Twitter AI Agent - 2026-08-05¶
1. 人们在讨论什么¶
1.1 技能已成为可安装的运行层，而不只是可复用的提示词（🡕）¶
最强烈的产品化信号，是讨论重点从技能设计转向技能分发。保留的四条内容都聚焦于文档、安装器、官方插件渠道、精选打包，以及位于单个技能之上的运行层。相比 8 月 4 日将技能视为可提供证据的工件，8 月 5 日的讨论更进一步转向：人们在日常代理工作中如何发现、安装、路由和维护这些技能。
@mattpocockuk 发布（1,219 个赞，49 条回复，38,104 次浏览，747 次收藏）发布了 mattpocock/skills v1.2，提供完整文档、Claude Code 插件市场插件、通过 agents/openai.yaml 提供的 Codex 支持，以及 /wizard、/to-questionnaire 和 /wait-what 等新的工作流技能。附带的安装器页面信息量很大，因为它把两条公开分发路径并列展示出来：可编辑的 npx skills@latest add mattpocock/skills 安装方式，以及由 Claude Code 托管的插件；同时还展示了该项目 1,350 万次安装量和跨代理定位。
公开的 README 进一步强化了这种打包策略：一种路径会把技能复制到仓库中，供本地编辑；另一种插件路径则让技能保持托管且只读。一条回复补上了当天最直接的痛点信号：这套技能之所以有用，恰恰因为它覆盖面广；但也正因如此，如果没有一个能为具体任务推荐合适技能的助手，就会让人感到不知所措。
@rlaope 指出（45 个赞，1 条回复，3,317 次浏览，60 次收藏）表示，Hermes 用户“实际上只需要一个插件”，随后将 oh-my-hermes 定位为位于 Hermes 原生技能之上的运行层。其官网称，该工具在不替代 Hermes 的前提下，补上了规划、研究、编码交接、运维和项目记忆；附图之所以重要，是因为它们展示了同一套工作流如何贯穿 Hermes Desktop、CLI 和消息端，并展示了关于记忆分层、范围化回执、经审核的技能草稿以及调度策略的实时问题积压，而不是一张静态的发布海报。
@alex_prompter 提出（8 个赞，2 条回复，3,443 次浏览）展示了一个简洁的 SKILL.md 结构，明确列出了触发条件、输入/输出以及“NOT FOR”边界。这虽然只是个较小信号，但符合相同趋势：人们正努力让技能足够可审计、可组合，避免大型技能库最终陷入路由歧义。
讨论洞察： 真正有价值的分歧，不在于技能是否有效，而在于如何让它们持续可用。Matt Pocock 的回复暴露了发现过载问题，而 oh-my-hermes 则明确把自己定位为解决插件疲劳和工作流误路由的方案。
与前一天的比较： 8 月 4 日将技能框定为可训练、且有证据支撑的对象。到了 8 月 5 日，讨论重心转向了打包、安装入口，以及让不断扩大的技能目录保持可用所需的运行层。
1.2 Harness 工程成为公开基准与逆向工程竞赛（🡕）¶
保留的五条内容都把 harness 当作真正的产品表层：需要被记录、逆向、基准测试，并围绕它共同训练。这个主题把 8 月 3 日的测量语言和 8 月 4 日的生命周期讨论，扩展成一场更公开的竞争：谁最能揭示、解释并改进模型周围的系统。
@morganlinton 收藏（505 个赞，3 条回复，129,314 次浏览，787 次收藏）称 Pi 的 harness 工程指南是他读过的“关于高效 harness 工程最棒的内容”，这本身就说明这个主题已经值得被当作一门独立技艺来研究。更具体地说，@swyx 指出（82 个赞，10 条回复，8,623 次浏览，83 次收藏）把读者引向 Latent.Space 对 ChatGPT Work 的公开复原。该复原描述了一款基于 Codex harness、运行在云端 microVM 中的知识工作产品，支持浏览器使用、插件，以及由产品层管理的跨任务服务，如 Library、Projects、Personal Context 和 Memory。附带的上下文架构图很有信息量，因为它明确展示了一个不那么显然的设计选择：任务本地工作目录位于独立的 OpenAI 管理层之下，因此跨线程连续性并不只是“同一台电脑上的共享文件”。
