Topic Archive
64 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 0.6.3 对比 0.1.0 的性能复盘：在离屏 WKWebView 里端到端计时，两个版本交替多轮；以 EditorState 为键的 WeakMap 缓存让每次移动光标都整篇重算，改以 state.doc 为键后 30 万字富文稿从 16.5 ms 降到 2–3 ms；resolveInner 只看右侧，段落末尾打字走不上快路径；CodeMirror 只解析到可见区之后 10 万字，大纲缺标题；Markdown 增量解析的开销随顶层块数增长，同样 100 万字每字从 0.45 ms 到 12.4 ms；字数统计放进 Web Worker、Mermaid 等首帧画完再加载、esbuild 代码分割；以及 CI 里的性能预算。
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。
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。
介绍 symlock 的设计与实现：基于 tree-sitter 的符号级冲突预防机制，以及保守的三向语义合并策略。解决多 AI 编码智能体并行工作时，因 git 行级合并导致的假性冲突问题。
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。
结合 Orca 实践，拆解 AI Agent 工程师真正要用到的工程能力：软件基础、模型边界、Context/RAG、工具治理、状态与 Loop、Harness、评估、安全和产品判断，并给出四个可落地的练习项目。
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。
「教员语录」上线 5 天后的复盘：1000+ 用户、5000+ 对话、小红书 6w+ 阅读。本文不谈增长方法论，而是记录做这件事的初心——为什么是教员、为什么是现在、20G 全阶段作品语料如何让思想回到原文、以及评论区那些"被击中""被治愈""思想永存"的真实反馈如何反过来鼓励了我。公益平台，传播教员思想方法，帮年轻人对抗内耗、看清方向。
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”。
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。
分享我如何利用 Vibe Coding的方式，从零开发开源 AI 编程助手 Blade Code 的实践经验和感悟。
深入解析 CLAUDE.md 文件的编写技巧与最佳实践。揭示为什么"加规则"反而让 AI 更不听话的技术原理，提供经过实战验证的模板和反模式案例。从四条核心铁律到三级治理体系，帮助开发者用最少的文字换取最高的 AI 执行力，显著提升代码生成质量和开发效率。
深度解析IDE Agent与CLI Agent的差异与互补关系。从Cursor Agent Mode到Windsurf Cascade，IDE已经进化成Agent，但CLI依然有其不可替代的价值：Headless运行、模型自由切换、Unix哲学组合、透明可控。本文探讨为什么在AI Coding时代，CLI和IDE不是替代关系，而是工具箱里的不同工具。
基于 MIT Technology Review、OpenAI、Google DeepMind 等权威机构最新研究的深度调研报告。剖析 2026 年 Coding Agent 五大核心趋势：AI 代码占比达 90%、SWE-bench 性能突破 70%、多智能体协作系统、Vibe Coding 自然语言编程兴起、开发者角色从编码者转型为智能体编排者。涵盖 Claude Code、Cursor、Devin、GitHub Copilot、Amazon Q 等主流产品深度对比，以及生产力提升 25-55% 背后的代码质量与技术债务隐患分析。
从"Copilot"（军师）到"Coding Agent"（实习生）的范式转变，揭秘 AI 如何从提供建议进化为自主执行任务。文章通过作者自研工具 Blade Code 深度解析 Agent 的核心公式（LLM + Prompt + Context + Tools），探讨 MCP、多智能体协作及自我进化闭环，展示 AI 驱动开发的未来图景。
深入解析Claude Code Subagents智能子代理系统的完整实现指南，从基础概念到高级编排策略的全方位覆盖。详细讲解子代理创建管理、权限控制机制、链式/并行/条件分支编排模式，以及Web开发流水线等企业级实战应用。提供开源agents资源和最佳实践，帮助开发者构建专业化AI开发团队，实现高效协作和自动化工作流程。
Claude Code完整使用指南：从安装配置到高级技巧的全方位解析。涵盖官方订阅与第三方代理接入、多模型路由配置（阿里云、Kimi、DeepSeek等）、项目初始化与工作模式切换、Git Worktrees并行开发、Sub Agents专门化助手等核心功能。提供实战案例和最佳实践，帮助开发者充分发挥AI编程助手的潜力，显著提升代码开发效率和质量。
深入 LangChain.js 核心：LCEL（LangChain Expression Language）管道式编程。 用不到 100 行代码构建可组合、可复用的 AI 应用流水线，掌握现代 LLM 开发的核心范式。
LangChain.js 100行系列开篇：从零开始的TypeScript全栈LLM集成实战指南。详细解析如何用不到100行代码将大语言模型无缝集成到全栈应用中，涵盖LangChain.js生态全景、核心概念解析、技术路线图规划和最佳实践。为前端开发者提供完整的AI应用开发框架，从聊天机器人到RAG系统的渐进式学习路径。
BMAD METHOD（Brainstorm-Model-Architect-Develop）革命性AI驱动开发方法论深度解析。将传统AI编程助手升级为完整AI开发团队协作模式，通过头脑风暴、建模、架构设计、开发实现四个核心阶段，重新定义人机协作边界。让AI从代码生成工具转变为具备战略思维和系统设计能力的开发伙伴，为软件开发团队提供系统性的AI协作框架和实践指南。
本文将深入探讨 browser-use 的实现，分析其如何用 1400 行 JavaScript 代码实现让 AI 精准识别网页中的交互元素，并探讨其在自动化测试、用户行为分析等领域的应用前景。
背景：AI 资讯网站的定时数据拉取需求 我最近开发了一个 AI 资讯聚合网站https://www.dayhot.top/，需要每天定时从各大数据源拉取最新内容。 涵盖AI等技术要点。
背景与痛点 在用 LangChainJS 开发 Agent 时，ReAct（Reasoning and Acting）模式是最主流的推理与工具调用范式。它要求大模型输出结构化的推理链条，例如： plain Thought: 我需要查找相... 涵盖AI等技术要点。
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。
概述 系统阐述了提示工程的底层逻辑与实践技巧，全书以 “释放大语言模型（LLMs）潜力” 为核心，通过 10 章的结构化内容，串联起从基础概念到前沿技术、从工具平台到行业应用的完整知识体系。 涵盖AI等技术要点。
深度解析人工智能从"快思考"到"慢思考"的认知跃迁过程。基于卡尼曼双系统思维理论，探讨大语言模型如何从统计模式的直觉响应演进为深度推理能力。文章分析DeepSeek等新一代AI模型的思考机制变化，揭示AI认知能力的进化路径，以及这种转变对人工智能发展和人类思维理解的深远影响。为AI研究者和技术从业者提供认知科学视角的技术洞察。
最近几天深度体验了 AI 编程，借助 AI 完成了三个难度循序渐进的小项目。从项目开发到上线，每个项目平均耗时竟都不到 1 天，效率着实惊人。 一、项目介绍 1. 时间戳转换工具：支持时间戳与日期之间的精准转换 ，多时区时钟功能，能实... 涵盖AI等技术要点。