Twitter AI Agent - 2026-08-23¶
1. 人们在讨论什么¶
1.1 技能、课程体系和可复用的操作手册成为智能体经验的主要打包方式 (🡕)¶
今天最强的一个讨论群把智能体积累的经验知识当成一种可以版本化、压缩、分发和传授的东西，而不是每次提示词都要重新摸索一遍。多条高信号帖子从不同角度汇聚到同一个想法上：AGENTS.md 应该像模型产出物一样被维护，技能包应该能跨运行时安装，课程体系则应该让学习者带走可复用的提示词、SKILL.md 文件、智能体和 MCP 服务器。相比 8 月 22 日聚焦于记忆和测试框架的可移植性，8 月 23 日的讨论向操作化打包更靠近了一层：智能体知识如何被维护、交付和教授。
@kunchenguid写道（237 次点赞、15 条回复、9,029 次浏览、429 次收藏），项目级的 AGENTS.md 文件应该从会话记录中训练出来，而不是凭感觉手动编辑。他所链接的博客把这个想法变成了一套具体的循环流程：固定的 token 预算、新规则至少需要两次会话作为证据、每一轮不超过五处修改，并且在 backpass apply 真正写入任何内容之前都要经过人工审核。这让这条帖子超越了一般的风格建议，成为一份把会话日志转化为可重复的智能体记忆维护流程的公开方案。
@I_AM_AYASHA整理（43 次点赞、13 条回复、26 次收藏）了 13 门 Claude 课程，涵盖 Claude 101、Claude Code 实战、Agent Skills 和 MCP。这张信息图之所以重要，是因为它补充了推文本身没有的结构信息：课程时长、受众标签，以及基础、开发者、教育者和商业四条清晰划分的路线，说明智能体技能和 MCP 已经成为标准课程模块，而不再是小众补充内容。
@techNmak点出（27 次点赞、3 条回复、1,262 次浏览、41 次收藏）了 rohitg00 的“从零开始学 AI 工程”课程体系，据推文介绍，该课程共 503 节课、20 个阶段、约 320 小时，产出的可复用成果包括提示词、SKILL.md 文件、智能体和 MCP 服务器。它的独特之处在于教学方式而非宣传口吻：先从零开始构建反向传播、分词器、注意力机制和智能体循环，然后再进阶到生产级工具库。
讨论要点： 回复区对“技能是否有用”本身兴趣不大，更关心维护上的自律：如何让操作手册保持连贯、如何避免指令过时，以及如何在不掩盖底层机制的前提下传授这些抽象概念。
与前日对比： 8 月 22 日把技能和记忆当作基础设施来讨论。8 月 23 日则把它们当作被管理的内容来对待：可训练的记忆文件、可安装的操作手册，以及大型公开课程体系。
1.2 图结构、协议和闭环测试框架取代单一上下文窗口内的提示词技巧，成为主要抽象层 (🡕)¶
第二个讨论群认为，真正重要的设计决策现在发生在提示词之上的层级。开发者讨论的不再是如何往一个上下文窗口里塞进更多内容，而是图拓扑、协议接口、渐进式加载，以及能够推进或否决变更的评估闭环。相比 8 月 22 日更强调队列、工作进程和重试机制，8 月 23 日的讨论转向了让这些系统具备可组合性和可调优性的抽象层。
@hanakoxbt提出（68 次点赞、5 条回复、5,288 次浏览、75 次收藏），上下文工程和图工程解决的是不同的问题：一个优化单个窗口本身，另一个决定有多少个窗口存在、每个窗口又被允许看到什么。这条讨论串最有价值的部分是提出的警告：路径限定的规则会被总结掉，而根级规则则会存留下来；共享同一上下文的并行智能体，往往会收敛成一个观点的三次回声。
@rauchg主张（166 次点赞、20 条回复、8,672 次浏览、64 次收藏）应该把开放协议作为智能体系统的扩展接口：MCP、技能、插件，以及 Unix 风格的组合方式。回复区补充了真正有价值的成本模型细节，而不只是附和：与 shell 管道不同，由模型中介的工具链会不断把中间输出重新读入上下文，因此每多一跳都可能让 token 消耗成倍增加。
