[{"content":"一个 Agent 跑几轮和跑几百轮，是两类工程问题。几轮时，关心的是模型能不能把事做对； 几百轮时，问题变成：上下文里还剩什么，模型还记不记得目标，每一轮要为重复输入付多少钱， 以及它上一轮的推理还能不能接着用。\n这篇文章的结论是：这三个问题有同一个根源，就是请求前缀的稳定性。 围绕前缀，可以得到四条原则和一套具体的上下文结构。文中的做法来自一个操作电脑的个人助手的落地， 但原则对任何长程工具调用 Agent 都适用。\n一、长程 Agent 的三种退化 退化 表现 直接原因 成本失控 每轮输入越来越贵，缓存命中率很低 前缀被反复改写，提示缓存频繁失效 注意力稀释 模型忘记目标、重复已做过的步骤 上下文里堆满旧内容，关键信息淹没在中间 推理断裂 模型每轮从头想，丢掉长程计划 推理块被删除或失效 第二种通常被称为上下文腐烂（context rot）：窗口还没满，效果已经下降，位于中间的信息最容易被忽略 （Lost in the Middle）。 它的解法是压缩，而压缩恰好要改写前缀。所以三种退化最终会交汇到一个问题上：前缀什么时候能改、怎么改。\n二、为什么前缀是一份契约 两个机制都按前缀工作：\n提示缓存是前缀匹配。 前面任何一个字节变了，后面全部按全价重算。 推理块的签名绑定前缀。 以 Claude 为例，思考块的签名记录了它产生时的系统提示、工具列表和之前每一条消息。 前缀一改，这个块和它之后的所有块都会失效：较新的账号直接返回 400，其他情况被静默丢弃，模型只能从头推理 （Preserved thinking）。 于是有一个容易被忽视的事实：让缓存失效的改动，就是让推理失效的改动。 \u0026ldquo;只追加、不改写\u0026quot;因此不再只是性能建议，而是正确性要求。下面这些常见写法都违反了它：\n每轮重新生成系统提示，里面带着当前时间； 任务进行中增删工具； 回头原地截断旧的工具结果； 插入一条临时提醒，下一轮再删掉。 把前缀看成一份契约，设计就有了四条原则：\n前缀稳定：能不改就不改，只在末尾追加。 批量变更：必须改时集中成批地改，减少缓存失效的次数。 可恢复压缩：改动造成的信息损失，要能从存档找回。 推理块一致性：前缀变了，依附在它上面的推理块要随之处理。 三、前缀稳定：分区布局与只追加 把上下文分成三个区，各自只允许一种变化：\n区 内容 允许的变化 稳定区 系统提示、工具定义 整个任务不变 锚点区 用户的原始任务，逐字保留 永不改动，压缩也不动 增长区 模型回复、工具调用和结果、周期性状态 只在末尾追加 几个落地细节：\n易变信息放进消息，不放进系统提示。 当前时间、环境信息写在第一条用户消息里，系统提示从第一轮到最后一轮保持一致。 工具列表在任务开始时定死。 需要按场景切换工具时，宁可换一个新会话，也不要在会话中途增删。 周期性信息只追加。 状态栏、提醒都以新消息的形式追加在末尾，不回头修改旧消息。 四、批量变更：控制缓存失效的频率 总有一些内容必须从上下文里拿掉。关键不在于拿不拿，而在于什么时候拿、一次拿多少。\n长工具结果：在进入时截断，只截一次。 网页正文、窗口文本这类结果可能非常长。正确的做法是在结果产生的那一刻判断：超过阈值就把全文写入存档， 上下文里只放开头部分和存档位置。之后这条结果再也不动。错误的做法是先完整放进去，几轮后再回头截， 这等于改写了前缀。 例外是 Agent 用来读存档的那个工具（通常是 shell），它本身有输出上限，截了它就堵死了退路。\n截图：攒够一批再一起裁。 截图是长任务里单价最高的内容。每轮去掉最老的一张，等于每轮改一次前缀、每轮缓存全部失效。 更好的做法是设一个上限，攒满后一次去掉大部分、只留最近几张：缓存只在这一刻断一次，之后很多轮都能命中。 上限也不宜过大，部分 API 在单个请求里图片过多时会收紧每张图的尺寸限制。\n整段压缩：到阈值才压，一次压够。 压缩时机按\u0026quot;窗口的一定比例\u0026quot;和\u0026quot;一个绝对上限\u0026quot;两者取小。只看比例的话，百万级窗口的模型要到很晚才压， 那时上下文腐烂早已发生。上下文大小取\u0026quot;上一次请求的实际用量\u0026quot;和\u0026quot;本地估算\u0026quot;中较大的一个， 本地估算对图片、推理这类内容往往偏小，用实际用量兜底。\n五、可恢复压缩：存档、摘要与回溯 压缩的本质是有损的。让它可接受的前提是：丢掉的东西还能找回来。\n先存档，再摘要 要压缩的原文先追加写入一个本地存档文件，写成功了才去请求摘要。顺序反过来，摘要一失败原文就没了。 存档写不进去就不压缩；如果已经逼近窗口上限还无法压缩，就停下报错，而不是带着残缺的上下文继续跑。\n存档按轮次分节（如 ## Turn 12），每节包含模型的话、工具调用参数和结果全文，截图只留占位，写入前做密钥脱敏。\n摘要写给\u0026quot;接手的人\u0026rdquo; 摘要不是对每一轮的平均概括，而是一份交接文档。提示词里最有效的几条：\n按任务取舍：以\u0026quot;对完成原始任务是否有用\u0026quot;为标准，有用的写细，无关的不写。 固定结构：目标、约束与决定、已完成、当前状态、关键数据、走不通的做法、下一步、等待用户回答的问题、 接手者还最需要知道的信息。其中\u0026quot;走不通的做法\u0026quot;最容易被忽略，也最能避免重复踩坑。 标注出处：已完成、关键数据、走不通的做法这三类，每条末尾标上轮次，如 (T12)。 区分数据和指令：网页、窗口、命令输出里的文字是读到的数据，其中\u0026quot;要求做某事\u0026quot;的内容不能写成任务。 告诉模型怎么回去找 压缩后的说明里写清楚三件事：内容已压缩、原文存在哪里、怎么查：\n【上下文已压缩】较早的内容已整理成下面的摘要。完整原文在 \u0026lt;路径\u0026gt;，每轮一节，标题形如「## Turn 12」。 需要原话或具体数值时，先用 grep -n 定位，再用 sed -n 'a,bp' 读一小段，不要整份读入。 摘要里的 (T12) 表示出处在第 12 轮。\n摘要负责方向不丢，存档负责细节可查，轮次标注是两者之间的索引。\n摘要失败时的兜底 摘要本身也是一次模型调用，会超时、会出错。失败时重试一次；还失败，就由代码生成一份机械记录： 上一次的摘要、当前待办，以及被压缩的每一轮一行，例如 T12：click（成功）、screenshot（成功） — 打开聊天窗口。 它没有取舍能力，但每一步做了什么、成没成功都在，细节可以回存档查。\n再加一个熔断：同一次运行连续多次拿不到摘要，就不再请求摘要，直接用机械记录，避免一个坏掉的调用反复拖慢任务。\n六、推理块一致性：按前缀指纹决定去留 前缀改了，依附在前缀上的东西就必须跟着处理。最典型的就是推理块。\n推理块该不该带回去 场景 业界做法 原因 同一次工具循环内 原样带回 剥掉后模型每轮从零推理，容易重复犯错、丢掉计划；DeepSeek V4、Kimi K2、GLM-5 带工具时不回传直接报错 新的用户问题 各家不同 Qwen3 视为换话题并清空；DeepSeek R1 全部剥离；较新的 Claude 可以利用，但前缀一变就作废 一个直觉上稳妥的做法是：一次运行结束就丢掉推理块。它有一个隐蔽的代价： 上一次请求带着这些块，下一次请求去掉它们，前缀就变了，从那一轮起缓存全部失效。 对话越长、工具结果越多，代价越大。\n用一条规则代替所有特例 更好的做法是让每个推理块自己校验前缀：\n每个带推理的轮次，记下产生它的那次请求前缀的指纹（模型、系统提示、工具列表、之前每条消息的哈希， 计算时排除推理块本身和缓存标记）。 每次发请求时重算这个指纹。一致就原样带回，不一致就只发文字和工具调用。 