109 posts tagged with "AI Agent"

裸装的 DeepSeek Harness 是毛坯房，介绍一些不错的插件补齐 Agent 该有的样子。

1. 先装市场：dsh-market 是入口，装完才谈得上装别的
2. 补基础设施：侧边栏（文件 / 终端 / Git / 子任务）优先级最高
3. 控成本：余额查询 + 限额熔断，涨价后这是刚需
4. 加能力：视觉模型接入、会话跨工具双向迁移
5. 做排查：上下文查看器暴露轮次 / 压缩 / token 构成
6. 提效率：@ 文件引用增强、Skills 管理、皮肤市场
7. 生态现状：近千款插件重复率极高，筛选成本大于安装成本

Pi 极简内核决定了所有"看起来复杂"的功能都靠外挂。

1. 设计哲学：极简内核 + plugin + skills 双路径，所有可定制能力外挂
2. 安装姿势：从官网 packages 列表复制命令，全局默认；加 -l 改为项目级
3. 8 大常用插件：联网、并行子代理、MCP 适配器、BTW、Plan Mode、Goal、Dynamic Workflows、微信
4. Skills 协议：放 .agents/skills/ 目录即生效，Playwright CLI 是典型用法
5. Web UI：社区 star 数最高项目接管插件 / 技能管理面板
6. Pi 自己写插件：内置开发知识，UI 定制、权限保护类插件都能跑通

AI 时代浏览器的角色正在反转 —— 过去三年「把 agent 塞进浏览器」（agent in browser，AI 浏览器）这条路线已经被验证为死胡同，OpenAI Atlas 不到 10 个月就宣告停服；新范式是「把浏览器塞进 agent」（browser in agent，内嵌浏览器），浏览器作为 agent 的工具组件存在。

1. 范式反转：浏览器在 AI 时代从「容器」降级为「工具」。
2. 根本原因：用户心智太窄，必须先有想法才打开浏览器；而 agent 时代用户常驻的是 agent。
3. 新范式优势：browser in agent 把浏览器变成按需工具，避免了独立 AI 浏览器的心智负担。
4. 规律可推广：不局限于浏览器，凡是「agent 接管传统软件」都跑得通，凡是「独立 AI 垂直软件」都可能会重演 Atlas 结局。
5. 趋势结论：用户的工作流以 agent 为中心，传统软件是被调用的工具。

Pi 把"一次会话"抽象成可遍历的工作单元，五大命令撑起完整的生命周期管理。

1. 核心概念：Session 是 Pi 多轮对话的工作单元，三次问答 + 一次 /new 就是一段独立历史
2. 启动与续接：/new 新开、pi -c 续最近、pi -r 交互式挑选历史 session
3. /tree 回退：Pi 特别的对话树设计，历史可跳到任意节点，从那里继续或开新分支，三选项可控制回退方式
4. /fork vs /clone：/fork 从单节点分叉只带之前历史，/clone 复制整棵会话树
5. 代码回退：/tree 只回退对话不碰文件，必须 git 配合才能回滚实际代码改动
6. /compact vs /new：压缩省空间但模糊重点，清空彻底但丢弃中间细节

只给四个工具不是减配，是把所有会因团队而异的东西都从内核里拿出去。

• 默认工具只有 四 个：read / bash / edit / write
• MCP、sub-agent、待办事项、权限弹窗一律不进核心
• 理由：每个团队的权限规则都不一样，内置任何一套都是错的
• 循环内核极简：模型决定动工具，工具返回结果，再交回模型
• 内核之外开了三十多个插口，从会话启动到归档通知
• 提示词只能写原则，tool_call 前的 Hook 代码才是停止键
• 极简不等于省事，扩展继承运行账号的全部权限

