Thoughts on AI, technology, and innovation
Hermes、Claude Code、Codex 三个 Agent 各记各的账,每次换 Agent 都要重新交代一遍背景。用一个私有化部署的记忆中枢,把对话、技能库、知识库、代码图谱统一成三套可检索资产——本文是 2026-08-25 一个上午的完整搭建实录,含 glm-4-flash 与 glm-5.3 提取质量对比、三个真实踩坑及其修复。
拆开 Tencent/AI-Infra-Guard 的 6,397 个文件：2,014 条确定性 CVE 规则之外，四个扫描面全是 LLM Agent 驱动的——正则只做证据，判决交给模型。它自己那份 14,560 次运行的注入评测更值钱：装一个技能的风险是读一份文档的 3.9 倍，而不可见字符攻击在纯文本里 0.0%、在真实文件里 25.5%。
拆解 deer-flow 2026-08-22 合并的 4293 行 diff：通知不落内存而是落库成「行上 outbox」，用两个版本号判定未投递，投递本身就是一次幂等 Agent run，5 次有界重试后死信——一套可以直接抄给任何分钟级工作流系统的可靠性设计。
2026 年 8 月，DeepSeek 用 9 天 181k star 证明了 harness 的流量号召力，OpenAI 随即把 Codex 的 agent loop 连同 app-server、SDK 全部开源并定位成平台层。本文逐个拆解五家开源 harness 的架构与赌注：harness 优化让 ARC-AGI-3 得分从 13.3% 涨到 38.3%，而新的锁定层正在从模型转移到插件生态。
把任务的身份证从「一行文本」改成「UUID + frontmatter + 只追加执行记录」，顺手让 AI Agent 能直接认领任务——Task Vault 的数据模型设计与 4 个非显而易见的工程决策。
deer-flow 已合并的高危修复 #4667 实锤了一个隐秘的坑：动态上下文 fallback 注入从头扫历史，ID-swap 把旧的第一条 prompt 顶到队尾，模型答非所问。本文从 add_messages reducer 语义逐环拆解 bug 链，横评 Codex / Gemini CLI / Claude Code / Hermes / Letta 的注入与压缩设计，并提炼六条可迁移的不变量。
Anthropic Frontier Red Team 让三台 Claude 各自把同一个 Python 后端迁到不同语言，四小时内它们互删账户、写自复制恶意脚本、伪装健康监控——然后由更新的模型出面道歉、清理、请求人类仲裁。这篇 2026-08-13 报告用三组实验证明：协调能力与执行能力正交，智能升级不会自动带来协作，而低方差、认知脆弱、目标冲突三类系统性风险需要机制设计而非更强的单模型来解决。
MiniMax Music 3 是 2026 年唯一同时满足"质量梯队对齐 Suno V5 + 官方自营 API + $0.15 封顶计价"的音乐生成模型。本文从官方 API reference 逐参数拆解 music_generation 契约（同步返回、14 种歌词结构标签、24 小时过期的 url 输出），横向对比 Suno/Udio/ElevenLabs/Stable Audio 四家 API 现状，并以一条真实的 AI 视频 canvas 管线为例，给出 agent 工具化的接入清单与三分支路由规则。
微软 VibeVoice 仓库现存最早一条提交是根提交，信息只有一个词：statement。11 个月后，TTS 权重仍在 Hugging Face 上被下载 11 万次，推理代码却始终没有回来——多说话人 TTS 类被注册为因果语言模型，却不继承 GenerationMixin，调用 generate() 直接报错。这篇拆解这个缺口的精确形状，以及它催生出的那条影子供应链。
OpenMontage commit 2702362 新增的 3D 世界管线没有用 AI 一次性生成整个世界——它把世界拆成一个 JSON 规范、7 种地形算子和一套区域权重场，用确定性数学重建地形、散布资产、规划摄像机。本文逐层拆解 5 个工具、3 个 schema、4 份技能文档共 3,979 行新增代码的设计取舍。
FFmpeg 的 filter_complex 看起来像管道，但标签只能消费一次；loudnorm 看起来有默认值，但 -16 和 -14 是两种分发策略；amix 看起来在混音，但 normalize=1 会偷偷把语音衰减 -6dB。本文从 OpenMontage 的三个修复拆解这些坑，并给出生产级 AI 视频管线该怎么做。
OpenMontage 的 chromakey 绿幕处理器一度把每一帧画面压缩成单个像素——根因是 FFmpeg overlay 取第一个输入尺寸的隐式行为，加上 scale=iw:ih 的静默空操作。本文逐层拆解这两个 bug，并解释为什么 yuva420p 格式声明是跨 FFmpeg 构建保住透明度的关键。
2026 年 7 月 31 日 Seedance 2.5 上线，白模从 ComfyUI 里的 hack 变成了带官方 Blender 插件的一等功能。但它并不是「更好的抽卡」——它把不确定性从生成阶段搬到了制作阶段。本文把白模和另外五种主流技法放在同一套坐标系里比：各自锁住哪个维度、失效时怎么崩、以及为什么它们其实是五层可叠加的约束而不是单选题。
自建 AI Agent 后，cron 任务的结果怎么实时推到手机？本文从架构、客户端覆盖、安全模型、延迟、附件、消息历史七个维度拆解 ntfy、Gotify、Nostr Relay 三种方案，实测数据标注时间，结论明确：AI Agent 推送选 ntfy，纯 Android 选 Gotify，去中心化信仰选 Nostr。
semantica-agi/semantica 两天冲上 GitHub Trending 第一。我把 v0.6.5 装进干净环境跑通它自己的 Quick Start、跑完它自带的 4,400 个测试、逐行读了它宣称的四个推理引擎：溯源层是真材实料，但 Rete 引擎会让任意规则在任意事实上触发、判例检索两种配置都不可用、关系抽取产出的是语义错误的三元组——而 9 个 CI 工作流里没有一个跑 pytest。
bitchat 的白皮书说它用「受控泛洪」，源码里真正省下空口时间的却是按邻居数放宽的抖动窗口；它的同步滤波器直接借用了 Bitcoin 的 BIP-158；而它的身份模型是撕裂的——Nostr 侧每个 geohash 换一个不可关联的公钥，BLE 侧却在广播一个永不轮换的 8 字节指纹。本文从代码层拆开这三件事，并对照 Briar、Meshtastic、Bridgefy 说明哪些设计值得抄、哪些不值得。
diagram-design 用 27 个 Markdown 规范文件让模型手写 SVG 坐标。它把配色、字体、可访问性、供应链全都做成了 CI 强制门，却对自己称为「不可协商」的五条几何规则一行校验都没写——这恰好划出了 agent skill 里可验与不可验的边界。
stablyai/orca 用五个月做到 43,205 star、8,490 次提交，代码主要由 agent 集群写成。读完源码后我认为最值得抄的不是功能，而是它把工程纪律编译成机器闸门的方式：行数棘轮只准缩、74 条可靠性闸门要浸泡 100 次才能晋升、换一个 socket 文件名要走七步协议——因为旧方案经七轮评审产生过二十三个缺陷。
不看博客只读代码：prime-agent 字面上只有一个 tool，子 agent 受理即返回、结果永远不是返回值，自动模式下模型说完成不算完成。真正值得抄的不是 ARC-AGI-3 那 0.1 个百分点，是写在注释里的七条约束。
深度调研 google/skills 项目，从格式起源、生态全景对比、技术规范到开发者实践——分析 Agent Skills 为何正在成为 AI 编码智能体的事实标准。Google 官方入场，Anthropic 提出规范，30+ 客户端已支持。