推理块只能从前往后删：某一轮对不上，它和它之前所有轮次的推理都去掉，之后的轮次照常保留。 不能删掉中间一块而保留后面的。 截图裁剪、整段压缩、历史预算截断、切换模式（系统提示或工具不同）、换模型，全部落在这一条规则下， 不需要为每种情况单独写逻辑。连续追问时推理和缓存都能接上；前缀一变，自动退化为不带推理。\n压缩与推理的冲突 \u0026ldquo;摘要 + 保留最近若干轮原文\u0026quot;这种部分压缩，保留的那几轮的推理是对着完整历史产生的，压缩后必然失效。 官方给出两条路：整段压成一条摘要、不回传任何旧推理；或者交给服务端压缩，服务端的改动不算修改前缀。\n如果用的网关不支持服务端压缩，可以接受\u0026quot;压缩那一刻丢掉保留轮次的推理\u0026rdquo;，压缩后新产生的轮次重新带上。 压缩是低频事件，在边界上丢一次推理，影响很小。\n签名只活在内存里 推理块的签名只在内存里的会话中保留，不写进数据库。持久化的只是推理的文字，用于界面展示， 不发给模型，也不计入历史预算。服务重启后恢复的会话不带推理块，因为存储时做过脱敏，内容未必和当时发出的一致。\n七、任务状态外置：待办、状态栏与错误反馈 压缩解决的是\u0026quot;装不下\u0026quot;。长任务还有另一个问题：模型会忘了自己在第几步。\n待办工具。 提供一个整份写入的待办清单工具（待办、进行中、已完成、已取消），要求多步任务先列清单、 边做边更新。清单同时进入摘要和机械记录，压缩后不会丢。 状态栏。 每隔若干轮在末尾追加一条状态：已用轮数和剩余轮数、上下文大小和压缩阈值、压缩次数和存档位置、 待办进度。它只追加，不破坏缓存；只用于当次运行，不存进会话。把这些数字预先算好放进上下文， 模型就不必每轮自己数，推理的开销也随之下降 （Distill, Don\u0026rsquo;t Retrieve）。 重复调用提醒。 同一工具以相同参数连续调用多次，直接在结果后面提醒，不等状态栏。 分层的错误信息。 工具出错时返回四层内容：出错类型、工具名和完整参数、原因、有针对性的修改建议。 参数不对就列出参数定义，工具不存在就列出可用工具，同一调用重复失败就注明\u0026quot;不要原样重试\u0026quot;。 不附调用栈：那是框架内部的代码位置，对模型修正参数没有帮助，还会暴露本机路径。 八、几个容易做错的请求参数 输出上限设为\u0026quot;正常所需的好几倍\u0026quot;，而不是模型最大值。 max_tokens 按实际输出计费，它只在模型停不下来时起作用。 设到最大值，失控一次的代价也是最大的。业内常见做法是取模型上限的一半左右，例如 Claude Code 默认 32K、最多 64K。 一律流式。 输出上限一大，非流式的长回答会让连接长时间没有数据，容易被网关的空闲超时断开。 开推理就不传 temperature。 较新的 Claude 模型开启推理后只接受默认采样参数，新版 API 对所有模型都已禁止这类参数。 九、刻意不做的事 用子 Agent 隔离探索。 操作电脑的任务前后强依赖同一个桌面状态，拆给子 Agent 会丢失状态。 它更适合检索、阅读这类可以独立完成、只需要返回结论的子任务。 叠加时间上限。 已经有轮数上限，再叠一层只会制造更多难以解释的中断。 小结 原则 做法 前缀稳定 稳定区不变、锚点区不动、增长区只追加；易变信息放进消息 批量变更 长结果进入时截一次；截图攒批裁剪；到阈值一次压够 可恢复压缩 先存档再摘要；摘要按任务取舍并标注出处；告诉模型怎么查；失败有机械记录 推理块一致性 推理块按前缀指纹决定去留，只从前往后删 模型的窗口会越来越大，推理会越来越强，但\u0026quot;前缀是一份契约\u0026quot;这件事不会变。 长程 Agent 的上下文工程，说到底就是在守这份契约。\n参考链接 Preserved thinking — Claude API 文档 How Claude Code uses prompt caching — Claude Code 文档 Harness design for long-running application development — Anthropic Engineering Lost in the Middle: How Language Models Use Long Contexts — TACL 2024 Distill, Don\u0026rsquo;t Retrieve: Inference-Time Context Distillation for LLM Agent Reasoning ReAct: Synergizing Reasoning and Acting in Language Models — ICLR 2023 ","permalink":"https://ethan6188.github.io/zh/posts/agent-long-run-context/","summary":"\u003cp\u003e一个 Agent 跑几轮和跑几百轮，是两类工程问题。几轮时，关心的是模型能不能把事做对；\n几百轮时，问题变成：上下文里还剩什么，模型还记不记得目标，每一轮要为重复输入付多少钱，\n以及它上一轮的推理还能不能接着用。\u003c/p\u003e\n\u003cp\u003e这篇文章的结论是：\u003cstrong\u003e这三个问题有同一个根源，就是请求前缀的稳定性。\u003c/strong\u003e\n围绕前缀，可以得到四条原则和一套具体的上下文结构。文中的做法来自一个操作电脑的个人助手的落地，\n但原则对任何长程工具调用 Agent 都适用。\u003c/p\u003e\n\u003ch2 id=\"degradation\"\u003e一、长程 Agent 的三种退化\u003c/h2\u003e\n\u003ctable\u003e\n  \u003cthead\u003e\n      \u003ctr\u003e\n          \u003cth\u003e退化\u003c/th\u003e\n          \u003cth\u003e表现\u003c/th\u003e\n          \u003cth\u003e直接原因\u003c/th\u003e\n      \u003c/tr\u003e\n  \u003c/thead\u003e\n  \u003ctbody\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e成本失控\u003c/td\u003e\n          \u003ctd\u003e每轮输入越来越贵，缓存命中率很低\u003c/td\u003e\n          \u003ctd\u003e前缀被反复改写，提示缓存频繁失效\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e注意力稀释\u003c/td\u003e\n          \u003ctd\u003e模型忘记目标、重复已做过的步骤\u003c/td\u003e\n          \u003ctd\u003e上下文里堆满旧内容，关键信息淹没在中间\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e推理断裂\u003c/td\u003e\n          \u003ctd\u003e模型每轮从头想，丢掉长程计划\u003c/td\u003e\n          \u003ctd\u003e推理块被删除或失效\u003c/td\u003e\n      \u003c/tr\u003e\n  \u003c/tbody\u003e\n\u003c/table\u003e\n\u003cp\u003e第二种通常被称为上下文腐烂（context rot）：窗口还没满，效果已经下降，位于中间的信息最容易被忽略\n（\u003ca href=\"https://aclanthology.org/2024.tacl-1.9/\"\u003eLost in the Middle\u003c/a\u003e）。