DeepSeek Harness 把 AI 编程工具的每个组件都做成可插拔插件——模型适配器、工具注册、日志，连 AI 循环本身都能换。

1. 定位：可拆装重组的 Agent 平台骨架，"成品车" vs "开源引擎 + 配件市场"
2. 核心：连 AI 循环都是插件，4 层可替换 + seam 设计一处替换全局生效
3. 标志：日志即真相，AI 看到的字节从账本重算，runtime 断言强制
4. 适合：平台团队 / 合规重行业 / 多模型 A/B 测试；普通用户用 Codex / Claude Code 扩展够用
5. 现状：0.1.0-rc.5 Preview，可接入绝大数模型，第三方插件鱼龙混杂，权限过大
6. 设计模式：可逆副作用 / 类型化事件 / 文档生成 + 完整性守卫 / 防御式加载 / UI 订阅事件

Claude Code 跨会话消息把多 Agent 协作从「手动搬运上下文」推进到「自动通知对方」。

1. 核心能力：一个会话可把文字摘要发给另一个会话，接收方在原任务里继续处理
2. 三种模式：互发摘要 / 双向问答 / Claude 主动通知 改动影响
3. 关键约束：只传文字摘要，不传完整历史，也不传文件
4. 使用姿势：ListAgents 列出可达会话，SendMessage 按名称发送，prompt 触发即可
5. 硬门槛：Claude Code v2.1.224+，支持 macOS 与 Linux
6. 跨机器边界：跨机器或网页会话只能回复，不能主动发起对话
7. 关键边界：这不是会话迁移，要搬完整上下文仍需恢复原会话
8. 方向意义：多 Agent 协作从「手动衔接」走向「自动通知」，是 Agent 协作从单点走向网络的关键一步

Agent 提前停下来的本质，是把「一轮回答结束」错认成「整个任务完成」。Pi 的 /goal 扩展把这层混淆拆开。

1. 核心问题：一轮回答结束 ≠ 任务完成，普通 Agent 缺少独立完成判断机制。
2. 目标弱化：长上下文里，初始目标被中间产物稀释，模型围绕当前成果回复。
3. Goal 四步循环：保存完整目标 → 每轮重读提示词 → 必须调用 goal_complete → 未完成自动续跑。
4. 两种判断方式：Codex 工作模型自查 + 完成工具；Claude Code 独立评估模型判断。
5. 适用任务四特征：结果明确、可验证、逐步收敛、不需要频繁人工决策。
6. 任务描述四要素：结果、范围、验收方式、禁止操作。
7. 能力边界：Goal 是持续执行保障层，正确性最终仍取决于模型和验证方法。

企业级 Agent 落地，关键是「它能不能被改造」，不是功能多不多。

1. 市场风向：底层接 Pi 的 Agent 产品越来越多，如 OpenClaw，MinimaxCode 等项目。
2. 极简内核：4 工具（read / write 创建或覆盖 / edit 替换片段 / bash 执行）。
3. 系统提示：~370 token（约 150 行），主流最短。
4. 企业扩展：全生命周期都是可改写钩子。
5. 可移植：插件本地到生产无缝，TS/Python SDK + RPC。
6. 透明可审计：系统提示完全开放，能看清行为边界。
7. 结论：极简 = 透明 = 可控，是落地前提。

Claude Code 2.0.74 加了 LSP（Language Server Protocol）支持，表面看只是多装几个插件，实际上是 AI 编程 Agent 第一次吃上了 IDE 沉淀了多年的语言理解能力。

1. 痛点：没 LSP 时，Claude Code 只能「全文搜索 + 模型逐处判断」——慢、错、烧 token
2. 调用定位：从「grep 后让模型猜」变成「直接问 LSP 拿结构化结果」
3. 结构体方法：模型不必再读整个类型定义文件，LSP 一次性返回方法列表和签名
4. 实时诊断：从「全量 build 才能知道哪里错」变成「输入即检查」，延迟从分钟级降到秒级
5. 当前局限：模型仍不主动调用 LSP，prompt 需显式触发
6. 方向意义：Coding Agent 与 Language Server 之间，未来需要一个面向 Agent 的新协议层