# agent

本文复盘 Orca v0.2.21 的一次真实生产事故：长任务已完成并提交，但 DeepSeek 最终没有产生可见 content 或 tool call，导致 Goal 被判失败。文章涵盖日志取证、语义恢复、会话历史保护、usage 统计、失败持久化、预算治理、回归测试和正式发布。

本文复盘 Orca 的 @ 文件搜索重构：从同步 git ls-files/ignore 索引和 10 万文件上限，迁移到基于 Rust、ignore 和 Nucleo 的流式搜索会话。文章涵盖 Claude Code 与 Codex 的实现对比、latest-wins 查询、三层过期结果防护、目录浏览、warm catalog、线程所有权、symlink 安全和百万路径性能验收。

本文复盘 Orca 基于 Rust 和 ratatui 的 TUI 滚动性能重构，涵盖事件循环饥饿、Markdown 渲染缓存、消息 revision、视口虚拟化、超长会话滚动、PTY 探针和真实 DeepSeek API 验证。

本文从 Orca 一次真实 DeepSeek V4 适配出发，解释 DeepSeek-native Coding Agent 为什么需要沿着 provider 行为、tool calling 语义和 agent runtime 一起调整。文章复盘 update_plan 布尔状态归一化、reasoning_content 工具回放、DeepSeek strict mode、update_goal、glob anyOf schema、max_tokens、空响应重试、工具数量上限、系统提示瘦身和 real API 探针。

本文复盘 Orca 一次真实卡死反馈：从 session 日志定位长会话压力，到参考 Codex 和 Claude Code 的上下文处理方式，再到实现 ranged read_file、grep/glob 分页、去除旧 reasoning replay、soft compaction、tool output micro-compaction、TUI 状态提示和回归测试。

这篇文章从真实 Agent 项目落地的常见问题出发，拆解为什么 Demo 能跑但一接业务就乱：RAG 检索不准、工具调用失控、上下文变长、失败无法兜底、成本不可控。文章给出一套从任务契约、工具治理、Verifier、状态管理到评估集的工程化处理方式。

本文复盘一次 Orca 真实实践：从“从0到1复刻红色警戒游戏”的目标出发，使用 Vite、TypeScript、Phaser 3 和 Cloudflare Workers，经历 workflow 失败、系统迭代、交互优化、构建验证和部署上线，观察 Coding Agent 从生成代码走向可交付工作的关键。

这篇文章从生产系统视角解读 DeepSeek DSpark：半自回归草稿生成、置信度调度验证、线上吞吐和单用户速度提升，以及为什么它应该被理解成推理服务能力，而不是模型能力升级。

这篇文章从 Coding Agent 的真实执行场景出发，解释 Harness Engineering 的本质：它不是 Prompt Engineering 的升级版，而是围绕 Agent 执行生命周期建立的一套权限、环境、状态、观测、验证和恢复系统。

这篇文章从一个运行超过 1 天 19 小时的 Codex goal 任务出发，解释 Loop Engineering 为什么不是 while true，并结合 boss-skill 与 orca 两个实践，拆解 Agent 长任务闭环里的目标、状态、验证、失败恢复和退出条件。

这篇文章复盘 Orca 针对 DeepSeek Prefix Cache 的九轮缓存优化：从 budget hint 破坏 system prefix，到 volatile 上下文、wire 等价 token 计算、summary state、extractive compaction、remote summary 0% 命中，再到最后用真实 API 评测把主链路稳定到 99% 左右。

Orca 是一个用 Rust 编写、围绕 DeepSeek 推理与工具调用语义打造的终端 Coding Agent。它实现了多轮 Agent 循环、SSE 流式、1M 上下文自动压缩、审批策略、子 Agent、工作流、持久化目标模式与会话历史。本文聊聊我为什么押注 DeepSeek 生态，以及 Orca 的设计与用法。

Harness 不是让 Agent 更聪明，而是让 Agent 的工作更可信。本文基于一个真实的 Agent 研发流水线，拆解五层工程化骨架：定义层、运行层、产物层、门禁层、恢复层，以及如何用 workflow-plan.json 把"流程定义"和"运行实例"彻底分开。

