A model that absorbs permissions into itself has dissolved permissions. Absorption doesn’t end the harness. Absorption inverts the harness.
全文最反直觉的一段，也是对“harness 是护城河”的反向预言：凡是能被权重吸收的 harness 能力迟早被吸收，Claude Code 删掉 80% 系统提示就是佐证。推论很实在——靠 harness 工程建立的优势，寿命按模型迭代周期计；能沉淀下来的是权限、身份、信任这些朝向人的接口。
shows that system design – not model capability alone – can unlock frontier-level long-horizon performance
方向性判断我同意：真正的运行单元是模型×harness×工具环境×上下文策略，不是裸模型。但“系统设计能解锁”和“这次提升由系统设计造成”是两回事，后者需要固定模型、只换 harness 的对照实验。目前公开材料只支持前者。
This foundational research is part of the core engine powering our multi-agent product: Sakana Fugu
作者将他们的多智能体产品描述为'核心引擎'，暗示其重要性超过了单一模型方法，这挑战了当前市场上大多数AI产品基于单一大模型的架构设计理念。
A fourth built the presentation using a JavaScript library. A fifth critiqued the overall flow & content.
值得注意的是第五个agent的角色：批评与审视。在多智能体并行架构中，不仅需要执行具体任务的工人，更需要引入自我纠错与元认知机制。这种“左右互搏”的设计大大降低了并行带来的错误累积风险，是提升整体输出质量的关键洞见。
what makes the LLM a disciplined wiki maintainer rather than a generic chatbot.
架构中的Schema层是约束LLM涌现行为的定海神针。没有结构化指令的LLM只是闲聊机器人，而Schema将其规训为严谨的“图书管理员”。这深刻揭示了在Agent架构中，显式规则约束比隐式能力依赖更为关键。
each new engineer arrives with no memory of what happened on the previous shift
这个比喻极其精准地揭示了长周期Agent的核心困境。上下文窗口的限制使得Agent如同失忆的轮班工程师。因此，设计Agent系统的本质，就是设计一套高效的“交接班”机制，让隐性的经验显性化。
exhibit "context anxiety," in which they begin wrapping up work prematurely
揭示了长任务Agent的深层心理机制——“上下文焦虑”。模型并非只是遗忘，而是会因接近上下文限制而“仓促收尾”。单纯的上下文压缩无法解决此问题，必须依赖彻底的上下文重置与结构化交接，这是设计长程Agent的关键洞见。
Designing for agents forced us to build a better tool for everyone.
这是一个充满辩证法的结论。Agent 所需的确定性、非交互性和显式声明，恰恰符合 Unix 哲学中“易与其他程序协作”的原则。为 Agent 约束而优化的接口，消除了人类在自动化脚本编写和测试中的痛点，实现了人机体验的统一与双赢，证明了良好抽象的普适价值。
Every prompt is a flag in disguise
这句话精准地概括了 CLI 工具现代化的核心原则。交互式提示虽然对人类友好，但对自动化脚本和 AI Agent 构成了不可逾越的障碍。将其转化为 flag，不仅是为 Agent 开门，更是强迫开发者理清“必需信息”的边界，从而设计出更健壮的接口。