Twitter AI Agent - 2026-06-11¶
1. 大家在讨论什么¶
1.1 云端软件工厂正变成可检视的操作系统（🡕）¶
6 月 11 日最强的一组 AI Agent 讨论，聚焦的是支撑真实工作的控制面，而不是单次对话的新鲜感。信号最明确的几条帖子，从不同角度都在表达同一个要求：如果 Agent 要接触代码仓库、工单和发布流程，团队就需要看得见的任务状态、审批机制、恢复路径和证据链。
@walden_yan 认为（667 个赞、30 条回复、143,318 次浏览、550 次收藏）表示，Fable 5 应该给工程组织敲响警钟，促使它们搭建云端软件工厂：在人工介入之前，先由 AI 处理 Bug 分诊、反馈队列、PR 审查、日志排查和屏幕录制。他还引用 @cognition 的 Devin 发布 补充说，实践中 Fable 的运行成本只比原先设想高约 40%，这让“成本太高”的反对意见，从模型问题转向了 Harness 问题。
@BradGroux 发布（1,119 个赞、9 条回复、1,425,443 次浏览）将 Veritas Kanban v5.0 介绍为人类与 Agent 协同开发软件的桌面指挥中心。帖子直接列出了整套技术栈：基于 SQLite 的存储、多用户工作区、RBAC、作用域受限的 API 令牌、工作流编写、就绪门禁、行动队列、提供商配置，以及 CLI/REST/MCP 集成接口。
@ClaudeCodeLog 发布（365 个赞、18 条回复、35,186 次浏览、80 次收藏）介绍了 Claude Code 2.1.172：支持最多五层嵌套子 Agent、为原本可能卡死的 100 万上下文会话提供自动压缩，并支持插件浏览器搜索。回复进一步明确了价值判断标准：只有当顶层会话仍能解释发生了哪些变化、跳过了什么，以及是哪条命令证明了结果时，更深的任务树才真正有意义。
讨论洞察： 回复并没有奖励单纯追求嵌套深度，而是不停把讨论拉回到合并纪律、检查点，以及操作员事后能否还原一次无人值守运行。
与前一天的比较： 6 月 10 日聚焦于软件工厂的雄心和受治理的自动化控制面。6 月 11 日则补上了已交付的桌面操作层，以及针对长时间运行 Agent 会话的明确恢复修复。
1.2 Harness 工程正变成一个明确成形的劳动力市场（🡕）¶
6 月 11 日还让 Harness 工程看起来更像一个真实的岗位类别，而不再只是一个包罗万象的口号。信号最强的帖子，把高管层面的表述与薪酬、培训材料放在一起看，说明稀缺资源正从模型访问权转向操作员能力。
@sairahul1 引用（58 个赞、16 条回复、8,528 次浏览、87 次收藏）引用 Jensen Huang 的说法：每位工程师都将管理数百个 Agent；他同时认为，2026 年最有价值的工程技能——Harness 工程——如今没有任何大学或计算机科学项目在教授。关键的信号不在未来感，而在于企业想要的能力与学校当前培养的能力之间存在明显缺口。
@itsericlay 发布了（141 个赞、28 条回复、12,736 次浏览、102 次收藏）列出了多个 Founding Harness Eng 职位，基本薪资为 $130,000-$200,000，另加可观股权，同时还招聘 founding infra 和 GTM 岗位。这让 Harness 工作变成了一条清晰的预算科目，而不只是理念。
@mattpocockuk 演示了（121 个赞、9 条回复、4,720 次浏览、72 次收藏）介绍了一项 /teach 技能：先询问学习者为什么想构建，再把这个目标转成一条包含测验和特定技术栈讲解的四课学习路径。这是一个规模较小但很重要的信号：人们正在把 Harness 知识封装成可复用的 Agent 技能，而不是让它停留在专家的隐性经验里。
讨论洞察： 回复普遍认可 Harness 工作确实存在，但定义仍不完整。人们在争论这个岗位究竟包含什么、薪酬是否足够高——这正是早期劳动力市场形成时的典型样子。
与前一天的比较： 6 月 10 日把记忆和技能视为 Agent 周围的控制面。6 月 11 日则把焦点转向设计、教授并落地这些控制面的人。
