企业官网建设流程全解析

昨天夜里到今天上午，Agent/LLM技术圈的讨论密度明显上来了。我刷了一圈社区，发现大家都在聊“Agent安全”、“Agent Skill”、“Harness与Agent的区别”，还有几个实操报错已经挂出来反复被问——比如“LLM request failed: provider rejected the request schema or tool payload”、“Agent execution terminated due to error”。这两个报错信息我最近一周已经见到不下五回了。

所以我决定把今天看到的技术热词、帖子、问题整理成这份《Agent/LLM技术精选日报》。它不是新闻的罗列，而是带着我的判断和踩坑经验，把每一条值得关注的信息拆开来看。适合正在做Agent开发、接LLM API、搞RAG应用、或者准备入坑LLM应用层的朋友。你能从中看到今天社区在关心什么问题、哪些方向正在成为共识、哪些报错其实有固定解法。 。

1. 今日风向：Agent开发从“搭框架”转向“调教智能体”

今天在技术社区里，一个比较明显的信号是：讨论重心正在从“用什么框架”转向“怎么调教好一个Agent”。搜索词里反复出现agent framework with orchestration、harness和agent区别、claude agent skills、agent skill教程，这其实说明大家已经过了“跑通Demo”的阶段，开始关心生产环境下Agent的行为边界、工具编排和技能复用。

1.1 从“框架”到“编排”：为什么Harness这个词开始刷屏

之前很多人问“Agent开发用哪个框架”，今天的问题已经变成了“Harness和Agent有什么区别”。我个人认为，这个提问本身说明了一个重要变化：Agent不是单纯的“模型调用”，而是由模型、工具、上下文、控制流共同组成的运行系统。Harness可以简单理解成“包裹着Agent的那层基础设施”，它负责循环调用、错误处理、上下文管理、工具注册，而Agent本身是那个做决策的“大脑”。

用生活化的类比：如果Agent是驾驶员，Harness就是驾驶舱。方向盘、仪表盘、报警系统都是驾驶舱的一部分，但不等于驾驶员本身。很多新手把OpenAI的Function Calling直接当作Agent的全部，结果一遇到多轮工具调用就乱了手脚，本质问题就是没有独立设计Harness这一层。

所以今天社区里讨论“Agent Harness vs Agent Framework”，本质上是在说：你不需要再造一个LangChain，但你需要想清楚自己的Agent如何被“托管”。我比较推荐的做法是，先不要急着上重型框架，先用一个主循环把“模型决定调用工具 → 工具返回结果 → 模型继续决策”这一步跑稳，再去想编排和框架。

1.2 Hermes Agent Obsidian走红：知识库成了Agent的第一战场

今天“hermes agent obsidian”“hermes agent 第三方工作台”“hermes agent安装”这几个词同时出现在热榜上，让我挺意外的。Hermes Agent本身是一个偏个人知识管理场景的Agent形态，它的核心就是把笔记库当作Agent的“工作记忆+知识底座”，再加上网页保存、文件读写之类的Skill。

我观察到，这类工具走红的背景是：越来越多人发现，Claude、GPT这类模型本身很强，但它们缺少“个人上下文”。你把Agent接进Obsidian，其实是用笔记库给模型补上了长期记忆和组织化的知识。今天的热搜里有一条“agent 将网页保存成markdown的skill”，正好点中了这个场景的核心操作：把散落的网页内容抓取成结构化文本，再交给Agent做摘要、归档、双向链接。

这里我建议想自己复现的朋友，与其纠结装哪家Agent框架，不如先落实两个基础能力：一是“网页转Markdown”的Skill，二是“笔记库检索”的工具。这两个能力搭起来，你的Agent才不是一问三不知的玩具。

1.3 OpenAI Codex CLI：终端里的编码Agent成为新基建

热搜里有一条“welcome to codex, openai's command-line coding agent sign in with chatgpt to”，明显是在讨论Codex CLI的登录与接入。Codex这类终端编码Agent的意义，在2026年已经不只是“自动补代码”，而是直接接管“读仓库→改代码→跑测试→提交MR”的完整循环。

我自己的使用感受是：终端Agent和IDE插件的区别在于“夹缝更少”。CLI Agent可以直接读Git历史、跑lint、执行单测，它的工作流是线性的、可回溯的，出错了可以交互修复。对开发者来说，这更像“带了一个能干活的新同事”，而不只是一个补全工具。

不过这里有个容易踩的坑：把Codex接进公司仓库时，权限边界要提前想好。Agent执行git push、rm -rf这类高副作用命令时，我建议要么在Harness层加白名单，要么在Shell层做确认。这个经验来自于本人一次被Agent清空临时目录的惨痛教训——好在那只是缓存目录。

