index

Wiki Index

内容目录。每个 wiki 页面按类型列出，附一行摘要。 查询前先读此文件以找到相关页面。 Last updated: 2026-06-09 | Total pages: 92

Concepts

• agent-context-management — Agent harnesses share a fundamental constraint: the context window is finite. As sessions grow,…
• agents-md-best-practices — AGENTS.md 最佳实践：只写不可发现信息，三层架构，作为诊断工具而非永久配置
• agent-loop-pattern — 一种 AI 编码 Agent 架构：将大型任务拆分为独立子任务，每轮迭代启动一个全新的 AI 实例完成一个子任务，通过外部状态文件传递记忆
• agent-operation-tracing — Agent Operation Tracing: LobeHub 的 Agent 可观测性基础设施，为每次执行生成 Execution Snapshot
• agentic-patterns — Six composable design patterns for building LLM-powered agentic systems, from simple augmentation to autonomous agents
• agentic-rag — Agentic RAG is the evolution of traditional RAG that adds agentic capabilities like tool use and multi-step reasoning
• agile — 敏捷是一种软件开发方法论，强调增量交付、团队协作、持续规划和持续学习
• ai-coding-benchmark — AI 编程基准是用于评测 AI 代码生成/编程 Agent 能力的标准化测试集
• ashbys-law — A control system must have at least as much variety as the system it seeks to control
• attenuation-amplification — 衰减与放大：控制论中实现 Human-on-the-Loop 的两个核心机制
• autoresearch — Autoresearch 自改进循环模式：同时优化 harness 和模型权重，base model × harness × verifiable loop
• car-framework — CAR (Control, Agency, Runtime) is a formal decomposition of the harness layer in language agents
• code-mode — Code Mode: agent 写代码调工具而非通过 context 调工具，结合 MCP 类型契约与 CLI 懒加载
• mcp-model-context-protocol — MCP (Model Context Protocol): Anthropic 发布的 Agent-工具连接协议，提供类型契约但有 context 开销
• claude-code-session-management — Claude Code 上下文管理：session、compaction、rewind、subagent 是影响使用效果的关键
• claude-opus-4-7 — Claude Opus 4.7 是 Anthropic 于 2026-04-16 发布的新模型，在高级软件工程任务上有显著提升
• codebase-qna — 代码库问答评测形式：让 Agent 探索真实代码库并回答自然语言问题
• coding-agents — AI agents that autonomously write, modify, and test code
• compound-engineering — Every 团队的 AI 原生工程哲学：七步循环，每个工作单元让后续更容易
• curator — Hermes Agent 的后台维护系统，管理 agent 创建的 skills：追踪使用频率、自动状态流转、LLM 审查合并
• diarization — 让模型读取某个主题的所有内容，然后输出结构化摘要。读 50 份文档，产出 1 页判断
• gemba-go-see — 现地现物：精益管理实践，在 Agent SDLC 中用于校准控制模型的次级反馈闭环
• factory-model — Factory Model：Addy Osmani 提出的 AI 软件构建系统模型，Loop 的上层抽象
• harness — Harness 是运行 LLM 的程序，负责循环运行模型、读写文件、管理上下文、执行安全检查
• harness-engineering — 构建围绕 AI 编码 Agent 的系统性控制——安全、可观测性、错误恢复
• harness-engineering-case-studies — Harness 工程案例：OpenAI Codex、Anthropic 多 Agent、CAR 框架、HarnessCard、Meta-Harness
• human-on-the-loop — Human-on-the-Loop：人类退居元维度引导 Agent 系统的控制范式，源自控制论与管理科学
• harnesscard — HarnessCard: 轻量级报告格式，用于披露 harness 配置以保证可复现性
• kanban — 看板最初由丰田汽车公司开发，用于提高制造效率，后被引入软件开发
• kv-cache-and-prompt-caching — KV Cache 和 Prompt Caching: 两种互补的 LLM 推理加速技术
• latent-vs-deterministic — 系统中的每一步要么是 Latent（模型判断）要么是 Deterministic（确定性），好的架构把正确的工作放在正确的层级
• llm-wiki-pattern — LLM 增量构建和维护结构化、互链接的知识库模式
• loop-engineering — Loop Engineering：设计自动化循环代替手动 prompt Agent 的实践，五原语架构
• meta-harness — Meta-Harness: 自动搜索最优 harness 配置的系统
• openai-codex-2026 — OpenAI 于 2026-04-16 发布 Codex 重大更新，扩展为可在电脑上自主操作的全面开发伴侣
• reasoning-shift — 推理型 LLM 在非隔离上下文条件下推理链显著缩短（最多 50%）的现象
• resolver — Resolver 是上下文的路由表：当任务类型 X 出现时，首先加载文档 Y
• sandbox — Sandbox 是 harness 的执行环境，提供隔离的计算环境、文件系统和状态管理
• scrum — Scrum 是最流行的敏捷框架之一，将敏捷原则实现为具体的项目、实践和角色
• self-evolving-harness — Self-Evolving Harness: Harness 通过 Tracing 数据自动进化，而非被动执行环境
• skill-file — Skill File 是可复用的 Markdown 流程文件，教 AI 模型 HOW 做某事
• skillify — Garry Tan 提出的实践：每次 AI agent 失败都转化为永久修复
• the-bitter-lesson — Rich Sutton 的经典论述：通用方法+大规模计算 终将胜过人类知识驱动的方法
• thin-harness-fat-skills — Garry Tan 提出的 AI Agent 架构原则：保持框架精简，将智能封装在技能文件中
• tool-use-as-meta-ability — Agent 的编码/脚本能力是其”元能力”——构建可靠工具的能力