\n它的解法是压缩，而压缩恰好要改写前缀。所以三种退化最终会交汇到一个问题上：\u003cstrong\u003e前缀什么时候能改、怎么改。\u003c/strong\u003e\u003c/p\u003e\n\u003ch2 id=\"contract\"\u003e二、为什么前缀是一份契约\u003c/h2\u003e\n\u003cp\u003e两个机制都按前缀工作：\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e提示缓存是前缀匹配。\u003c/strong\u003e 前面任何一个字节变了，后面全部按全价重算。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e推理块的签名绑定前缀。\u003c/strong\u003e 以 Claude 为例，思考块的签名记录了它产生时的系统提示、工具列表和之前每一条消息。\n前缀一改，这个块和它之后的所有块都会失效：较新的账号直接返回 400，其他情况被静默丢弃，模型只能从头推理\n（\u003ca href=\"https://platform.claude.com/docs/en/build-with-claude/preserved-thinking\"\u003ePreserved thinking\u003c/a\u003e）。\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e于是有一个容易被忽视的事实：\u003cstrong\u003e让缓存失效的改动，就是让推理失效的改动。\u003c/strong\u003e\n\u0026ldquo;只追加、不改写\u0026quot;因此不再只是性能建议，而是正确性要求。下面这些常见写法都违反了它：\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e每轮重新生成系统提示，里面带着当前时间；\u003c/li\u003e\n\u003cli\u003e任务进行中增删工具；\u003c/li\u003e\n\u003cli\u003e回头原地截断旧的工具结果；\u003c/li\u003e\n\u003cli\u003e插入一条临时提醒，下一轮再删掉。\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e把前缀看成一份契约，设计就有了四条原则：\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e\u003cstrong\u003e前缀稳定\u003c/strong\u003e：能不改就不改，只在末尾追加。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e批量变更\u003c/strong\u003e：必须改时集中成批地改，减少缓存失效的次数。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e可恢复压缩\u003c/strong\u003e：改动造成的信息损失，要能从存档找回。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e推理块一致性\u003c/strong\u003e：前缀变了，依附在它上面的推理块要随之处理。\u003c/li\u003e\n\u003c/ol\u003e\n\u003ch2 id=\"principle-1\"\u003e三、前缀稳定：分区布局与只追加\u003c/h2\u003e\n\u003cp\u003e把上下文分成三个区，各自只允许一种变化：\u003c/p\u003e\n\u003ctable\u003e\n  \u003cthead\u003e\n      \u003ctr\u003e\n          \u003cth\u003e区\u003c/th\u003e\n          \u003cth\u003e内容\u003c/th\u003e\n          \u003cth\u003e允许的变化\u003c/th\u003e\n      \u003c/tr\u003e\n  \u003c/thead\u003e\n  \u003ctbody\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e稳定区\u003c/td\u003e\n          \u003ctd\u003e系统提示、工具定义\u003c/td\u003e\n          \u003ctd\u003e整个任务不变\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e锚点区\u003c/td\u003e\n          \u003ctd\u003e用户的原始任务，逐字保留\u003c/td\u003e\n          \u003ctd\u003e永不改动，压缩也不动\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e增长区\u003c/td\u003e\n          \u003ctd\u003e模型回复、工具调用和结果、周期性状态\u003c/td\u003e\n          \u003ctd\u003e只在末尾追加\u003c/td\u003e\n      \u003c/tr\u003e\n  \u003c/tbody\u003e\n\u003c/table\u003e\n\u003cp\u003e几个落地细节：\u003c/p\u003e","title":"前缀即契约：长程 Agent 的上下文工程"},{"content":"接手一个陌生代码库时，大多数人的第一反应是打开源码目录开始翻文件。Ally Piechowski 在 The Git Commands I Run Before Reading Any Code 里给出了另一条路：先别读代码，先读 git 历史。提交记录里藏着代码质量、团队健康度和项目风险的大量信号， 五条命令就能把它们挖出来。本文是这篇文章的摘要笔记。\n1. 变更热点：哪些文件被改得最多 git log --format=format: --name-only --since=\u0026#34;1 year ago\u0026#34; \\ | sort | uniq -c | sort -nr | head -20 列出过去一年改动次数最多的 20 个文件。高频变更本身不一定是坏事，但高变更 + 低所有权的文件 是典型的风险区：改动零碎、难以预测，还会悄悄拖垮团队的排期估算。作者引用了微软研究院 2005 年的 一项研究：按组件规模归一化后的「相对 churn」，比绝对改动次数更能预测缺陷密度。\n2. Bus Factor：项目压在几个人身上 git shortlog -sn --no-merges 按提交量给贡献者排序。如果一个人占了 60% 以上的提交，这就是一个关键依赖风险——尤其当这个人 已经半年没出现在提交记录里。