1.3 Fable 5 把 AI Agent 讨论推向知识工作准确性（🡕）¶
6 月 11 日最强的能力讨论，并不在于原始编码速度，而在于 Agent 能否处理混乱、文档密集、需要多步推理的任务，同时不让算术或政策错误层层叠加。
@levie 详细说明了（137 个赞、24 条回复、26,338 次浏览、74 次收藏）介绍了 Box AI 的 Complex Work Eval：在并购尽调、医疗审计、媒体盈利分析、零售分析和财务预测等任务中，Fable 5 明显超过了 Opus 4.8。示例也异常具体：Fable 正确处理了 NDA 中的共同所有权例外，避免对阿根廷税收抵扣重复计算，并在债务融资模型中理顺了利息与资本支出逻辑。
@gokulr 总结了（64 个赞、10 条回复、14,637 次浏览、106 次收藏）将 Satya Nadella 在 Microsoft Build 上的访谈解读为一种观点：Harness 才是产品，而私有评测会成为公司的知识产权。这也让 Levie 的帖子更容易理解：如果 Agent 正在按企业知识工作来考核，那么护城河就在评测、轨迹和部署配方里，而不只是模型访问权。
讨论洞察： 有意思的转变在于，讨论从“哪个模型赢了基准测试？”转向“哪个模型能在真实文档上避免连锁式错误？”这让焦点收窄到判断力、算术能力和领域专用评测。
与前一天的比较： 6 月 10 日关注运行时经济性和公开基准供给。6 月 11 日则更清楚地回答了 Agent 推理能力提升最重要的落点：企业文档、审计，以及其他具有多层约束的知识工作任务。
1.4 Agent 商业从支付轨道走向在线市场与主权执行（🡕）¶
另一个清晰的讨论集群，让 Agent 商业更接近运营现实。相关帖子关注的不只是 Agent 如何付款，还涉及市场、私有策略、链上统计数据，以及专为长期自主运行参与者打造的执行层。
@Padierfind 报道（411 个赞、61 条回复、5,620 次浏览）介绍了在德国议会就基于区块链的 Agent-to-Agent 支付发表的演讲，并称企业已经开始在 Masumi marketplace 上雇佣和出售 Agent。这一点很重要，因为它把 Agent 商业从创业公司演示带进了政策场域。
@jiabtc 认为（208 个赞、187 条回复、2,802 次浏览）称，Ritual 的主权执行层是为长期运行的自主 Agent 构建的，具备原生 AI 计算、TEE、去中心化密钥管理、远程证明、持久化链上身份，以及让 Agent 持有和管理资本的能力。这比泛泛而谈“区块链上的 AI”要强得多。
@Excubialabs 更新了（20 个赞、7 条回复、235 次浏览）介绍了 Shush v1.14.2：其 Agent marketplace 上架流程会把经过验证的链上交易历史、胜率、PnL 和交易量附加到列表中，同时让策略参数保持端到端加密。这里的重点不只是支付，更是市场信任。
讨论洞察： 尚未解决的问题在于责任与证明，而不是市场是否存在。读者关心的是谁来负责、统计数据如何验证，以及一旦开始商业化，私有策略如何保持私密。
与前一天的比较： 6 月 10 日关注支付轨道和入门套件。6 月 11 日则补上了在线市场行为、主权执行论点，以及议会层面的可见度。
2. 什么让人感到沮丧¶
审批、审计和支出控制仍落后于自主能力¶
严重程度：高。@walden_yan 认为（667 个赞、30 条回复、143,318 次浏览、550 次收藏）认为，AI 现在就该负责工单分诊、PR 审查和日志排查；与此同时，@BradGroux 发布（1,119 个赞、9 条回复、1,425,443 次浏览）介绍了一款产品，其完整价值主张就是：一旦 Agent 开始接触代码仓库，就要让任务状态、审批、证据和恢复路径都可见。@igoryuzo 列出（32 个赞、11 条回复、688 次浏览）则明确列出了缺失的控制项：白名单服务器和收款钱包、支出上限、审计日志、最小权限、密钥轮换和受限执行。当前的应对模式是分阶段审查、范围受限的权限和硬性上限，这也说明治理层仍然过于依赖人工。
文件结构和 UI 架构造成的 Token 浪费已经可以量化¶
