如果你做过一段时间的舆情监测，其实早就已经在做代价判断了：一条只是语气冲的普通用户抱怨，和一条正在被大量转发、已经有媒体跟进苗头的负面，你不会用同一个标准去处理。前者顶多算噪音，后者晚发现两个小时，后面要投入的力气完全不是一个量级。把这种判断搬到模型上，它就变成了两个不同的错误。漏报，指的是真的负面存在，系统却没能报出来；误报，指的是本来没事，系统却把它当成负面报了出来。在舆情这个场景里，这两种错

如果只能装一个，就Cursor；如果正在学技术、理方案，就ChatGPT；如果喜欢终端、常做大型项目重构，就如果开始尝试多Agent、复杂工程自动化，你就Codex。但效率最高的方式，从来不是在它们之间做单选题，作为一个成熟的程序员，而是要让ChatGPT帮你想，让Cursor陪你写，让Claude Code和Codex帮你干。未来前端程序员的竞争力，可能已经不只是"代码写得有多快多好"，而是你能

Agent 看起来越来越像小型操作系统，并不是因为谁一开始就规划了操作系统。每一层都是模型撞上边界以后，工程系统不得不补上的回答。记不住，就装配上下文；碰不到世界，就接入工具；一步做不完，就启动循环；历史装不下，就分出长期记忆；副作用变强，就长出会话、权限、沙箱、事件和子 Agent。模型还会继续变强，但 Harness 不会因此消失。未来的分水岭，未必只是谁的模型更聪明，而是谁能为同一个模型搭出

回到开头，今天的 Agent 看起来像一套小型操作系统，并不是因为有人一开始就想造一套小型操作系统。每一层都是模型撞上边界以后，工程系统不得不补上的回答。记不住，就装配上下文；碰不到世界，就接入工具；一步做不完，就启动循环；历史装不下，就分出长期记忆；真实副作用越来越多，就继续长出会话、权限、沙箱、事件和子 Agent。Agent 做决策，Harness 让这些决策可以持续、可控、可恢复地发生。

黄仁勋确实说了“AGI已经到来”，这条新闻本身没有问题。需要纠正的是，不能把这句话写成行业已经确认GPT-6 Astra实现了AGI。更准确的说法是：黄仁勋认为，以完成实际工作和创造经济价值为标准，当前AI已经可以被视为进入AGI阶段；但在研究界和评测机构看来，现有证据仍不足以证明通用人工智能已经实现。模型能力正在快速逼近过去设想中的AGI，这一点越来越明显。可“AGI”究竟是一种模型能力、一套完

当地时间 2026年9月3号晚上时间，全球几个主流人工智能服务平台发生罕见的集体宕机事件。包括OpenAI ChatGPT、Anthropic Claude Code以及马斯克旗下XAi平台的Grok在几乎同一时间段发生服务瘫痪。AI编程工具Cursor也证实，因Claude与Grok中断而连带受影响。

—指围绕"模型该看到什么"做的系统性设计，是 Harness 工程里最核心的一块，Fowler 那篇文章的原文观点是：上下文工程就是把 guides 和 sensors 交付到 Agent 面前的手段[1]。它标准化的是 Harness 里"工具层"的接口，是 Harness 的一个零件，不是 Harness 本身。Claude Code、Codex、开源的 opencode，内核都是这个循环的工

—指围绕"模型该看到什么"做的系统性设计，是 Harness 工程里最核心的一块，Fowler 那篇文章的原文观点是：上下文工程就是把 guides 和 sensors 交付到 Agent 面前的手段[1]。它标准化的是 Harness 里"工具层"的接口，是 Harness 的一个零件，不是 Harness 本身。Claude Code、Codex、开源的 opencode，内核都是这个循环的工

—指围绕"模型该看到什么"做的系统性设计，是 Harness 工程里最核心的一块，Fowler 那篇文章的原文观点是：上下文工程就是把 guides 和 sensors 交付到 Agent 面前的手段[1]。它标准化的是 Harness 里"工具层"的接口，是 Harness 的一个零件，不是 Harness 本身。Claude Code、Codex、开源的 opencode，内核都是这个循环的工

—指围绕"模型该看到什么"做的系统性设计，是 Harness 工程里最核心的一块，Fowler 那篇文章的原文观点是：上下文工程就是把 guides 和 sensors 交付到 Agent 面前的手段[1]。它标准化的是 Harness 里"工具层"的接口，是 Harness 的一个零件，不是 Harness 本身。Claude Code、Codex、开源的 opencode，内核都是这个循环的工