本文汇总 2026-W10 期间收录的 18 条 Agent / AI 架构与工具相关参考资料（ZZ-118, ZZ-119, ZZ-250, ZZ-251, ZZ-253, ZZ-268, ZZ-376, ZZ-385, ZZ-392, ZZ-395, ZZ-406, ZZ-441, ZZ-445, ZZ-466, ZZ-848, ZZ-850, ZZ-857, ZZ-860）。主题覆盖：Agent 大规模部署愿景、多 Agent 架构科学、Harness Engineering、Sandbox 选型、Memory、信任与身份、可观测性、以及具体工具/项目调研。
宏观愿景
ZZ-860 — Aaron Levie: Building for Trillions of Agents
来源: x.com/levie | Box CEO, 2.5M followers
Box CEO Aaron Levie 的长文，论点是 agent 即将成为所有软件的主要用户，而非人类。核心观点：
- API-first 或死：没有 API 的功能对 agent 等于不存在；没有 CLI / MCP server 就是竞争劣势。YC Jared Friedman 说”连注册账号都应该有 API，否则你对 agent 基本上死了”。
- 商业模式变革：座位制 → 消费/用量制。每个企业的 agent 数量将是员工数的 100-1000x，最终达到 trillions of agents。
- 新基础设施层：Agent 计算（E2B、Modal、Cloudflare）、Agent 文件系统（Box 自己在做）、Agent 身份认证、Agent 通信（Agentmail）、Agent 搜索（Exa、Parallel）、Agent 治理（安全/合规/审计）。
- OpenClaw 被点名作为”agentic 前沿代表，跑得最远的，24/7 持久环境”。
Paul Graham 的格言 “Make something people want” 被改写为 “Make something agents want”。
ZZ-251 — Theo: The Agentic Code Problem
来源: x.com/theo
Theo 描述多 agent workflow 并行时的工具混乱现象——多个 Claude Code 同时跑，terminal tabs、localhost 端口、auth redirects 一团乱。核心论断：“This is not your fault”，工具本来就不是为当前的工作方式设计的。
旧模式：一次做一件事，3 个 app（terminal / IDE / browser）。新现实：多个 agent workflow 并行，注意力不断被打断，需要新一代开发工具来支持 agentic workflow。
Multi-Agent 系统的科学
ZZ-850 — Towards a Science of Scaling Agent Systems
来源: arxiv.org/abs/2512.08296 | UW, MIT, CMU, Microsoft
180 种配置的受控实验，揭示多 Agent 协作的边界条件：
| 场景 | 效果 |
|---|---|
| 可并行任务（集中式协调） | +80.8% |
| Web 导航（去中心化） | +9.2% |
| 顺序推理任务（所有多 Agent 变体） | -39% 到 -70% |
| 错误放大（独立 Agent） | 17.2x |
| 错误放大（集中式协调） | 4.4x |
关键结论：
- 工具-协调权衡：固定计算预算下，工具密集型任务受多 Agent 协调开销影响最大。
- 能力饱和：单 Agent 基线准确率超过 ~45% 后，多 Agent 协调的收益递减甚至为负。
- 预测模型：基于协调指标的预测模型，R²=0.524，在 87% 的未见配置上能正确判断最优架构。
核心 takeaway：先分析任务的并行度和顺序依赖性，再决定架构。不要默认多 Agent = 更好。
ZZ-848 — Harness Engineering Is Cybernetics
来源: x.com/odysseus0z | 240 likes, 356 bookmarks
将控制论（Cybernetics）与 Harness Engineering 类比的长文。三次相同的反馈闭环模式：
- James Watt 离心调速器（1780s）：工人从”转阀门”变成”设计调速器”。
- Kubernetes 控制器：工程师从”重启服务”变成”写 spec”，控制器处理偏差调和。
- OpenAI Harness Engineering（现在）：工程师从”写代码”变成”设计环境+构建反馈循环+编码架构约束”，agent 写代码。五个月写了一百万行代码，零行手写。