1.4 Agent Skill：从“对话模板”到“可复用技能包”

今天讨论“Agent Skill是不是新概念”的帖子特别多。我认为Skill这个词的出现，本质上是把Agent的能力边界从“提示词”扩展到了“提示词+工具+验证逻辑+回退策略”的复合包。

比如一个“网页保存为Markdown”的Skill，它不只是让模型读网页，而是包含了：URL校验、请求头设置、正文提取、HTML转MD、图片下载策略、失败重试这六件事。模型只是其中“做决策”的一环，真正的“稳定性”来自Skill里固化的工程逻辑。

有前端经验的朋友可以这么理解：Skill是Agent的函数库，Harness负责调度这些函数，而Agent是那个决定“这步该调哪个函数”的运行时。如果你今天在搜索“agent skill教程”，我建议从做一个“把网页存成MD”的Skill开始练手，它麻雀虽小五脏俱全，能覆盖HTTP请求、HTML解析、文件IO和错误处理。

2. 今日硬核内容：安全、可靠性与Evaluations

今天的安全性讨论浓度很高。“识的LLM智能体自主容错控制:构建可靠ai系统的工程实践”这条，加上“agentpoison: red-teaming llm agents via poisoning memory or knowledge base”这篇论文一起出现，其实是个很重要的信号。Agent的可靠性问题，已经从学术话题变成了工程必须面对的现实。

2.1 AgentPoison攻击思路带给我们的工程启示

AgentPoison这篇论文的核心发现是：攻击者不需要直接入侵模型，只要污染Agent的记忆库或知识库，就能让它后续决策全部偏离。这在RAG应用里尤其恐怖，因为很多团队把向量数据库当作“可信源”，完全没有想过里面的内容可能是被投毒过的。

我在实操中得到的教训是：对写入知识库的每一条内容，都要有来源记录和权限校验。至少要做到“公网抓取内容”和“内部文档”分开存储，前者默认低可信度，后者要有明确的写入审计。便宜的做法是给每一段向量文本加上source_type和ingest_time两个字段，在召回时按可信度加权，或者干脆让低可信度内容只能触发提醒不能触发自动决策。

2.2 构建可靠AI系统：自主容错不能停留在“try/catch”

“LLM智能体自主容错控制”这条热搜，我猜是有人看到了一篇关于Agent自愈能力的文章。容错控制这个说法来自控制论，放到Agent领域就变成了：任务失败之后，Agent能不能自己完成“诊断→补偿→重试→降级”这条链路。

真实的工程里，Agent的失败模式远多于普通软件：模型输出非法JSON、工具回调参数类型错误、上下文超长、外部API限流、以及最难受的“幻觉式成功”——模型以为自己完成了任务，实际什么都没做。针对这些，我给自己的Agent加了一个“任务完成度校验”环节：每个高价值任务结束后，让另一个独立的模型（或者同一个模型用不同温度）复核结果，然后对比两个结论。这听着费Token，但能拦住一半以上的“假成功”。

2.3 LLM as Judge不只是打分数，当心“裁判幻觉”

“llm as judge”今天也出现在了热门问题区。这个方向已经不新鲜，但越来越多人发现：LLM当裁判并不靠谱，它自己的偏好会污染打分结果。比如用Claude评估GPT的输出，模型容易对有“特定风格关键词”的答案给高分，而不是真正评估信息质量。

我现在的做法是双裁判制：一个裁判负责“事实性”，一个裁判负责“风格与可读性”，两个维度分开评分。事实性裁判只被允许调用检索工具，不能凭记忆回答，这样能显著减少“一本正经地胡说八道”的评分。另外，裁判的Prompt里一定要明确“不能因为答案长就给高分”，这种长度偏好在实践中极其普遍。

2.4 基于LLM的单元测试：生成用例的最高效姿势

“基于llm的单元测试”能上热搜，说明大家开始把LLM当成测试用例生成的工具，而不只是编码工具。我的实践是：让模型按照“正常路径→边界值→异常输入→并发冲突”四个维度生成用例，再人工做筛选合并。

比如测一个“用户注册”函数，LLM能快速给你列出空邮箱、重复用户名、超长密码、并发注册相同账号等场景，确实比人脑枚举得全。但坑也有：模型生成的测试代码经常会有断言过宽的问题，导致实际业务逻辑坏了测试还通过。所以我的原则是：模型出用例，人来写断言，不让模型把断言的严格程度也一并定义掉。

3. 今日高频报错与避坑实录

今天热榜上几个报错类搜索词，我几乎可以断定是真实高频问题：llm request failed: provider rejected the request schema or tool payload、agent execution terminated due to error.、llm元评论残留。这三个我都亲自踩过，直接给解法。

