标签
Framer 的 Harness 2 通过在 JavaScript 流式生成的同时执行代码，升级了智能体的代码执行能力，将成本降低高达 33%，执行速度提升 20%，同时显著减少工具调用步骤和缓存 token 用量。
TokenCast学习可组合的成本表示来预测LLM代理执行中的Token使用量，减少预测误差并在预算控制场景中节省Token。
本文介绍了统一 Harness 协议（UHP）和 HarnessRouter，它们能在 Codex 和 Claude Code 等不同运行时中标准化代理执行，从而让产品避免依赖单一的 Harness 环境。
本文讨论了 AI 代理系统中的信任边界，其中 LLM 规划一个代理的可执行 DAG，强调了验证计划和通过人类批准及每个代理权限确保安全性方面的挑战。
StateM是一个运行时系统，通过持久状态和可恢复的运行手册增强长期代理执行，在Terminal-Bench 2.1上达到95.3%的准确率，并显著降低API成本。
该文讨论了Agent执行与通用代码执行的区别，并推荐了两种沙箱方案：基于Firecracker的E2B和基于Docker的OpenSandbox，分别适合生产级和私有化部署场景。
本文介绍了OpenClawBench，这是一个大规模数据集，用于对真实世界AI代理执行轨迹中的过程侧异常进行基准测试。该数据集揭示了任务成功可能掩盖过程失败，9.33%通过oracle测试的执行仍包含异常，并通过一种新颖的分类法提供了结构化监督。