生成-验证不对称性（P vs NP 的直觉，Cobbe et al. 实证）：生成正确方案比验证方案更难。因此：你不需要比机器写得更好，你需要比机器评估得更好。
过去跳过文档、自动化测试、编码架构决策的代价缓慢扩散；现在代价变得不可承受——agent 会以机器速度在每个 PR 上重复你的坏习惯。OpenAI 每周五花 20% 时间清理”AI slop”——直到把标准编码进 harness 本身。
ZZ-392 — 整理现有 Agent Memory 架构方案对比（TODO）
状态: 待完成的对比分析任务
待对比方案：OneContext+GCC、Mastra Observational Memory、Entire HQ Checkpoints、OpenAI Skills+Shell+Compaction。
对比维度：记忆粒度、持久化方式、检索策略、prompt cache 兼容性、工程复杂度。
LLM 内部机制研究
ZZ-385 — On the Biology of a Large Language Model
来源: transformer-circuits.pub | Anthropic
Anthropic Transformer Circuits 团队用 attribution graphs 逆向工程 Claude 3.5 Haiku 的内部机制，类比生物学方法研究 LLM 的”细胞”和”接线图”。
关键发现：
- 多步推理可视化：内部存在”Texas”表征（Dallas→Texas→Austin 的推导链）
- 诗歌规划：模型在写每行前预先选择押韵词
- 多语言电路：语言无关电路在强模型中更显著
- 医疗诊断：模型”在脑中”生成候选诊断并据此追问
- 幻觉机制：可以追踪到具体的内部链路
Attribution graphs 方法让 LLM 的推理过程首次在一定程度上可解释。
Agent 基础设施与工具
ZZ-376 — OpenAI 新基础原语：Shell, Skills, Compaction
来源: x.com/OpenAIDevs
OpenAI 推出新 primitives：
- Shell：agent 可直接操作 shell 环境
- Skills：可复用的 agent 技能单元
- Compaction：服务端上下文压缩，解决长对话 context 窗口问题
与 ZZ-392 的 Agent Memory 对比任务直接相关。
ZZ-395 — Bifrost AI Gateway 调研
来源: github.com/maximiliantech/bifrost
Go 高性能 AI gateway：
- 支持 15+ providers，overhead < 100µs
- 功能：failover / load balancing / semantic caching / guardrails
- Telemetry：只有 Prometheus metrics，无内置 tracing（这是缺口）
衍生任务 ZZ-451（添加 tracing 支持）。
ZZ-445 — Agent Sandbox 选型对比
来源: gaocegege.com/Blog/genai/unikernel-agent
对比五种 agent sandbox 方案：
| 方案 | 技术 | 特点 |
|---|---|---|
| e2b | Firecracker microVM | 成熟，启动快 |
| k7 | Kata Containers + K8s | 企业级，OCI 兼容 |
| Monty | WASM | 轻量，生态受限 |
| Unikernel | 单内核 | 极度轻量，工具链不成熟 |
| Modal | FUSE | 易用，成本可控 |
ZZ 的反驳观点：sandbox 需要可靠性保证，延迟不是真瓶颈（LLM 推理才是），K8s + Kata（k7）可能更务实。
ZZ-406 — 多 AI Agent 协作系统：信任模型、权限控制、通信协议
来源: x.com/ManningBooks | Val Andrei Fajardo 著
多 agent 系统设计的安全/信任层方案：
- 身份认证：SPIFFE / SPIRE
- 授权：OPA / Rego
- 通信：统一 API 网关
- 审计：immutable audit trail
ZZ 的思考偏安全/信任层，与书的实操入门互补。
ZZ-466 — Gilfoyle：Axiom 的开源 SRE Agent
来源: github.com/axiomhq/gilfoyle
Axiom 开源的 SRE Agent，重点学习方向：
- Skill / Prompt 代码设计
- SRE triage SOP 的具体写法
- 如何把运维知识编码进 agent 的 harness
ZZ-857 — Convex Chef：AI App Builder with Real Backend
来源: github.com/get-convex/chef | chef.convex.dev
