Jev 决策模型深度解析：从类型化判断到 Agent 决策层
Jev 不是一个更小的聊天模型，而是把模型能力收敛成代码可直接消费的概率决策层。本文从 API 契约、模型训练目标、Agent 组合模式和工程限制四个方面拆解它。
AI Agent
Codex Harness 源码深度解析
Codex Harness 的核心价值是把 Agent Loop、状态协议、工具治理和执行环境作为可嵌入平台能力提供给宿主应用。
DeepSeek Harness 源码深度解析：Everything is a Plugin
DeepSeek Harness 的核心不是一个模型客户端，而是一套由 Cordis 插件组装、由事件事实驱动、可替换执行边界的 Agent Runtime。
Pi Agent 深度解析：极简 Coding Harness 的边界与进化
Pi 的极简不是少做功能，而是把通用执行机制留在核心，把有偏好的工作流交给扩展和宿主。
Agent 记忆系统深度调研：从上下文到可治理的 Context Database
Agent memory 不是给对话接一个向量库，而是一条包含写入门控、时态事实、混合检索、上下文注入、巩固和评测的数据链路。
Agent Loop 工程：从 while true 到可恢复的目标运行时
Agent Loop 的难点不是循环，而是让目标、进度、停止条件、验证和恢复都成为外部状态。
AI 编程 Agent 工作流项目调研：从技能包到团队运行时
这些项目不是同一种增强包：它们分别把方法论、规格、产品流程和多 Agent 编排外部化。
Hermes Agent 源码深度解析：Harness 工程与自我进化闭环
Hermes 的关键不是“会记忆的 CLI”，而是把经验、技能、工具、评测和运行环境外部化，形成可持续改进的 Agent Harness。
OpenClaw 源码深度解析：Gateway 控制面与长期运行 Agent
OpenClaw 的核心不是 MEMORY.md，而是一个把消息渠道、设备、Agent 执行和长期状态收口到 Gateway 的本地优先控制面。
Claude Code 源码解读：从 CLI 到可组合的 Agent Harness
Claude Code 的核心不是一个更长的提示词，而是一条受权限、上下文和事件驱动的可恢复工具执行链。