Snapshot Reader
📌 一句话摘要
本周技术周刊以 Agent 工程化全面落地为主线，梳理了 Anthropic、OpenAI、阿里、腾讯等厂商在 Coding 工具走出 IDE、Agent 评估与长时运行、Multi-Agent Harness 实战以及 AI Native 组织变革等方面的关键进展。
📝 详细摘要
本期周刊聚焦 Agent 工程化的全面落地，共收录 20 篇内容，其中 13 篇直接与 Agent 工程化相关。文章从四条主线展开：第一，Coding 工具走出编辑器，Anthropic 发布 Claude Code 在大型代码库中的工程实践、Agent View 多会话管理以及 Computer Use 最佳实践，OpenAI 则推出 Codex 的 Computer Use 功能和 Windows 沙箱方案；第二，Agent 评估与长时运行，Towards Data Science 基于 100 多次企业部署沉淀出 12 项评估指标框架，Google ADK 团队展示了长时运行 Agent 的架构方案，Agent Skill 开放标准已有 33+ 产品接入；第三，国内厂商 Multi-Agent Harness 集中爆发，PingCAP 复盘 TiDB Cloud 作为 Kimi K2.6 数据库后端的架构决策，腾讯云发布生产级 Multi-Agent Harness 全景图，阿里推出国内首个 Java Harness Framework AgentScope Java 1.1；第四，AI Native 组织与商业模式，阿里技术深度分析研发组织变革，Eric Ries 讨论公司治理的「财务引力」问题，以及 Manus AI、Suno、姚顺宇等一线人物的访谈。文章最后还对比了李想的宏大愿景与 flomo 少楠的真实困境，呈现 AI 在产业现场的两种姿态。
💡 主要观点
- Coding 工具正在走出编辑器，走向整个计算机。 Anthropic 和 OpenAI 本周同步发力，Claude Code 和 Codex 都推出了 Computer Use 功能，让 AI 能直接操作计算机，而非局限于 IDE 内部。Anthropic 强调放弃 RAG 嵌入式索引，改走 Agentic Search 路线，并提出了由 CLAUDE.md、Hooks、Skills 等组成的 Harness 架构。
- Agent 工程化落地必须通过评估和长时运行两道关。 Towards Data Science 基于 100 多次企业部署沉淀出 12 项评估指标框架，涵盖检索、生成、Agent 行为和生产侧四个层面。Google ADK 团队则展示了长时运行 Agent 的架构方案，包括结构化记忆 schema、事件驱动的休眠门和多智能体委派。
- 国内厂商在 Multi-Agent Harness 领域集中爆发。 PingCAP 复盘 TiDB Cloud 作为 Kimi K2.6 数据库后端的架构决策，提出 one agent， one sandbox， one storage， one database 范式。腾讯云发布生产级 Multi-Agent Harness 全景图，阿里推出国内首个 Java Harness Framework AgentScope Java 1.1。
- AI Native 时代研发组织正在发生根本性变革。 阿里技术分析显示，AI 深度使用后写代码占比从 30% 降到 5%，与 Agent 对话占比升至 60%。组织形态正从传统层级结构转向两层结构：高度结构化的 Harness 层和高度松散的 Hive Mind 层，Execution Graph 正在替代 Org Chart。
- AI 在真实产业现场呈现宏大愿景与真实困境并存的两种姿态。 李想将理想汽车定位为 AI + 具身智能公司，而 flomo 少楠则指出效率提升后用户价值并未同步跟上，团队协作重构比工具升级更难。两者对比呈现了 AI 落地过程中的机遇与挑战。
💬 文章金句
- 放弃 RAG 嵌入式索引，改走 Agentic Search 路线，让 Claude 像工程师一样用 grep 跨引用导航。
- 评估基础设施绕不过去，它直接决定项目能不能上线。检索质量不行，下游再多 prompt 工程都救不回来。
- Agent 负责局部智能，Harness 负责全局控制。
- AI 是一种新的协作主体。所有过去以人形约束为前提设计的组织规则，前提开始失效了。
- 只有原来优秀的人变得更优秀了，因为 AI 无法回答一句话：『我不知道』。