核心 takeaway：文章最有价值的地方不是“开源优于闭源”的口号，而是把模型循环、上下文、沙箱、审批、MCP、会话与 UI 作为同一生产系统交付，并给出 14 个任务上的同条件对照。由此可以进一步拆解成本究竟来自模型选择、token 使用、沙箱生命周期还是运行时调度。
1. 论点从运行时开始
TrueFoundry 把模型定义为容易替换的推理组件，把真正决定任务能否落地的循环、工具执行、长上下文管理、危险动作审批和断线恢复放到 harness。这个划分比传统“Agent framework”更接近生产责任：模型提出动作，运行时决定动作何时执行、在哪个边界执行，以及失败后留下什么状态。
2. 三层产品结构
TrueForge 由核心 server、TypeScript SDK/API 和可嵌入 UI 组成。核心 server 流式记录每一步，敏感动作可暂停等待批准，subagent 与 compaction 控制上下文，session 在重新连接后继续；SDK 与 UI 只是同一状态机的不同入口，避免产品界面与后端 Agent 语义各自演化。这个分层还让部署方可以单独替换交互界面或模型 provider，而不改变会话记录、审批和工具执行的语义。
3. 按需沙箱的经济性
文章强调沙箱是一种工具，而不是整段会话永远驻留的容器。只有执行代码时才创建临时环境，普通模型轮次不占用沙箱资源；这把隔离安全和并发密度同时放入架构。源码中 sandbox provider、tool loop 和 session 模块相互分离，也支持把本地、容器或第三方执行后端替换。
4. 14 题对照怎样读
发布方在相同任务上与 Claude Managed Agents 比较，声称同用 Opus 4.8 时质量相当且 token 少约 30%，换用 GLM-5.2 时准确率保持而成本低约 75%。由于样本只有 14 个生产风格任务，且任务定义、失败处理与计价均由发布方控制，适合证明 harness 可能影响成本，不足以给出普遍排名。
5. 治理不应被混入定义
自托管模式把模型和 MCP 密钥交给部署方；团队扩大后，TrueFoundry Gateway 再提供 RBAC、预算、guardrail、凭证轮换与统一 trace。这个边界使 Agent 定义可以引用模型和工具名称而不携带密钥，也说明开放 harness 解决可见性和可改性，跨团队治理仍是独立系统问题。
6. 源码审计后的判断
本期固定的官方仓库提交展示 monorepo 中 server、web、SDK、UI、provider 与部署目录，确实不是只有 README 的发布。更重要的影响是接口可成为公共基准：模型、MCP 和 sandbox 通过可替换 provider 接入，企业可以在不重写 Agent 产品的情况下做成本路由；但仍应为每次 runtime 升级保留回归轨迹。
重要性与影响：开放的是完整运行时而非示例框架，核心价值在可替换模型、按需沙箱、会话持久化和可审计审批。
核心 takeaway：DeepSeek Harness 的关键不是功能数量，而是把运行时的所有能力都降格为可注册、可卸载、可替换的插件，并让同一 append-only session event stream 支撑恢复、分叉、搜索和回放。该设计把 Agent loop 本身也纳入配置与依赖图，提供很强的实验可组合性；代价是插件 API、依赖顺序和事件语义一旦变化，整个系统的可复现性都需要重新验证。
1. Cordis 内核的边界
官方页面把 Cordis 描述为负责 plugin mount、unmount 与依赖的 kernel。模型、工具、skills、sessions、sandboxes、storage、loops、scheduling 和 UI 不直接写死在主程序，而通过 service 与 event 协作。运行时因此更像一个能力容器，预设只是把插件及其配置组合成可启动图。这个边界的实际意义是，插件拿到的是显式服务与事件，而不是通过修改全局单例偷偷扩展能力。
2. 连循环也能替换
