Topic Archive
46 articles
Orca computer use 真机验收复盘：15 项任务的 harness 怎么跑（PTY 里的真实 TUI、从渲染出来的面板读授权、独立核验、清理核查）、前五次运行为什么都死在 harness 自己身上、基线的 37 和 40 个工具错误分别来自 bash 绕路、没有 AX 窗口的窗口编号和系统设置的 AXRaise，可靠性修复（可用窗口、带下一步的错误、无窗口快捷键、AXRaise 回退、失败预算）把错误降到 8、9 个，以及为什么一个改动至少要跑两轮。
Orca v0.5.14 computer use 窗口边界复盘：窗口归属怎么判定（本轮第一个 computer 调用时拍快照）、逐窗口审批目标 bundle#window:<id> 和规则匹配、拒绝之后为什么让本轮继续、驱动层的四道过滤（托盘 app、桌面、Chrome 同尺寸窗口、辅助窗口）、作用于整个 app 的快捷键（包括 Quit and Keep Windows）、三次真机验收的结果，以及一句 Esc 的说明为什么改了三遍。
留白与 Cleanzo Windows 版的真机测试复盘：Mac 上开发、Codex 在 Windows 11 云桌面里只测不改、每项配截图、Mac 上的测试与模拟 Win32 的浏览器测试不算 Windows 通过；单实例锁的 key 用了本地化的应用名导致中英文各占一把锁；向进程所有顶层窗口发 WM_CLOSE 让 LibreOffice 在保存询问前崩溃，改为只向用户能关的窗口发 SC_CLOSE；mygo 0.6.2 的 TrashItem 在文件超过回收站容量时直接永久删除，改回 SHFileOperationW 并预检 BitBucket 容量；以及把跑通的流程写成 skill。
Orca v0.5.5 上下文预算复盘：max_tokens 384K 与压缩阈值不一致造成的死区、pinned 通知让整轮无法压缩、对照 dsh 与 Codewhale 的做法、按思考强度设定回复预留并逐请求裁剪、以 API 用量为锚测量提示大小、按工具平衡单元切分当前轮、紧急压缩只采用真正变小的结果，以及实现中把同一份偏差扣了两次的弯路。
Orca v0.5.4 git 写授权复盘：.git 在沙箱里为什么必须只读、为什么不能凭命令输出判断沙箱拒绝、Codex 让模型自己申请 require_escalated 而 DeepSeek 不申请、运行前识别 git 写命令的四种判定、单条命令授权只放开 index 与 objects 而保持 config、hooks、modules 只读、Seatbelt 与 bwrap 的做法和 Windows 的退路、「本会话允许」只记开关不记目录，以及 husky 留下的口子。
Orca 两轮 Terminal-Bench 2.0 评测复盘：指令在 argv 里导致 Agent 被自己的 /proc 扫描 kill -9（exit 137）、lifetime workspace 服务在会话结束时被 terminate_all 一并取消、修复只把指令从 orca 的 argv 挪到 sh -c 的 argv（exit 143）、Harbor 均分与 scored-only 与基础设施复跑三种口径、环境启动超时泄漏容器，以及把评测探针和台账收进仓库之后探针自己也会过期。
Pilion 录制与技能复盘：只有人能录制、Agent 提炼不能凭空造步骤、回放走与 Agent 相同的工具路径、首次回放即使完全访问也要审批；第三期把产物从归一化后的步骤改成只增不改的事件日志；以及打的字经页面正文摘录、页面回显、可访问名、「显示密码」切换四条路径漏进录制文件的过程、每个修复的代价和至今仍认不出的形状。
Orca v0.5.0 终端界面改版复盘：把“生硬”拆成可指认的问题、用 HTML 交互稿评审、chrome.rs 设计 token 与颜色守卫、子代理逐任务实现与终审、审批内联与 tasks dock、Ctrl+Enter 从插到队首改成 steer、后台代理唤醒与 relay 浮点 digest、Ghostty 真终端实测、npm OIDC 发布，以及发布后才看清的投影缺口。
TypeSafe 发布的 Jev 故意不生成文本。它把"判断"从"生成"里拆出来：输入业务状态，输出类型化的 Choice、Score、Noul 与置信度。本文梳理它的三个原语、判断与执行分离的工程模式，以及它在 Agent 链路里最适合充当的门控层角色。
Orca v0.4.31 子代理运行时复盘：三档委派策略、统一准入作用域与任务树、等待时让出执行 lease、持久 outbox 交付，以及真实 DeepSeek 测试暴露的只读任务收敛问题。
从 blade-code v0.10.164~167 的三个修复出发，拆解侧问并发模型里的所有权边界——admission lease、按目标去重的取消闩锁、失败 preparation 的排空，以及为什么这类竞态只能靠真实 PTY 轨迹锁定。
从 Orca v0.4.28/29 的 full access 与问卷交互重构出发，解释运行中权限变更需要的提交点、快照隔离与专用 patch 通道，以及为什么交互校验必须由请求对象自己承担，而不是挂在调用点的模式匹配上。
从一个可伪造的沙箱拒绝信息出发，解释 Agent 权限系统为什么不能把 stderr、项目配置或 UI 响应当成授权依据，并拆解 Capability Kernel、Execution Broker、workspace identity 和 fail-closed backend 这套设计选择。