@HARNESSROUTER宣布（104 次点赞、7 条回复、9,466 次浏览、207 次收藏）推出一个采用 Apache 许可、可自托管的路由器，以及面向 Codex、Claude Code、Hermes 和 DeepSeek Harness 的开放统一测试框架协议（Unified Harness Protocol）。最有价值的回复不是赞美，而是一次边界测试：有评论者指出，工具或许能在交接过程中留存下来，但先前的决策留不下来，这暴露出跨测试框架可移植性中尚未解决的下一层问题。
@trevin报告（146 次点赞、17 条回复、13,029 次浏览、132 次收藏）称，Compound Engineering 几乎重写了每一个技能，让必要信息优先加载，只有在需要时才拉取详细流程，从而把常驻加载的指令量减少了约 70%。这正是当天抽象层转变的一个具体例子：不是“写一个更好的提示词”，而是决定什么内容提前加载、什么内容延后加载，以及每一步应该分配多少上下文。
@shivam74689围绕失败分析、受控对比、审批、回滚和监控构建（8 次点赞、3 条回复）了一个闭环提示词生命周期。即便互动量不高，这张图仍是当天最清晰的成果之一，因为它展示了包裹在一个智能体系统外部的完整生产闭环，而不仅仅是模型本身。
讨论要点： 共同的动作是把优化过程从实时对话中移出去。开发者不断把状态外部化，让拓扑结构变得显式，并坚持要求变更在进入运行时之前必须先通过受控评估。
与前日对比： 8 月 22 日把排队和审查闭环讲清楚了。8 月 23 日在此基础上，进一步讨论了它们背后更高层次的形态：图结构、协议边界、渐进式加载和闭环式推广机制。
1.3 随着智能体进入真实工作场景，信任、审查和权限范围控制仍然是核心议题 (🡒)¶
治理方面的讨论热度不减，但内容变得更加具体。帖子不再是笼统地警告危险操作，而是描述有时限的权限、代码库信任门槛、审查者/评判者结构，以及供人工审批使用的前端暂停/恢复模式。相比 8 月 22 日聚焦于确认关卡和审批责任人，8 月 23 日新增了让这些控制机制真正可操作的产品和研究层面手段。
@0xRiRoyal提出（121 次点赞、87 条回复），智能体权限需要有过期时间，并提出“权限半衰期”作为真正重要的衡量指标。他的重点不是抽象意义上的最小权限原则，而是具体的权限老化问题：软件系统往往在人类早已忘记当初为何授权之后，仍然保留着这份批准。
@witcheer列举（52 次点赞、8 条回复、1,590 次浏览、20 次收藏）了 Hermes Agent 中直接回应信任和运维顾虑的变更：仅在执行 hermes skills trust 之后才会加载限定于代码库范围的技能；零密钥搜索能够在多个提供商之间自动故障切换；长任务不再中途停止；hermes update --plan 现在会打印一份变更凭证并验证实际改动内容。
@omarsar0点出（15 次点赞、9 条回复、2,277 次浏览、19 次收藏）了《对抗性审查》（Adversarial Review）论文，其中的主智能体不是简单地增加更多审查者，而是与一个审查者和一个评判者协同工作。附带的论文页面之所以重要，是因为它展示了三智能体配置在 LiveCodeBench 上击败了五智能体基线配置，并通过让分歧变得显式，在 SWE-PRBench 上从一种“虚假共识”式的失败模式中恢复过来。
@danteisshipping提出（1 次点赞、2 条回复），产品级智能体仍然需要一个界面层，用于可编辑草稿、页面上下文、浏览器端能力，以及暂停/恢复式的审批流程，并以 CopilotKit 和 AG-UI 为例。这让“人在回路”式控制感觉不再只是一个政策条款，而是一项具体的产品集成需求。
讨论要点： 回复区不断要求提供具体证据和控制接口：审查中独立发现的失败证据、加载技能前的代码库信任验证、权限的明确续期，以及存在于产品本身而不只是日志中的审批节点。
与前日对比： 8 月 22 日把审批和回滚描述为必要条件。8 月 23 日增加了更具体的机制：过期式权限、信任门槛限定的代码库技能、评判者智能体，以及前端的暂停/恢复控制。
2. 令人困扰的问题¶
常驻加载的上下文和过时的指令仍在拖累每一次会话¶
