阿里云云原生团队介绍 Nacos 3.3.0 新增的 ARD（Agentic Resource Discovery）资源发现能力，让 Agent 按当前任务在 Nacos 中搜索 MCP、Skill、Prompt 和远程 Agent，再按各自协议读取使用。
能拿走 Nacos 3.3.0 开 ARD 的四个配置项、AgentFinder 的 finders.json 写法和搜索接口 curl 示例，把团队散落的 MCP、Skill、Prompt 收成一个 Agent 可检索的入口；前提是资源已发布上线并配好读取权限，向量检索和 JEV 模型要另配。
作者开源了一个纯 CPU 本地离线运行的增值税发票识别服务，把 RapidOCR 输出的文本行和坐标还原成票面字段与商品明细表，接口格式对齐腾讯云 VatInvoiceOCR。
能拿走折行按列归属、用金额反推数量单价、用20位号码纠正票头这三条规则，落到本地离线票据结构化产线，代价是只覆盖增值税票且版式变动要补规则。
ModelSphere 开源了 continuation_gateway，在客户端与 SGLang/vLLM 之间加一层有状态网关，用 chat-continue 方式把断流后的半截回复续上，前端仍看到一条连续回答。
能拿走 chat-continue 的续写请求构造（continue_final_message 加 add_generation_prompt 关掉）和 usage 按字符系数估算的公式，落到本地模型部署的网关层；代价是每个模型乘引擎组合都得单独验证，vLLM 上部分组合要退到 render/tokenize/generate/derender 四接口路径。
一位 AI 产品经理把多 Agent 项目的规则文件从 540 行压缩到 82 行，单次会话注入的 token 从约 8,200 降到约 1,200，代码一次性命中率从不足 50% 升到 85% 以上。
能把 500 行规则按剥离业务事实、下沉 lint 与测试、五层归因、收敛到 AGENTS.md 四步压到 80 行，落到软件工厂的 Agent 派单流程，代价是要先配好 ESLint 和测试链路。
作者做了一个网页工具，粘贴一句大白话就能生成带官方 logo 的工程制图风架构图，推理全部走火山方舟 Seed 2.1。模型只输出 {nodes, groups, edges} 的 JSON 规格，坐标计算、正交走线、图标装配和压线自查都由确定性代码完成，20 句实测全部出图、19 张通过零压线自查，平均 10.6 秒一张，按量计费等价成本约 3 分钱。
可拿走模型只出 nodes/groups/edges JSON、坐标交给确定性排版引擎的分工，配 Playwright 沿边采样查压线，落到软件工厂的图产出环节；代价是要自建中文 logo 词表和图标源，九节点以上布局变差。
WeWorker 作者复盘浏览器 Agent 的像素派与工具派两条路线，说明团队在真实站点跑一个月后因失败不可诊断、改版耐受度低、每步都过模型导致成本高而选择工具派。
可拿走 Adapter 契约加注册中心、manifest 内嵌 requires_confirmation 的写操作安全设计，以及探索 agent 生成只读工具草稿再验证上架的流程，落到本地工具接入和 Agent 派单线；代价是每站首次接入成本高，动态渲染和反自动化站点仍需人工写。
作者给出在 RK3588 上排查模型算子静默回退到 CPU 的完整方法：rknn_init 必须带 RKNN_FLAG_COLLECT_PERF_MASK（值 8）。
能拿走 RKNN_FLAG_COLLECT_PERF_MASK 加 rknn_query 读逐算子账本、按 CPU 时间占比判回退的口径，落到本地模型部署线；代价是 init 漏标志会静默返回空，单次延迟还会虚高约 15%。
RSI-BOOT 把编程 Agent 的项目约定、禁止项和修 bug 教训存进仓库根的 .rsi/ 目录，随 git 流动，并通过 rsi serve 暴露的 MCP 服务供 Cursor、Claude Code、Codex、Qoder、DeepSeek Harness 共用同一份记忆。
把项目约定、禁止项和修 bug 教训写进仓库根的 .rsi/ 并随 git 走，用 rsi serve 暴露 MCP 给 Cursor、Claude Code 等宿主共用，主链路纯 BM25 不调模型不配 Key；代价是每条记忆要人工批准，且 BM25 在答案不存在时仍会返回结果。
作者开源了 OpenDrain，一个把下载结果落盘、只向 Agent 返回约 557 字节 JSON 回执的下载器，避免整页 HTML 进入上下文。实测 MDN 的 HTTP Headers 页 293,636 字节约 73,000 tokens，改用 OpenDrain 后回执约 140 tokens，后续用 grep 按需取段约 997 tokens/段。
能拿走的是把下载从上下文里剥离的做法，字节落盘只回 557 字节 JSON 回执，配 flock 任务锁和强制 sha256 校验；可接到本地模型部署和知识沉淀的取数环节，代价是并发分片反而比 curl 单连接慢，Windows 无跨进程锁。
作者在 RTX 4060 Laptop 8GB 上用 vLLM 0.33.0 跑 Qwen2.5-7B 的 AWQ 与 GPTQ-Int4 量化版，给出可复现的启动参数组合：gpu-memory-utilization 0.85、max-model-len 8192、必须开启 enforce-eager。
能直接抄走 8GB 卡跑 7B 的启动参数组合（0.85 利用率、8192 上下文、必开 enforce-eager）和三个 vLLM issue 的本地补丁，落到本地模型部署线；代价是数据只来自 RTX 4060 Laptop 单卡，换卡换模型要重测。
