Ask HN 發帖徵集 AI agent 現狀：訂閱、harness 與編排工具
Hacker News 上一條提問帖徵集 AI agent 的使用現狀，把調查拆成五組問題：個人付費的訂閱及檔位、是否重複購買同一家帳號；訂閱之外使用哪些按量 API、OpenRouter 或本地模型；coding harness 是用預設 CLI/IDE 整合，還是改用 OpenCode、Pi、Aider、Muse Code 或自建；是否使用 agent 編排與 swarm 工具；
原標題：Ask HN: What's your current AI agentic setup?
閱讀原文
| 評分 | 25 / 30（平均 27，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
Google 開源 Harness²，讓 Agent 在執行中改進自身腳手架
Google 開源了 Harness²，這是一套雙層遞迴框架，讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時，用 Propose–Probe–Compose 對改動做行為對比篩選，並把除錯經驗寫進經驗庫，供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench，得分從 64.2 升到 75.7（+11.5 分），反超未改腳手架的 Gemini 3.5 Flash（72.4）；
長文稱 Pi 是最後一個 coding harness：開源、模型無關
一篇長文主張開源 coding agent Pi 會成為最後一個被廣泛採用的 harness，理由是它開源、供應商無關、可擴充套件且足夠精簡，換模型不必換應用。作者稱 Pi 已存在一年、開發者社群規模在這類工具中最大，並提議把這類工具改稱「harness engine」：統一多家供應商的介面，負責上下文壓縮與失敗重試。他也承認 Pi 在 cloud agents、模型路由與外掛系統上仍有缺口，但認為可經原生或外掛補上；
Hacker News 討論：Agentic AI 落地的主要瓶頸是什麼
Hacker News 上有人發帖徵集討論：Agentic AI 進入生產的主要瓶頸在哪裡。發帖者引用兩項資料作對照——agent 產生的流量已超過人類流量，但已建置的 agent 中只有 10% 真正上線生產，他覺得這很諷刺。他由此追問是什麼卡住了這些 agent，以及要讓 agent 流量繼續增長還缺哪些基礎設施。帖子目前 3 分、5 條評論。
Agents CLI 演示評估迴圈：持續測試與評分提升 Agent 品質
Agents CLI 提供一套評估迴圈，通過持續測試與評分來系統化提升 Agent 表現。該流程可捕捉提示詞迴歸，並利用並排 trace 對比評估模型後端替換的效果，同時支援自動執行評估。開發者還能將評估接入每夜定時執行，並設定基於閾值的告警，以便長期跟蹤 Agent 的品質變化；原文以完整範例演示了從測試、評分到告警的評估閉環。
Thursday 發布 coding agent，第一版是一個 skill 檔案
作者發布 coding agent 專案 Thursday，第一版不是獨立應用，而是一個可貼上進現有 coding agent 的 skill 檔案，目標是讓 vibe coding 重新變得有趣。他此前花數百美元 AI credits、寫下三萬行程式碼做 DeepSeek Harness 發行版，卻始終沒找回樂趣，最終轉向讓 agent 只做使用者交代的事。目前每月推理成本不到 20 美元，由 DeepSeek v4 Flash 和 GLM 5.3 支撐；