今日概览

今天的候选内容横跨 AI 用户能力图谱、Agent 基础设施深度拆解、工程团队知识管理方法论以及范式级别的学习新思路。从宏观的用户分级到微观的 Harness 组件拆解，从腾讯的知识沉淀框架到翁家翌的 Heuristic Learning，这批文章呈现了一条从"理解 AI"到"用好 AI"再到"重塑 AI 学习方式"的完整线索。

今日重点

1. 观察了三年，我把所有人用 AI 的水平分成了 10 个等级

来源：数字生命卡兹克

作者基于三年观察，从可控性、广度、形态和角色四个维度，将 AI 用户从 Lv.0 旁观者到 Lv.10 一人军团划为 10 个等级。Lv.3 驯化师是第一个分水岭，已超越约 70% 的用户；Lv.6 召唤师跨越 ChatBot 到 Agent 门槛，超越约 97% 的用户。工具平权的终局是人的不平权。

值得关注：

  • 分级体系基于可控性、广度、形态和角色四个维度综合评估，而非单一指标。
  • Lv.3 驯化师与 Lv.6 召唤师是两个关键能力跃迁点。
  • “工具平权的终局是人的不平权”——最终答案取决于"我要成为什么样的人"。

这篇内容更值得关注的原因在于，它提供了一个可参考的 AI 能力坐标轴，无论你处在哪个阶段，都能定位自己并找到进阶方向。

2. Harness 不是目的，知识才是护城河——一个 AI 工程交付团队的知识沉淀实践

来源：腾讯技术工程

腾讯 AI 工程交付团队分享了如何设计知识分层架构，将工作流转化为知识沉淀的载体。核心方案是五层存储 × 五种类型 × 三级成熟度的知识架构，通过三级渐进式索引实现按需消费。工作流设计确保知识在生产实践中自然沉淀，而非事后补文档。

值得关注：

  • 知识管理是 Harness Engineering 的核心能力，而非附属品。
  • 五层存储（个人层、团队约定层、技术知识层、业务知识层、项目层）× 五种类型 × 三级成熟度。
  • 好的 Harness 应该是知识沉淀的载体，而非一次性脚手架。

这篇内容更值得关注的原因在于，它回答了"你的 Harness 用完即扔还是越用越厚"这个关键问题——模型会迭代，工具链会更新，但领域知识是永恒的技术护城河。

3. Agent Harness 解析：智能体架构深度拆解

来源：AI寒武纪

文章全面拆解了 Agent Harness 的 12 个核心组件，包括编排循环、工具系统、记忆模块、上下文管理等，指出 Harness 是产生 Agent 行为的完整软件基础设施。仅改变 Harness 设计，就能将模型在 TerminalBench 上的排名从 30 名外提升至第 5。未来 Harness 将趋向更薄但不会消失，与模型协同演化。

值得关注：

  • Agent Harness 是产生 agent 行为的"机器"，而非 LLM 的附属品。
  • 仅改进 Harness 设计，不换模型，TerminalBench 排名从 30+ 飙升至第 5。
  • 编排循环、工具、记忆、上下文管理分别解决不同维度的可靠性问题。

这篇内容更值得关注的原因在于，它将 Agent 系统的注意力从"模型能力"拉回到"系统架构"，用数据证明基础设施设计比模型选择更能决定终端表现。

4. 下一个范式诞生？OpenAI 翁家翌：不练网络不调参，全靠 Agent 改代码破解灾难性遗忘死局

来源：AI寒武纪

翁家翌提出 Heuristic Learning 范式——用 AI Agent 直接编写纯代码规则策略，替代神经网络训练。在 Atari Breakout 中达到理论最高分，全程无需神经网络；MuJoCo 仿真任务中纯代码策略进入深度强化学习量级。通过持续维护 Heuristic System，将灾难性遗忘转化为可管理的软件维护问题。

值得关注：

  • Atari Breakout 纯代码策略达到理论最高分，零神经网络参与。
  • MuJoCo 仿真任务中纯代码策略的性能进入深度强化学习量级。
  • Coding Agent 改变了启发式规则的维护曲线，使持续学习成为可能。

这篇内容更值得关注的原因在于，它提出了一个极具颠覆性的观点——既然 Coding Agent 已经能写代码规则，为什么还要训练神经网络？如果成立，将从根本上改变学习范式的定义。

趋势观察

  1. 行业关注点从"模型能力"全面转向"系统设计"。 Agent Harness、知识管理、Heuristic Learning——今天的内容没有一篇在讨论模型评测或参数规模，全都在讲如何构建可靠的系统和框架。
  2. Agent 架构正在经历从"黑箱"到"可拆解基础设施"的范式转变。 从 Harness 的 12 个组件到知识管理的五层架构，行业共识正在形成：Agent 不是调出来的，而是构建出来的。
  3. AI 能力的竞争点正在上移。 从基础知识图谱到 Harness 设计再到维护曲线，竞争已经超越了模型本身，开始触及如何让 AI 能力在生产中持续积累和演化。

延伸阅读