1
不要再亲手写代码了——OpenAI 的“Agent 优先”软件工程实验
OpenAI 仅用 5 个月时间，依靠 7 名工程师驱动 Codex 产出了近百万行代码，并发布了一个真实的 Beta 产品，证明了“Agent 优先”的软件工程核心不在于写代码，而在于设计让 Agent 能够自主工作的“脚手架”。
2
Harness 工程——不换模型，只调系统，排名从 Top 30 到 Top 5
模型是原材料，Harness 才是产品——LangChain 团队不换模型、只调"脚手架"，在编码基准上暴涨 13.7 个百分点，核心方法论就是 Context Engineering + 自我验证 + Trace 驱动迭代。
3
当 Agent 开始管理 Agent——编排层才是真正的杠杆点
AI 编码的瓶颈不是模型能力，是你的注意力带宽——而一个"会思考的编排器"比任何单个 agent 的能力提升都更值钱。
4
17 Best Practices That Make Claude Cowork 100X More Powerful
这篇最有价值的不是 17 条技巧，而是把 AI 协作从“临场发挥”升级为“可复用、可审计、可托管”的系统工程。 ### 核心观点
💡 把 AI 协作从临场发挥升级为可复用、可审计、可托管的系统工程
🧵 串联问题
如果 Harness Engineering 的核心是「设计环境而不是写代码」，那 Neta 现在最需要的脚手架是什么——是给 AI 编码用的 repo 规范，还是给业务决策用的上下文结构？两者优先级怎么排？