作者建议顺手确认一下：历史上的头部贡献者，最近是否还活跃。\n注意：squash merge 工作流会掩盖真实作者——统计反映的是「谁合并的」，不是「谁写的」。\n3. Bug 聚集：哪些文件反复出问题 git log -i -E --grep=\u0026#34;fix|bug|broken\u0026#34; --name-only --format=\u0026#39;\u0026#39; \\ | sort | uniq -c | sort -nr | head -20 找出提交信息里带 fix / bug / broken 的文件。把这份榜单和第 1 条的 churn 榜单对照着看， 交集就是风险最高的代码：反复出 bug、却从未被认真重构的文件。\n注意：这条命令的可信度取决于团队写提交信息的纪律。\n4. 项目节奏：动量是在涨还是在跌 git log --format=\u0026#39;%ad\u0026#39; --date=format:\u0026#39;%Y-%m\u0026#39; | sort | uniq -c 按月份统计整个仓库历史的提交量。平稳的节奏说明项目健康；断崖式下跌往往对应人员流失； 持续下滑说明动量在流失；周期性的尖峰则暗示是攒一批再发布，而非持续交付。 作者提到一个案例：某位 CTO 一直没把提交速度的下滑，和资深工程师离职的时间点联系起来—— 这些图形反映的其实是组织层面的动态。\n5. 救火频率：团队信不信自己的发布流程 git log --oneline --since=\u0026#34;1 year ago\u0026#34; \\ | grep -iE \u0026#39;revert|hotfix|emergency|rollback\u0026#39; 数一数 revert 和 hotfix。偶尔出现很正常，但频繁的紧急提交说明团队不信任自己的部署流程—— 背后通常是测试不可靠、缺少 staging 环境，或者回滚很痛苦。\n注意：结果为零有两种解释——要么真的稳定，要么只是提交信息没写清楚，需要结合上下文判断。\n小结 这五条命令的共同点是：都不看一行源码，却能回答「这个项目的雷区在哪」「关键知识在谁脑子里」 「团队现在的状态怎么样」。花五分钟跑一遍，再决定从哪里开始读代码，往往比直接扎进 src/ 目录高效得多。原文还有更多展开，推荐阅读 原文。\n","permalink":"https://ethan6188.github.io/zh/posts/git-log-before-reading-code/","summary":"\u003cp\u003e接手一个陌生代码库时，大多数人的第一反应是打开源码目录开始翻文件。Ally Piechowski 在\n\u003ca href=\"https://piechowski.io/post/git-commands-before-reading-code/\"\u003eThe Git Commands I Run Before Reading Any Code\u003c/a\u003e\n里给出了另一条路：\u003cstrong\u003e先别读代码，先读 git 历史\u003c/strong\u003e。提交记录里藏着代码质量、团队健康度和项目风险的大量信号，\n五条命令就能把它们挖出来。本文是这篇文章的摘要笔记。\u003c/p\u003e\n\u003ch2 id=\"1-变更热点哪些文件被改得最多\"\u003e1. 变更热点：哪些文件被改得最多\u003c/h2\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"background-color:#f7f7f7;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-bash\" data-lang=\"bash\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003egit log --format\u003cspan style=\"color:#0550ae\"\u003e=\u003c/span\u003eformat: --name-only --since\u003cspan style=\"color:#0550ae\"\u003e=\u003c/span\u003e\u003cspan style=\"color:#0a3069\"\u003e\u0026#34;1 year ago\u0026#34;\u003c/span\u003e \u003cspan style=\"color:#0a3069\"\u003e\\\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  \u003cspan style=\"color:#1f2328\"\u003e|\u003c/span\u003e sort \u003cspan style=\"color:#1f2328\"\u003e|\u003c/span\u003e uniq -c \u003cspan style=\"color:#1f2328\"\u003e|\u003c/span\u003e sort -nr \u003cspan style=\"color:#1f2328\"\u003e|\u003c/span\u003e head -20\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e列出过去一年改动次数最多的 20 个文件。高频变更本身不一定是坏事，但\u003cstrong\u003e高变更 + 低所有权\u003c/strong\u003e的文件\n是典型的风险区：改动零碎、难以预测，还会悄悄拖垮团队的排期估算。作者引用了微软研究院 2005 年的\n一项研究：按组件规模归一化后的「相对 churn」，比绝对改动次数更能预测缺陷密度。\u003c/p\u003e\n\u003ch2 id=\"2-bus-factor项目压在几个人身上\"\u003e2. Bus Factor：项目压在几个人身上\u003c/h2\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"background-color:#f7f7f7;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-bash\" data-lang=\"bash\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003egit shortlog -sn --no-merges\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e按提交量给贡献者排序。如果一个人占了 60% 以上的提交，这就是一个关键依赖风险——尤其当这个人\n已经半年没出现在提交记录里。作者建议顺手确认一下：历史上的头部贡献者，最近是否还活跃。\u003c/p\u003e\n\u003cp\u003e\u003cstrong\u003e注意\u003c/strong\u003e：squash merge 工作流会掩盖真实作者——统计反映的是「谁合并的」，不是「谁写的」。