一次基于 Orca 源码和测试的 TUI 卡顿排查，记录长对话误判、流式批处理、局部投影、commit 索引、token cache 和增量渲染的修复过程。
从 DLL、OSGi、VS Code 到 DeepSeek Harness，沿着插件系统的历史问题，推导 AI 时代可能出现的契约迁移与运行时治理。
复盘 Orca runtime-owned typed surface 重构从普通 TUI turn 到 Goal、workflow、background、ACP 和 JSONL 的完整迁移，包括原子 batch、snapshot/cursor、interaction、terminal、restart recovery 与发布验证。
复盘 Orca runtime-owned typed surface 重构：从 TUI 与 runtime 的状态分叉，到原子持久化、snapshot/cursor、request-scoped interaction、terminal settlement、restart recovery 和真实 PTY 验证。
Orca Goal Mode 第二轮重构：固定 64 轮上限误判 NoProgress，到 runtime 收回生命周期，以及 admission 矩阵如何替代无语义计数器。
复盘 Orca v0.2.46 Goal Mode 事故：session 取证、thread-local 失效、schema 与执行能力分叉，对照 Codex / Claude Code / Grok Build 重构 ownership，并用真实 DeepSeek 和 Linux CI 收口。
ChatGPT Computer Use 逆向笔记：@oai/sky 的平台路由、策略包装、动作编码、服务拉起和遥测，再沿 8 MiB 长度前缀 JSON-RPC 进原生服务、AX Tree、截图与权限边界。
本文复盘 Orca v0.2.21 的一次真实生产事故：长任务已完成并提交，但 DeepSeek 最终没有产生可见 content 或 tool call，导致 Goal 被判失败。文章涵盖日志取证、语义恢复、会话历史保护、usage 统计、失败持久化、预算治理、回归测试和正式发布。
Orca @ 文件搜索从同步 git ls-files / ignore 索引迁到 ignore + Nucleo 流式会话：对比 Claude Code 与 Codex、latest-wins、三层 stale guard、browse、warm catalog、线程所有权和百万路径门槛。
本文复盘 Orca 基于 Rust 和 ratatui 的 TUI 滚动性能重构，涵盖事件循环饥饿、Markdown 渲染缓存、消息 revision、视口虚拟化、超长会话滚动、PTY 探针和真实 DeepSeek API 验证。
本文从 Orca 一次真实 DeepSeek V4 适配出发，解释 DeepSeek-native Coding Agent 为什么需要沿着 provider 行为、tool calling 语义和 agent runtime 一起调整。文章复盘 update_plan 布尔状态归一化、reasoning_content 工具回放、DeepSeek strict mode、update_goal、glob anyOf schema、max_tokens、空响应重试、工具数量上限、系统提示瘦身和 real API 探针。
本文复盘 Orca 一次真实卡死反馈：从 session 日志定位长会话压力，到参考 Codex 和 Claude Code 的上下文处理方式，再到实现 ranged read_file、grep/glob 分页、去除旧 reasoning replay、soft compaction、tool output micro-compaction、TUI 状态提示和回归测试。
这篇文章从真实 Agent 项目落地的常见问题出发，拆解为什么 Demo 能跑但一接业务就乱：RAG 检索不准、工具调用失控、上下文变长、失败无法兜底、成本不可控。文章给出一套从任务契约、工具治理、Verifier、状态管理到评估集的工程化处理方式。
本文复盘一次 Orca 真实实践：从“从0到1复刻红色警戒游戏”的目标出发，使用 Vite、TypeScript、Phaser 3 和 Cloudflare Workers，经历 workflow 失败、系统迭代、交互优化、构建验证和部署上线，观察 Coding Agent 从生成代码走向可交付工作的关键。
这篇文章从生产系统视角解读 DeepSeek DSpark：半自回归草稿生成、置信度调度验证、线上吞吐和单用户速度提升，以及为什么它应该被理解成推理服务能力，而不是模型能力升级。
这篇文章从 Coding Agent 的真实执行场景出发，解释 Harness Engineering 的本质：它不是 Prompt Engineering 的升级版，而是围绕 Agent 执行生命周期建立的一套权限、环境、状态、观测、验证和恢复系统。
这篇文章从一个运行超过 1 天 19 小时的 Codex goal 任务出发，解释 Loop Engineering 为什么不是 while true，并结合 boss-skill 与 orca 两个实践，拆解 Agent 长任务闭环里的目标、状态、验证、失败恢复和退出条件。
