#Agent

沿一次 Agent 调用拆解 AgentScope Java 2.0 的消息、ReAct、工具权限、事件、状态与 Middleware，再说明 Harness 的工作区、记忆、Skill 和沙箱该如何选用。

Codex Harness 近期开源了吗？本文结合 OpenAI 官方资料、Codex App Server 文档、openai/codex 源码入口和 Harness Engineering 相关讨论，解释 Codex Core、App Server、Thread / Turn / Item、审批、沙箱和事件流的关系，并给出源码阅读路线与使用 Codex 的实践建议。

从模型、Agent 与 Harness 的关系出发，拆解 DeepSeek Harness 的 Cordis 插件树、Profile 与 Bundle、事件日志、Agent Loop 和能力接缝，并分析这套架构相较 Codex 与 Claude Code 的价值、复杂度和适用边界。

AI Agent CLI 工程第 2 篇：区分用 CLI 运行 Agent 与让 Agent 调用 CLI，基于 MCP 2026-07-28 规范比较 CLI、MCP 和 SDK/API，并用同一领域函数实现可验证的 CLI/MCP 双适配器。

AI Agent CLI 工程第 1 篇：把 Codex、Claude Code 这类终端 Agent 拆成可调度的进程合同，并用真实 Codex exec 验证工作目录、权限、JSONL、Schema、退出码、超时与输出产物。

AI Agent 工程进阶第 11 篇：用 Observe、Protect、Improve 串起生产信号、降级策略、Canary 发布与事故回归评估，并通过零依赖 Production Loop Lab 验证 9 个运行窗口。

AI Agent 工程进阶第 8 篇：区分 Context、Checkpoint、Session、长期 Memory 与业务事实源，用 Write Gate、命名空间、来源、有效期和删除规则管理 Agent 记忆，并通过零依赖 Memory Lab 验证 8 个边界案例。

AI Agent 工程进阶第 7 篇：从一次只有 tool call failed 的故障出发，讲清 Trace、Span、父子关系、版本证据与脱敏，并用零依赖 Trace Lab 检查错误上下文、安全重试、跨 Worker 恢复和敏感信息泄漏。

固定 agent-browser 与 Playwright CLI 版本，在动态 ID、DOM 重排和双视口 fixture 上比较语义快照、元素引用、命令输出与本机运行边界。

用五道安装门禁、三个代表案例和三层本地验收审计 12 个热门 Agent Skills，判断一个 Skill 是值得试用、仍需验证，还是只有热度没有闭环。

用一个可运行的 Skill 收藏页贯穿 Superpowers 的安装、触发、设计、计划、TDD、调试、Review 与验收，并从固定源码拆解 14 个 Skill、经典 Prompt 的翻译与行为机制，以及设计自己 Skill 的方法。

AI Agent 工程进阶第 6 篇：从检查点、稳定动作 ID 和错误分类讲到结果未知、回执对账、持久取消、租约与 fencing token，并在同一个 GitHub 工程中用 9 个故障案例验证 Agent Loop 能否安全恢复。

AI Agent 工程进阶第 4 篇：区分 Agent loop、Harness、RunState、对话 Session、Sandbox 与 Verifier，并在同一个 GitHub 工程中实现可替换模型接口、审批暂停与恢复、工具超时、步数上限、检查点和事件追踪。

AI Agent 工程进阶第 5 篇：从名称、描述和 JSON Schema 讲到权限、审批、预演、幂等、结构化错误、分页与工具加载，并在同一个 GitHub 工程中用 11 个边界案例比较宽工具和类型化 Tool Registry。

AI Agent 工程进阶第 3 篇：区分 Prompt、当前上下文、Session 与 Memory，设计带来源、新鲜度、权限、预算和缺失证据的 Context Packet，并用可运行实验比较“全部塞入”与受控组装。

AI Agent 工程进阶第 2 篇：在同一个 Agent Reliability Lab 中建立 20 个任务、重复 Trial、五类确定性 Grader、失败台账和发布门禁，用实际代码比较 baseline-v1 与 candidate-v2，而不是凭感觉判断新版本更聪明。

