栏目角色
围绕工程文章、论文、benchmark 与系统方法做深度论证。
研究文章
按发布时间倒序排列，方便快速扫读这一栏目的全部内容。
我是怎样使用 AI 来做 Code Review 的？
Vikingz 用 TinyShip 这个多 app、多数据库 monorepo 的真实经验，拆解一套 AI code review 流程：多模型交叉审查、人工筛选、分离 fix/verify 角色，再用测试闭环，把 AI 写出来的大 diff 变成可控的工程流程。
1M 上下文之后，Claude Code 真正卖的不是 token，而是 session runtime
1M 上下文很重要，但 Claude Code 真正拉开差距的，不是 token 数，而是 session runtime 管理：什么时候 clear、compact、rewind、checkpoint，什么时候把任务切给 subagent。
共享状态面不是 Feature，而是基础设施：多 Agent 协作为什么会走向 memory fabric
多 Agent 协作的问题不再只是消息传递，而是缺少一层可恢复、可分层、可控作用域的共享状态面。本文把 smux、tmux-bridge、mem0 这些线索收束到同一个判断：memory fabric 正在变成基础设施。
Memory 不是插件，而是主权边界：Agent Harness 为什么会变成新的锁定层
从 Harrison Chase 的《Your harness, your memory》出发，分析 Agent 时代新的平台锁定点为何正在从模型 API 下沉到 harness 对 context、state 与 memory 的控制权。
Agent Runtime 正在变成新的操作系统
从 Anthropic、OpenAI、LangGraph、Google A2A 到社区实验，分析 AI Agent 的竞争为何正在从 prompt 能力下沉到 runtime、状态、接口与协作层。
为什么 Harness Engineering 正在成为 AI Agent 的真正护城河
把趋势、工程文章、benchmark 与社区讨论压进同一篇论证里，回答 Harness 为什么会变成核心系统能力。
Karpathy 的 LLM Wiki 是什么，为什么它代表了一种全新的个人知识管理范式
深度解析 Karpathy 的 idea file 模式，回答为什么正确使用大模型的方式不是问答，而是编译，以及 Markdown Wiki 为什么能打败传统 RAG。
上下文管理不是 token 技术细节，而是 AI Agent 的系统设计问题
从 idea file、AI 知识库、structured handoff 到长期交接，分析上下文管理为什么本质上是状态系统设计。
Anthropic 这篇 Harness 文章真正讲了什么：长任务应用开发的系统设计方法
不是转述原文，而是单独拆开这篇 engineering 文章的系统设计思想，分析它到底解决了什么问题。