@johannes_hage 介绍（152 个赞，5 条回复，8,107 次浏览，51 次收藏）介绍了 Prime Agent。其公开发布帖描述了持久化 IPython REPL、以编程方式调用子代理、代理间直接通信，以及对提示词、记忆、技能和子代理执行 CRUD 操作。架构图之所以重要，是因为它直接展示了其宣称的控制回路：任务 -> 模型 -> IPython kernel -> rlm / 子代理 -> 持续演化的 harness 状态。
Prime Agent 的第二条推文来自 @Dr_Singularity 强调（343 个赞，21 条回复，20,024 次浏览，86 次收藏），展现了这条叙事的基准测试一面。图表很有信息量，因为它显示 Prime Agent + Opus 5 在 ARC-AGI-3 上达到 95.5%，略高于 95.4% 的人类基线，并分别绘出了 Sol、Terra 和 GLM 5.2 的曲线。
@ren_hongyu 发布（166 个赞，9 条回复，8,633 次浏览，8 次收藏）介绍了 Muse Spark 1.2 和 Muse Code。Meta 表示，后者是一款终端编码代理，具备持久化异步后台代理、可精确重放的事件日志，以及捆绑的 /plan、/grill 和 /goal 技能。基准测试图片将 Muse Code 与 Claude Code、Codex、Grok Build 等在 Terminal-Bench 2.1、DeepSWE 1.1、Meta Internal Coding Bench、GDPVal-AA V2 和 MCP Atlas 上进行了比较，但回复中也出现了有价值的质疑：一位读者表示，很难在公开网络上找到 Muse Code；另一位则质疑图表是否足够诚实。
讨论洞察： 最明显的可信度模式是，第三方解读正在成为产品表层的一部分。Latent.Space 帖子下的回复称，harness 拆解往往比官方文档更有用；而 Muse Code 帖子的回复则表明，缺乏透明公开入口的发布图表会立刻招致反弹。
与前一天的比较： 8 月 3 日把 harness 视为要做基准测试的对象。8 月 4 日则把它与轨迹、记忆和生命周期控制联系起来。到了 8 月 5 日，它已经成为一种独立的公开拆解与发布类别。
1.3 掌控构建完成后的表层，与构建代理本身同样重要（🡕）¶
第三组内容聚焦于核心代理构建完成之后的一切：谁可以使用它、它如何被发现、它携带哪些权限，以及它如何实现自身结算。四条保留内容从不同角度表达了同一个观点：如果访问、路由、分发和结算仍然靠临时拼凑，那么仅仅交付模型循环远远不够。
@rileybrown 表示（71 个赞，8 条回复，7,636 次浏览，100 次收藏）称，Vercel 的内部代理 V 已经与近 1,000 名员工协同工作，随后围绕一个熟悉的分叉组织起公开讨论：是一个 GOD 代理，还是一组权限和计算机访问能力各不相同的小代理。最有用的回复分成两边：一种观点认为，权限边界最终会迫使团队走向多代理方案；另一种则警告说，单一内部代理可能看起来比实际更强，因为它只看得到“Vercel 式工作”。
@Fetch_ai 总结（107 个赞，1 条回复，6,067 次浏览）把构建后的表层定义为部署、发现、编排、用户访问和支付，并将其栈映射到 uAgents、Agentverse、ASI:One 和 Fetch Business。与此同时，@ama_protocol 定位为（54 个赞，49 条回复，611 次浏览）将 Amadeus 同时定位为目的地产品（ama hub）和供第三方应用嵌入的代理层（AMA Embed），并围绕真实资金操作提供私密但可证明的记录。
