青雲 工程笔记
EN

青雲的工程笔记

关于 AI Coding Agent、源码解析，以及写代码过程中的思考。

关于我 GitHub

最新文章

全部文章
13 分钟阅读

给 Agent 建一套能力评测：先把「不会」和「没时间」分开

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。

20 分钟阅读

截图里明明有字，OCR 为什么返回空？

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。

17 分钟阅读

留白 0.6.7 开发复盘：全文搜索、双链和取消跳转

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。

13 分钟阅读

Computer Use 每轮 40 个工具错误，都出在哪里

Orca computer use 真机验收复盘：15 项任务的 harness 怎么跑（PTY 里的真实 TUI、从渲染出来的面板读授权、独立核验、清理核查）、前五次运行为什么都死在 harness 自己身上、基线的 37 和 40 个工具错误分别来自 bash 绕路、没有 AX 窗口的窗口编号和系统设置的 AXRaise，可靠性修复（可用窗口、带下一步的错误、无窗口快捷键、AXRaise 回退、失败预算）把错误降到 8、9 个，以及为什么一个改动至少要跑两轮。

18 分钟阅读

让 Agent 去开个文件夹，它用了我自己开着的 Finder 窗口

Orca v0.5.14 computer use 窗口边界复盘：窗口归属怎么判定（本轮第一个 computer 调用时拍快照）、逐窗口审批目标 bundle#window:<id> 和规则匹配、拒绝之后为什么让本轮继续、驱动层的四道过滤（托盘 app、桌面、Chrome 同尺寸窗口、辅助窗口）、作用于整个 app 的快捷键（包括 Quit and Keep Windows）、三次真机验收的结果，以及一句 Esc 的说明为什么改了三遍。

源码小册

沿着源码，读懂一个 Coding Agent。

全部小册

拆开 Codex

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

深入浅出 Pi

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

深入浅出 DeepSeek Harness

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

我开发的项目

把想法写成代码，持续打磨。

全部项目