极大优化问题。公开的 AlphaProof Nexus 结果仓库 包含这些已解问题的 Lean 证明；附带的证明表格之所以重要，是因为它表明这并不是含糊的“AI 解决了数学问题”式说法，而是与明确证明技术绑定、可由机器检查的输出。
@getjonwithit 介绍了（83 个赞，4 条回复，7,220 次浏览，49 个收藏）介绍了一个面向计算物理和应用数学的编程与形式化验证 Agent，目标是生成 DSL 代码、在 Lean、Isabelle 或 Rocq 中形式化正确性属性，然后编译出可证明正确的 C 代码。回复明确指出了真正的约束：代码的形式正确性并不等同于底层物理模型的正确性，因此验证范围仍需谨慎界定。
@The_Cyber_News 分享了（56 个赞，3 条回复，2,815 次浏览，30 个收藏）介绍了 Pentest Agent Suite，相关 Cyber Security News 文章 称这一开源包涵盖 50 个专用安全 Agent、26 个斜杠命令、19 个 CLI 工具，以及一个覆盖七个编码平台的跨 IDE 安装器。对构建者来说，这是一个很强的信号，因为它把安全审查封装成了结构化的 Agent 工作面，而不是又一个通用助手。
讨论洞察： 最有说服力的 Agent 主张，都是那些绑定了检查器的：Lean、证明助手、仓库规则，或安全工作流。这组数据奖励的是可验证性，而不是单纯更强的自主性。
与前一天相比： 5 月 24 日强调的是争议处理、仪表板和审查闸门等信任界面；到 5 月 25 日，这种倾向进一步推进到了数学可检验证明、形式化代码路径，以及面向安全的 Agent 框架。
2. 什么让人沮丧¶
上下文膨胀仍在让 Agent 变得更差，而不是更好¶
严重程度：高。@EXM7777 写道（289 个赞，15 条回复，16,368 次浏览，437 个收藏）指出，把更多技能、MCP 和上下文堆进 Claude Code 或 Codex，只会让它们更慢、更不可预测。@harjtaggar 表示（120 个赞，14 条回复，9,916 次浏览，26 个收藏）指出，Agent 项目很快就会陷入检索与评估复杂性；@GithubProjects 推广了（81 个赞，4 条回复，7,735 次浏览，93 个收藏）则把 Acontext 明确呈现为对抗不透明记忆堆叠的替代方案。眼下可见的应对方式是选择性加载和外部记忆存储，但这也把更多架构工作压到了构建者身上。是否值得为此构建：是——这个痛点反复出现、具有操作层面的现实性，而且已经在塑造人们日常使用 Agent 的方式。
可靠性工作仍被藏在“Agent 工程”这个标签之下¶
严重程度：高。@sjsandeep_jain 展示了（97 个赞，10 条回复，1,406 次浏览，45 个收藏）指出，提示词、上下文和 harness 问题现在必须分开工程化处理；@bibryam 认为（101 个赞，5 条回复，5,569 次浏览，134 个收藏）则指出，真正的工作在于环境设计、机械化反馈回路，以及 Agent 可读取的可观测性。@harjtaggar 概括道（120 个赞，14 条回复，9,916 次浏览，26 个收藏）直接说出了这种挫败：人们原本以为可以快速搭起来，最后却一头扎进检索质量和跨模态评估循环。是否值得为此构建：是——这正是为什么“简单”的 Agent 点子仍然需要真正工程投入的主要原因。
开源 Agent 仍需要更友好的控制中枢¶
严重程度：中。@hasantoxr 表示（31 个赞，6 条回复，1,757 次浏览，37 个收藏）指出，Hermes Desktop 之所以存在，是因为终端优先的 Agent 隐藏了太多状态、悄悄出错，还把原本普通的配置过程变得过于技术化。回复总体支持，但也带着怀疑：有人说这正是开源 Agent 需要的界面，也有人提醒，GUI 可能只是让失败更容易被看见。是否值得为此构建：是——这种工作流痛点非常实际，也关系到更广泛的采用，尽管单靠 UI 并不能解决更深层的可靠性问题。
3. 人们希望存在什么¶
留在实时上下文窗口之外、但可搜索的冷存储¶
这是数据里最直接的需求。@EXM7777 想要（289 个赞，15 条回复，16,368 次浏览，437 个收藏）展示了一个不断扩大的、由 Obsidian 支撑的工具库，只在任务需要时才加载；最有力的回复也用系统语言表达了同样的意思：选项放进冷存储，执行放进热上下文。Acontext 和 SkillX 是部分答案，但真正的需求是那种可搜索、可版本化、并且能低成本留在提示词之外的记忆。机会：直接。
可检查、可重放、可被信任的 Agent 输出¶
最清晰的信号来自重验证的构建者。@pushmeet 分享了（696 个赞，45 条回复，40,683 次浏览，181 个收藏）提到 AlphaProof Nexus 并链接到了形式化证明，@getjonwithit 将其定义为（83 个赞，4 条回复，7,220 次浏览，49 个收藏）把形式化验证作为新编程 Agent 的核心功能，@The_Cyber_News 指向了（56 个赞，3 条回复，2,815 次浏览，30 个收藏）则展示了完整的安全 Agent 套件。缺失的并不是更自信的文字，而是能被证明系统、仓库规则或安全闸门检查的输出。机会：直接且竞争激烈。
