一篇长文进来，出去时只剩能用的部分：结论、概念、数据、用法、争议。 产品库回答「值不值得用」，这里回答「这件事到底怎么回事」。
不改一个权重，只改提示词、工具、记忆、子智能体这些外圈部件，单步就能在三个专业基准上提 4.5–11.8 分。难的不是能改，是没有标准答案时怎么判断改对了。
46% 的企业在做 Agent，只有 18% 上了生产，持续迭代不到 10%。卡点不在模型能力，而在模型之外那套叫 Harness 的工程。