网络背后的实验室

Anthropic 刚公开了楼里的 Agent 怎么干活，上千人带着 Agent。我们这家公司只有一个人，Agent 自己验收、自己修、自己管自己。开门，看看里面长什么样。

承认书里写了的参数，AI 大多能改进图纸；图形重绘和承认书之外的内容，要工程师来定。这是一家电子元器件制造企业的 6 组真实规格书、773 个字段逐项比对出来的结果。

ERP 接入 AI，第一步是选一份每周要人工导表的清单，只读数据、人来确认。讲清取数、对账、缺数据怎么处理，以及何时才写回。

Agent harness 是模型之外，让长时间运行的 agent 工作能交接、能验收、能恢复的那一层。本文讲它管哪些事，与 agent framework、模型 API 的边界，以及中文现有的几种叫法。

企业AI落地失败原因按选题、数据、接入、验收四个环节拆开：每一环有哪些可判断的信号，我们在企业项目里怎么处理。

企业AI落地多少钱，取决于数据整理、系统对接、写回、验收和交付后维护五块工作量。逐项讲清为什么花钱、怎样估，以及立项前怎样算预算。

从夜海上空的网络推到一个光点、它召回的 32 个候选、一条事件、写它的程序，直到纸。

一把互斥锁让两个进程的写入按提交顺序一条接一条，账本里每条记录的写入者标识相同、间隔相同，至今看不出是两个写入者。

到 10 月 6 日，一道检查留下了 332 条“通过”，其中真正判断过的，我们推断最多 4 条。没有判断的“通过”和判断后的“通过”，在账本的结果字段上一模一样。

五篇里没有一条证据是假的。每条证据都正确回答了某个问题，错在做判断的 agent 拿它去回答了另一个问题。

文章里碰到不熟悉的内部概念，在这里查。词条按主题分组，每条一到三句，只写文章里已经写过的内容；文章写得含糊的地方，这里同样含糊。

系统里 6 月就写好了同一任务最多自动重派 3 次的上限。这个任务的重试计数记到了 8，上限一次也没有生效：据代码阅读，它不在当时实际运行的那条派发路径上。

在我们的记录里，含 advisor 调用的请求，顶层用量约为真实上下文的 2 倍，而在 9 月 14 日的 194 次压缩里，记下的“压缩前大小”基本等于这个数字；Claude Code 2.1.273 的更新说明证实，那之前的客户端把含 advisor 的回合按约两倍的上下文大小计算。调低压缩阈值后，一天 452 次自动压缩里有 194 次发生在真实上下文只有记录值一半的时候。

评审子 agent 判断这条记录不该写，把理由写进了最终报告。报告写出前 6.7 秒，派出它的协调 agent 已经用它磁盘上的结果文件发出了写入命令。

能力已经存在却无法可靠调用，局部任务完成却没有保住最初目标，教训被记录却没有改变下一步，过程代价未进入汇报，引文准确却支持了错误归因。首期五篇沿真实案例与独立复核，讨论持续协作需要保留哪些关系，以及下一步应怎样验证。

一次 Agent 任务如实报告了独立复查故障，却漏掉同一会话近两小时的中断。我们沿运行记录和独立复核还原两条路径，区分看不见、未进入报告，以及说出不确定却不改变判断三种监督缺口，讨论怎样让过程事实成为可检查、可处置的反馈。

协调者三天五次认出“干完不交卷”，却没有修改下一批 Agent 的派发说明。另一条工作线里，教训已经进入共享日志、被后来者读到，重复派发仍未停止。我们沿真实案例追问：经验存在哪里，谁会在行动前遇到它，谁能据此改变下一步，以及怎样验证改变真的发生。

一条采访系统改造线拆出32个任务，29个记录成功，但“让历史问题改变下一次采访”的要求没有得到完整承接。我们沿需求、设计、工程和任务回查，发现局部定义可以完整保留，真正产生效果的生成、消费与持续使用关系却会逐步丢失。文章说明这些交接为何各自合理、全局主线需要保存什么，以及怎样检验任务成功是否真的通向最初的结果。

一次 Flowness 历史调查中，十四处证据抽验都能对上，核心归因却被接收方记录推翻：子会话写完了报告，主会话并没有收到。本文沿原分析与独立复核，解释启动模式、工具权限与派发说明怎样错配，以及为什么引文准确、计时准确，都不能替尚未核实的因果关系担保。

命令已经实现，仓库已经接入，后台服务也在运行，为什么具体检查仍没有生效？一次能力调查让我们发现，多 Agent 系统缺少的常常是实现、角色入口、部署版本与运行证据之间可核对的关系。

个人 agent 一条命令接入，网络在陌生人里找合作。500 位虚构居民，200 个真实名额。

Towow-ai/totype，仓库建立。

从需求简报到任务包、上下文胶囊与提交信封，Flowness 把一项工作的依据、权限和结果连成可追溯的交接链，也让复查能够按原因退回负责层。

当完成声明藏在通用事件包装中，写入许可与消费含义可能错位。Flowness 的一次修正把禁止包装的规则放进两条写路共用的校验边界，并以逻辑读视图保留合法历史事件，再用 AST 守卫约束生产者与消费者的演化。

2026 年 6 月的一次自开发任务发现：胶囊内核和语义检查已经实现，生产会话却仍使用占位引用。任务接通工作会话的启动与完成，以及规划、共识的会话起点，再用范围内接受、范围外拒绝的正反控制验收。

把需要多天推进的工作交给系统，先保存需求、边界和完成条件，再安排会话换手、暂停范围和收货检查。任务继续、会话存活与验收合格，是三种不同状态。

企业的方法可以从一个真实项目开始生长：按需求接入必要流程，交付业务成果，同时留下设计判断与检查依据。共享技能与运行时工具逐步更新，项目事实和定制保留；下一项目检验这些方法是否仍然适用。

