LongHorizon-Harness：把长任务变成可审计的状态推进
拆解 Manage-Execute-Audit 如何用外置 task state、fresh-context executor 和只读 auditor 提升 Claude Code/Codex 的长任务可靠性，并追…
淡水鱼的蔚蓝之海
课程笔记、踩坑记录，还有一些摸鱼和日常。
复仇者不折镆干。虽有忮心，不怨飘瓦。
Agentic Harness Engineering：让 Agent 自己改进 Harness
从三层 observability、change manifest 和真实失败轨迹出发，拆解 AHE 如何自动修改 prompt、tool、middleware 与 memory，以及它在 Terminal-Ben…
Harness-Zero：把 Agent Harness 的能力蒸馏进模型
用 h、h*、K 三个对象和一个真实 SpreadsheetBench 案例，讲清 Harness-Zero 如何把专用 agent harness 的行为转成可在最小工具接口下学习的训练轨迹。
GameLogicBench：如何逐帧验证 Coding Agent 写对了游戏逻辑
从 Godot 的场景树与物理帧讲起，拆解 GameLogicBench 如何用 72 个任务、403 个手工场景、1,451 个测试用例和逐帧断言评测游戏逻辑。
GameASG-Bench 如何验证一个游戏真的做完了
从预先定稿的评测规则、Armor Alley 真实断言和两类失败样例，拆解 GameASG-Bench 如何验收 47 个浏览器游戏任务。
Jev 是什么？和 LLM、BERT 有什么区别
一份关于 Jev、NanoJev、BERT 与 LLM 的 17 页交互图解。
饥荒私服搭建
Docker 没搞定，手动装也重来了几遍。最后能进服了，第二天又连不上。
FaceFusion使用记录
南软面试刚结束，用驱动云送的计算点折腾了一下 FaceFusion。
24-Spring-软件质量与管理期末复习
非背诵速通版，只是尽力把课上的几条线理清楚。
摸鱼分享（一）：头号做题家分享 | 博客配置RSS
起床看了个好玩的，顺手把博客 RSS 也配了。