\u003c/p\u003e\n\u003ch2 id=\"3-bug-聚集哪些文件反复出问题\"\u003e3. Bug 聚集：哪些文件反复出问题\u003c/h2\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"background-color:#f7f7f7;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-bash\" data-lang=\"bash\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003egit log -i -E --grep\u003cspan style=\"color:#0550ae\"\u003e=\u003c/span\u003e\u003cspan style=\"color:#0a3069\"\u003e\u0026#34;fix|bug|broken\u0026#34;\u003c/span\u003e --name-only --format\u003cspan style=\"color:#0550ae\"\u003e=\u003c/span\u003e\u003cspan style=\"color:#0a3069\"\u003e\u0026#39;\u0026#39;\u003c/span\u003e \u003cspan style=\"color:#0a3069\"\u003e\\\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  \u003cspan style=\"color:#1f2328\"\u003e|\u003c/span\u003e sort \u003cspan style=\"color:#1f2328\"\u003e|\u003c/span\u003e uniq -c \u003cspan style=\"color:#1f2328\"\u003e|\u003c/span\u003e sort -nr \u003cspan style=\"color:#1f2328\"\u003e|\u003c/span\u003e head -20\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e找出提交信息里带 fix / bug / broken 的文件。把这份榜单和第 1 条的 churn 榜单对照着看，\n交集就是风险最高的代码：\u003cstrong\u003e反复出 bug、却从未被认真重构的文件\u003c/strong\u003e。\u003c/p\u003e","title":"读代码之前，先读 Git 历史：五条命令给项目做体检"},{"content":"过去一年，「agent」这个词已经被用滥了。但真正决定一个 agent 好不好用的，往往不是模型本身， 而是包在模型外面的那一层东西——harness。LangChain 在 The Anatomy of an Agent Harness 里给了一个很干净的定义：\nAgent = Model + Harness。Harness 是「除模型之外的所有代码、配置与执行逻辑」。\n模型决定上限，harness 决定你日常摸到的下限：上下文怎么管、记忆放哪、工具怎么给、 权限怎么收、循环由谁驱动。这篇文章拆四个有代表性的 harness，看它们对同一组问题给出的不同答案。\n四位选手 定位 出品方 驱动方式 记忆载体 Claude Code 交互式编码 agent Anthropic 人驱动的终端会话 CLAUDE.md / AGENTS.md + 记忆目录 OpenClaw 自托管个人助理 Peter Steinberger（社区） 消息网关 + 心跳定时器 磁盘上的 Markdown 文件 Hermes 常驻自治 agent Nous Research 多渠道网关 + cron 后台 三层记忆（SQLite + Markdown） DeepAgents 开发者用的 harness SDK LangChain 开发者定义的图运行时 可插拔虚拟文件系统 简单交代下背景：\nClaude Code 是 Anthropic 的终端编码 agent，也是「harness 与模型联合演化」路线的代表—— LangChain 那篇文章特别指出，Claude Code 和 Codex 的模型后训练是带着 harness 一起做的。 OpenClaw 是 Peter Steinberger 在 2025 年底发布的自托管个人助理（前身叫 Clawdbot，短暂改名 Moltbot 后定名 OpenClaw），几个月内成为增长最快的开源 agent 项目之一；Steinberger 本人已于 2026 年 2 月加入 OpenAI。 Hermes 是 Nous Research 的开源 agent，把「Harness Engineering」这个概念直接产品化， 主打自我改进与 7×24 后台运行。 DeepAgents 是 LangChain 的「电池全含」harness（langchain-ai/deepagents）， 不是给最终用户的产品，而是给开发者构建自己 agent 的底座，跑在 LangGraph 运行时上。 四者面向的场景完全不同，但要回答的是同一组设计问题。下面逐个维度看。\n维度一：谁在驱动循环 这是四个 harness 分歧最大的地方。\nClaude Code：人握着方向盘。 核心是一个 REPL 式会话——你说一句，它跑一轮 （读代码、改文件、跑测试），回来找你。Plan mode、权限确认、hooks 都是围绕 「人随时在环上」设计的。它可以后台跑子任务，但会话的节奏由人定。\nOpenClaw：网关 + 心跳。 一个常驻 Gateway 守护进程（默认监听 127.0.0.1:18789） 通过 WebSocket 统一接管所有消息渠道——WhatsApp、Telegram、Slack、Discord、Signal、iMessage。 消息进来，路由给 agent 循环处理。更有意思的是 heartbeat：默认每 30 分钟定时唤醒 agent， 读一遍 HEARTBEAT.md 里的任务清单，看有什么该主动做的。人不在场，agent 也在转。\nHermes：默认常驻后台。 同样是多渠道网关（Telegram、Discord、Slack、WhatsApp、Signal、 iMessage、微信、CLI 等 12+ 入口），但设计重心是 7×24 自治运行——官方推荐的部署方式之一就是 5 美元的 VPS，内存占用不到 500MB。cron 调度加上任务完成后自动触发的学习环（下文细说）， 它比 OpenClaw 更进一步：不只是「人不在也在转」，而是「转的过程中还在自我修改」。\nDeepAgents：循环是你写的图。 作为 SDK，它不预设谁驱动循环——开发者用 LangGraph 定义图结构，运行时提供持久执行（durable execution）、流式输出和人工中断点。 循环的形状本身就是产品设计的一部分。\n工程上这条维度可以翻译成一个问题：你的 agent 的「时钟」是什么？ 是人的下一句话 （Claude Code），是外部消息（OpenClaw/Hermes 的网关），是定时器（heartbeat/cron）， 还是图运行时的状态机（DeepAgents）。先想清楚时钟，再谈其他。\n维度二：上下文工程 四家面对同一个敌人：context rot——上下文窗口塞满之后，模型性能劣化。解法惊人地趋同， 细节各有取舍。\nClaude Code：自动 compaction（窗口快满时总结压缩）、工具输出落盘、子代理隔离上下文， 以及 Skills 的渐进披露——技能只把名字和描述注入系统提示，用到时才读全文。 OpenClaw：同样的渐进披露做得很典型——上下文组装阶段只注入技能的名称、描述和文件路径， 模型判断相关后按需读取 SKILL.md。