一批信号可以重读，却不能重复加到累计值里。沿着丢信号与重复计数两个故障窗口，推导游标、计数和字节水位的写入顺序。

把修复经验变成可执行约束，还需要证明约束实际运行在将要合入的代码上。一次通过数足够却漏掉守卫的反例，推动了逐目标审计、合并后树验证和关口负对照。

Towow-ai/jpp，仓库建立。独立源码，Rust 运行时。案例在 jpp.towow.net。

发现引擎中的问答调度：用决策收益与提问成本，选择下一问或停止追问。

发现引擎的 shrink_ring 操作：按两段流量的较小值生成直接边。

从各路名次计算共同排序，并区分候选覆盖与前十名排序质量。

异构编码器之间的候选匹配：将原始坐标转换为相对共同参照的相似度。

方案生成后的多样性检查：比较角色、交付关系和阶段，而非标题与措辞。

按资源来源汇总分配量，检查单项承诺有无支撑，以及总量是否超配。

合作发现中的文本检索基线：词语稀有度、重复饱和与长度调整如何共同决定排名。

从状态与动作模型中找出可执行步骤，并区分预算内不可达与信息不足。

结合剩余额度、消耗速度与重置时间，计算还能承受多少并发，并为正在运行的工作留出缓冲。

先检查关键问题是否闭合，再看信息质量，输出足够、有条件足够或仍需补充的建议。

租约到期允许新的执行者接手，存储端再核对世代号，阻止旧身份继续写入受保护的账本。

把新事件补进索引，只在查询命中时展开记录。日志越写越长，按任务查事件仍然不必重读整本。

先检查前置工作是否完成，再在可运行任务中安排优先级，避免并发数量增加了，项目仍卡在同一条链上。

Flowness 的上下文工作集按执行、修复、审阅和规划的角色组织材料，分别记录原文交付与审计投影，避免把一份短材料误认成完整依据。

为自动恢复设置独立次数预算，耗尽后持久记录停止状态，把任务交给需要改变条件的处理过程。

同一机器再次报告同一问题时，Flowness 查找仍开放的告警，记录复发；问题不同、原告警已经结束，就重新提出。

Flowness 的 Work 设计，把接手所需的目标、依据与剩余动作，组织成可以重新查询的当前状态。

Matrix 的互联方式和资金来源，说明开放网络需要分别安排公共维护与具体服务的收入。

帮助一个人找到下一步，有时先要给他一次修改问题的机会。

公共参照让不同系统可以比较，也决定了哪些差别容易被表达。一个二维例子，说明参照选择为什么值得认真对待。

一个子项认错了任务，整批结果却已被记为成功。这次故障修的是提交顺序。

Mike Perham 的早期创业记录里，支撑一家小公司的劳动，远比公司内部的人数丰富。

从一个旋转的坐标系出发，理解相对表示，以及 NAC 如何把它组织成可交换的发现信号。

一次五路检索融合把 Recall@100 的平均值从 0.5384 提到 0.5750，前十名排序指标的平均值却下降了，两项差值的区间都跨零。这个结果让我们在下一轮设计里改了组合方式，新设计还没有评测。

一次藏在预处理里的全量扫描，以及把它移出请求路径后的变化。

转接器、差异探针和图集需要不同的中间结果。一次空气质量组合设计，让这个区别变得具体。

把零散的赞成变成可以执行的安排，靠的是具体范围，以及变化发生时找得回的依据。

PFE 的一个设计起点：把试教、工具建设和寻找伙伴纳入规划，让行动能够改变下一轮规划的条件。

一个思想实验：履历帮助我们进入合作，也可能把我们留在最熟悉的角色里。

PFE v3 是一个可运行的可能性形成引擎：它用高方差、强制多样的启迪通道扩展方案空间，用 K1–K5 类型账本约束承诺，并在确定性本地工件上实现前态冻结、原目标保持、目标位置读回与消融重放。

ToWow Discovery Front 的公开研究入口：参考实现、943 条真实信号、23,596 个判断任务、Gate 0–2 测量设计，以及本版四篇相关文章。

在线阅读、下载并用 SHA-256 核验 ToWow 正式论文 v1.1 公开衍生版；包含阅读须知、16 项删改登记、25 张图、引用格式与证据边界。

下载并核验 ToWow 三组 Agent 协作实验的公开数据快照：脱敏 A2A 聚合、并发承诺汇总与重建状态、2700 行边界披露合成 trial，以及逐文件 SHA-256。

17 个真实 Harness 场景中，朴素终态标签错了 10 次；9 个真实软件动作里，stdout 与外层退出码各自只能正确指示 4 次，最小 Effect contract 加目标端原生读回达到 9/9。

10 万组合成请求中，check-then-write 出现 60,461 次超额承诺。本文给出 49/81 的解析概率，并解释 reservation 的 0 为什么不是数据库实测结果。

300 个合成凸优化实例中，自适应方法的约束披露中位数为 22/25/31/46，完整披露为 90。本文解释这些数字为什么不是隐私分数。

一次真实 Harness 任务上的 Agent-to-Agent 协商负结果：六轮对话让规范更完整，但没有签署、采用或目标验收。强中心基线因传输失败保持 Unknown。

NatureBlueee/quotapool，仓库建立。开源，零依赖。

ToWow 正式论文 v1.1 的中文公开导读：书目信息、研究问题、Attempt、Effect、Adoption、Acceptance，以及论文与公开实验和数据的边界。全文与 PDF 尚未公开。

Towow-ai/Flowness，仓库建立。