最明显的不满在于，智能体系统仍在为早已失效的指令持续付出代价。@kunchenguid写道（237 次点赞、15 条回复、9,029 次浏览、429 次收藏），项目记忆文件往往会变得空洞、臃肿、过时或偏离方向，他链接的博客认为，正是由个别案例驱动的编辑造成了这种臃肿。@trevin报告（146 次点赞、17 条回复、13,029 次浏览、132 次收藏）称，Compound Engineering 不得不重写几乎每一个技能，才把常驻加载的指令削减约 70%，而@hanakoxbt提出（68 次点赞、5 条回复、5,288 次浏览、75 次收藏），路径限定的规则会被总结掉，根级规则却能留存下来。人们应对的方式相当一致：渐进式加载、为小任务配置更小的工作流，以及依据会话记录做有据可查的删减，而不是让规则无休止地累积。严重程度：高。是否值得投入构建：高。
更多智能体常常只是放大了彼此的相似意见，而不是扩大了覆盖面¶
第二个困扰是，增加更多智能体往往增加的是仪式感，而不是证据量。@omarsar0点出（15 次点赞、9 条回复、2,277 次浏览、19 次收藏）了一篇论文，其中三个具备结构化分歧机制的智能体胜过了五智能体基线，一条回复认为，审查者数量应被视为覆盖独立失败模式的手段，而不是笼统的质量倍增器。@hanakoxbt提出（68 次点赞、5 条回复、5,288 次浏览、75 次收藏），共享的上下文会让并行智能体收敛到同一个答案，于是四个审查者可能变成一个观点的三次回声。人们反复求助的应对方式不是单纯扩大数量，而是差异化的证据来源：审查者、评判者、不同的上下文切片，以及明确表达出来的分歧。严重程度：高。是否值得投入构建：高。
权限老化的速度依然快于智能体平台收回权限的速度¶
信任方面的抱怨不只是“智能体权力太大”，而是“授权的理由已经消失，权限却还在滞留”。@0xRiRoyal提出（121 次点赞、87 条回复）应引入权限到期和续期机制，而@witcheer列举（52 次点赞、8 条回复、1,590 次浏览、20 次收藏）了代码库限定的技能信任门槛和更新凭证，作为 Hermes 新增的安全措施。@danteisshipping提出（1 次点赞、2 条回复），产品级智能体仍然需要在界面内提供可编辑草稿和暂停/恢复式审批，而@suraj_sharma14写道（23 次点赞、1 条回复、39 次收藏），在没有沙箱的情况下运行不可信的模型输出，“就是一场等待发生的安全事故”。人们实际采用的应对方式，是在模型外部而不是内部加装续期机制、信任命令、审批关卡和隔离执行层。严重程度：高。是否值得投入构建：高。
3. 人们期望的功能¶
能从会话记录中学习、而不是靠个别案例不断膨胀的技能维护机制¶
这是一个务实的需求，人们在描述时带着紧迫感，因为不这样做的代价就是永远为过时的指令买单。@kunchenguid写道（237 次点赞、15 条回复、9,029 次浏览、429 次收藏），项目记忆应该依据会话记录中的证据，以小步骤、有预算地更新，而@trevin报告（146 次点赞、17 条回复、13,029 次浏览、132 次收藏）了要让技能渐进式加载而不是一次性全部加载所需的工作量。Mercury Skills 和 UX/UI Agent Skills 说明分发渠道已经存在，但 Mercury 帖子下的回复清楚显示，连贯性和过时问题仍未解决。机会：直接型。
能跨测试框架和跨产品保留“决策”而不只是“工具”的状态¶
人们希望智能体能够在不同运行时和界面之间迁移，同时不丢失已经跑过的推理过程。@HARNESSROUTER宣布（104 次点赞、7 条回复、9,466 次浏览、207 次收藏）推出了统一多个测试框架的单一 API，但关键回复指出，会话目前仍然能更干净地保留工具，而不是决策。@danteisshipping提出（1 次点赞、2 条回复），真正的产品还需要可编辑草稿、前端工具，以及就地实施的暂停/恢复审批，而不是放在一个独立的聊天窗口里。由于这直接阻碍了今天的真实产品集成，这是一个具备直接商业价值的实际需求。机会：直接型。
能证明某次变更确实有帮助的审查与自我改进闭环¶