3.1 Provider Rejected the Request Schema or Tool Payload：先查JSON Schema，再查Tool定义

这个报错的常见触发点是：你发给模型的工具定义，和模型回传的工具调用参数，存在Schema不一致。比如你定义了一个save_note(title: string, content: string)工具，结果模型回传了content是对象、或者多带了一个tags字段。

排查步骤就三步：

1. 把请求体里的tools数组打印出来，逐一检查description字段里是否写了“参数必须是字符串”之类的约束。模型很吃描述里的类型暗示。
2. 检查strict模式。如果你开了Strict Tool Calling，那么模型回传的每一个字段都必须和Schema严格匹配，少一个都不行。
3. 看一下是不是给模型的tool_choice传了复杂对象。我遇到过因为tool_choice: {"type": "function", "function": {"name": "xxx"}}写法不规范导致整个请求被拒的情况。

顺手给一个小技巧：如果你用的是OpenAI兼容接口，可以把parallel_tool_calls先关掉，它能解决很大一部分“工具调用参数混乱”问题。代价是多一轮交互，但稳定性提升非常明显。

3.2 Agent Execution Terminated Due to Error：不要只盯着“最后一行报错”

“agent execution terminated due to error”这行消息太笼统了，几乎等于什么都没说。我的排查习惯是去翻Agent运行日志里“倒数第二个步骤”的输出。大多数情况下，真正导致终止的是某次工具调用的返回值异常，比如工具抛了异常、返回了空值，而Agent据此误判“任务完成”或者“无法继续”。

我强烈建议在Harness层给每个工具调用加一层包装，至少记录：

• 输入参数的一段摘要
• 输出结果的前500字节
• 执行耗时
• 异常堆栈

有了这四样，Agent执行中断之后你才能在五分钟内定位到问题。没有这层日志，就只能一遍遍重新跑，纯粹的体力活。

3.3 LLM元评论残留：把“思考”留在了输出里

“llm元评论残留”这个说法有点抽象，其实就是模型在回答里泄漏了它的内部推理过程，或者你Prompt里的系统提示被带到了最终输出。常见场景是：你在系统Prompt里写了“你是一个AI助手，如果不知道就说不知道”，结果模型在回答最后来一句“作为一个AI语言模型，我...”。

解法也简单：在最终输出前加一个“净化器”环节，用正则规则先把“作为一个AI”“基于以上分析”“我注意到”这类的元话语删掉。更进一步的方案是让模型在输出前自动区分“思考区”和“答案区”，然后在后处理时把思考区直接丢弃。ChatGPT的reasoning_effort、DeepSeek的思维链模式，其实都是这个路子。

3.4 安卓本地运行GGUF格式LLM：端侧部署的选型参考

“安卓本地运行gguf格式llm软件，支持安卓8”让我有点感慨，两年前这个搜索词后面大概率会跟“配置不够、跑不动”，现在大家已经在认真要求“支持安卓8”了，说明端侧小模型已经能落地。

如果你要在Android上跑GGUF，我推荐优先看看llama.cpp的Android移植版，它更新快，能在ARM CPU上做量化推理。模型选择上，7B模型用Q4_K_M量化基本能覆盖普通对话场景；如果设备内存只有6GB，建议直接选3B-4B的模型，别硬上7B，否则容易秒退。

我看大家今天没提到“拦截器”之类的，就打住。

4. 今日热词速览与点评

前两节是重点，这一节我把今天出现频率高的热词快速过一遍，每条只讲我认为最关键的一点。

4.1 Spatial LLM：空间智能开始和语言模型交接

“spatial llm”今天出现得比较意外。它的含义是让LLM理解空间位置、坐标、几何关系，典型应用场景是机器人的导航指令、GIS问答、3D场景编辑。我的看法是：Spatial LLM短期内不太可能替代专用视觉模型，但它提供了一个更自然的交互层——你可以用自然语言“把椅子放到桌子左边”，然后由空间LLM把它翻译成具体的坐标变换。做智能家居、仓储机器人方向的朋友，值得盯一下这个方向。

4.2 基于Rust的AI Agent：性能狂热者的新玩具

“基于rust语言ai agent”热度持续不减，核心原因是Rust写Agent的Harness可以拿到极低的延迟和极高的并发度。Rust生态里现在有不少Agent框架的雏形，它们强调的是编译期类型安全：工具的参数类型错误能在编译期被拦截，而不是等模型运行时传错。

我自己的评价是：生产项目如果是Java/Go技术栈，没必要为了Agent专门切Rust；但如果你要做高并发的Agent网关或者边缘侧Agent，Rust是真的好东西。出发点应该是性能瓶颈，而不是“赶时髦”。