严重程度：高。@PixelJanitor 测量了（49 个赞、6 条回复、4,738 次浏览、39 次收藏）称，在同一组样式任务中，使用 GPT 5.5 时 Tailwind 比 CSS Modules 少用 54.9% 的 Token，使用 Opus 4.8 时少用 38.8%，原因是模型始终待在组件文件内操作，而不是在标记与独立样式表之间来回跳转。@doodlestein 打包了（26 个赞、4 条回复、1,428 次浏览、24 次收藏）把同样的痛点转化为一种以证明为驱动的文件拆分技能，认为过大的文件会迫使 Agent 浪费 Token 去扫读无关代码，或者对本应仔细检查的代码看得不够深。应对方案正转向架构层面：更小的文件、减少跨文件编辑的样式系统，以及为重构提供明确的证明产物。
会话恢复、记忆可移植性和证明历史仍需要额外基础设施¶
严重程度：高。@ClaudeCodeLog 发布（365 个赞、18 条回复、35,186 次浏览、80 次收藏）专门加入了自动压缩功能，用来防止 100 万上下文会话永久卡住。@garrytan 表示（74 个赞、19 条回复、10,493 次浏览、54 次收藏）称，Nessie 已经成了把上下文、记忆和历史从 ChatGPT、Perplexity 和 Gemini 转移到 OpenClaw 与 Hermes Agent 的最佳方式，这说明原生可移植性仍然薄弱。@Armanibanks100 报道（46 个赞、39 条回复、448 次浏览）称，已有 112 个 Agent 在复用同一个 Memory Vault，因为构建者不断需要可验证的记忆和证明历史，才能理解 Agent 当前状态。当前的应对策略是外挂压缩、导入/导出和专用记忆层，这恰恰说明平台层面的问题尚未解决。
3. 大家希望存在什么¶
具备可移植性、审批和证明能力的共享记忆¶
构建者想要的不只是记忆，而是能跨越平台边界、还能告诉他们 Agent 是怎么走到当前状态的记忆。@garrytan 表示（74 个赞、19 条回复、10,493 次浏览、54 次收藏）介绍了 Nessie：现在可以把上下文和历史从 ChatGPT、Perplexity 和 Gemini 转移到 OpenClaw 与 Hermes Agent。@Armanibanks100 报道（46 个赞、39 条回复、448 次浏览）称，同一个 Memory Vault 已经被支付、市场、任务协调和交易 Agent 复用，因为构建者不断需要可验证的记忆和证明历史。这是一个有直接需求支撑的现实问题。机会：直接。
能解释发生了什么变化、跳过了什么，以及哪些证据证明结果的交接机制¶
人们显然需要一种能够承受 Agent 之间、以及 Agent 回交给人类时的编排系统。@walden_yan 推动了软件工厂愿景，@BradGroux 发布了一款围绕任务状态、审批和证据构建的产品，而 @ClaudeCodeLog 的发布帖下有一条回复称，五层 worker 只有在顶层会话能够解释发生了什么变化，以及是哪条命令证明了结果时才有帮助。这不是一种理想化愿望，而是对可审计编排的直接诉求。机会：直接。
面向非专业人士的实用 Harness 培训¶
市场正在呼唤能把 Agent 运营教会更多人的学习系统。@sairahul1 将 Harness 工程定义为学校不会教授的关键技能，@itsericlay 表明企业已经在招聘并为这类能力付费，@mattpocockuk 则展示了一项 /teach 技能，能够把用户目标转化为结构化课程。这个需求既实际又紧迫：人们希望比正规教育体系反应得更快，尽快成为高效操作员。机会：直接。
面向持有资本的 Agent 的可信市场和主权执行¶
商业领域尚未被满足的需求，在于信任基础设施。@Padierfind 介绍了企业已经在市场上招聘和出售 Agent，@jiabtc 介绍了围绕 TEE、DKMS 和经证明计算构建的主权执行层，@Excubialabs 则展示了一个承诺提供经过验证的链上统计、同时不暴露专有策略的市场。这显然是真实需求，但相比其他机会，竞争更激烈，也更受政策约束。机会：竞争性。