让普通人也能用起来的开源 Agent 控制中枢¶
@hasantoxr 认为（31 个赞，6 条回复，1,757 次浏览，37 个收藏）指出，Hermes Desktop 之所以重要，是因为大多数开源 Agent 仍让用户直面配置摩擦、隐藏状态和终端复杂性。这是一个现实的产品需求，而不是理想化愿景。这里的竞争很可能会很激烈，因为底层 Agent 能力正越来越开放，而界面与故障恢复体验仍然薄弱。机会：直接且竞争激烈。
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Obsidian | 外部记忆层 | (+) | 让工具在实时上下文之外仍可搜索；适合选择性加载工作流 | 仍然依赖人工整理，内容新鲜度也很重要 |
| Acontext | 技能记忆层 | (+) | 可编辑的 Markdown 技能、无 API 锁定、支持 ZIP 导出，软件包成熟度也清晰可见 | 从软件包版本和社区规模看仍属早期 |
| SkillX | 技能知识库框架 | (+) | 三级技能层级、可从轨迹自动蒸馏、支持可迁移技能库 | 工作流研究色彩较重；对主流团队仍偏早期 |
| AlphaProof Nexus | 形式化证明 Agent | (+) | 可由机器检查的 Lean 证明和公开结果仓库，让相关主张具备可验证性 | 适用领域较窄，形式化负担高 |
| awesome-agent-harness | 资源库 | (+) | 公开汇总大量 harness 项目、基准和指南 | 它是参考列表，不是执行系统 |
| Pentest Agent Suite | 安全 Agent 框架 | (+/-) | 专用 Agent、斜杠命令、MCP 基础设施、跨工具安装器 | 这里的证据主要来自一篇新闻写作和一条推文，而非广泛的操作者反馈 |
| Hermes Desktop | Agent 控制界面 | (+/-) | 更易管理配置、记忆、工具、提供商、日程和日志 | UI 提升了可见性，但回复仍质疑它是否解决了更深层的失效模式 |
总体来看，人们更偏好基于文件的记忆、明确的结构，以及能展示自己在做什么的系统。当工具减少隐藏状态或提升可复用性时，满意度最高；而当表面积扩张快于可靠性证明时，评价就会变得复杂。当天帖子里反复出现的共同应对方式很一致：保持工作集小、把可复用知识版本化，并在输出外围加上一种检查器。
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 |
|---|---|---|---|---|---|---|
| Acontext | @GithubProjects / memodb-io | 将 Agent 的学习结果存成可编辑的 Markdown 技能文件 | 用可读、可移植的技能取代不透明的记忆存储 | JavaScript、PyPI/npm 包、基于文件的技能 | 已发布 | 仓库, 帖子 |
| SkillX | @DanKornas / zjunlp | 从 Agent 经验中构建可复用的规划、功能和原子技能库 | 避免 Agent 每次运行都重新发现同样的工具使用模式 | Python、轨迹蒸馏、分层技能知识库 | Alpha | 仓库, 帖子 |
| AlphaProof Nexus results | @pushmeet / Google DeepMind | 发布已解开放数学问题的 Lean 证明和文字版证明 | 为 Agent 式证明搜索主张提供公开、可检查的产物 | Gemini 驱动的证明搜索、Lean、自然语言证明输出 | Alpha | 仓库, 帖子 |
| Pentest Agent Suite | @The_Cyber_News | 覆盖七种编码工具的开源漏洞赏金与安全 Agent 框架 | 将进攻性安全工作流封装成可复用的 Agent 栈 | 50 个安全 Agent、MCP 基础设施、19 个 CLI 工具 | Beta | 文章, 帖子 |
| Hermes Desktop | @hasantoxr | 围绕 Hermes Agent 提供配置、聊天、记忆、技能、工具、日程和日志的桌面界面 | 让终端优先的开源 Agent 更易操作和恢复 | 桌面 UI、提供商配置、记忆/工具控制、日程安排 | Beta | 帖子 |
Acontext 和 SkillX 是最清晰的记忆层构建，但它们解决的是相邻问题。Acontext 把学习结果打包成人类可读的文件，并可跨环境导出；SkillX 则把成功轨迹转成结构化、可复用的技能层级。二者背后的共同触发因素，就是第 1 到第 4 节反复出现的那种挫败：Agent 总在重新学习团队早已知道的东西。
AlphaProof Nexus 和 Pentest Agent Suite 则把同样的“打包”思路带进了重验证工作。一者把证明搜索变成公开的 Lean 产物；另一者把进攻性安全变成带斜杠命令和工具基础设施的多 Agent 框架。反复出现的构建模式不是“再来一个聊天机器人”，而是围绕那些输出必须被检查的领域，做出可复用的封装层。