@wardenprotocol 推出（47 个赞，14 条回复，7,177 次浏览）介绍了 Halo：一个运行在 Base 上、处于公开 alpha 阶段的点对点 AI 推理市场。在这里，代理可以作为一等消费者，从 USDC 存款中支付费用，并使用本地 OpenAI 兼容端点，而不必携带服务商 API 密钥。该发布帖最清晰的主张并不是模型新颖性，而是分发与结算设计：以钱包作为凭证，由运营方提供供给，并在首次存款后通过 gas 赞助实现使用。
讨论洞察： 这些帖子并未在“是否会出现更多代理”上产生分歧；分歧在于瓶颈到底是权限、可移植性、发现，还是结算。但四者都默认，瓶颈不在核心提示词循环之内。
与前一天的比较： 8 月 4 日聚焦于钱包、托管和支出控制。到了 8 月 5 日，这一视角已经扩展为完整的端到端表层，涵盖内部触达、公开发现和机器付费使用。
2. 什么让人感到沮丧¶
技能丰富度带来了新的路由与发现问题¶
严重程度：高。@mattpocockuk 发布（1,219 个赞，49 条回复，38,104 次浏览，747 次收藏）发布了一次覆盖面很广的技能更新，但最尖锐的回复称，技能范围已经“有点让人不知所措”，并明确要求提供一个 skills-helper，来为任务挑选合适技能。@rlaope 回应（45 个赞，1 条回复，3,317 次浏览，60 次收藏）则把一个插件定位为削减“认知负担”的运行层；@alex_prompter 回答（8 个赞，2 条回复，3,443 次浏览）则在 SKILL.md 中加入了明确的触发条件和“NOT FOR”边界。当前的应对方式是精选、更强的边界，以及位于原始技能文件夹之上的封装层。这个方向值得投入，因为这种摩擦恰恰出现在技能库变得足够有用、开始增长的时候。
Harness 仍然足够不透明，以至于必须由第三方来解释¶
严重程度：高。@morganlinton 称之为（505 个赞，3 条回复，129,314 次浏览，787 次收藏）称一份 harness 工程指南是他在这一主题上读过的最佳内容；@swyx 发送（82 个赞，10 条回复，8,623 次浏览，83 次收藏）则把读者引向 ChatGPT Work 的外部复原，而不是官方产品说明。该帖下的回复称，harness 解读正变得比官方文档更有用；而针对 @ren_hongyu 的 Muse Code 发布（166 个赞，9 条回复，8,633 次浏览，8 次收藏）的回复，则抱怨这款产品很难在公开网络上找到，基准图表也不够透明。人们通过收藏拆解文章、比较图表和依赖外部解读来应对。这个方向值得投入，因为一个隐藏的 harness 很难获得信任、被比较或被复现。
企业部署最终仍绕不开权限、连续性和访问表层¶
严重程度：高。@rileybrown 表示（71 个赞，8 条回复，7,636 次浏览，100 次收藏）称 Vercel 的内部代理已经服务近 1,000 人，但讨论立刻转向：是否根本不该只有一个代理，或者团队是否需要多个拥有不同权限和计算机访问能力的代理。公开的 ChatGPT Work 重构 又提出了另一种连续性抱怨：跨任务上下文是通过产品层服务来中介的，而不是通过一个自由共享的工作空间直接传递。@Fetch_ai 总结（107 个赞，1 条回复，6,067 次浏览）也把同样的构建后负担描述为部署、发现、编排、用户访问和支付。当前的变通方式，是在模型循环之外叠加更多路由、更多产品层上下文，以及更多明确表层。这个方向值得投入，因为多条彼此独立的帖子都把它描述为“构建代理”之后真正的工作。
代理金融和开放推理需要的是信任层，而不只是钱包¶
严重程度：中。@ama_protocol 将其定义为（54 个赞，49 条回复，611 次浏览）把 Amadeus 的重点放在两个缺失环节上：一个可以发现并运行代理的地方，以及一份私密但可证明的记录，用来说明代理如何动用真实资金。@wardenprotocol 推出（47 个赞，14 条回复，7,177 次浏览）则用钱包、存款、运营方供给和可验证推理来定位 Halo，但这两款产品目前卖点更多仍是周边的信任设计，而不是主流使用证据。当前的应对方式是托管、预算、可证明记录，以及受钱包约束的访问。这个方向值得投入，但今天的证据仍然偏早、偏基础设施，尚未显示出广泛采用。
