Paradark

[Xudong Han @Xudong07452910]

小米最近发表的这篇论文很适合所有在为 Agent 性能头疼、但不想每次都去换模型的工程师看，harness 工程值得你认真投入。

核心观点：LLM Agent 的性能，几乎有一半的决定权在那层「运行外壳」里，例如提示词、工具描述、记忆接入方式、控制流设计，而不只是底层模型的能力。HarnessX 把这层外壳变成了一个可以像乐高一样组合、并且能自动进化的系统。

具体来说：HarnessX 用「替换代数」定义运行外壳的基本构件，让 harness 的各个组件可以被系统化地替换和组合。然后用一个叫 AEGIS 的多 Agent 进化引擎，自动分析 Agent 运行轨迹，找出哪个组件拖了后腿，提出改进，在不碰底层模型的前提下迭代优化整个外壳系统。在 ALFWorld、GAIA、WebShop、tau³-Bench、SWE-bench Verified 五个基准测试上，平均提升 14.5%，最高单项提升 44.0%。

我觉得「不改模型、只改外壳，就能在五项 benchmark 平均提升 14.5%」这个数字本身最值得反复想。很多团队在用 Agent 时，遇到性能问题的第一反应是「模型不够强」；但 HarnessX 说的是：你可能还没有用完现有模型在正确外壳设计下的潜力。更重要的是：外壳是工程问题，是可以迭代、可以模块化、可以系统优化的，AEGIS 把这件事变成了一个可以跑起来的自动化流程。

以前我们关注 Agent 用什么模型，以后可能更要关注 Agent 的运行外壳设计得有多好，这一层可能才是真正决定 Agent 系统上限的地方。

https://t.co/skaWRB7izY

[思维怪怪 @0xLogicrw]

DeepSeek 资深研究员陈德里开源了个人项目 Deli AutoResearch SKILL，并发布了由智能体完全自主撰写的第四篇综述论文。

项目以单一的 SKILL.md 协议文件形态呈现，本身不含可执行代码。协议通过规约长周期任务中的状态持久化、防死循环（Anti-Loop）与心跳守护进程（Heartbeat Watchdog），指导 AI 智能体调用子智能体（Subagent）与多角色模拟机制，实现科研全流程的全自动协作。

同时发表的自我博弈综述论文展示了智能体在实验阶段的突破：在零人类干预下，智能体首次自主规划了 GPU 实验，并在 285B 参数量的 DeepSeek 模型上运行强化学习（RL）训练任务。通过 GRPO 算法，智能体完成了从实验设计、编写代码，到运行调试和总结结论的完整研究闭环，并在模拟同行评审中跑出了 8.6/10 的高分。

此前，陈德里已利用同样的方法自主产出过三篇学术综述。首篇关于自主科研智能体的论文经历了约 60 轮智能体迭代，总耗时约 10 小时，实现了从 V1 到 V5 的迭代演进。整套工作流不仅降低了长周期研究的人为操作成本，也验证了 AI 原生研究路径的可行性。

[Hunter Bown @goodhunt]

more people should be talking about this https://t.co/tnKcFBm6GB

[美優🐰✨ @kawaiizoodarake]

追い詰めすぎたかな、、、、？でも顔笑ってたしいいか✨

[Eric Xu (e/Mettā) @xleaps]

推荐这个系列 每篇都小而美

文章和解释一看就懂 而且很简约 没有什么“炸裂”， “本质”， “不是这个是那个” 这些毫无意义的 AI 填充物

[jason @jxnlco]

so close to 90k followers...

what codex articles do i need to write to get there...

[Paradark @Paradark3]

@sheriyuo wan和hh？

[Khairallah AL-Awady @eng_khairallah1]

this is f*cking gold

How to build your first AI agent (Full guide)

if I had this a year ago, I would've shipped my first agent in a day instead of 2 weeks

in the right hands, this changes everything:

[Satya Nadella @satyanadella]

https://t.co/vLmiBKTtX3

[OpenRouter @OpenRouter]

Introducing the Fusion API, the smartest compound model in the market.

Fusion achieves Fable-level intelligence at half the price.

How it works 👇

[Lee Robinson @leerob]

https://t.co/6nWAu8JVdw

[El Renacido @RenacidoParody]

A veces, el amor de tu vida llega cuando menos te lo esperas.

[Atlas Mental. @AtlasMentalX]

69 películas para adultos con escenas de s£x extremadamente intensas .....🎬 🧵

[aditya @adxtyahq]

Good list.

I'd add:
- Dataset Engineering - https://t.co/9v0BWmOe4v
- Product Evals - https://t.co/zGn1SrznLs
- OpenAI Evals - https://t.co/JkNoFreo0P
- Context Engineering - https://t.co/caRNtIw1Ne
- Agent Memory & Context Lifecycle - https://t.co/HN7c6OOxyN
- MCP & Tool Ecosystems - https://t.co/lKawRb4etX
- Observability & Tracing - https://t.co/0UZ2iSvijf
- AI Agent Evaluation - https://t.co/sclfEZt01U
- Inference Optimization (KV Cache, PagedAttention, Batching) - https://t.co/T7xv6lIirV
- Security Engineering (Prompt Injection, Agent Safety) - https://t.co/U1wO0AQnnt
- Business Metrics & Product Thinking - https://t.co/aoM9kuqkDB

A surprising number of AI engineers spend more time debugging retrieval, context, caching, queues, permissions, and analytics than they do writing prompts.

[덕희 @nunayam00]

엉덩이 큰 애랑 박을때 시각..

#bbw #비떱 #섹트

[婉秋 @Wanqiubbw]

做男做女都有精彩 有想被我操的吗或者想看我操妹妹的吗？#bbw #女S #女女 #潮喷

@KawasawaSen @ToBuerma
@ToBulaer @BulmaList
@tankebuluo1

[The-Booty-lover @TheBootylover24]

Bbw goat reverse gangbang vid

[Paradark @Paradark3]

@GoJun315 这个文档内容质量其实挺拉的