4. 正在使用的工具和方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Claude Code 2.1.172 | 编码 Agent 运行时 | (+/-) | 嵌套子 Agent、针对长上下文卡顿的自动压缩、插件搜索、明确的恢复修复 | 如果解释不够清晰，层级越深，协调与合并负担就越重 |
| Veritas Kanban v5.0 | 工作流编排 | (+) | 可见的任务状态、审批、证据链、RBAC、恢复路径，以及本地优先的起点 | 治理控制面增加了操作员负担，体验仍以桌面端为中心 |
| Claude Fable 5 | 前沿模型 / Agent 核心 | (+) | 在企业文档上具备强大的多步推理能力、复合计算错误更少、多次运行的一致性更好 | 在高风险工作中仍需要针对 Harness 的提示设计和人工审查 |
| OpenClaw | 本地 Agent 平台 | (+) | 本地优先的助手，具备强劲的开源势头和不断壮大的插件生态 | 价值高度依赖周边的记忆、技能和工作流层 |
| Nessie OpenClaw/Hermes plugin | 上下文可移植性 | (+) | 将主流 AI 应用中的记忆和历史迁移到 Agent Harness 中 | 只有当下游记忆治理值得信任时，可移植性才真正有价值 |
| Verifiable Agent Memory Vault | 记忆基础设施 | (+/-) | 已被 112 个 Agent 和多种工作负载复用，并以证明历史为核心叙事 | 早期证据令人鼓舞，但公开数据里关于回滚和版本管理的信息仍然偏少 |
| Parloa Agent Skills | 企业集成 | (+) | 基于 MCP 的集成链、可审计且可重试的执行，以及具体的处理时长改善 | 专注于 CX 系统集成，仍受企业连接器复杂度限制 |
| Step 3.7-Flash | 推理模型 | (+) | 可见的推理过程、256K 上下文、内置搜索和工具调用，以及更低的 Token 价格 | 公开信号仍处于早期，而且可见性也伴随着额外推理开销 |
| Ritual | 主权执行层 | (+) | AI 原生计算、TEE、去中心化密钥管理、证明、持久化 Agent 身份 | 采用加密领域特有的运行模式，目前仍是前沿架构，而非已经稳定的标准 |
| Shush Agent Marketplace | Agent 市场 | (+/-) | 经过验证的链上统计、加密策略，以及用于出租和出售 Agent 的商业化脚手架 | 上架流程仍在建设中，因此实际市场采用仍处于早期 |
总体而言，当工具让状态、成本或控制变得可见时，满意度最高。Veritas、Memory Vault、Nessie 和 Parloa 都因让隐藏工作变得清晰而受到关注：发生了什么变化、Agent 记住了什么、连接器做了什么，以及谁拥有整条集成链。当工具提高协调成本、或仍然依赖操作员纪律时，情绪就会转为复杂，例如更深的子 Agent 树或治理负担较重的产品。
当天最清晰的应对方式都属于结构性方案，而不是魔法：@PixelJanitor 测量了 通过把样式编辑限制在组件文件内来节省 Token，而 @doodlestein 构建了 则通过以证明为驱动的文件拆分技能，避免巨型源文件把上下文撑大。竞争重心正从泛泛的 Agent 平台叙事，转向可移植性、可审计性和成本敏感的工作流设计。
5. 大家正在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Veritas Kanban v5 | @BradGroux | 面向人类与 Agent 协同软件工作的桌面指挥中心，提供可见状态、门禁、证据和恢复路径 | Agent 一旦接触代码仓库和发布流程，就需要可检视的任务状态、审批和恢复机制，而不是原始聊天 | SQLite、macOS 桌面端、RBAC、MCP、CLI/REST/工作流集成、提供商配置 | 已发布 | 推文 |