3. 人们希望哪些产品存在¶
位于技能库之上的技能选择器¶
实际需求。最明确的需求来自对 @mattpocockuk 的 v1.2 发布（1,219 个赞，49 条回复，38,104 次浏览，747 次收藏）的回复：技能库很强大，但覆盖面已经广到需要一个 skills-helper 来推荐该运行什么。@rlaope 将其定义为（45 个赞，1 条回复，3,317 次浏览，60 次收藏）把同一缺口描述为插件疲劳；@alex_prompter 回答（8 个赞，2 条回复，3,443 次浏览）则用更严格的触发和边界规则来应对。缺失的产品不是更大的目录，而是技能的推荐器和治理器。机会：直接。
一个具备明确权限和持久上下文的代理团队统一入口¶
实际且紧迫的需求。@rileybrown 制作（71 个赞，8 条回复，7,636 次浏览，100 次收藏）明确提出了“一个 GOD 代理，还是多个更小的代理”这一问题，最有力的回复称，最终通常会收敛到权限问题。ChatGPT Work 拆解 和 @Fetch_ai 的 技术栈总结（107 个赞，1 条回复，6,067 次浏览）都暗示着同一个缺失层：一个持久的统一入口，能够跨代理、上下文、设备和服务路由工作，同时不把连续性隐藏在不透明的产品管线之后。现有产品已部分覆盖这一问题，因此机会属于竞争性市场，而不是空白市场。机会：竞争性。
足够公开、可供审计的基准测试表层，而不只是供人仰望¶
实际需求。@morganlinton 收藏（505 个赞，3 条回复，129,314 次浏览，787 次收藏）的一份外部 harness 指南、@swyx 分享（82 个赞，10 条回复，8,623 次浏览，83 次收藏）对 ChatGPT Work 的外部复原，以及回复中对 @ren_hongyu 的 Muse Code 图表（166 个赞，9 条回复，8,633 次浏览，8 次收藏）提出的质疑，都指向同一个愿望：如果 harness 如此重要，人们就希望看到公开文档、可复现评测，以及关于这些数字究竟意味着什么的解释。这一问题一半是工具问题，一半是报告问题。机会：竞争性。
以钱包为边界、并提供可证明记录的代理金融执行层¶
实际需求，早期市场。@ama_protocol 拆分（54 个赞，49 条回复，611 次浏览）把产品拆分为发现中心和嵌入式执行层，两者都以可见的操作记录为核心。@wardenprotocol 描述（47 个赞，14 条回复，7,177 次浏览）则将 Halo 描述为一个由钱包驱动的推理市场，代理可以从存款中自行支付费用。缺失的产品不只是钱包，而是身份、支出边界、行动证明，以及一个发现可信服务的地方。机会：直接。
4. 正在使用的工具和方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| mattpocock/skills | 技能库 / 安装器 | (+) | 发布文章（1,219 个赞，49 条回复，38,104 次浏览，747 次收藏）增加了完整文档、Claude Code 插件市场插件、Codex 支持，以及托管和可编辑两种安装路径 | 有回复称，如果没有技能推荐器，它的覆盖面已经让人不知所措 |
| oh-my-hermes | Hermes 运行层 | (+/-) | 项目文章（45 个赞，1 条回复，3,317 次浏览，60 次收藏）及其官网展示了贯穿 Hermes Desktop、CLI 和消息端的规划、研究、编码交接、运维和项目记忆功能 | 依赖 Hermes；目前公开证据主要来自构建者本人，而非同行验证 |
| Prime Agent | 编码 harness | (+) | 发布文章（152 个赞，5 条回复，8,107 次浏览，51 次收藏）介绍了持久化 IPython、以编程方式调用子代理、代理通信和可自我改进的 harness CRUD；博客称其搭配 Opus 5 在 ARC-AGI-3 上达到 95.5% | 刚发布不久，回复里仍有人询问其在更便宜或开源模型上的表现 |
