面向人机交互设计 Harness：构建以产物为中心的 Agent Loop
最近，我一直在 Better Harness 里思考编码智能体的工作闭环：用户究竟想完成什么，智能体读取了哪些上下文、执行了哪些操作，
评论
点赞
收藏从可编程到表现力：构建更好的 Agent 运行时重塑用户体验
最近，我重新看了 remio 在 PPT DSL 上的尝试，也注意到 OpenAI 的 Artifact Tool（产物工具）正逐渐演进成一套完整的专业文档运行时。
Harness Inspector：让 Agent 交付过程可观察、可检查、可追溯
最近，我们一直在尝试优化 Better Harness 的 SKILL 自动沉淀能力：从 Agent 的真实会话中识别重复出现的工作路径，再判断其中哪些经验值得进一步沉淀成可复用的 SKILL。真正做起来以后，我们发现这件事远比“把一段 Session 分析一遍”复杂得多。
Agent 插件如何走向工程化：Better Harness 的五个实践
把一项能力写进，再封装成 Agent 插件，并不难。真正困难的是，当它被不同用户、不同项目和不同 Agent
从 AGENTS.md 开始：构建 Agent 友好项目的五个步骤
最近我重新整理 Better Harness 的 references
设计流动摩擦：AI 原生团队的核心能力
过去几年，我们讨论 AI 对软件研发的影响，最常使用的仍是个人生产力：一个功能要多久，一名开发者能同时推进多少任务，Coding Agent 能生成多少代码。AI 确实显著降低了执行成本，过去数天才能形成的初步实现，现在几个小时后就可能进入 Pull Request。
Piece：将 Coding Agent 的局部构建反馈提速 10x
Piece 尝试把编码智能体的局部代码修改映射为片段级构建反馈，让文件内部的函数、组件、接口和 JSX 结构成为可追踪、可验证、可回退的反馈单位。
验证工程：从 Vibe 硬件编程 Loop 到自迭代验证
上周买了一个带触发屏的开发板，想探索一下之前的一个想法：AI 时代能不能加速传统行业的一些软件开发的范式？作为一个写过物联网书籍的“资深”硬件专家，
长程验证：AI Agent 长任务的收敛机制
周末，我使用 Claude Code 的 /workflows 做了两个实验，结合我使用 Codex /goal 做的一系列实验，把两个能力放在一起看，
从复杂编辑器到 Agent 工作台：Office 的 Cursor 时刻
周末，我又凭感觉写了一个小想法：用 Swift 写一个 PowerPoint 查看器。因为我已经有一个技能可以生成幻灯片、XLSX 和
注意力 Harness：多 Agent 时代如何守住人的注意力
之前 Codex Pet 很火，我也想在 Qoder 里放一个类似的小东西。于是，周末 Vibe Coding 了一把。做着做着才发现，它要解决的好像不是“再多一个 Notification”。
Agent 应该如何解决繁杂任务：从 /goal 到长时间运行
我还没从 Thoughtworks 离职的时候（现在在 Qoder 团队），我就想写一篇文章，把一张图里 Loop 那一栏补完整。那张图其实很直白：不是让 AI 生成更多代码，而是让 AI 在工程体系中稳定完成交付。左边是 Rules，把团队经验和开发约束变成 AI 可执行的工作规则；中间是 Spec，把模糊需求收敛成可拆解、可验证、可追踪的交付目标；右边是 Harness，把 AI 行为纳入工程...
任务自适应 Harness：从 Trace 到多 Coding Agent 的协作记忆
在 Thoughtworks（现 Inspire） 的最后一个月里，我一直在为“下一个项目”准备一套 AI Coding 的端到端方案。这个方案基于 Claude
从写清 Spec 到看懂功能：在 Session 历史中使用 Routa 重建需求全景
在时时使用多个 Codex/Copilot/Claude/Qoder 编写代码之后，我第一次明显感觉到，整个产品推进的节奏都被拉快了。
Routa 桌面版发布：内建 Harness 工程的 AI Coding 研发协作工作台
几个月前，当 Coding Agent 的 CLI
Harness Monitor：当多个 Agent 同时写代码时，如何看住质量
TL;DR：，Harness Monitor 在 crates/harness-monitor 目录下。
Gate First：为你的 Agent Team 构建 Harness 防御体系
今天下午，我在 Routa 的看板里点开一张已经进 Done 的卡：[Sub-issue] 为 GATE-first 专家提示注入单次 trace 状态摘要。
/phodal-writer：我如何把十年写作经验整理成一个 Skill
最近这段时间里，我做了一件比“让 AI 帮我写文章”更麻烦的事：不是继续打磨 Prompt，而是先让它系统分析我过去十年的文章，再把这些分析结果整理成一个可以被反复加载的写作
从 Rule、Spec 到 Harness：AI Coding 的分阶段演进路径
过去大半年里，我一直在帮不同规模的团队落地 AI Coding。从最早的一两个人试点，到十几个人的团队尝试让 AI
Harness 工程可视化：在 Vibe Coding 中重建工程可控性
在最新的 Routa Desktop 中，我们引入了 Harness 工程可视化系统。它并不是一个展示“AI 写了多少代码”的界面，也不是为了给生成式开发增加一层炫目的仪表盘，