数万个社区技能也不会撑爆上下文。 Hermes：把「按需检索」推到记忆层——新会话不加载历史，而是用 SQLite FTS5 全文检索 只拉相关片段。用了几个月之后，启动延迟也不随历史膨胀。 DeepAgents：虚拟文件系统作为 offload 目标（中间结果写文件而不是留在上下文里）， 加上内置 summarization 和 prompt caching。 共识已经形成：上下文是稀缺资源，一切能落盘的都落盘，一切能延迟加载的都延迟加载。 差别只在「落到哪」（文件 / SQLite / 可插拔 backend）和「谁决定加载」（模型自己读 vs 检索器推送）。\n维度三：记忆放哪 Claude Code：CLAUDE.md / AGENTS.md 承载项目约定，外加自动维护的记忆目录。 哲学是「记忆是给模型看的文档」。 OpenClaw：最极端也最迷人——agent 就是磁盘上的一堆文件。SOUL.md 定义人格， MEMORY.md 存长期记忆，HEARTBEAT.md 是任务表。想改 agent 的行为？改文件就行。 想审计它知道什么？打开文件夹看。没有数据库，没有隐藏状态。 Hermes：结构最讲究，按认知科学分了三层——情景记忆（会话历史，SQLite + FTS5， 回答「发生过什么」）、语义记忆（偏好与习惯的蒸馏态，回答「你是谁」）、 程序记忆（~/.hermes/skills/ 下的 Markdown，回答「这事怎么做」）， 另有可选的 Honcho 模块做用户建模。 DeepAgents：不站队，给你可插拔 backend——内存态、本地磁盘、LangGraph store， 或者按路径组合路由，带读写权限规则。 值得注意的是收敛点：Markdown 文件成了 agent 记忆的通用货币。 连结构最工程化的 Hermes，程序记忆也是 Markdown；连最面向开发者的 DeepAgents，也把文件系统当一等公民。 原因不难理解——人能读、能审、能 diff、能进 git。这对下文的安全维度非常重要。\n维度四：技能与自我改进 SKILL.md 正在成为跨 harness 的事实标准（agentskills.io 开放标准）， 四家都支持，但「技能从哪来」分成了两派：\n人写/社区装： Claude Code 的技能靠手工编写或生态安装；OpenClaw 有 ClawHub， 社区技能数以万计，装技能像装 npm 包。\nAgent 自己长： Hermes 的招牌是五段学习环，每次任务完成后自动跑： 筛选记忆 → 提炼新技能 → 修正误触发的旧技能 → FTS5 建立可检索索引 → 更新用户模型。 官方手册的说法是：「到第十次时，它已经知道你偏好 httpx 而不是 requests」—— 不用教，它自己总结。\n自我改进听起来很美，但 Hermes 自己的文档也承认其中的张力：\n如果你打算每天 review 它的自我改进，那和手工维护 Skills 有什么区别？\nHermes 的默认答案是「改进时不在环上，产出时在环上」（out of the loop for improvements, on the loop for outputs）。对反馈信号清晰的场景（代码能跑、任务能验收）这是个合理赌注； 对你自己都判断不了对错的模糊领域，自我改进可能把系统性错误越滚越大。\n维度五：子代理编排 Claude Code：Task 工具派生子代理，各自拿干净上下文，跑完交回一份报告。 子代理类型可定制（探索、规划、审查……）。 DeepAgents：内置 task 工具，机制几乎同构——fresh context + 自主执行 + 单次交付， 子代理不与主代理来回聊天，只交最终结果。这是控制上下文污染的关键设计。 Hermes：delegate_task 派生子代理，但有个刻意的设计约束：并发硬上限 3 个。 在「自治 agent 可能失控膨胀」这件事上，Hermes 选择了物理限速。 OpenClaw：编排相对弱，重心在渠道与主动性而非并行分解。多设备「节点」 （macOS/iOS/Android）连接网关提供能力，更像分布式的手和眼，而不是分布式的脑。 维度六：权限、沙箱与安全边界 这个维度上四家的姿态差异，直接反映了各自的用户画像。\nClaude Code：权限模式（每次确认 / 自动接受编辑 / 计划模式）+ hooks 拦截 + 沙箱化的命令执行。默认假设你在重要的代码库上工作，宁可多问。 Hermes：40+ 内置工具全部走显式白名单，沙箱执行，工具集 opt-in。 记忆是可检查的 SQLite，技能是可 diff 的 Markdown——「技术上可回滚」是明确设计目标。 DeepAgents：human-in-the-loop 中断点、文件系统 backend 的读写权限规则、可选沙箱。 把安全策略的决定权交给开发者。 OpenClaw：网关层有配对信任模型（新设备需审批、签发 device token、仅本机回环可自动通过）， 但作为拿到你 WhatsApp、邮箱、日历的个人助理，它的攻击面天然巨大。2026 年已有安全研究者 以 OpenClaw 为案例系统分析自治 agent 的威胁面。 「文件即 agent」的透明性在这里帮了大忙——至少你能看清它被改成了什么样。 一个值得记住的原则：agent 的能力半径应该和你的审计能力半径匹配。 四家里透明度最高的方案（纯文件）恰恰来自能力半径最大的产品（个人助理），这不是巧合。\n维度七：模型耦合，还是模型无关 最后一条维度关乎战略。\nClaude Code 是紧耦合路线：harness 参与模型后训练，模型「见过」自己的工具和提示结构。 好处是开箱即用的默契——同样的模型在别的 harness 里往往发挥不出同等水平。\n另外三家全是模型无关路线：Hermes 支持 OpenRouter 的 200+ 模型、直连 API、 本地 Ollama（隐私优先方案），DeepAgents 接任何 LangChain 支持的模型，OpenClaw 同样可换后端。 代价是拿不到「联合训练」的红利，需要用 harness 工程弥补。\n而 harness 工程确实能弥补相当多——LangChain 给出的证据是：deepagents 在 Terminal Bench 2.0 上从 Top 30 冲进 Top 5，只改了 harness，没换模型。 这大概是「harness 独立价值」最硬的一个数据点。\n顺带一提，模型无关路线也有生态风险：据 Hermes 社区文档记载，2026 年 4 月起 Anthropic 限制了第三方工具使用 Claude 订阅账号，第三方 harness 只能走按量付费 API—— 耦合与开放之争，商业层面已经先打起来了。\n工程实践：怎么选，怎么落地 如果你是在选一个用：\n主业是写代码，要模型与工具的最深协同 → Claude Code。 想要一个活在聊天软件里的助理，愿意自己托管、看重可审计 → OpenClaw。 想要常驻后台、越用越懂你的自治 agent，且你的场景有清晰的对错反馈 → Hermes。 在给自己的产品造 agent，需要掌控循环、状态和部署 → DeepAgents。 如果你是在自己设计 harness，四家的公约数就是现成的检查清单：\n先定时钟：人、消息、定时器还是状态机驱动？这决定后面所有设计。 上下文当稀缺资源管：落盘 + 渐进披露 + 子代理隔离，三板斧先备齐。 记忆用 Markdown 打底：能读、能 diff、能审计，别急着上数据库。 子代理只交报告不闲聊：fresh context + 单次交付是防上下文污染的最佳实践。 权限白名单起步，能力半径跟着审计能力走。 别迷信自我改进：没有清晰反馈信号的领域，自动学习环是错误放大器。 