| Parloa Agent Skills | @parloa_ai | Parloa AMP 内基于 MCP 的集成链，让业务团队无需编程即可配置工具工作流 | 企业 Agent 常常卡在 CRM、预订、工单和合规集成上 | MCP、AI Agent Management Platform、企业系统连接器 | Beta | 推文 |
| Verifiable Agent Memory Vault | @Armanibanks100 | 跨支付、市场和协调工作负载、已被 112 个 Agent 复用的共享记忆层 | 构建者需要在不同类型的 Agent 之间实现可移植记忆、证明历史和一致的状态语义 | 基于 0G Labs 构建的记忆库层 | Beta | 推文 |
| Ritual sovereign execution layer | @jiabtc | 面向长期运行自主 Agent 的 AI 原生执行环境，具备隐私和证明能力 | 持有资本或做出决策的 Agent 需要私密、可验证的执行环境，而不是脆弱的链下拼接 | AI 原生计算、TEE、DKMS、远程证明、链上身份 | Beta | 推文 |
| Shush Agent Marketplace | @Excubialabs | 用于出租或出售加密 Agent 的市场流程，提供经过验证的链上交易历史 | 构建者希望在不暴露专有策略参数的情况下将 Agent 商业化 | 加密 Agent、实时数据库指标、链上统计、SOL/USDC/$SHUSH 定价 | Alpha | 推文 |
| Six-agent ops stack | @nifinet | 完全自主的内部 Agent 套件，用于状态说明、线索简报、文案草稿、雷达、复盘和 QA | 团队仍在手动处理重复性的跨职能运营工作 | Claude Code、Hermes Agent、agentskills.io 规范、Pipedrive、Notion、Hermes cron | 已发布 | 推文 |
反复出现的构建模式是治理优先、能力其次。Veritas、Ritual 和 Shush 都把审批、证明或经验证统计视为产品核心，而不是上线后的补充打磨。Nifinet 的技术栈和 Parloa 的发布也从另一个角度指向同一方向：如今真正形成差异化的是可移植性和集成，而不只是模型选择。
@heynavtoor 整理了（53 个赞、6 条回复、4,123 次浏览、89 次收藏）列出了一组代码仓库，把开源构建者的热情集中到了本地助手、技能库和自我改进 Agent 上，而不是泛化封装层。图表显示 OpenClaw 的 star 数已超过 300,000，并重点列出了 Anthropic skills、everything-claude-code、Karpathy skills 和 Hermes Agent——这些正是人们反复围绕其组织工作的技术栈组件。
这类整理信号之所以重要，是因为它和当天其他证据完全吻合：构建者并没有围绕某一个完美模型聚集，而是在围绕可复用的编排、记忆、技能和本地优先执行层聚集。
6. 新动态与值得关注的内容¶
共享技能规范已经在驱动自主后台工作¶
@nifinet 描述了（18 个赞、8 条回复、1,836 次浏览、10 次收藏）介绍了六个自主 Agent：处理每周状态说明、线索简报、品牌语气草稿、晨间雷达、周五复盘和 QA；其技能规范无需修改，就能同时运行在 Claude Code 和 Hermes Agent 中。值得注意的不只是任务清单本身，而是其可移植性主张，以及已经发布的 Pipedrive 和 Notion 连接器，还有调度这些任务所需的具体 Hermes cron 命令。
Token 经济正成为架构选择，而不再只是账单惊喜¶
@PixelJanitor 测量了（49 个赞、6 条回复、4,738 次浏览、39 次收藏）展示了在相同前端任务中，Tailwind 相比 CSS Modules 可节省大量 Token；与此同时，@doodlestein 转化为（26 个赞、4 条回复、1,428 次浏览、24 次收藏）把大文件缩减转化为一项以证明为驱动的技能。共同信号是，Agent 成本正沿技术栈向上移动，进入文件布局、样式系统选择和拆解策略。
可见推理正成为调试界面¶
