今日精读：Harness Engineering 正在成为 Agent 自我改进的关键层
[AINews] Lilian Weng summarizes 35 papers on Harness Engineering for RSI
这期 AINews 以 Lilian Weng 关于 harness engineering 与递归自我改进的长文为主线，认为 agent 能力提升不只来自基础模型变强，也来自模型外部系统对目标、上下文、工具调用、记忆、执行、评估和反馈循环的组织方式。邮件还汇总了 Claude Cowork 走向移动端和网页端、Meta Muse Image/Video 排名靠前但缺少技术细节、The AI Scientist 等研究动态，整体主题是 agent 产品正在从聊天界面走向长时任务系统，而 harness 会成为 builder 设计 agent 的核心工程对象。
这封 AINews 最值得精读的地方，是它把最近几个月分散在 agent 产品、自动研究、代码 agent、长上下文和自我改进里的线索收束到了一个概念：harness engineering。邮件引用 Lilian Weng 的新综述，强调递归自我改进不必被狭义理解为模型直接修改自己的权重。更现实、也更接近今天 builder 能动手优化的路径，是改进包裹基础模型的系统：它如何接收目标，如何拆任务，如何调用工具，如何保存和检索上下文，如何管理长时工作产生的 artifact，如何评价结果，并用评价继续驱动下一轮执行。邮件特别提到，即使许多 harness 层的能力最终会被吸收到核心模型里，“指定目标和上下文”的需求也不会消失。这对产品和工程判断很关键：如果只盯模型榜单，容易忽视 agent 真正落地时的执行框架、记忆边界、评估回路和安全约束。AINews 还把 Claude Cowork 的移动端和网页端扩展放进同一条趋势里看，说明主流产品正在把 AI 从前台聊天窗口推向可持续运行的后台 teammate。Meta Muse 的案例则提醒我们，模型能力新闻如果没有论文或技术细节，信息增量有限。整体来看，这期的隐含判断是：下一阶段 agent 竞争不会只是谁的 base model 更强，而是谁能把模型、上下文、工具、评估、权限和用户体验组织成稳定的长时系统。
它给 builder 一个更可执行的判断框架：与其抽象讨论 AGI 或自我改进，不如拆解 agent 外部系统中哪些环节能被设计、测量和优化。
做 agent 产品的人需要把 harness 当成一等工程对象，投入到任务编排、上下文压缩、工具接口、评估集、日志和可恢复执行上，而不是只等待模型升级。
- 01Lilian Weng 的综述把 harness 与递归自我改进联系起来，强调模型外部系统也能推动能力提升。
- 02harness 包括目标指定、规划、工具调用、上下文管理、记忆、artifact 存储和结果评估等环节。
- 03邮件认为即便部分 harness 能力未来被模型内化，目标和上下文的显式指定仍然重要。
- 04Claude Cowork 走向移动端和网页端，显示后台长时任务型 AI 产品正在成为主流方向。
- 05Meta Muse Image/Video 被提及为强势多模态模型，但邮件也指出目前缺少论文和技术细节。
- 06AINews 将 agent 产品、自动研究和 harness 文献放在同一趋势下观察。
- — 阅读时可以区分：哪些能力应该放进 base model，哪些能力更适合作为 harness 层工程化实现。
- — 关注 evaluation 如何闭环到 agent 行为改进，而不是只做离线 benchmark。
- — 思考长时 agent 的记忆、权限、日志和恢复机制是否已经成为产品护城河。
- — 把 Claude Cowork、The AI Scientist、Meta-Harnesses 等案例当作同一类系统问题来比较。
Modal 访谈：AI 云基础设施要从开发者体验转向 Agent 体验
Latent.Space 这期围绕 Modal CTO Akshat Bubna 的访谈，讨论 AI workload 为什么不适配传统云假设，以及 Modal 为什么从 serverless runtime 演进为面向 AI 和 agent 的云平台。邮件强调 agent 需要能写代码、运行、查看输出、修改环境、调试并快速循环的基础设施，因此沙箱、弹性推理、GPU 快速启动、后训练、多节点训练、可观测性、网络隔离和硬 guardrails 都会变成核心能力。Modal 刚完成 3.55 亿美元 C 轮，也被作为“agent cloud”方向的代表案例。
这封邮件把 AI infra 的需求变化讲得很具体：不只是租 GPU，而是让 agent 能安全、快速、可观察地操作计算环境。
- — Modal 将 AI 工作负载描述为 bursty、compute-heavy，传统 Kubernetes 并非为这类模式设计。
- — 访谈覆盖弹性推理、GPU snapshotting、DeFlash、speculative decoding、Auto Endpoints、RDMA 和多云容量池。
- — Modal 认为生产级 agent 需要专用沙箱、硬性 guardrails 和强可观测性。
TLDR AI：GPT-5.6、Claude Cowork、微软自研模型与 DeepSeek 芯片动向
这期 TLDR AI 覆盖了多条与模型和 agent 产品直接相关的消息：邮件称 OpenAI 将公开发布 GPT-5.6 Sol、Terra、Luna，其中 Sol 是旗舰模型，Terra 面向日常平衡，Luna 主打低成本；Anthropic 的 Claude Cowork 会在网页和移动端访问，支持长时任务不依赖电脑一直开着；微软开始在部分 Excel、Outlook 等产品中用自研模型替代 OpenAI 和 Anthropic，以降低大规模 token 成本风险；DeepSeek 则计划进入推理芯片领域，以减少对 Huawei 和 Nvidia 的依赖。深度阅读部分还包括 harness engineering、MiniMax M3 稀疏注意力和 J-space 可解释性。