4.3 Agent记忆（Memory）：短期工作区与长期档案要分离

“agent记忆”是今天的老话题。很多人的误解是把“所有历史对话”都塞给模型，结果Token爆掉。正确逻辑是分两层：工作记忆（最近3-5轮对话摘要）和长期记忆（用户偏好、领域知识、经验教训），后者通常存进向量库或者数据库，按需召回。

4.4 多Agent协同：分工的前提是“信息隔离”

“多agent”也在热词列表里。我不建议一上来就搞“一个指挥官多个下属”的复杂结构，太多项目死在这里。更稳的模式是“评审团模式”：多个Agent各自独立完成任务，然后由一个汇总Agent把结果合并。这样单个Agent的失败不会导致全盘崩溃。

4.5 其余热词一句话快评

• agent anywhere：Agent的运行环境正在泛化，从云端到本地，从桌面到移动端都有形态。
• presonl agent、pi agent：这两个词比较小众，大概率是具体产品名，我还没有深入实践，不冒昧点评。
• llm wiki：社区正在积累LLM相关的知识库，做开发时善用它们能省不少调研时间。
• llm studio：本地模型管理工具，拿来跑实验、切换模型商还挺方便的。
• ai agent token是什么意思：Token对Agent来说不只是“计费单位”，更是上下文窗口的资源预算，Agent设计时要像管理内存一样管理Token。
• 使用聊天记录模型精调llm：拿真实聊天记录精调模型，能明显提升对话手感，但要注意脱敏。
• agent画图：Agent调用绘图工具的链路，关键是图生文、文生图的来回校验。
• agent项目：提问太宽泛，建议先跑通“单工具调用”再做项目管理。
• agent架构：和多Agent编排、Harness、记忆是有重叠的，核心是控制流设计。
• agent框架：不要神化LangChain或者任何框架，框架解决的是常规问题，核心的可靠性还是要自己打磨。

5. 今日观点：给新人的Agent/LLM学习路线建议

今天集中出现“agent学习路线”“agent开发学习路线”两个热搜，应该是新人涌入的信号。我这几年带过不少人从零开始做Agent，总结出一条相对能走通的路，供参考。

5.1 第一阶：先搞懂“模型能力边界”和“上下文工程”

不要一开始就上Agent框架。先用API跑通“单轮对话→多轮对话→带Function Calling的对话”三步。重点是搞清楚“模型返回的工具调用参数长什么样”“如何把工具执行结果拼回对话”。这一步的目标不是做出复杂Agent，而是建立“模型只是一台推理引擎”的直觉。

顺便解释一下agent framework与编排的区别：框架帮你实现了底层通信和嗅探，编排解决的是“多个任务步骤之间的顺序、依赖、回退”。先理解编排，再挑框架。

5.2 第二阶：做一个带“记忆+RAG”的垂直Agent

选一个你熟悉的领域，比如“个人笔记问答”“简历筛选助手”“资料整理工具”，做一个能检索、能引用来源、能回答的Agent。这里会自然接触到向量库、Embedding、召回排序、上下文裁剪这些核心组件。建议用llm as judge的思路做一个离线评测集，把你的问答表现量化出来，否则你根本判断不了改动是好是坏。

5.3 第三阶：工程化与可靠性加固

走到这一步，再回头看今天热搜里的“容错控制”“Agent安全”“报错排查”，你就会有共鸣了。此阶段要做的是：给Agent加超时控制、重试策略、审计日志、权限校验。继续利用“网页保存成Markdown的Skill”这类训练项目，去练模型的能力边界和稳定性。

这条路看着很长，但我见过不少朋友两到三个月就能走到第三阶，前提是每天真的在写代码，而不是天天刷资讯。

6. 今日清单：我建议你立即动手做的三件事

日报的最后，我习惯给一份“今日动手清单”，今天选了三件门槛不高但收益明确的事：

第一，给自己常用的Agent加一层工具调用日志包装。今天“agent execution terminated due to error”能上热搜，说明太多人还在裸奔。哪怕只是把工具入参出参打出来，明天你排查问题的效率就能翻一倍。

第二，检查你的知识库写入管线的权限控制。读过AgentPoison那篇论文之后，我建议至少给公网抓取内容加上低可信度标签，并和内部知识隔离。

第三，挑一个报错词（比如schema或tool payload）去复现一遍，然后亲手修好。不要只看文章，自己踩一次比读十篇总结都有用。

我把今天的日报写到这里，核心不是追踪每一个热词，而是想让你看到Agent/LLM开发背后的真实难点：它不再是“调大模型”那么简单，而是一套涉及可靠性、安全性、可观测性的系统工程。今天你在热搜里看到的每一个报错、每一个安全名词，背后都是真实业务里砸过的时间。愿这些整理能帮你少踩几个坑。