基于 bolt.diy fork 的 AI 全栈应用生成器，核心差异化：内置 Convex 响应式数据库，生成带真实后端的完整 Web 应用（而非纯前端 demo）。
- System Prompt 公开：在 GitHub Releases 页面发布，可学习 AI codegen prompt 工程
- 架构：
chef-agent/（agentic loop）+convex/（数据存储）+template/（项目模板） - 测试框架：
test-kitchen/提供 agent loop 测试工具 - 体现”让数据库 API 对 LLM 友好”的设计哲学
Agent 网络与协议
ZZ-268 — OpenAgents：AI Agent Networks for Open Collaboration
来源: github.com/openagents-org/openagents
开源 agent 网络基础设施：
- 协议支持：WebSocket, gRPC, HTTP, libp2p, A2A, MCP
- 核心概念：Agent Networks — 自包含社区，agent 可发现同伴、协作、学习
- 一条命令启动，protocol-agnostic
- 网站：openagents.org
ZZ-250 — ERC-8004：Trustless Agents（区块链上的 Agent 发现与信任协议）
来源: eips.ethereum.org/EIPS/eip-8004
Ethereum 提案，用区块链实现跨组织边界的 agent 发现、选择和交互：
- 三层注册表：Identity Registry + Reputation Registry + Validation Registry
- 信任分层：低风险（声誉）→ 高风险（stake 验证 / zkML / TEE）
- 填补 MCP/A2A 空白：MCP/A2A 不覆盖 agent 发现和信任
- 作者：Marco De Rossi（MetaMask）, Davide Crapis（Ethereum Foundation）, Jordan Ellis（Google）, Erik Reppel（Coinbase）
- 状态：DRAFT，2025-08-13 创建
工具调研
ZZ-441 — nearai/ironclaw：NEAR 创始人的 Rust AI Assistant
来源: github.com/nearai/ironclaw
NEAR 创始人搞的 Rust AI assistant，灵感来自 OpenClaw。调研重点：Rust 实现的 AI assistant 架构，与 OpenClaw 的异同。注意区分本地 ironclaw CRM 项目（同名不同物）。
ZZ-253 — LobeHub Memory 功能调研
来源: lobehub.com/docs/usage/getting-started/memory
LobeHub 的 AI 记忆功能文档和相关 GitHub issue。调研方向：记忆实现方式（存储、检索、更新策略）、与 ZZ-392 的 Agent Memory 对比任务关联。
ZZ-119 — llm-d：Kubernetes-native LLM 推理调度
来源:
基于 Envoy 的 Kubernetes-native LLM 推理基础设施项目。kubernetes-sigs/gateway-api-inference-extension 是相关的 K8s Gateway API 推理扩展。两个项目都值得看架构设计。
ZZ-118 — Agent + Workflow（Argo Workflow）
来源: mp.weixin.qq.com
Agent 与 Argo Workflow 结合的调研。待看相关 talks，研究如何用 workflow 引擎编排 agent 任务。
主题交叉索引
| 主题 | 相关条目 |
|---|---|
| Harness / 反馈闭环 | ZZ-848, ZZ-850, ZZ-251 |
| Agent 大规模部署 | ZZ-860, ZZ-850, ZZ-445 |
| Agent Memory | ZZ-376, ZZ-392, ZZ-253 |
| Agent 身份/信任 | ZZ-250, ZZ-406 |
| Agent 网络/协议 | ZZ-268, ZZ-119, ZZ-118 |
| LLM 内部机制 | ZZ-385 |
| 可观测性/网关 | ZZ-395, ZZ-466 |
| AI Codegen 工具 | ZZ-857, ZZ-441 |
Takeaway
- https://github.com/maximhq/bifrost
- SPIFFE / SPIRE + ACL, Tape Audit
- https://github.com/get-convex/chef