People

• addy-osmani — Google Chrome 工程经理，AI Agent 工程实践博主，提出 Loop Engineering、Factory Model 等概念
• akshay-pachaar — AI 工程技术博主，Daily Dose of DS 联合创始人，前 LightningAI 工程师
• alejandro-balderas — 《Claude Code from Source》作者，18 章技术书详解 Claude Code 架构
• alok-bishoyi — Evo HQ 创始人，IIT Bombay 校友，构建开源 autoresearch orchestrator
• andrej-karpathy — AI researcher, former Tesla AI Director, OpenAI co-founder
• aparna-dhinakaran — AI engineering researcher, wrote “Sandboxes Are the Key to Unlocking Coding Agents”
• arvin-xu — LobeHub 创始人，提出 Self-Evolving Harness 理念，Ant Design 核心成员
• arize-alyx — Arize AI 及其内部 Agent Alyx，独立复现了四大 harness 的 context 管理模式
• barry-zhang — Anthropic engineer, co-author of “Building Effective Agents”
• birgitta-bockeler — Software engineer/consultant at Thoughtworks, wrote “Harness Engineering” on Martin Fowler’s blog
• chaofa-yuan — 技术博主，撰写 AI agent engineering 和 LLM 基础设施文章
• chaoyue-he — Alibaba-NTU 研究者，CAR Framework 和 HarnessCard 论文作者
• chelsea-finn — Stanford professor, foundational work on meta-learning (MAML)
• erik-schluntz — Anthropic engineer, co-author of “Building Effective Agents”
• garry-tan — YC CEO，“Thin Harness, Fat Skills” 理念提出者
• geoffrey-huntley — 提出 Ralph 模式——用文件系统作为 AI 编码 Agent 的外部记忆
• gleb-rodionov — Yandex 研究者，研究 LLM 推理行为和 Reasoning Shift
• jinse-chuanshuo-dacongrming — 技术博主，通过爱马仕比喻解释 Harness 工程哲学
• justin-young — Anthropic engineer, authored “Effective Harnesses for Long-Running Agents”
• kieran-klaassen — Every 团队工程师，Compound Engineering 理念提出者
• luongnv89 — 开发者，创建 “Claude How To” 开源教程
• martin-fowler — Thoughtworks Chief Scientist, software engineering thought leader
• martin-kleppmann — 剑桥大学研究员，《设计数据密集型应用》作者
• msitarzewski — Agency Agents 开源项目创建者
• omar-khattab — AI researcher, creator of DSPy
• prithvi-rajasekaran — Anthropic Labs engineer, authored harness design research
• ralph — 自主 AI 编码 Agent 循环，反复调用 AI 工具直到 PRD 完成
• rich-sutton — 强化学习先驱，Alberta 大学教授，《The Bitter Lesson》作者
• rosa — 技术博主，撰写 AI agent engineering 和工具使用文章
• ryan-carson — Ralph 自主 AI 编码 Agent 循环的作者
• scale-ai — AI 数据基础设施公司，发布 SWE-Atlas 等评测基准
• shashikant-jagtap — 创建 superagentic-metaharness Python 库
• thariq-shihipar — Anthropic MTS, working on Claude Code

Projects

• claude-code-architecture — 《Claude Code from Source》18 章技术书，详解架构、模式与内部实现
• claude-code-harness — Claude Code Agent Harness，两层预读防护 + 工具结果优化管线
• claude-code-workflow — Claude Code 工作流与功能特性
• ddia — 《设计数据密集型应用》第二版，系统讲解现代数据系统的设计原则
• evo — 开源 autoresearch orchestrator，同时优化 harness 和模型权重，LawBench SOTA 0.776
• every — AI 媒体+产品公司，Compound Engineering 提出者，运营 6 个产品
• gbrain — Garry Tan 开源的 AI Agent 框架，实现 “Thin Harness, Fat Skills”
• harbor — laude-institute 开源任务运行框架，专为 AI Agent 评测基准设计
• letta-code — 开源 Agent harness，核心特色为 git 版本化 MemFS 持久记忆
• lobehub — 开源 AI 聊天平台，Self-Evolving Harness 的首个生产级实践，接入 70+ 模型 provider
• openclaw — 基于 Pi 的 Agent harness，纵深防御 context 管理
• pi-mono — 开源 Agent harness，OpenClaw 的上游
• swe-atlas — Scale AI 发布的 AI 编程 Agent 多维度评测基准

Synthesis

• agentic-rag-as-harness — 将 Agentic RAG 用 harness engineering 框架重新设计，实现可控的智能检索