关于 AI Coding Agent、源码解析，以及写代码过程中的思考。
agent-desktop（Vercel Labs，Rust，Apache-2.0）深度解析：无障碍树快照与 ref、观察-行动-验证循环、CLI/FFI 到 PlatformAdapter 再到 AX/UIA/AT-SPI 的分层、STALE_REF 与严格重识别、headless 默认与 --headed、内置 skills 与 MCP、以及和截图派 computer-use 的对比。含四张架构与流程配图。
阅读文章Orca v0.5.14 到 v0.5.16 的结果协议复盘：D-7 只读工作区暴露假成功，report_blocker 将受阻保存为 blocked 和退出码 5，附带一个问题并支持 resume；writes_applied 汇总子代理写入，通过任务树和逻辑轮次基线处理暂停恢复。含三张飞书画板图、JSONL 示例和真实模型验收范围。
记录 Cleanzo 0.3.0 从网页面板到 mygo 原生 UI 的完整开发历程。包括用 AI Agent 写代码的真实体感、菜单栏面板的架构决策、多显示器定位 bug 的诊断过程、以及性能调优的完整链路。适合对 macOS 原生开发、AI 辅助编程、或 Cleanzo 技术内幕感兴趣的读者。
搭一套能力评测的完整过程：axis A 用 2× / 4× 预算把 16 道 0 分题拆成 time-bound、环境和能力三类；三层评测（L1 契约 / TB2 外部基准 / A–H 能力阶梯）各回答一个问题；场景是数据（scenario.json + fixture + verify + prepare 钩子），执行可换后端（host / docker / harbor），验证器跑完才注入隐藏测试，失败按 harness → environment → product_bug → time_bound → verification_strictness → capability_gap 的顺序归因；以及踩过的几个坑（workflow 异步启动、全过时 L50 不可拟合、docker 只读挂载冲突、goal 只能走 TUI）。附录是八条轴在 v0.5.14 上的实测结果。
一次本机 OCR 开发复盘：用搜索词召回率和字符错误率评测 macOS Vision，处理大图小字的空结果，以解码一次的分块方式缩短长截图耗时，拆分 SQLite 图片与识别文字，用 epoch 丢弃关闭重开后的旧结果，并用针对错误的测试守住行为。
留白 0.6.7 的开发复盘，从摘要搜索的范围缺口出发，讲 Go 内存扫描与索引的取舍、正则热点的定位、三个 Markdown 解析器共享双链样本，以及搜索导航取消后前后端状态不一致的真实 API 回归。
沿着源码，读懂一个 Coding Agent。
从源码读懂一个生产级 Agent
全书只分析 openai/codex 开源仓库：既把 Codex 的真实实现讲透，也从这些实现中解释一个生产级 Agent 需要处理的模型回路、工具执行、安全治理、状态恢复、扩展协议、多 Agent 和验证体系。
打开小册从 Agent Loop 到完整运行时
沿 earendil-works/pi 的固定源码版本，追踪模型适配、Agent Loop、工具执行、会话树、扩展系统与终端界面怎样组成一套可嵌入的 Agent 运行时，并明确已实现行为与 Harness v2 设计之间的边界。
打开小册从一次回车到完整 Agent 平台
沿 DeepSeek Harness 官方仓库的固定 commit，从你在终端敲下 dsh 或在浏览器按下回车讲起，追踪消息怎样穿过 Inbox 进入 Agent Loop，事件日志怎样同时支撑模型上下文、持久化与界面投影，并继续拆解工具治理、Goal、多 Agent、Cordis、MCP、SDK、安全与验证体系。
打开小册把想法写成代码，持续打磨。
面向 DeepSeek 的 coding agent，以 Rust 构建运行时与终端交互。
供 ACP Agent 使用的桌面浏览器，通过 MCP 浏览网页，支持审批、接管与会话恢复。
CLI coding agent，提供 20+ 内置工具、MCP 和多模型支持。
BMAD 全自动研发流水线，用多 Agent 协作串起规划、开发、测试和交付。
构建 Agent 应用的 TypeScript SDK，提供会话、工具调用与模型适配。
macOS 清理工具，提供空间分析、大文件查找、相似照片与应用卸载。