Harness Engineering = 为 Agent 构建「办公室」，而不是继续优化「邮件措辞」。从「写好指令」到「构建环境」，让 agent 在真实生产环境中稳定可靠地运转

Hermes Agent 是 Nous Research 开发的白学元 AI Agent，MIT 协议。核心定位差异：OpenClaw = 本地优先的 Agent 编排框架，Hermes = 自进化个人操作者

用 LLM 构建持久 wiki 代替传统 RAG，让知识在摄入时编译而非查询时重推导。三层架构：Raw Sources（不可变）→ Wiki（LLM维护）→ Schema（CLAUDE.md/AGENTS.md）

容器内需要 headless:true + noSandbox:true + extraArgs 禁用 setuid/namespace sandbox，三者缺一不可。SIGUSR1 热重启对 headless 字段不能完全生效，需完整重启容器

31B参数，Apache 2.0协议，Mac Mini能跑，AIME数学从20%飙到89%——Google开源模型这次真的翻身了。但工具调用还是短板

144个AI员工一键部署。看了一下它的文档，我现在才大概懂了。所谓它集成了很多个 Agent，其实是因为它整个开源项目是由一个个独立的 Agent 组成的，总共已经凑了一百多个。每个文件夹下面就是一个 Agent。

这个东西乍一听，好像跟我去年9月用的 DayFlow 差不多。 我可以再试一下，DayFlow 当时我没有再用了，因为他用的是本地算力做视频分析，分析得太不准了。我用的是那个千问的 4B 视觉模型，分析得太不准了，就不用了。我刚才看了一下官方文档的使用手册，发现它和我去年用的 DayFlow 功能完全一模一样。

Claude Code 的记忆系统不是单一的"记忆"功能，而是一个**多层、多作用域、多生命周期**的记忆体系。整体分为：

Claude Code 不是简单依赖 LLM 的 256K/512K/1M 上下文窗口硬抗，而是设计了一套**多层、递进式**的上下文管理系统。共 6 层防线，由轻到重依次触发，确保在任何交互长度下都能保持 AI 响应的质量和速度。

AI能给你速成的招式，能让你快速从门外汉变成能比划两下的入门者，却给不了真正的高手在江湖里滚了几十年，挨过刀、踩过坑、看透了规矩背后的门道，磨出来的那一身“功夫之外的功夫”。那些真正的扫地僧，心中装的从来不是一招一式的标准动作，而是整个江湖的风云变幻、人心向背，这份修为，从来不是速成秘籍能给的。