Harness Engineering — Agent 不好用，也许不是模型的问题
同一个模型，只改 Agent Harness，性能从 Top 30 到 Top 5。Harness Engineering 到底是什么？和 Context Engineering 什么关系？以及 The Bitter Lesson 再思考。
标签: agent
Agent Harness 1
Coding Agent 1
Context Engineering 3
DPO 1
ECPE 2
Harness Engineering 1
KV Cache 3
LLM 23
NER 1
RLHF 1
RoPE 1
agent 5
chaofa 9
git 1
month-summary 10
multimodal 1
paper 7
python-type-tutorial 3
python-typing-tutorial 3
transformer 12
year-summary 1
倒排索引 1
入门算法 1
公开表达 4
关于我 1
分词 3
友链 1
实体识别 1
工作 2
序列标注 1
我的朋友 1
搜索技术 1
数学题 1
杂谈 38
算法妙用 2
算法实现 1
自媒体 4
面试锦囊 2
Kimi K2.5 技术解读：原生多模态联合训练与并行 Agent 编排训练
解读 Kimi K2.5 论文核心技术：原生多模态联合训练的反共识发现（Early Fusion + 低视觉比例优于 Late Fusion）、Zero-Vision SFT、跨模态双向迁移、Agent Swarm 并行编排框架（PARL）、Toggle Token 效率优化。关注算法与数据创新，而非 benchmark 秀肌肉。
Agent 系统中的 Prompt Caching 设计（下）：上下文管理与子代理架构
深入分析 AI Agent 的上下文管理策略：Context Rot 问题、Cache-Safe Compaction、Plan 模式演进、文件系统作为延展记忆、子代理 Cache 友好设计，以及 The Bitter Lesson。
Agent 系统中的 Prompt Caching 设计（上）：Cache 破坏、Prompt 布局与工具管理
深入分析 AI Agent 为什么比 Chatbot 更需要 Prompt Caching，什么操作会破坏 Cache，以及 Claude Code、Manus、OpenAI Codex 在 Prompt 布局和工具管理上的 Cache-aware 设计实践。
RAG 进化之路：传统 RAG 到工具与强化学习双轮驱动的 Agentic RAG
本文深入剖析RAG技术的进化历程，从传统RAG到智能体RAG的全面升级。探索两种实现Agentic RAG的关键路径：提示工程+工具调用与强化学习驱动方法。通过解读企业级项目chatbox和Search-R1，揭示如何让大模型从"被动检索"转变为"主动决策"，实现更精准的知识获取与应用。无论你是AI研发工程师还是产品经理，这篇文章都将帮你理解RAG技术的未来发展方向，掌握构建更智能RAG系统的核心技术。