九百六十万平方公里土地，五千年文明，十三亿人口…… 如果要建一座通天塔的话，再没有比这里更理想的地基了……
—— 杨叛《北京战争》
Hi👋! I’m Qin Liu. Here are my links:
同一个模型换一个 harness，任务成功率变化不大，成本却能差到 5 倍——UC Berkeley 的 HarnessTax 在 SWE-bench Lite 与 Terminal-Bench 2.0 上评测了 21 组模型–harness 组合，发现 harness 对成本的影响远大于对正确率的影响：极简的 Pi 只提供四个工具就能站上帕累托前沿，而 Claude 模型在别人的 harness 里反而常常表现更好。
随着通用模型逐步内化数据处理能力，数据系统的研究重点正从任务脚手架转向可跨查询复用的持久语义上下文。
UC Berkeley 的这篇论文提出「双鸿沟框架」：需求鸿沟（利益相关者意图 vs 写下来的需求）与模型鸿沟（真实世界 vs 环境模型）统一解释了 agentic 软件工程的两大失败模式——reward hacking 与幻觉。由于鸿沟在开放世界中无法被证明闭合，目标应转为持续收窄，并用外层的「保障–修订循环」把部署证据转化为对需求、模型与评估器的修订。
把一台在抽屉里闲置多年的 2013 款 MacBook Air 装成 Omarchy。从 Hyprland 到国内办公软件，这次实验让我重新确认 Linux 桌面已经非常可用。
Pi 用小核心、文件与 Shell 组合能力，DeepSeek Harness 则用 Cordis 把组合、依赖和生命周期纳入统一运行时。两种路线都可组合，但我更看好前者。