它同时呈现了模型发布、产品形态、成本控制和硬件供应链四条线，说明 AI 竞争正在从单点模型能力扩展为完整产业栈竞争。
- — 邮件称 GPT-5.6 Sol、Terra、Luna 将公开发布，并突出不同价格和性能定位。
- — Claude Cowork 走向移动端和网页端，强化后台长时任务产品形态。
- — 微软和 DeepSeek 的动作都指向降低对外部模型或芯片供应的依赖。
TLDR Dev：Harness、自研工具与模型升级评估是开发者今天的主线
TLDR Dev 这期从开发者角度总结了 harness engineering、自建 Postgres 连接池、模型升级评估、ChatGPT Mac 原生体验，以及一组工具项目。最有价值的部分是两个判断：第一，agent 能力提升越来越依赖 workflow automation、持久记忆、sub-agent、上下文和评估管理；第二，模型升级不一定是真的升级，新模型可能在具体任务上成本更高、输出更差。工具方面，Fortress 针对浏览器自动化指纹，Davit 让 Apple silicon 用户不用 Docker Desktop 运行 Linux 容器，Herdr 和 Rowboat 则反映开发者开始同时管理多个 agent 和知识图谱。
它提醒 builder 不能盲目追新模型，应该用自己的任务、成本和质量标准评估升级是否成立。
- — harness engineering 的难点集中在上下文、记忆和评估管理。
- — 模型升级可能在特定任务上退步，不能只看 token 单价或版本号。
- — Fortress、Davit、Herdr 等工具显示开发者基础设施正在围绕 agent 和自动化重组。
The Neuron：Dialogflow 漏洞显示企业 Agent 的安全边界在权限和运行时
The Neuron 这期主打企业 agent 安全。邮件总结 Varonis Threat Labs 披露的 Google Dialogflow CX “Rogue Agent” 漏洞：在 Code Blocks 功能中，拥有一个 agent 编辑权限的攻击者可能注入恶意 Python 逻辑，访问对话历史和 session 信息，并让 chatbot 返回攻击者指定内容。Google 已在 4 月初步修复、6 月完全解决，Varonis 称未发现修复前真实利用。邮件还提到 Anthropic 与 TeraWulf 的 20 年数据中心租约、Illinois 前沿 AI 安全法、中国限制先进模型出海、Meta Muse Image 和 Nature 发表 The AI Scientist 研究。
它把 agent 安全从抽象的 prompt 风险拉回到工程现实：执行环境共享、权限过宽、日志不可见都会变成企业入口风险。
- — 漏洞核心在 Dialogflow CX Code Blocks 与托管 Cloud Run 环境的信任边界。
- — 攻击者可能利用被攻陷的 agent 读取会话并伪造正常客服响应。
- — 邮件认为 agent 安全依赖权限、隔离、日志和默认怀疑，而不是更好的 prompt。
TLDR：Meta Muse Image 入局图像生成，AI 也在重塑技术员工情绪
这期 TLDR 的 AI 相关重点是 Meta 发布 Muse Image，计划通过 Meta AI app、网站、WhatsApp 私信和 Instagram Stories 免费提供，并用在 Advantage Plus 的广告主图像生成工具里，说明图像模型正在直接进入消费端入口和广告商业化系统。邮件还报道 Xbox 大规模裁员、核动力商业卫星、Tesla Cybercab 更强 FSD 硬件、技术员工在 AI 冲击下出现“被放大”和“被动摇”的分化，以及终端 agent multiplexer Herdr。对 AI builder 来说，最值得关注的是生成式媒体模型如何被大平台嵌入分发和广告闭环。
Meta 的优势不只是模型本身，而是能把图像生成接入 Instagram、WhatsApp、Meta AI 和广告工具链。
- — Muse Image 将进入 Meta AI、WhatsApp 和 Instagram Stories。
- — 免费额度之后可订阅或等待重置，暗示消费端和订阅变现并行。
- — 技术员工情绪文章指出 AI 提升生产力的同时也带来质量和职业焦虑。
AI Valley：OpenAI 新模型、Grok 4.5、Meta Muse 和中国模型出海限制
AI Valley 这期以“OpenAI 下一代模型明天到来”为头条，称 GPT-5.6 Sol、Terra、Luna 将在周四公开，特点包括更强性能、更低价格层级和增强缓存。邮件还称 Grok 4.5 预计发布，基于约 1.5 万亿参数的 V9 foundation model，但尚无独立 benchmark；Meta 推出 Muse Image，覆盖生成、编辑和 agentic 能力，并将进入 Meta AI、Instagram 和 WhatsApp；北京据称考虑限制 Alibaba Qwen、ByteDance Doubao、Z.ai GLM-5.2 等先进模型的海外访问。整体信息指向模型竞争、价格竞争、多模态平台化和地缘监管同时升温。
它把当天最受关注的模型发布传闻、平台图像模型和中国模型出海限制放在一起，适合快速把握市场叙事。
- — 邮件称 OpenAI GPT-5.6 Sol、Terra、Luna 将公开，并主打性能、价格和缓存改进。
- — Grok 4.5 被描述为 xAI 的大规模发布，但缺少独立 benchmark。
- — 中国先进模型海外访问可能受到更严格限制，AI 供应链地缘化加深。