最强烈的需求，是希望系统能把“提出变更”和“证明变更真的带来改善”区分开来。@shivam74689围绕一个固定的 30 用例集合构建（8 次点赞、3 条回复）了一个提示词注册表和对比闭环，@rohanpaul_ai总结（45 次点赞、8 条回复、2,981 次浏览、30 次收藏）了 AutoDesign 的测试框架优化器，它只保留那些在不损害留存任务表现的前提下确实有帮助的变更，而@omarsar0点出（15 次点赞、9 条回复、2,277 次浏览、19 次收藏），结构化分歧是一种能呈现证据、而不是表演共识的方式。这几乎完全是一个实际需求，而今天的证据表明，部分解决方案已经存在，但仍分散在研究原型和一次性的内部系统之间。机会：直接型。
面向智能体产品的生产级后端基础组件¶
市场明确需要那些让智能体产品能够生存下去的、看似平淡无奇的基础设施。@suraj_sharma14写道（23 次点赞、1 条回复、39 次收藏），开发者应该预期需要自行搭建 LLM 网关、token 计量、流式基础设施、RAG 数据接入、语义缓存、异步任务队列、执行沙箱、提示词/配置版本管理、评估流水线、可观测性、webhook 分发、上下文组装、安全护栏和模型路由。这份清单读起来就像一张标出缺失基础设施的市场地图，而且几乎全部都是务实需求，而非空想。机会：直接型。
4. 使用中的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| Backpass | 记忆 / 指令维护 | (+) | 把会话记录提炼成小幅、有证据支撑的 AGENTS.md 更新，并配有预算和人工审核 | 需要足够多的历史会话作为学习素材，且仍依赖人工确认 |
| HarnessRouter / UHP | 测试框架运行时 / 协议 | (+/-) | 跨多个测试框架的自托管 API，具备会话、文件、流式传输和失败处理能力 | 有回复指出跨测试框架交接目前仍是工具比决策保留得更好 |
| Compound Engineering | 技能 / 工作流层 | (+) | 渐进式加载减少了不必要的上下文消耗，也支持为小任务配置更小的工作流 | 要做到更小的占用，需要反复重写、评估和回归检查 |
| Mercury Agent Skills | 技能注册表 | (+) | 132 个精选操作手册、跨智能体安装接口、浏览器和 CLI 入口 | 精选注册表仍面临操作手册冲突和过时问题 |
| UX/UI Agent Skills | 垂直技能包 | (+) | 设计令牌、无障碍约束、138 套设计系统、框架适配器 | 冗长的约束层级仍需要精心排序，否则模型可能会忽略它们 |
| Hermes Agent | 编程智能体运行时 | (+) | 代码库限定的技能信任机制、零密钥搜索故障切换、更新凭证、默认不限次数的长任务 | 需要信任引导流程，仍会积累诸如工作树清理之类的运维工作 |
| CopilotKit / AG-UI | 前端智能体技术栈 | (+) | 把智能体状态接入真实界面、可编辑草稿、前端工具和人工审批 | 所需基础设施超出简单聊天应用的需要，仍依赖后端编排 |
| Claude Academy / 课程目录 | 课程 | (+) | 为开发者提供一条贯穿 Claude Code、Agent Skills 和 MCP 的结构化学习路径 | 课程结业并不能解决生产环境验证或特定代码库的实战问题 |
| AI Agents for Beginners | 课程 | (+) | 18 节课，涵盖 MAF、RAG、本地/可扩展部署以及冒烟测试 | 属于教学性质，而非可直接部署的运行时 |
| AutoDesign | 测试框架优化方法 | (+) | 只在留存结果确实改善的前提下，调整提示词、工具、检查或重试步骤来提升智能体表现 | 目前的证据以基准测试为主，且依赖已有一套完善的评估测试框架 |
| Adversarial Review | 代码审查方法 | (+/-) | 结构化分歧和评判者角色减少了代码审查中的虚假共识 | 尚处于研究阶段，聚焦于代码库审查而非通用自主性 |
对于那些把状态、评估或信任从原始提示词中剥离出来、变成显式产出物（注册表、凭证、对比用例集、协议接口和界面审批层）的工具，满意度普遍偏正面。常见的应对模式是：保持常驻加载指令尽量精简，把细粒度流程下沉到技能中，并在推广一项变更之前使用评判者或固定的评估集来把关。竞争格局正在分化为两类：希望嵌入在众多智能体之下的横向基础设施（HarnessRouter、Mercury、CopilotKit），以及希望独占某一密集工作流的垂直技能包（UX/UI 技能、进攻性安全、面向特定技术栈的课程）。