| Muse Code | 编码 harness | (+/-) | 发布文章（166 个赞，9 条回复，8,633 次浏览，8 次收藏）以及 Meta 的帖子强调了持久化异步后台代理、可精确重放的事件日志，以及捆绑的 /plan、/grill 和 /goal 技能 |
回复质疑其可发现性和基准测试透明度 |
| ChatGPT Work | 知识工作 harness | (+/-) | Latent.Space 重构 通过 @swyx 分享（82 个赞，10 条回复，8,623 次浏览，83 次收藏），梳理了云端 microVM、浏览器使用、插件、工件和由产品层管理的跨任务上下文 | 最有力的公开解释来自外部人士；跨任务连续性仍有部分不透明 |
| Fetch.ai / Agentverse / ASI:One | 部署 / 发现技术栈 | (+/-) | 技术栈总结（107 个赞，1 条回复，6,067 次浏览）清晰映射了构建 -> 部署/连接 -> 用户触达 -> 可信服务 | 官网细节较少，当天讨论中的一线反馈也有限 |
| Halo | AI 推理市场 | (+/-) | 发布文章（47 个赞，14 条回复，7,177 次浏览）及发布博客介绍了由运营方提供的模型供给、代理钱包、USDC 结算，以及存款后由 gas 赞助的推理 | 仍处于公开 alpha 阶段，需要加密钱包完成入门，且几乎没有广泛使用证据 |
| Amadeus / AMA | 代理金融结算层 | (+/-) | 产品文章（54 个赞，49 条回复，611 次浏览）将产品拆分为发现中心和嵌入式执行层，并提供私密但可证明的记录 | 当天的证据主要来自构建者自身叙述，而非独立运营方或客户报告 |
| Agent Arena | 多代理评测 / 竞技场 | (+) | 发布文章（47 个赞，15 条回复，1,949 次浏览）向公众开放了社交策略游戏，仓库则提供 judge、whisper mode、回放和多服务商编排功能 | 早期指标和方法论仍在演进 |
总体而言，当工具能暴露出清晰的运行表层时，满意度最高：安装路径、回放日志、明确的子代理、工件或支付通道。主要的应对方式包括：在原始技能之上增加封装层；用外部文章解释不透明的 harness；以及在直接跨系统保持连续性风险过高时，改用受钱包约束或由产品层管理的上下文。如今的竞争重点已不再只是哪个模型最好，而是谁能掌控打包、编排、评测可见性，以及构建完成后通向用户的路径。
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 |
|---|---|---|---|---|---|---|
| Skills for Real Engineers | @mattpocockuk | 大型公开技能库，提供文档、插件分发和可编辑安装 | 让可复用的代理工作流更容易在不同编码代理之间安装、调整和共享 | Markdown 技能包、skills.sh 安装器、Claude Code 插件、Codex agents/openai.yaml 支持 |
已发布 | 仓库, 推文 |
| Prime Agent | @johannes_hage | 具备持久化 REPL、子代理和 harness CRUD 的自我改进型编码与研究 harness | 让编码代理能够处理长时运行的工作，而不是在设计阶段就把提示词、技能或记忆冻结 | TypeScript、持久化 IPython kernel、rlm 子代理、harness CRUD、自治模式 |
已发布 | 博客, 仓库, 推文 |
| Muse Code | @ren_hongyu | 与 Muse Spark 1.2 协同训练、面向大型代码库工程任务的终端编码代理 | 试图通过持久化辅助代理和可安全重放的运行时状态，提高长周期编码的可靠性 | Muse Spark 1.2、异步后台代理、本地事件日志、捆绑的 /plan /grill /goal 技能 |
Beta | 博客, 推文 |