大多数 Agent 框架允许增加工具，却把 plan–act–observe 循环固定在内核。DeepSeek Harness 把 loop 也作为插件，意味着相同的模型、存储和工具可以在 standard、code、minimal 或自定义模式中复用。对研究而言，这使控制流成为显式实验变量；对生产而言，也扩大了需要回归测试的状态空间。
3. 事件流作为单一事实源
所有模型可见内容进入 append-only session log，包括 system prompt、reasoning、tool call/result、subagent scheduling 与 context injection。Trajectory 视图按来源检查记录，resume、fork、search 和 replay 使用同一事件流。与只保存聊天文本相比，这能解释一次上下文重写或调度选择如何改变后续动作，也让恢复时可以区分已经执行的副作用、仅生成的计划与后来注入的上下文。
4. 四种运行模式的目的
Standard 暴露完整编码工具；Code mode 让模型生成 TypeScript 程序编排多轮工具；Minimal 只保留 shell 与文件编辑器，适合减少 harness 干扰的模型基准；Creator 则允许在内存中检查和试装插件。它们不是四个产品，而是同一插件图对不同评测目标的约束。
5. 源码中的可逆注册
官方仓库把插件定义、service 注入、event 订阅和 preset 配置分层，架构文档明确要求 dispose 路径撤销注册，避免热加载后遗留能力。会话与存储实现围绕事件追加而非覆盖当前转录，这与页面宣传的 replay 语义一致；审计仍不代表所有第三方插件都满足相同约束。
6. 工程影响
插件化把“换模型”扩展到“换整个控制面”，适合快速比较 loop、工具策略和 memory。相应地，生产系统需要锁定插件版本、依赖解析和 event schema，并对卸载、失败恢复与重放做确定性检查。developer preview 意味着核心 API 仍可能变化，当前更适合作为开放实验运行时而非无条件稳定标准。
重要性与影响：Cordis 把模型、工具、会话、调度乃至 Agent loop 都变成可挂载插件，并用 append-only event stream 提供追踪与回放。
核心 takeaway：Shopify 的 Gisting 把约 6,000 token 的静态系统提示压成约 1,500 个可学习 gist token，模型权重保持冻结，并通过 teacher–student KL 匹配保留输出分布。在 350 RPM 的负载测试中，发布方报告 TTFT 下降 19%、端到端延迟下降约 38%、吞吐提高 16%，最终少用约 14% GPU。它说明 prefix cache 仍无法消除每个解码 token 读取长 KV 的成本，短前缀本身具有独立价值。
1. 问题是静态前缀税
Agent 系统提示往往包含工具规则、业务约束与输出规范，每次请求都携带数千 token。Prefix cache 可以避免重复 prefill，却不能让新生成 token 不再注意这些 KV；解码时读取的缓存仍随前缀长度线性增长，因此高并发和大 batch 下，长静态前缀持续占用显存带宽。
2. 蒸馏对象不是模型权重
方法给词表加入特殊 gist token，只训练其 embedding。Teacher pass 使用完整自然语言提示产生每个响应位置的 logits，student pass 用 gist token 替换提示，最小化两组 logits 的 KL divergence。模型其余参数冻结，所以训练目标是让短前缀触发与长提示接近的条件分布。
3. 部署路径保持普通
训练结束后，gist embedding 直接写入模型 embedding matrix，并把 token 注册到 tokenizer。推理只需把完整系统提示替换成 gist token 字符串，不需要自定义 attention mask、额外 encoder 或专门 serving 引擎。一次性训练成本换取后续每个请求的前缀缩短，也让现有 batcher、prefix cache 与监控链路无需理解新的中间表示。
4. 超参搜索给出的工程结论