收敛与分歧 把四个 harness 摆在一起，收敛的部分多得惊人：Markdown 指令文件、文件系统作外部记忆、 MCP 接工具、SKILL.md 渐进披露、子代理隔离上下文——殊途同归，这些大概率就是 agent 基础设施的「标准件」了。\n真正的分歧只剩一个，而且是哲学层面的。Steinberger 在访谈里反复讲：早期 harness 复杂， 是因为模型弱、需要搀扶；模型每强一代，harness 就该薄一层——他的终局里 harness 趋近于消失。LangChain 的赌注恰恰相反：模型会继续换代，但harness 是沉淀工程价值的持久层， Terminal Bench 上那个 Top 30 → Top 5 就是宣言。\n一边说脚手架终将拆掉，一边说脚手架就是建筑本身。未来两年 agent 基础设施最重要的走向， 大概就藏在这两句话的胜负里。\n参考链接 The Anatomy of an Agent Harness — LangChain Blog langchain-ai/deepagents — GitHub / Deep Agents overview — LangChain Docs Gateway architecture — OpenClaw Docs OpenClaw Explained: Architecture \u0026amp; Alternatives — Turing Post Inside OpenClaw: How a Persistent AI Agent Actually Works — DEV Hermes Agent v0.9 Review: Nous Research Setup, Best Models, Harness Who is OpenClaw creator Peter Steinberger? — Fortune Uncovering Security Threats in Autonomous Agents: A Case Study of OpenClaw — arXiv Claude Code 官方文档 ","permalink":"https://ethan6188.github.io/zh/posts/agent-harness-comparison/","summary":"\u003cp\u003e过去一年，「agent」这个词已经被用滥了。但真正决定一个 agent 好不好用的，往往不是模型本身，\n而是包在模型外面的那一层东西——\u003cstrong\u003eharness\u003c/strong\u003e。LangChain 在\n\u003ca href=\"https://www.langchain.com/blog/the-anatomy-of-an-agent-harness\"\u003eThe Anatomy of an Agent Harness\u003c/a\u003e\n里给了一个很干净的定义：\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eAgent = Model + Harness。Harness 是「除模型之外的所有代码、配置与执行逻辑」。\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003e模型决定上限，harness 决定你日常摸到的下限：上下文怎么管、记忆放哪、工具怎么给、\n权限怎么收、循环由谁驱动。这篇文章拆四个有代表性的 harness，看它们对同一组问题给出的不同答案。\u003c/p\u003e\n\u003ch2 id=\"四位选手\"\u003e四位选手\u003c/h2\u003e\n\u003ctable\u003e\n  \u003cthead\u003e\n      \u003ctr\u003e\n          \u003cth\u003e\u003c/th\u003e\n          \u003cth\u003e定位\u003c/th\u003e\n          \u003cth\u003e出品方\u003c/th\u003e\n          \u003cth\u003e驱动方式\u003c/th\u003e\n          \u003cth\u003e记忆载体\u003c/th\u003e\n      \u003c/tr\u003e\n  \u003c/thead\u003e\n  \u003ctbody\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eClaude Code\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003e交互式编码 agent\u003c/td\u003e\n          \u003ctd\u003eAnthropic\u003c/td\u003e\n          \u003ctd\u003e人驱动的终端会话\u003c/td\u003e\n          \u003ctd\u003eCLAUDE.md / AGENTS.md + 记忆目录\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eOpenClaw\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003e自托管个人助理\u003c/td\u003e\n          \u003ctd\u003ePeter Steinberger（社区）\u003c/td\u003e\n          \u003ctd\u003e消息网关 + 心跳定时器\u003c/td\u003e\n          \u003ctd\u003e磁盘上的 Markdown 文件\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eHermes\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003e常驻自治 agent\u003c/td\u003e\n          \u003ctd\u003eNous Research\u003c/td\u003e\n          \u003ctd\u003e多渠道网关 + cron 后台\u003c/td\u003e\n          \u003ctd\u003e三层记忆（SQLite + Markdown）\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eDeepAgents\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003e开发者用的 harness SDK\u003c/td\u003e\n          \u003ctd\u003eLangChain\u003c/td\u003e\n          \u003ctd\u003e开发者定义的图运行时\u003c/td\u003e\n          \u003ctd\u003e可插拔虚拟文件系统\u003c/td\u003e\n      \u003c/tr\u003e\n  \u003c/tbody\u003e\n\u003c/table\u003e\n\u003cp\u003e简单交代下背景：\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eClaude Code\u003c/strong\u003e 是 Anthropic 的终端编码 agent，也是「harness 与模型联合演化」路线的代表——\nLangChain 那篇文章特别指出，Claude Code 和 Codex 的模型后训练是\u003cstrong\u003e带着 harness 一起做的\u003c/strong\u003e。