| oh-my-hermes | @rlaope | Hermes 的运行层，统一规划、研究、交接、运维和记忆 | 减少插件疲劳，并在原始 Hermes 技能之上增加更清晰的证据边界 | Python、Hermes Agent、托管技能、CLI/Desktop/消息端工作流 | 已发布 | 仓库, 网站, 推文 |
| Fetch.ai agent stack | @Fetch_ai | 将构建、部署、发现、用户访问和可信服务连接为一条代理路径 | 帮助团队从构建代理走向运行一个可触达的服务 | uAgents、Agentverse、ASI:One、Fetch Business | 已发布 | 网站, 推文 |
| Halo | @wardenprotocol | 点对点 AI 推理市场，人类或代理都可以使用 USDC 购买或提供推理服务 | 移除中心化 API 把关，让代理可以从自己的钱包中支付推理费用 | Base、USDC、Halo vault、运营方网络、OpenAI 兼容本地端点 | Alpha | 博客, 仓库, 推文 |
| Agent Arena | @sensho | 面向公众的多代理游戏竞技场和评测表层，支持裁判、回放和多个服务商 | 为构建者提供一个实时环境，用于观察社交策略、偏好和欺骗行为 | Next.js、TypeScript、Prisma、多服务商模型路由、judge/scoreboard、回放 | Beta | 仓库, 推文 |
Matt Pocock 的技能包和 oh-my-hermes 代表了同一种构建者模式在不同层级上的体现。前者为广泛兼容的代理打包大量可复用工作流；后者则为特定代理增加更强的运行层、证据边界和精选默认配置。反复出现的触发因素并不只是模型质量，而是技能一旦开始积累，管理开销就会随之出现。
Prime Agent 和 Muse Code 构成了当天最清晰的 harness 竞赛。两者都强调长时编码工作、持久化辅助工具和明确的运行时状态，但 Prime Agent 更强调可自我修改的 harness 状态，而 Muse Code 更突出持久化异步辅助代理和重启安全的日志。共同的构建模式是：harness 正作为一等产品被发布，而不再只是悄悄嵌在模型周围。
Fetch.ai、Halo 和 Agent Arena 则把构建表层扩展到了编码之外。一个组织交付和发现，一个组织支付和供给，一个组织公开评测流量。它们合在一起表明，越来越多构建者正在从“代理能不能行动”转向“用户能不能触达它、给它付费，并把它与别人比较”。
6. 新动态与值得关注的内容¶
技能达到了真正的分发里程碑¶
@mattpocockuk 报道称（1,219 个赞，49 条回复，38,104 次浏览，747 次收藏）称 mattpocock/skills 已达到 1,350 万次安装，同时增加了文档、Claude Code 插件市场插件和 Codex 支持。值得注意的变化并不只是又一次仓库更新，而是技能如今已经开始具备更接近产品而非提示词包的插件市场、安装器和文档预期。
Prime Agent 将自我改进 harness 的叙事带到了台前¶
@johannes_hage 推出（152 个赞，5 条回复，8,107 次浏览，51 次收藏）介绍了 Prime Agent，而 @Dr_Singularity 发布（343 个赞，21 条回复，20,024 次浏览，86 次收藏）则展示了其 95.5% 的 ARC-AGI-3 图表。它之所以值得关注，是因为它把公开架构、公开仓库和公开基准测试叙事结合在一起，围绕一个能够编辑自身提示词、记忆、技能和子代理定义的 harness 展开。
ChatGPT Work 的上下文边界得到了异常清晰的公开解释¶
@swyx 分享（82 个赞，10 条回复，8,623 次浏览，83 次收藏）介绍了 Latent.Space 的 ChatGPT Work 重构。值得注意的不只是 Work 使用浏览器工具和插件，而是它明确区分了每个任务的工作目录，以及由 OpenAI 管理、用于存放记忆、项目、文件和个人上下文的那一层。
