文章

Agent 的预算要约束步骤、时间和模型用量；不知道真实消耗时，系统必须诚实地停止或降级。

生产 Trace 要回答发生了什么，同时保证它不会变成 Prompt、证据和密钥的泄漏通道。

边缘运行环境可以减少 VPS 与沙箱运维，但不会自动解决 Agent 的权限、恢复和成本问题。

M3 没有追求更多自主性，而是补齐了一个 Agent 能否被恢复、观察和审计的工程底座。

Checkpoint 不是把运行日志存下来，而是把下一次可以安全继续的位置保存下来。

用一个真实项目拆开 LLM、Context 与 Harness，并说明 ReAct 和 Agent Loop 当前走到了哪里。

一个只有三步上限的证据 Agent Loop，已经能做什么、为什么仍不能称为生产可用。

一名 Java 工程师转向 Agent 开发时，哪些能力可以直接复用，哪些工程观念必须补上。

当前为何选择 Java 作为 Agent 控制与执行默认路径，以及何时值得重新引入 Python Worker。

一次真实模型立场误判如何暴露问题，并通过命题相对性、严格协议和固定集修复。