@HeyAnjula绘制（6 次点赞、2 条回复）了一个七层智能体架构图，很好地总结了当天这些工具实际落在了哪个层次：感知、推理、记忆、规划、工具执行、安全护栏和可观测性。
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 |
|---|---|---|---|---|---|---|
| Backpass | @kunchenguid | 把本地智能体会话记录提炼成带人工审核的 AGENTS.md 更新提案 |
防止项目记忆变得臃肿、过时或只依据个别案例 | JavaScript CLI、会话记录提炼、引证提取、证据关卡 | 已上线 | 推文 博客 代码库 |
| HarnessRouter 社区版 | @HARNESSROUTER | 通过一个自托管 API 路由 Codex、Claude Code、Hermes 及其他测试框架 | 省去围绕会话、文件、流式传输和权限的重复性测试框架开发工作 | Python、UHP、提供商集成、自托管 | 已上线 | 推文 代码库 |
| Mercury Agent Skills | Cosmicstack Labs | 发布一个面向编程智能体的可安装 SKILL.md 操作手册注册表 | 让团队能复用已验证的工作流，而不是每次都从零重新提示智能体 | JavaScript、Shell、Python、SKILL.md 注册表、网页目录 | 已上线 | 推文 代码库 网站 |
| UX/UI Agent Skills | plugin87 | 把设计系统、无障碍性和组件工程方面的专业知识打包成智能体技能 | 为编程智能体提供一套可重复使用的设计层，而不是临时的界面提示词 | JavaScript、设计令牌、WCAG 指南、框架适配器 | 已上线 | 推文 代码库 |
| Cybermes | Zyrexnn | 面向进攻性安全、漏洞悬赏和红队演练的智能体框架 | 把智能体的自主性收窄到一个具体安全工作流中，配合专门的推理方式 | Python、Go、Hermes Agent、多模型编排 | 已上线 | 推文 代码库 |
| CopilotKit | CopilotKit | 面向智能体和生成式界面的前端技术栈，集成 AG-UI | 把智能体状态、审批和工具使用桥接到真实的产品界面中 | TypeScript、React/Angular/移动端/Slack、AG-UI | 已上线 | 推文 代码库 |
| AI Engineering from Scratch | rohitg00 | 一套开放课程体系，课程产出包括可复用的提示词、技能、智能体和 MCP 服务器 | 在讲解抽象概念之前，先教会开发者智能体系统背后的基本原理 | Python、TypeScript、Rust、Julia、SKILL.md 文件、MCP 服务器 | 已上线 | 推文 代码库 |
Backpass 是当天最清晰的例子，展示了开发者把智能体记忆当作一个工程系统来对待，而不是一份散文式的文档。其公开博客描述了确定性的证据关卡、固定的 token 预算，以及一个需要人工审核的执行步骤，也就是说这个项目在解决“修剪与漂移”问题上，投入的心思不亚于生成本身。
Mercury Agent Skills 和 UX/UI Agent Skills 展示了两种不同的打包方向。Mercury 走的是横向路线，用一个注册表覆盖多个运行时和分类；而 UX/UI Agent Skills 走的是纵向路线，提供一个密集的设计专属组合，包含设计令牌、无障碍规则和系统适配器。
HarnessRouter、CopilotKit 和 Cybermes 指向了另外三种反复出现的构建模式：把多个测试框架统一在一个控制接口之下、把智能体绑定进产品界面状态和审批流程，或者把工作流收窄到某个高价值垂直领域（例如进攻性安全）。AI Engineering from Scratch 把同样的模式延伸到了教育领域，让课程结业不只留下笔记，而是留下智能体可以直接使用的产出物。