作者实测了用 Zig 从零重写的无头浏览器 Lightpanda，给出接入 Playwright 与 Agent 工作流的具体做法。核心是用 playwright-core 走 connectOverCDP 连接 lightpanda serve，并遵守一进程一连接一 context 一页面的硬限制，并发靠多进程而非多标签。
能拿走 connectOverCDP 接法、LP 私有域四个命令和 /save 导出可回放脚本；落到 Agent 网页工具与批量抓取线，代价是一进程一页面、无渲染、AGPL 限制。
作者发布 Agent-LongRun-Framework v3，用单轮写租约、7 态状态机和项目根绑定三条运行时契约，让 Agent 在未获批准时写操作被代码拒绝而非靠提示词自觉。
能拿走单轮写租约加7态状态机的做法，把写权限绑到turn_index，换掉v2那种一次enable_writes永久可写的开关；代价是宿主必须在每条新消息调begin_turn，且状态文件不支持并发写。
AWS 以开源多智能体数据分析方案 Deep Insight 为参考实现，拆解生产级 AI 智能体的四层上下文工程：架构层用 Coordinator、Planner、Supervisor 与工具智能体各自独立上下文。
四层上下文工程可直接照搬，write_and_execute 工具把代码留在文件里省约 95% token，技能按需加载省约 97% 系统提示词，代价是要先搭多智能体分层和文件通信约定。
作者通读 DeepSeek Harness（DSH）源码后，给自己列了一份约 1000 行、零第三方依赖的 Python 最小 CLI Agent 施工图，含 10 个模块、7 个决策点和 12 条不变量。
能拿走事件日志当唯一真源、历史靠投影推导、结果按模型顺序提交这套骨架，落到软件工厂的 CLI Agent 主循环；代价是要自己补 max_steps 和 dispatch 层超时，没有 OS 级沙箱时 bash 只能始终 ask。
作者逐层拆解 DeepSeek Harness 团队开源的 Super-Agent 原型 dsh-superagent-prototype，梳理其 Router-Worker 双层架构、事件驱动两级过滤、Thread 订阅直通、Inline & Spill 加链式召回、存算分离与 Watchdog 五块设计。
能拿走 Router-Worker 双层分派、Fast/Slow Path 两级事件过滤和 Thread 直投三条设计，落到多任务 Agent 产线；代价是要先装 DeepSeek Harness、不支持 Windows、0.1 原型很吃内存。
Lightpanda 用 Zig 从零实现专为 AI Agent 和自动化设计的无头浏览器，不 fork Chromium，官方基准在 m5.large 上抓 100 个页面峰值内存 123MB、耗时 5 秒，对比 headless Chrome 的 2GB 和 46 秒。
可把抓取和表单自动化从 headless Chrome 切到 Lightpanda，Puppeteer/Playwright 只改连接地址；代价是 AGPL-3.0 商用需过法务、无原生 Windows、复杂渲染站点要实测。
Lightpanda 是一个用 Zig 从零编写、不基于 Chromium/Blink/WebKit 的无头浏览器，砍掉图形渲染只保留 HTML 解析、DOM、V8 执行 JS 和网络请求，官方在 AWS EC2 m5.large 上请求 933 个真实页面的测试显示 100 页峰值内存 123MB 对 Headless Chrome 的 2GB、耗时 5 秒对 46 秒。
能拿走 fetch/serve/mcp/agent 四种入口的选型对照和 PandaScript 把 Agent 探索固化成零 token 脚本的做法，可换掉 Puppeteer 后端；代价是 AGPL-3.0、无 Windows 原生版、Web 兼容性得自己拿目标站点实测。
作者逐文件核对 DeepSeek Harness 团队 2026-10-31 发布的 Super-agent 架构文章与同日开源的 deepseek-ai/dsh-superagent-prototype（MIT/TypeScript，三天 1.36 万 star），指出原型实装的只有授权门禁，文章主角 Watchdog 在 docs/007 中并不存在。
能抄的是授权门禁三件套，主动行为默认影子模式只记账、准入规则写成代码而非提示词、凭证不可变且恢复前重验，可直接换掉现在靠提示词约束 Agent 越权的做法，前提是只支持单仓库且 Watchdog 未实装。
spapient 发布 Rust 项目 scx 0.11.0，在把日志、命令输出、diff 喂给 LLM 前按查询删掉无关整行、保留证据行原文，crates.io、GitHub Releases、Homebrew、npm 四平台同步。
能拿走的是只删整行不改原文、证据行加邻域无条件保留、--max-tokens 超限如实报 overflow 的压缩纪律，可接到本地模型部署和 Agent 上下文治理上；代价是词面命中为主，查询零共享词时回退原文，且对已压缩文本再压会级联退化。
作者在系列第 4 篇中给自研 K8s Operator KubeSentry 加上分级自愈引擎，按过载型、局部故障、版本级故障三类信号分别从 L1 扩容、L2 摘除、L3 回滚起步，再按观察窗逐级升级。
能拿走故障三分类起点映射、五条状态机规则和改 App.Spec.Image 而非 Deployment 的回滚写法，落到本地模型部署的运维线上；代价是要先有 Operator 和 Prometheus 指标，且 revisionHistoryLimit 为 0 时回滚无目标。