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eOpenClaw\u003c/strong\u003e 是 Peter Steinberger 在 2025 年底发布的自托管个人助理（前身叫 Clawdbot，短暂改名\nMoltbot 后定名 OpenClaw），几个月内成为增长最快的开源 agent 项目之一；Steinberger 本人已于\n2026 年 2 月\u003ca href=\"https://fortune.com/2026/02/19/openclaw-who-is-peter-steinberger-openai-sam-altman-anthropic-moltbook/\"\u003e加入 OpenAI\u003c/a\u003e。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eHermes\u003c/strong\u003e 是 Nous Research 的开源 agent，把「Harness Engineering」这个概念直接产品化，\n主打自我改进与 7×24 后台运行。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eDeepAgents\u003c/strong\u003e 是 LangChain 的「电池全含」harness（\u003ca href=\"https://github.com/langchain-ai/deepagents\"\u003elangchain-ai/deepagents\u003c/a\u003e），\n不是给最终用户的产品，而是给开发者构建自己 agent 的底座，跑在 LangGraph 运行时上。\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e四者面向的场景完全不同，但要回答的是同一组设计问题。下面逐个维度看。\u003c/p\u003e","title":"Claude Code、OpenClaw、Hermes、DeepAgents：四种 Agent Harness 的设计对比"},{"content":"为什么开这个博客 很多想法散落在各种 Slack、笔记、聊天窗口里，时间一长什么都没留下来。开个博客， 强迫自己把问题想清楚再写出来。\n这里会写什么 工程实践：工作里踩过的坑、调优过程、排查故事 系统设计：大数据 / 分布式 / 平台侧的架构思考 工具与效率：让自己开发体验更好的小工具与自动化 读书与思考：不完全是技术的内容 技术栈 这个博客用 Hugo 构建，主题是 PaperMod， 源码和文章都在 GitHub 仓库里，推到 main 分支后 GitHub Actions 会自动构建并部署到 GitHub Pages。\ngit add . git commit -m \u0026#34;post: new article\u0026#34; git push 就这样，几十秒后就能在 https://ethan6188.github.io 上看到更新。\n下一篇 还没想好。先让这里运转起来，再慢慢填内容。\n","permalink":"https://ethan6188.github.io/zh/posts/hello-world/","summary":"\u003ch2 id=\"为什么开这个博客\"\u003e为什么开这个博客\u003c/h2\u003e\n\u003cp\u003e很多想法散落在各种 Slack、笔记、聊天窗口里，时间一长什么都没留下来。开个博客，\n强迫自己把问题想清楚再写出来。\u003c/p\u003e\n\u003ch2 id=\"这里会写什么\"\u003e这里会写什么\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e工程实践\u003c/strong\u003e：工作里踩过的坑、调优过程、排查故事\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e系统设计\u003c/strong\u003e：大数据 / 分布式 / 平台侧的架构思考\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e工具与效率\u003c/strong\u003e：让自己开发体验更好的小工具与自动化\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e读书与思考\u003c/strong\u003e：不完全是技术的内容\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"技术栈\"\u003e技术栈\u003c/h2\u003e\n\u003cp\u003e这个博客用 \u003ca href=\"https://gohugo.io/\"\u003eHugo\u003c/a\u003e 构建，主题是\n\u003ca href=\"https://github.com/adityatelange/hugo-PaperMod\"\u003ePaperMod\u003c/a\u003e，\n源码和文章都在 GitHub 仓库里，推到 \u003ccode\u003emain\u003c/code\u003e 分支后 GitHub Actions 会自动构建并部署到 GitHub Pages。\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"background-color:#f7f7f7;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-bash\" data-lang=\"bash\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003egit add .\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003egit commit -m \u003cspan style=\"color:#0a3069\"\u003e\u0026#34;post: new article\u0026#34;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003egit push\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e就这样，几十秒后就能在 \u003ca href=\"https://ethan6188.github.io\"\u003ehttps://ethan6188.github.io\u003c/a\u003e 上看到更新。\u003c/p\u003e\n\u003ch2 id=\"下一篇\"\u003e下一篇\u003c/h2\u003e\n\u003cp\u003e还没想好。先让这里运转起来，再慢慢填内容。\u003c/p\u003e","title":"Hello World：博客上线啦"}]