费曼学习法，相信代码和自媒体。

坚持原创的科技博主，也正在孵化自己的产品。

极客时间有一门「成为AGI产品经理」
（看了也不一定能成为，但可以带你走在成为的路上）

传播较广的几篇文章，有可能你也看过：

1. 产品经理研读：Agent的九种设计模式(图解+代码)：mp.weixin.qq.com
2. Agent开发者坦白：窘境中前行：mp.weixin.qq.com
3. 用一张图理解所有的AI“聊天”产品：mp.weixin.qq.com
4. 我在调研了十几个知识库对话产品后整理出来的功能清单：mp.weixin.qq.com
5. RAG组合拳：AGI应用走向落地的40%：mp.weixin.qq.com
6. 做大模型AI应用一定要了解的成本计算公式：mp.weixin.qq.com

V4终于出来了，为了避免被卡脖子，算力资源上应该是克服了不少困难。

想起一年前发的视频，那时候预测是2025年底出货，现在出来也不算晚，希望成为国货之光。

至少Deepseek V3的低成本优势，让我们在早期维持盈利，如果换做sonnet，可能是完全不一样的成本开支。

期待能从“性价比之王”赶超世界顶尖水平。

这是我第三次阅读A社的skills介绍，
从【概览】到【企业级技能】

platform.claude.com

读完又有新的体会。

如果你也能花十分钟读完，就可以做到：

1. 几乎不用看任何关于skills概念的其他文章。
2. 有效识别什么算一个好的skill。
3. 你自己创建skill应该注意什么。
4. 拿到一个skill 应该如何让它变得更适合你。

PS: 虽然claude不对华友好，但是仍然提供了中文版本，无阅读障碍。

说一个庸俗的想法，Claude开启真人验证后，我想起了零几年在人大门口做假证的那帮人，不知道他们还开展这个业务吗？

有人推荐改用codex，事实上用过codex的人，就知道二者差距，至少现在是这样。

一旦明白harness诞生的初衷，就会理解为什么Harness要这么做，以及怎么改进它。

参考A社的两篇关于Harness的文章标题都写了“long-running”（图1）

从开发者角度，harness 是为了达到无人值守开发的目的。推而广之，需要长期维护的项目也需要用harness。

比如今天有朋友问：

“如果用AI Coding工具在之前很大的一个系统上去迭代，应该怎么做呢。不可能把之前的页面全部做一遍吧。”

那么一旦涉及“长”时间和“长”期项目，就需要保证AI Agent 发挥的稳定性。所以你会看到，在Open AI 和 Anthropic的实践中，看到以下步骤。

其中的基础步骤我已总结成skills，放在这里分享：claudeleakage.com。

大家拿到后安装，直接调用skills就可以完成项目基础的harness engineering建设了，定期跑一下，对项目的长期维护有很大好处。

第一步（图2）： 做一个项目地图，像一个索引一样。 Agent每开始一个任务，首先来这个看索引，找到它应该去看的内容。比如Agent要新增一个页面，它看到这里会有一个design标准、前端框架文档，就会倾向于从众多文档中读这两个文档。

第二步（图3）：在地图里的各个文档中查找具体标准和详细内容。比如架构文档architecture.md中，会有项目采用的前、后端框架等等。

前两步解决了横向的内容广度问题。

接下来的一步要完成纵向的时间维度问题，也就是长任务会拆成若干个子任务，如果把一个长任务都放在一次对话中，会产生记忆爆炸的问题，这时候任务的衔接就会需要用到第三步。

第三步（图4）：对话管理。它像一个项目进度记录一样，记录了现在有什么任务还没有完成，当前进行的任务的进度 Progress.md等等。 这样，每次开始新任务，Agent可以触发总结之前的任务进度，以便后续任务作为上下文使用。

以上三步是基础步骤，harness engineering的进阶版需要引入评估器，但这玩意还是挺消耗token的，因为每次都要对已经完成的任务进行评估、测试，耗时、耗力、耗钱，一般情况下我理解用这三步基础的就够。

父亲70岁，身体健康。打算五一期间骑自行车从北京回老家（陕北榆林），总路途815公里，预计12-15天，日行40-90公里，想发帖问一下沿途路况，有骑过以下部分路段，或对路段比较熟悉的朋友，尤其是进入山西穿行太行山这段路的路况，如能告知不吝感激！

