一篇讲透 Agent 自进化飞轮怎么搭：评测→记忆→落地→控制
提出评测→记忆→落地→控制四齿飞轮方法论，强调评测可信度优先于系统复杂度；Harness 层自改进实测迭代次数减少 70%、Token 消耗降低 80%+。
Agent 的上限，可能不在模型，而在团队知识
知识生产 99.7% 由流程自动沉淀，6 月新增踩坑卡片 716 条；需求交付从天级压到小时级，代码审查轮次从 2-4 轮降到 1.1 轮。
AI Agent & Skill 测评方案及落地实践
提出确定性、Rubric、人工三类评分器组合的测评框架，覆盖功能、过程、效率、鲁棒性、体验五维度；已在 TPerf 性能平台智能分析 Agent 项目中落地验证。
如何写好 Skill：一份终极实战经验手册
Skill 本质是结构化 Prompt Engineering，物理上为含 SKILL.md 的文件夹；Anthropic 采用三级渐进式加载机制，Level 1 常驻约 50-150 Token。
OpenClaw 与 Hermes：源码里的 AI Agent 架构知识大复盘
OpenClaw 采用 TypeScript 微内核架构，以 Gateway 为中心，支持 20+ 通道插件接入；Hermes 核心仍为单体，记忆管理半自动，两者各有取舍。
dorian：读完这篇，你就搞懂 DeepSeek v4 了
DeepSeek-V4 预览版上线并开源，Pro 为 1.6T 参数稀疏激活 49B，Flash 为 284B 参数稀疏激活 13B，均默认 1M 上下文；架构上引入 mHC 多流约束残差连接，解决超长上下文下标准 Transformer 的容量、路由与深度瓶颈。