标签：testing

3 篇笔记 · 0 篇论文笔记 · 0 个资源导读

笔记（3）

17 长时运行智能体的有效 harness · 模块 A 智能体设计与架构 · 9 分钟
长任务要跨越多个上下文窗口，每个新会话都会“失忆”，仅靠压缩不够。解法分两部分：初始化智能体搭好环境（功能清单 JSON、进度文件、init.sh、初始 git 提交）；编码智能体每次只做一个功能、做端到端测试，并以干净状态收尾（提交并更新进度）。
18 面向长时应用开发的 harness 设计 · 模块 A 智能体设计与架构 · 14 分钟
借鉴 GAN 思路，把干活的生成者和打分的评估者分开，用评分标准让主观的设计质量可评分；再扩展成规划者-生成者-评估者三智能体，在多小时自主编码中构建全栈应用。随模型升级逐个拆掉多余组件后得出：评估者是否值得，取决于任务是否超出当前模型独立可靠完成的范围。
19 用一支并行 Claude 团队构建 C 编译器 · 模块 A 智能体设计与架构 · 12 分钟
16 个 Claude 实例在共享 git 仓库上几乎无人干预地并行约两周、近 2000 个会话、约 2 万美元，从零写出 10 万行的 Rust C 编译器，能构建可启动的 Linux 6.9。重点是经验：近乎完美的测试、为 Claude 设计测试输出、用 GCC 当预言机方便并行、角色分工，以及上限与风险。