以下是高德目前规划出来的路线图，两步路上的路线有点老，另外父亲年龄比较大了，难度要降低，能回去就行。

骑行装备：目前打算是日本丸石内三速城市自行车， 不需要快，只需要稳。

Day1： 北京昌平 -> 涿州, 84公里

Day2： 涿州 -> 保定 ， 86公里

Day3：保定 -> 定州 63公里

Day4：定州 -> 石家庄 74公里

Day5：石家庄 -> 平阳湖景区 69公里

Day6：平阳湖 -> 阳泉 42公里

Day7：阳泉 -> 寿阳县 42公里

Day8：寿阳 -> 晋中 56公里

Day9：晋中 -> 交城县 63公里

Day10：交城县 -> 汾阳 52公里

Day11：汾阳 -> 吕梁 78公里

Day12：吕梁 -> 吴堡 56 公里

Day13：吴堡 -> 绥德 57公里

Claudeleakage.com 上线 《Claude code 之harness engineering 从入门到实践》PDF，开放下载，欢迎大家阅读。

claudeleakage.com

有些同学问，为什么我们要研究Claude code，Claude在泄露源码前就开放agent SDK，也可以配上不同模型使用。我的回答是：你是一个车主，你买特斯拉就够了，但是，你是个造车的，买来仅仅开就不够了。 我们想做的就是：Claude code的“整车改造”。

这是中国制造走向中国创造的路，软件上也同样适用。再说，哪怕你不是造车的，你也可能是个修车的，借鉴其部分思想都是有益的。

果然代码泄露之后有更大的瓜了。

实际上Mythos在3月26号就Anthropic 因数据缓存配置失误，将模型「Claude Mythos」信息的内部文件和博客草稿公开暴露于网络，外界由此在官方公告前得知其存在。Fortune 报道后，Anthropic 当天即下线该数据缓存。

虽然Mythos现在不能用，但是以后呢，估计也不会藏着掖着。

能不能用先放在一边， 第一时间把官方pdf 报告拿来解读一下。

重点解读了第六章：能力评测。代表着模型未来的能力方向。

直接访问链接解读：
claudeleakage.com

这里放几张截图。

最让我注意的两点：
1. 深度检索能力，Mythos Preview用226Ktokens(Opus 4.6的1/4.9)达到更高准确率。也就是token花费少了，效果更好了（图6）。

2. 目前完成度还不够好的能力有：

- 软件工程SWE-bench 多模态测试集，即在 issue 描述中加入截图、设计稿等视觉上下文，测试模型结合图文信息完成工程任务的能力。目前得分59.0%.（图3）

- 智能体搜索：Humanity's Last Exam。2500 道覆盖人类知识边界的多模态题目，号称"最难的 AI 基准"。目前得分64.7%（图7）。

- 电脑自动化：OSWorld。让智能体在真实 Ubuntu 虚拟机中，通过鼠标和键盘完成实际电脑任务：编辑文档、浏览网页、管理文件。以 1080p 分辨率运行，每任务最多 100 步操作。目前得分 79.6%（图8）

官方pdf 报道在这里：
www-cdn.anthropic.com

真正想要把Claude Code的最佳实践为我所用，仍然需要透彻的理解。

假期读了十多个版本的Claude Code源码解析后，发现对于产品经理和业务线的同学，理解仍然有困难。而恰恰是这些同学比开发者更能挖掘使用场景。所以又把网站（claudeleakage.com）上的内容更新的了一版，比起上次的内容，这版内容有以下改进：

1. 内容更加准确。在生产过程中严格遵循代码逻辑，并使用对抗方法（有一个生成Agent，有一个打假Agent）进行校验。
2. 结构更加合理。采用总-分结构，从全景到部分，逐渐深入。
3. 行文更加流畅。前后叙事会更加符合逻辑，比如采用【问题-解决方案】的的方式，再比如处理记忆爆炸时采用渐进的叙事。

另外上次网站发布后，又有新的朋友加入，未来还会做以下内容：

1. 使用remotion更加直观讲解代码。
2. 将上述的设计精髓提取为Skills，让大家直接可用。
3. 直接使用本地部署的Claude code 完成各种业务场景。

欢迎关注！

半天时间上线了 learn with claude source , 跟着 claude 源代码 向claude 学习它的架构，欢迎大家阅读体验。
claudeleakage.com

最初的一版比较粗糙，大家可以从产品经理的角度看到Claude 是如何做到超级用户友好的。

claudeleakage.comClaude-code-leak-code-and-ux-design

接下来我们还会做以下事情：

1. 把Claude 的设计思想凝结为skills，让所有人利用这些skills都能做出优秀的产品。

2. 我们正在基于claude源码的基础开发更优的 “claude”，任何人配上自己的 API token ，就可以与一个影子版本的claude 对话。

3. 现在我们看到Claude ai已经 是“虾”化了，意味着不久的将来，我们完全可以开箱既有更高质量的 “龙虾”

敬请期待...

mp.weixin.qq.com

最近harness engineering的初步实践，供大家参考。

mp.weixin.qq.com

1. Harness并不难，但它却极大程度把开发者从陪伴式编程中解放了出来。是高ROI的投资。
2. Harness背后的驱动是skills的自我迭代，持续优化，使用合适的skills是前提。
3. Harnnss也并非一劳永逸，要经常维护。

当模型能力的发展开始变缓，我们会发现工程能力又开始以新的速度蜕变：从提示词工程，到上下文工程，harness 工程，每一次进化都让AI这项技术离应用越来越近。