# agent

Vaibhav Srivastav 的 Codex prompt 真正有趣的不是 prompt 本身，而是它把 agent 的工作後整理講清楚了：回顧最近工作、找重複流程、只把高信心項目封裝成 Skill、自動化或子代理。這很像讓 agent 睡覺做夢，把忙碌變成能力。

OpenAI 官方指南把 Codex Goals 講成對話串範圍內的完成契約：目標會持續存在，但完成必須靠測試、基準測試、報告或研究證據判定。這篇補上 SP-192、SP-197、SP-207 缺的官方規格角度。

Codex 的 /goal 不是把任務丟進去就會自動變好的許願池。Chris Hayduk 的重點很工程化：給 Agent 可量測的終點、夠快的測試迴圈，再用 Markdown 檔案當長期工作記憶。

LLM 不是神，也不只是工具，比較像 DOTA 裡會補刀也會送頭的隊友。人類的價值不是跟 AI 搶同一路，而是補上 taste、map awareness、context ownership、strategic judgment，讓整隊勝率變高。

Thariq 分享為什麼在 Claude Code 工作流裡，HTML 逐漸取代 Markdown：重點不是輸出變漂亮，而是當 Agent 產出的規格、審查、研究與原型越來越複雜，HTML 能把文字牆變成可閱讀、可操作、可分享的產物，讓人類重新回到決策迴圈。

Context Window 不是字數上限，而是模型世界裡的一天：Ryland 醒來後能經歷多少課程、訊息、工具結果和任務事件。Token 使用量就是這個世界的時鐘。

Jarrod Watts 拆開 Codex Goals 後發現，它解決的是 Agent 太早停下來，不是長跑任務一路跑偏。真正撐起長跑工作流的，不是更長的 Ralph 迴圈，而是事前釐清、多 Agent 審查，以及寫在 context 外面的交接記憶。

Anthropic 的 Claude Dreams 不是單純摘要工具，而是替 Agent 記憶做離線整理的第二個迴圈。它把舊記憶與最多 100 段過往會話重新消化，產生可審核、可替換、可丟棄的新記憶庫。

OpenClaw 的自動化文件把排程、背景任務、Heartbeat、Hooks、Standing Orders、Task Flow 等機制放在同一張地圖上；其中 Task Flow 負責處理多步驟流程的狀態、同步與版本追蹤。這篇用保守讀法拆它們各自適合的邊界。

Anthropic 不小心把 Claude Code CLI 的完整 TypeScript 原始碼打包進 npm 的 source map。裡面藏了自主 agent、model 代號、消失的權限提示、還有一個電子雞系統。

清華深圳團隊提出 NLAH（Natural-Language Agent Harnesses）：把 agent 的控制邏輯從程式碼搬進結構化自然語言，再用 IHR runtime 執行。實驗顯示 harness 能徹底重塑 agent 行為模式，但更多結構不一定等於更好表現。Dan McAteer 認為 harness engineering 的重要性不亞於模型能力本身。

Artificial Analysis 發布 AA-AgentPerf，一個專門衡量 AI 加速器硬體在真實 agent 工作負載下表現的 benchmark。用真實 coding agent 軌跡測試，允許 production 級優化，支援從單張卡到整個 rack 的評測。

Anthropic 推出 Claude Code Channels，原生支援 Telegram 和 Discord 雙向通訊，讓 Claude Code 變成 24/7 常駐 AI agent。VentureBeat 直接稱之為 OpenClaw killer。

Claude Computer Use 引發熱烈討論，不少人認為 AI 即將完全取代人類工作。然而原作者指出，AI 雖然能代勞技術操作，卻無法取代人類的判斷力與對文化脈絡的理解。真正的護城河，依舊是對領域知識的深度掌握。

Andrew Ng 與 Oracle 合作推出新課程，教你如何為 AI Agent 建立跨 Session 的持久記憶系統，解決單次對話後就『失憶』的痛點。

吳恩達宣布推出關於 A2A (Agent2Agent Protocol) 的新課程。A2A 整合了 IBM 的 ACP，成為不同框架 Agent 之間溝通與協作的業界標準，讓你輕鬆串接 Google ADK 與 LangGraph！