TypeSafe 推出判断引擎 Jev，不生成文字，只返回 choice、score、noul 三类带概率判定，标称比主流大模型快193倍、成本1/400，但未开源且官方注册暂停。开源兼容版 Laya 可用 pip 安装并本地启动，接口与 Jev 兼容，改服务地址即可迁移，离线运行，单次判断约33毫秒。案例包括清理7万封邮件删6.2万封释放12GB、交易机器人每300毫秒决策。文章强调 Agent 应快慢分工，高频固定答案判断无需大模型；同时提醒193倍为厂商自测，上下文有限，且快不等于准。
DeepSeek Harness 官方桌面端预览版教程。其设计是“一切皆插件”，模型、工具、界面均插件化，基于 Cordis 运行时。安装后推荐账号登录，免配 API key；工作区建议新建空文件夹，权限先用“工作区内修改”，默认模型 DeepSeek V4.1 Flash。标准模式日常够用，PTC 模式批量调用工具更省 token，极简模式跑分，创造模式可写插件改界面。设置含账号余额、模型、插件与 Agent 预设。实测整理下载文件夹需说清目标、分类规则和放置方式，会先确认再执行；生成 SVG 可看代码与实时渲染。首次使用按安装、登录、建项目、跑小案例走通。
NousResearch 开源个人 AI Agent Hermes Agent 支持桌面端与命令行，可接入微信等 15+ 平台，内置 40+ 工具与 Skills 系统，支持本地、Docker、云端部署。教程分三步：一行命令安装并配置 Kimi、DeepSeek 等模型；微信扫码即连，私聊群聊均支持且无需公网 IP；用四步法搭建每天 8 点自动日报，信息源可由 Web Search 扩展为 8 个渠道采集与内容平台信号，最后固化 Skill 并创建定时任务，日报发送到企业微信。建议先跑三五天持续调优。
Aitoearn：OPC（一人公司）的AI内容营智能体
Hypit是一个为AI Agent设计的视频制作语言与系统，支持将任意爆款视频复刻为完整可编辑的workflow，将画面、字幕、B-roll和特效全部锚定在词上而非时间轴上。用户可通过一条命令生成上百个视频变体，也可从模板或文字描述直接生成视频，不依赖生成模型即可完成字幕、动效和代码渲染画面，从而避免模型服务费用。该项目提供Demo、快速开始与开发指南，支持多种Agent调用方式，具备完整的开源文档体系。
SoL-Pi是NVIDIA研究团队构建的递归自改进（RSI）流水线，核心目标是提升编码代理框架的token效率。研究者让代理从公开数据和软件环境中构建可执行环境，在152个候选改进方向中通过自动研究循环筛选出4个有效机制：Action Fusion（合并编辑和运行命令）、Online Context Compact（子任务边界压缩）、ObservationPack（归档重复杂输出）、Evidence-Preserving Reducer（廉价代理验证日志摘要）。在EdgeBench基准上，SoL-Pi相对原生Codex和Claude Code框架节省35-64%的token消耗，成本降低50-54%，同时保留约94%的平均任务分数；对专业研究人员每小时可节省$8.75–$13.50。文章强调广度优先搜索能跳出局部最优，并展望了效率可递归改善的长期愿景。
AI领域核心术语并非凭空捏造的黑话，而是围绕解决工程痛点层层叠加演化的方案。文章以四层递进逻辑拆解概念链条：基础交互层中，LLM通过Token概率预测实现对话，Prompt Engineering将模糊提问转为结构化指令；记忆与数据层里，Context打包对话历史，Memory压缩长程信息，RAG打通私有资料库终结幻觉；行动与接口层中，Function Calling赋予模型调用外部工具能力，MCP统一工具协议标准；自主工程化层上，Agent集成感知、规划、记忆与工具调用形成自主闭环，Skill是可复用程序化技能，Harness则通过边界约束、上下文供给与自动化验收防范失控风险。核心结论：这些术语对应从“陪聊”到“独立干活”的演进阶梯，理解其连带关系有助于抓住AI技术发展脉络。
Agent Skills是Anthropic推出的智能体技能规范，本质上是高度工程化、符合特定规范的进阶提示词，用于解决开发者重复输入大量约束、易遗漏及全局加载浪费Token的问题。其核心原理为三层渐进式加载机制：启动时仅注入含名称与描述的元数据索引，低耗Token供AI自主决策；触发时加载匹配的核心指令；执行具体步骤时按需读取外部样式文档、CSV数据表或Python检索脚本，实现深度工程化控制与极限节省上下文。文中案例为GitHub超14K Star的前端UI设计Skill，使Claude Code告别“蓝紫渐变、Emoji堆砌”，精准输出高水准SVG与网页UI。目录结构化要求独立文件夹隔离管理，主入口统一命名skill.md，其与MCP均采用“先暴露目录契约、再动态按需调取”的架构思想扩展智能体能力边界。
MCP（模型上下文协议）是Anthropic推出的标准化协议，通过为外部工具“套一层壳”统一Client与Server通信，解决大模型调用外部工具生态割裂问题。相比传统Function Calling需手写复杂API Schema、维护成本高且存在安全隐患，MCP借助官方SDK极大简化开发。其三层架构包括MCP Host/Client（如Claude桌面端、Cline插件）与MCP Server，通信基于JSON-RPC 2.0，支持stdio（本地场景）和HTTP+SSE（分布式场景）两种方式。值得注意的是，MCP规范仅约束Client与Server间通信，Client与大模型的对接灵活——实测Cline将工具说明以系统提示词拼接，单次消耗6万多字符，虽泛化性好、适配任意模型，但Token成本高。技术演进历经Prompt约定、Function Calling至MCP协议时代，走向即插即用的统一工具生态。