Shopify 用 autoresearch loop 提议配方、训练并评测。把系统提示按压缩比例分块，并用块内 token embedding 均值初始化对应 gist，使初始 loss 降低七倍；在其业务上 4:1 是质量开始退化前的最优点。预计算 teacher logits 与预分词又把完整训练从约 30 小时降到 6 小时。
5. 负载证据
系统提示由约 6,000 压到 1,500 token。在 350 RPM，median TTFT 从 438ms 降到 354ms，端到端从 6.8s 降到 4.2s，吞吐由 20.2 升到 23.4 QPS；文章概括为 TTFT 下降 19%、E2E 下降约 38%、吞吐提高 16%，生产配置少用约 14% GPU。这组结果同时覆盖请求延迟、吞吐与容量规划，比单独比较 prefill token/s 更接近线上收益。它也表明节省主要发生在持续解码和并发调度，而不只是在首轮提示预填充。
6. 适用条件与影响
Gisting 最适合长且稳定、质量可用任务级 judge 检查的系统提示。提示频繁变化、需要逐字审计或跨模型复用时，gist 需要重新训练且可解释性较弱。它与 prefix caching 可以叠加，并能在持续学习中把 gist 与模型权重一同更新；版本与回归集因此必须同步管理。
重要性与影响：冻结模型权重，只训练一组 gist embedding 复现长系统提示的行为，在生产负载中同时缩短 TTFT、解码延迟和 GPU 数量。
核心 takeaway：Cursor 不再把一台 Git server 上的仓库目录当作权威状态，而是用对象存储中的线性化 WAL 保存每次引用更新，把本地 NVMe 副本降为可重建缓存。这样可以让读副本随 Agent 负载扩缩，并把故障恢复从机器级复制改成日志重放。
1. 把写入顺序固定在 WAL
Continuity 先将 push 的引用更新序列化写入 S3 上的 WAL，再由本地 Git 副本应用对象与 refs。对象存储承担持久性，本地 NVMe 只负责低延迟读写；副本丢失后从快照和日志恢复，不需要把某台机器视为不可替代的仓库主节点。
2. Agent 负载改变副本经济性
大量并行 coding Agent 会制造短生命周期分支、clone、fetch、PR 与 CI 读取。Cursor 让热点仓库扩展读副本、冷仓库不常驻完整副本，并报告单仓库每秒 120/300 次 push 与上百读副本的测试。真正可迁移的判断是按访问热度配置副本，而不是照搬这些吞吐数字。
重要性与影响：Continuity 用 S3 上的线性化 WAL 作为真相源，把本地 NVMe Git 副本视为可丢弃缓存；读副本可按负载扩到上百个，空闲小仓库甚至无需常驻副本。该架构直接回应 Agent 造成的大量临时仓库、PR 与 CI 流量，但 120/300 pushes/s 和百副本线性扩展均是 Cursor 的系统测量。
核心 takeaway：IsoExec 把训练–推理一致性定义为一套可执行的数值契约：相同算子、累积精度与固定归约顺序必须跨 vLLM rollout 和 Megatron trainer 保持一致。它把 log-prob 偏差压到接近零，但也明确展示了约四分之一训练步开销。
1. 统一的不是 API，而是数值路径
仅让训练器和推理引擎使用相同权重与 tokenizer，仍会因为 kernel、累积精度和并行归约顺序不同而产生概率偏差。IsoExec 让两侧遵循同一 execution contract，并以固定二叉归约树保持并行拓扑变化时的运算次序。
2. 一致性收益需要单独计价
在 Qwen3.5-35B-A3B、8×H100 与 50 个 RL step 的实验中，平均 log-prob 差异从 4.035×10⁻² 降至 6.821×10⁻⁷，step 时间约增加 25%；短实验未观察到明显 reward 增益。因此它首先是正确性与可诊断性基础设施，还不是已证明提高最终奖励的算法。
重要性与影响：IsoExec 用跨框架执行契约与并行拓扑不变 kernel 对齐 vLLM rollout 和 Megatron trainer；发布方报告平均 log-prob 差异由 4.035×10⁻² 降至 6.821×10⁻⁷，RL step 约增加 25%，而 50 步短实验未见明显 reward 增益。