6. 新动态与亮点¶
测试框架优化成为一种可衡量的、替代“换更大模型”的方案¶
@rohanpaul_ai将 AutoDesign总结（45 次点赞、8 条回复、2,981 次浏览、30 次收藏）为一个能在真实任务上观察失败情况的系统，它只保留那些能提升分数、又不损害留存集表现的提示词、工具、验证或重试方面的变更。附带的海报把关键结论直观地呈现出来：最大的收益出现在较弱的模型上，这让“先修好你的测试框架，再考虑升级模型”从一句口号变成了有基准数据支撑的证据。
公开的智能体教育从“什么是智能体”走向了部署层面¶
@_vmlops报告（20 次点赞、1 条回复、24 次收藏），微软的“AI Agents for Beginners”课程已扩展到 18 节课，现在涵盖 MAF、智能体式 RAG、上下文工程、可扩展部署、计算机操作智能体，以及本地/设备端智能体。这一点之所以重要，是因为它预示了主流教学的走向：不再只是聊天模式，而是部署层面、冒烟测试和生产环境中的取舍。
垂直智能体框架在收窄使命后反而显得更可信¶
@Dinosn点出（202 次点赞、3 条回复、8,053 次浏览、242 次收藏）了 Cybermes，一个由 Hermes Agent、专门的推理技能和多模型编排驱动的自主进攻性安全、漏洞悬赏和红队演练框架。公开代码库的描述把这一点讲得比推文更具体：这是一个具备版本发布、讨论区和明确安全工作流的 Python/Go 框架，而不只是一句泛泛的“通用智能体，但用于安全领域”的宣传语。
7. 机会在哪里¶
[+++] 技能生命周期与上下文预算工具 — 证据来自第 1 节中经会话记录训练的 AGENTS.md 闭环、Trevin 把技能重写缩小 70% 的实践、Mercury 拥有 132 个操作手册的注册表，以及围绕 Agent Skills 和 MCP 的一波课程热潮。反复出现的痛点不是再多写一个提示词，而是让可复用的知识保持精简、及时和可移植。
[++] 跨测试框架、具备审批意识的控制接口 — HarnessRouter、CopilotKit、Hermes 的信任门槛限定代码库技能，以及“权限半衰期”的讨论，都指向同一个缺口：智能体需要一个能够保留状态、保存审批记录、暴露变更凭证，并能在真实产品中安全暂停的接口。
[++] 有证据支撑的评估与审查闭环 — 闭环式的提示词推广、AutoDesign 的留存集检验，以及 Adversarial Review 由评判者驱动的分歧机制，都表明市场需要能够提出变更、在受控条件下测试变更，并在缺乏证据时拒绝表面共识的系统。
[+] 面向密集工作流的垂直专家包 — UX/UI Agent Skills 和 Cybermes 说明，那些规则繁重的狭窄领域是打包智能体专业能力的好候选。这个机会正在显现，因为模式已经清晰可见，但整个生态系统在代码库、测试框架和技能格式上仍然显得分散。
8. 要点总结¶
- 可复用的专业知识成为了产品界面本身。 Backpass、Mercury Skills、UX/UI Agent Skills、Claude 的课程目录，以及 AI Engineering from Scratch，都把智能体知识当作可以打包、修剪、安装和教授的东西，而不是每次会话临场发挥的内容。（来源）
- 抽象层从提示词文本上移到了图结构、协议和推广闭环。 Hanakoxbt 的图结构讲解、Rauch 的协议框架、HarnessRouter 对 UHP 的推动、Trevin 的渐进式加载，以及那张闭环提示词生命周期图，都指向了同一个转变。（来源）
- 信任正越来越多地落地为具体的控制机制，而不是笼统的安全话术。 权限到期、
hermes skills trust、更新凭证、评判者智能体，以及暂停/恢复审批流程，都是拿得出手的可操作机制，而不是原则性表述。（来源） - 测试框架质量和评估纪律，依然比模型本身的宣传更重要。 AutoDesign 的基准提升、Adversarial Review 的结构化分歧，以及 Suraj Sharma 列出的后端清单，说明持久的进步来自更好的周边系统、受控实验和明确的基础设施，而不是模型本身的虚张声势。（来源）