这篇文章复盘 Orca 针对 DeepSeek Prefix Cache 的九轮缓存优化：从 budget hint 破坏 system prefix，到 volatile 上下文、wire 等价 token 计算、summary state、extractive compaction、remote summary 0% 命中，再到最后用真实 API 评测把主链路稳定到 99% 左右。
Orca 是一个用 Rust 编写、围绕 DeepSeek 推理与工具调用语义打造的终端 Coding Agent。它实现了多轮 Agent 循环、SSE 流式、1M 上下文自动压缩、审批策略、子 Agent、工作流、持久化目标模式与会话历史。本文聊聊我为什么押注 DeepSeek 生态，以及 Orca 的设计与用法。
Harness 不是让 Agent 更聪明，而是让 Agent 的工作更可信。本文基于一个真实的 Agent 研发流水线，拆解五层工程化骨架：定义层、运行层、产物层、门禁层、恢复层，以及如何用 workflow-plan.json 把"流程定义"和"运行实例"彻底分开。
深入分析 Claude Code 2.1.156 版本的 Workflow 实现原理。它不是"让模型自己记住步骤"，而是一个可编译、可持久化、可恢复的多阶段 Agent 编排引擎。从 SDK 类型定义、二进制字符串痕迹到运行时行为，逐层拆解 workflow 的 DSL 设计、任务注册、phase 调度和恢复机制。
以 Hermes Agent 源码为主线进行深度架构剖析，从运行时形态、工具系统、长期记忆、任务编排、可插拔性、可观测性、安全模型、社区生态八个工程化维度与 OpenClaw 进行结构化对比。面向工程师、架构师和研究者，侧重讲清架构意图与设计取舍。
最近一周在排查 OpenClaw 的 cron 和 delivery 问题时，我越来越确信：Agent 系统最难的不是成功路径，而是失败路径。本文从表面成功、失败语义、边界设计和可观测性四个角度，聊聊为什么 Agent 时代真正稀缺的不是能力，而是值得信任的失败。
从 AI Coding Agent 的落地现实出发，解释 Harness Engineering 为什么会在最近迅速升温。文章从定义、背景、关键能力、与 Tool Calling 的区别，以及它对 Agent 产品竞争格局的影响几个角度展开，讨论为什么当模型能力逐渐拉平后，真正决定 Agent 可用性的，往往是它背后的执行系统工程。
拆解 Claude Code /btw（side question）：feature flag、maxTurns=1、deny tools、skipCacheWrite，为什么它能做到“问完就算，不污染主对话”。
OpenClaw 最近很火，但它真正值得讨论的，不只是为什么会火，而是它暴露出来的产品形态、信任边界和系统复杂度问题。本文从产品、架构和方向判断三个层面，聊聊我对这类 Agent 系统的看法。
Agent Skill 是黑盒。你调用一个 Skill，不知道它做了什么、为什么失败、能不能信任。STOP（Skill Transparency & Observability Protocol）是一个开放规范，把 SRE 级别的可观测性引入 Skill 层——Manifest 声明能力、Trace 追踪执行、Assertion 验证结果。
AI 助理用过就忘？我给 OpenClaw Agent 写了一个 learning-system skill，让它能系统化地积累经验。包含知识图谱、深度笔记、健康检查和每周回顾，从"能查到"变成"学会了"。
Blade Agent SDK 是从 Blade Code（类 Claude Code 的 AI 编程助手）中抽取出来的核心能力集合。提供 send/stream 会话模式、会话恢复与分叉、文件检查点、沙箱执行、MCP 集成、上下文压缩、插件系统等经过实战验证的功能，帮助开发者快速构建多轮会话 AI Agent 应用。
深入解析 AI Agent 开发中的三个核心概念：Prompt、MCP 和 Agent Skill。从基础定义到实际应用，通过代码示例和对比分析，帮助你理解它们的区别与联系，掌握如何正确选择和使用这些技术组件来构建高效的 AI Agent 系统。
深入探讨 Coding Agent 架构中 System Prompt 的正确处理方式。分析将系统提示词存入历史消息的常见问题，提出 Stateless Agent 的改进方案，并结合 Prompt Caching 技术实现成本优化。涵盖 Anthropic、OpenAI、Google、DeepSeek 等主流厂商的缓存策略对比，帮助开发者构建灵活、可扩展的 Agent 架构。
深入探讨 AI Agent 的代码复杂度，为什么核心循环只有几十行，但实际项目却需要几万行代码来处理上下文管理、文件快照、工具执行管道、子代理、权限安全、多模型适配等现实世界的复杂性。
Kortix是一个开源的企业级AI Agent开发平台，提供构建、管理和训练AI Agent的完整解决方案。平台包含Suna旗舰通用Agent，支持浏览器自动化、文件管理、Web搜索等核心能力，采用四层架构设计（Frontend Dashboard、Backend API、Agent Runtime、Data Infrastructure），为企业提供从客户服务到数据分析的全方位Agent自动化解决方案。