AI Agent 工程进阶第 1 篇：用一个可运行的知识库工程，把模糊的 Agent 需求拆成 Job、Input、Done、Boundary、Failure、Evidence 与 Baseline，并通过坏契约和阈值实验验证它是否真的需要 Agent。

AI Agent 工程进阶系列导读：围绕 GitHub 项目 ai-agent-learn 的企业知识库 Agent，用任务契约、评测、Context、Harness、Tool、Durable Loop、Trace、Memory、Graph、安全与 Production Loop，建立一条从 Demo 到可靠系统的 11 篇实战路线。

结合 2026 年三项 AGENTS.md 研究与 Codex 官方加载机制，解释仓库级说明为什么有时提高效率、有时增加成本，并提供规则路由表、15 分钟审计法和可复现的三条件对照实验。

Codex 00–17 系列的完整阅读导航：按安全起步、项目交付、能力沉淀、外部连接和团队治理梳理每一篇解决的问题、可带走的产物，并提供四条按目标选择的最短阅读路线。

用一个博客后台 Bug 示例贯穿 Context、Harness、Loop 与 Graph Engineering：解释模型看见什么、如何获得工具与边界、怎样反复行动并验证，以及何时才需要把多个局部循环组织成工作图。

AI Agent 工程进阶第 9 篇：判断何时应从 Durable Loop 升级为 Graph，设计真实依赖、隔离状态、独立验证器和预算门禁，并通过零依赖 Graph Lab 验证六个边界案例。

Codex 系列第 17 篇：不再只问 Codex 能不能做，而是用额度、上下文、证据、权限、隐私、可逆性和验证成本判断任务边界，并提供可运行的 GREEN / YELLOW / RED 评估器。

Codex 系列第 13 篇：用一个官方资料研究助手贯穿 Skill、Plugin、MCP 与 App 的选择、最小配置、权限边界和故障恢复，并给出可验证示例包与渐进授权清单。

Codex 系列第 12 篇：从一个已经能用的 SKILL.md 出发，按真实维护压力逐步加入 references、scripts、evals 和版本记录，并分清目录、脚本、Agent 行为与人工验收各自能证明什么。

Codex 系列第 11 篇：从一次反复出现的技术文章 review 任务出发，创建仓库级 SKILL.md，理解触发条件、渐进式加载、作用域与正负向测试，并得到一份可直接复用的 Skill。

Codex 系列第 8 篇：从 Sandbox、Approval、permission profile、Rules 和自动审查五层控制出发，给出危险命令清单、个人项目配置模板，以及一套可执行的博客发布安全流程。

Codex 系列第 7 篇：把一次真实任务拆成 Explore、Plan、Code、Verify、Review 五个阶段，给出可复制的任务 checklist、Prompt 模板和验收方法。

Codex 系列第 6 篇：把反复出现的项目规则从 Prompt 里拿出来，写成可维护的 AGENTS.md，并给出博客、前端、后端项目模板和自检清单。

Codex 系列第 5 篇：把 Codex 任务拆成目标、上下文、约束和验收标准四个部分，给出可复制的 Prompt 模板库和真实项目改写示例。

Codex 系列第 4 篇：把直接写 Prompt 前的项目理解流程拆成可复制的只读扫描、项目地图、实施 Prompt 和 AGENTS.md 沉淀方法。

Codex 系列第 1 篇：先建立工程 Agent 的使用心智，学会判断哪些任务适合交给 Codex，并完成一轮低风险的 30 分钟练习。

Codex 系列第 2 篇：用任务场景、权限边界和交付方式判断该用 ChatGPT 桌面应用中的 Codex、CLI、IDE Extension 还是 Web / Cloud，并给出一张可复制的入口选择表。

Codex 系列第 3 篇：从目录边界、Git 基线、权限模式和回滚方案开始，给出第一次安全使用 Codex 的检查表、练习项目模板和回滚决策表。

一篇面向真实项目的 Codex 实用教程，整理入口选择、权限边界、Git 工作流、AGENTS.md、Skill/MCP、六步交付法和可复制的 Prompt 模板。