@seelffff 构建了（11 个赞、3 条回复、710 次浏览、7 次收藏）介绍了一个仅用 20 行 Python 构建、运行在 Step 3.7-Flash 上的生产级研究 Agent，并表示关键在于能看到模型在回答前把推理过程展示出来。这样一来，失败模式可以在运行中途被检查，而不是等到错误的最终答案出现后才发现；这与单纯追求模型准确率是不同的运营价值主张。
并行基准测试沙盒正成为可购买的服务¶
@ivanburazin 报道（16 个赞、4 条回复、1,659 次浏览、5 次收藏）称，一家市值 $55B 的云公司选择 Daytona 来并行运行 32 项 Agent 基准测试，而不是先自行构建基于 Kubernetes 的沙盒系统。重点不在于品牌背书，而在于 Agent 评测基础设施已经专业化到足以让大型企业外包。
7. 机会在哪里¶
**+++］ 可审计的编排与审批层** — ［@walden_yan、@BradGroux、@ClaudeCodeLog 和 @igoryuzo 都指向同一个缺口：Agent 已经能完成比团队能够轻松监督的更多工作。强机会在于打造一个统一任务状态、成本、审批、回执和恢复机制的系统，而不是让操作员自己拼接五种工具。
**+++］ 共享记忆与上下文可移植性** — ［@garrytan、@Armanibanks100 和 @heynavtoor 显示，市场需要能够在本地助手和 Agent Harness 之间迁移、且不丢失来源信息的记忆与技能。强机会在于构建带有审批、证明历史和跨 Harness 兼容性的版本化记忆。
**++］ Harness 工程训练与操作员工具** — ［@sairahul1、@itsericlay 和 @mattpocockuk 展示了需求、薪酬和早期教学实践。机会程度中等，因为需求显而易见，但市场可能会分散到课程、嵌入式技能和公司专属操作手册之间。
**++］ 面向 token 感知的代码库与 UI 工具** — ［@PixelJanitor 和 @doodlestein 将 Token 浪费变成了可量化、可修复的问题。机会程度中等，因为痛点具体、反复出现，并且离预算归属很近；但解决方案可能分散在 linter、重构技能和 Harness 分析工具之间。
**+］ 已验证的代理市场与主权执行** — ［@Padierfind、@jiabtc 和 @Excubialabs 表明，这一类别正从概念走向实践。它仍处于萌芽阶段，而非强机会，因为政策、责任和标准尚未稳定，尽管构建者已经在交付真实系统。
8. 要点¶
- 可检视的运营闭环胜过含糊的自主承诺。 @walden_yan 和 @BradGroux 都认为，一旦 Agent 接触真实工作，团队就需要队列、门禁、证据和恢复机制，而不只是更好的聊天窗口。（来源）
- Harness 工程已经成为真正的劳动力市场。 Jensen Huang 的言论被广泛传播为技能缺口警告，而 @itsericlay 则把这一警告转化为针对 founding harness engineer 的明确招聘和薪酬区间。（来源）
- Fable 5 最明确的跃升，体现在那些容易层层累积错误的知识工作上。 Box AI 的 Complex Work Eval 用并购、医疗、媒体、零售和金融任务表明，当算术、政策例外和多步逻辑交织在一起时，更强的 Agent 推理能力最有价值。（来源）
- 共享记忆和可移植技能正成为基础设施，而非可有可无的附加功能。 Nessie、Memory Vault 和 OpenClaw 生态都指向同一需求：在不同 Harness 之间延续上下文并复用能力，而不是每次都从头开始。（来源）
- Token 成本如今受到技术栈更上层设计决策的影响。 Tailwind 与 CSS Modules 的实验，以及文件拆分技能，都把上下文大小和跨文件遍历视为一等工程问题。（来源）
- Agent 商业已经真实到足以同时催生市场和政策关注。 Padierfind 的议会 panel、Ritual 的主权执行论点和 Shush 的验证上架流程，都表明 Agent 商业化已经走出了思想实验阶段。（来源）