Hermes Desktop 代表的是这股趋势中的可用性层。它在这组数据里的重要性，不在于绝对新颖，而在于开源 Agent 构建者如今开始把精力投向界面、日程、日志和故障恢复，而不只是继续堆更多自主性。
6. 新动态与值得关注的内容¶
AlphaProof Nexus 让“可检查的 Agent 输出”变得具体可感¶
@pushmeet 报告了（696 个赞，45 条回复，40,683 次浏览，181 个收藏）称 AlphaProof Nexus 解决了 9 个开放的 Erdős 问题和 44 个 OEIS 问题，而公开的 结果仓库 之所以重要，是因为它直接发布了 Lean 证明本身。值得注意的是，它把可信度测试从“你是否相信这个演示？”转成了“你能否检查这个形式化产物？”
Harness 工程资源正被打包成可自学材料¶
@tom_doerr 分享了（55 个赞，4 条回复，3,110 次浏览，69 个收藏）分享了一份 200+ 项资源列表，@sjsandeep_jain 分享了（97 个赞，10 条回复，1,406 次浏览，45 个收藏）则分享了一张广泛传播的可视化解释图，说明提示词、上下文与 harness 三层的区别。二者合起来表明，harness 工程已经不再是小众的内部概念，而正在被整理成公开课程。
7. 机会在哪里¶
[+++] Versioned agent memory with selective loading — Multiple sections converge here. @EXM7777 推动了（289 个赞，15 条回复，16,368 次浏览，437 个收藏）指向由 Obsidian 支撑的冷存储，Acontext 把技能打包成 Markdown，SkillX 则把轨迹转成可复用知识库。这个需求很强，因为构建者正从不同方向表达同一诉求：减少上下文膨胀，同时保留可复用知识。
**++］ 以验证为先的 agent 工具** — ［AlphaProof Nexus、@getjonwithit（83 个赞，4 条回复，7,220 次浏览，49 个收藏）以及 Pentest Agent Suite 都指向这样一类 Agent 系统：其输出必须由证明助手、代码规则或安全工作流来检查。这个信号还谈不上普遍，强度属于中等，但它是当天数据里最清晰的质量门槛之一。
[++] Agent control rooms and recovery surfaces — @hasantoxr 论证了（31 个赞，6 条回复，1,757 次浏览，37 个收藏）指向围绕 Hermes 的桌面封装，因为隐藏状态和仅终端式配置仍在阻碍采用。这个机会属于中等，因为如今每个开源 Agent 都需要某种安装、日志、记忆检查和日程 UX 的组合。
[+] Harness engineering education — @tom_doerr 发布了（55 个赞，4 条回复，3,110 次浏览，69 个收藏）给出了一张大型资源地图，@sjsandeep_jain 作出了概念上的区分（97 个赞，10 条回复，1,406 次浏览，45 个收藏）则把这套语言讲得更清楚。这个信号还在形成阶段，尚未占据主导，但相关表述显然正在固化成一门可教授的学科。
8. 要点¶
- 占优的记忆模式是“冷归档，热执行”。 @EXM7777 展示了（289 个赞，15 条回复，16,368 次浏览，437 个收藏）解释了为什么构建者正把工具移出实时上下文，放进可搜索的笔记，而 Acontext 则把同一思路打包成 Markdown 技能。
- Harness 工程正被当作真正的系统工程，而不是提示词装饰。 @sjsandeep_jain 用图示说明了（97 个赞，10 条回复，1,406 次浏览，45 个收藏）展示了提示词、上下文和 harness 三层的分工，@bibryam 认为（101 个赞，5 条回复，5,569 次浏览，134 个收藏）则指出，环境设计和可观测性才是真正的杠杆点。
- 验证正成为 Agent 系统的一等卖点。 @pushmeet 报告了（696 个赞，45 条回复，40,683 次浏览，181 个收藏）展示了经过形式化检查的数学证明，@The_Cyber_News 整理出了（56 个赞，3 条回复，2,815 次浏览，30 个收藏）则展示了把审查流程封装进技术栈的安全 Agent 框架。
- 可复用技能库正成为原始轨迹之上的持久层。 @DanKornas 分享了（34 个赞，4 条回复，1,684 次浏览，44 个收藏）体现了 SkillX 的分层知识库方法，@tom_doerr 梳理了（55 个赞，4 条回复，3,110 次浏览，69 个收藏）则呈现出围绕同一思路形成的更广泛 harness 生态。
- 开源 Agent 终于开始拥有面向用户的控制界面。 @hasantoxr 认为（31 个赞，6 条回复，1,757 次浏览，37 个收藏）说明，Hermes Desktop 之所以重要，是因为配置、记忆、工具、日程和日志在终端优先工具中仍藏得太深。