深入分析 Claude Code 2.1.156 版本的 Workflow 实现原理。它不是"让模型自己记住步骤"，而是一个可编译、可持久化、可恢复的多阶段 Agent 编排引擎。从 SDK 类型定义、二进制字符串痕迹到运行时行为，逐层拆解 workflow 的 DSL 设计、任务注册、phase 调度和恢复机制。

以 Hermes Agent 源码为主线进行深度架构剖析，从运行时形态、工具系统、长期记忆、任务编排、可插拔性、可观测性、安全模型、社区生态八个工程化维度与 OpenClaw 进行结构化对比。面向工程师、架构师和研究者，侧重讲清架构意图与设计取舍。

最近一周在排查 OpenClaw 的 cron 和 delivery 问题时，我越来越确信：Agent 系统最难的不是成功路径，而是失败路径。本文从表面成功、失败语义、边界设计和可观测性四个角度，聊聊为什么 Agent 时代真正稀缺的不是能力，而是值得信任的失败。

从 AI Coding Agent 的落地现实出发，解释 Harness Engineering 为什么会在最近迅速升温。文章从定义、背景、关键能力、与 Tool Calling 的区别，以及它对 Agent 产品竞争格局的影响几个角度展开，讨论为什么当模型能力逐渐拉平后，真正决定 Agent 可用性的，往往是它背后的执行系统工程。

拆解 Claude Code /btw（side question）：feature flag、maxTurns=1、deny tools、skipCacheWrite，为什么它能做到“问完就算，不污染主对话”。

OpenClaw 最近很火，但它真正值得讨论的，不只是为什么会火，而是它暴露出来的产品形态、信任边界和系统复杂度问题。本文从产品、架构和方向判断三个层面，聊聊我对这类 Agent 系统的看法。

Agent Skill 是黑盒。你调用一个 Skill，不知道它做了什么、为什么失败、能不能信任。STOP（Skill Transparency & Observability Protocol）是一个开放规范，把 SRE 级别的可观测性引入 Skill 层——Manifest 声明能力、Trace 追踪执行、Assertion 验证结果。

AI 助理用过就忘？我给 OpenClaw Agent 写了一个 learning-system skill，让它能系统化地积累经验。包含知识图谱、深度笔记、健康检查和每周回顾，从"能查到"变成"学会了"。

Blade Agent SDK 是从 Blade Code（类 Claude Code 的 AI 编程助手）中抽取出来的核心能力集合。提供 send/stream 会话模式、会话恢复与分叉、文件检查点、沙箱执行、MCP 集成、上下文压缩、插件系统等经过实战验证的功能，帮助开发者快速构建多轮会话 AI Agent 应用。

深入解析 AI Agent 开发中的三个核心概念：Prompt、MCP 和 Agent Skill。从基础定义到实际应用，通过代码示例和对比分析，帮助你理解它们的区别与联系，掌握如何正确选择和使用这些技术组件来构建高效的 AI Agent 系统。

深入探讨 Coding Agent 架构中 System Prompt 的正确处理方式。分析将系统提示词存入历史消息的常见问题，提出 Stateless Agent 的改进方案，并结合 Prompt Caching 技术实现成本优化。涵盖 Anthropic、OpenAI、Google、DeepSeek 等主流厂商的缓存策略对比，帮助开发者构建灵活、可扩展的 Agent 架构。

深入探讨 AI Agent 的代码复杂度，为什么核心循环只有几十行，但实际项目却需要几万行代码来处理上下文管理、文件快照、工具执行管道、子代理、权限安全、多模型适配等现实世界的复杂性。

Kortix是一个开源的企业级AI Agent开发平台，提供构建、管理和训练AI Agent的完整解决方案。平台包含Suna旗舰通用Agent，支持浏览器自动化、文件管理、Web搜索等核心能力，采用四层架构设计（Frontend Dashboard、Backend API、Agent Runtime、Data Infrastructure），为企业提供从客户服务到数据分析的全方位Agent自动化解决方案。