从战争记忆的变形、短视频时代的情绪动员，到茨威格带来的历史阅读快感，我慢慢明白，读历史不是为了扮演大人物，而是为了给自己的精神留一点纵深。
把 Agent 调优拆回输入信号、任务拆分、规则前置、后处理校验和多模型协作之后，我越来越确定：真正高 ROI 的优化，很少是第一时间去换更强的模型。
当“Harness”成了新范式，我才意识到，自己在宿舍里为驯服大模型写下的那些笨拙补丁，原来正踩在真实的工程演进路线上。
这篇文章记录我在 OpsMind 里落地代码沙箱时遇到的五个关键 Bug：它们分别卡在文件系统、接口契约、React 并发更新、SSE 事件语义和路由策略边界上。
这篇文章记录我在 OpsMind 上做过的两次关键收缩：先砍掉并不属于 v1.0 的范围，再推翻“预猜式”分析架构，把注意力重新拉回核心体验。
这次改动的重点不是再加功能，而是把 Agent 主流程做对：角色分离、逐轮压缩、上下文治理，解决 ReAct 循环中的上下文污染。
这次改动不是修坏功能，而是把 Skill 从“前端模板快捷键”升级为 Agent 可感知、可调用、可复用的标准化能力。
这次修的不是零散 bug，而是 Agent 编排层里四个结构性问题：迭代上限、plan 透传、局部图表修订路径、SSE 长连接保活。
重读 Patrick Lewis 等人的 RAG 奠基论文后，我更确定：RAG 的价值不只是“补知识”，而是把参数记忆与外部事实解耦，让模型在可追溯与可更新之间取得平衡。