从 Claude Code、Codex 的基本构成出发，梳理 Agent Harness 的循环、工具、指令、权限与子代理，再深入 DeepSeek Harness 背后的 Cordis 插件机制、生命周期和执行流程，讨论其可组合性与工程取舍。
![Why Independent Fine-Tuning Fails When LLMs Need to Collaborate](https://cdn
在强化学习和多智能体系统中，经常会遇到几个层层递进的概念：MDP、POMDP、Dec-POMDP。 它们都在描述“智能体如何在环境中连续做决策”，但它们对
在日常开发和运维中，rsync 是一个非常常见的文件同步工具。相比 cp、scp 这类直接复制工具，rsync 最大的特点是：它不一定会把整个文件重新传输，而是
很多人使用 AI 的方式，其实还停留在“搜索框时代”。 输入一个问题，等待一个答案。 如果答案看起来流畅，就觉得它“很聪明”；如果答案有点空，就换个模型再问一
最近看到一篇非常有意思的论文： 《The Missing Memory Hierarchy: Demand Paging for LLM Context Wi
—— OpenAI 如何用 Codex 构建一个 100 万行代码的系统 最近 OpenAI 工程团队分享了一篇非常值得工程师阅读的文章： 原文： [htt
SWE-MiniSandbox: Container-Free Reinforcement Learning for Building Software Eng
Structurally Aligned Subtask-Level Memory for Software Engineering Agents Kang
1. LLM 最简原理：它在做什么？ LLM（Large Language Model）本质上做的是一件事： 给定上下文，预测下一个 token