Multi-Agent Arena 向公众开放了社交策略评测¶
@sensho 开放（47 个赞，15 条回复，1,949 次浏览）宣布 Multi-Agent Arena 免费向公众开放，随后又在回复中称，早期访问阶段已经超过每天 1,000 场对局，并接近每天 10 亿 token。这一点之所以值得关注，是因为它把“代理玩游戏”变成了一个带有公开流量、匿名偏好投票，以及模型撒谎等行为观察的实时评测表层。
Grok 发布了一个偏重监督的版本，而不是新模型公告¶
@cb_doge 发布（81 个赞，40 条回复，11,209 次浏览）发布了 Grok build v0.2.121，新增仪表盘中的前轮摘要、按字母排序的 Skills 区块、无需重放 transcript 的会话重连，以及后台任务重启和 MCP 图片损坏问题的修复。发布说明图片之所以重要，是因为它展示的是面向监督已在运行中的代理的产品工作，而不只是再次宣称模型能力。
7. 机会在哪里¶
[+++] 技能打包、发现和治理层 —— Matt Pocock 的 1,350 万次安装技能包、要求提供 skills-helper 的回复、oh-my-hermes 试图置于插件蔓延之上的做法，以及 SKILL.md 边界模板，都指向同一个缺口：一旦技能足够多，就必须有人负责推荐、路由、约束和维护。证据横跨第 1、2、3 和 5 节，因此这是这组数据里近期最强的产品机会。
[+++] 具备权限感知能力的代理统一入口 —— Riley Brown 对 Vercel 的采访明确提出了“一个 GOD 代理，还是多个权限化代理”这一权衡；ChatGPT Work 的公开拆解揭示了仍有多少连续性由产品层中介；Fetch.ai 则把部署、发现、编排、访问和支付描述为构建完成后的真实旅程。持续一致的机会，是打造一个统一入口，在不丢失控制和连续性的前提下，跨代理、服务和上下文路由工作。
[++] 公开 harness 可观测性与基准审计工具 —— Morgan Linton 收藏了一份 harness 指南，Latent.Space 做了逆向工程，Prime Agent 公开了架构和基准主张，而 Muse Code 的图表也遭到质疑，这些都表明市场确实需要公开解释和可审计评测。这个机会有现实意义，但竞争也很激烈：很多人都能发布图表，能成为值得信赖的比较入口的人却少得多。
[+] 代理支付、推理与信任通道 —— Amadeus 和 Halo 都指出，光有钱包并不够；发现、可证明记录、运营方供给和支出边界同样重要。证据具体，但仍处于早期，因此这是一个正在形成的机会，而不是已经充分验证的市场。
8. 要点¶
- 技能不再只是可复用的提示词；它们已经成为带有安装器、文档和治理问题的产品。 Matt Pocock 的 v1.2 发布，以及要求提供
skills-helper的回复，同时展示了规模和新的发现负担；oh-my-hermes 则展示了在原始技能之上增加封装层的平行路径。（来源） - Harness 工程如今已经成为人们会拿来做基准测试、逆向分析和公开比较的对象。 当天最有力的证据，包括 Morgan Linton 收藏 harness 指南、Latent.Space 对 ChatGPT Work 的复原、Prime Agent 的开放架构，以及 Muse Code 充满争议的图表。（来源）
- 对于许多团队来说，构建完成后的表层已经成为真正的工程难题。 Riley Brown 对 Vercel 的采访、Fetch.ai 从构建到服务的技术栈，以及 ChatGPT Work 由产品层管理的连续性，都表明代理存在之后最棘手的部分在于权限、上下文、发现和访问。（来源）
- 代理支付与推理通道正在变得更具体，但目前看起来仍更像基础设施押注，而不是已经稳定的需求。 Halo 的公开 alpha 发布，以及 Amadeus 的中心/嵌入式拆分，都进一步补充了钱包、记录和服务发现等细节；但与打包和 harness 两大主题相比，这两条讨论都还没有像前者那样清晰展现广泛用户采用。（来源）