coding-agents · E1 预消化简报（2026-10-14）

增量清单边界：本简报只覆盖本次 work-guard 的 8 份 materials（区间 2026-10-13 12:20 → 2026-10-14 11:40）。未做全库扫描、未做网页补料、未把 10 月节奏当新观点。

一、今日 coding-agents 主题的 6 条增量

增量 1 · 学术/写作 Coding-Agent Skills 成为 GitHub 上「头部项目」之一

  • 来源：organized/repo_cards/492-imbad0202-academic-research-skills.md
  • 要点：Claude Code 上的 academic-research-skills 近期周增 +483 Stars，总 Star 51,854，定位是「research → write → review → revise → finalize」一站式学术流水线。语言 Python，许可 NOASSERTION。同一目录（organized/repo_cards/）里第二张卡 4374-poemswe-co-researcher 则更窄：131 Stars，专门做文献综述 / 系统综述 / 同行评审 / citation check，每条引用都在 OpenAlex + arXiv + Europe PMC 里交叉验证，并且兼容 Claude Code、Gemini CLI、Codex、OpenCode。
  • 与活文档的关系：knowledge/coding-agents.md（项目里不存在该活文档，回退用最近一份 E1 简报 2026-10-12-coding-agents-e1prep.md 的脉络）已经在「Skills / Subagents / Hooks」三件套里反复出现 academic-writing 类插件；这两个仓库的证据强度高于一般 star 数，是「Claude Code / Codex / OpenCode 通用 Skills 平台」成为行业标准模式的进一步背书。重点不是技能本身，而是它已经被推到 51K Star 的「事实头部」位置。
  • 建议归入哪一节：活文档候选章节 ## Skills / Plugins / Hooks（贴合「编码 Agent 的知识/写作侧扩展」），另在 ## 生态与市场结构 里点一句头部 Skills 仓库已成形。

增量 2 · 本地 AI 编程会话聚合 UI 与「机构 / 论文固化」形态收敛

  • 来源：organized/repo_cards/1271-kcnyu-clawock.md、organized/repo_cards/4106-lunarwerxs-agenthydra.md、organized/repo_cards/4358-logly-mureo.md
  • 要点：
  • LunarWerxs/AgentHydra（TypeScript, MIT, 46★, 周增 +14）：把 Claude Code / Codex / OpenCode 三家本地会话「集中到一个 tab」，加可调度的任务队列，并强调 Claude Desktop 实例之间的隔离；MCP-native。
  • logly/mureo（Python, Apache-2.0, 50★）：自称 local-first 的「AI 广告运营团队」，但同样走 Claude Code / Cursor / Codex / Gemini 的多客户端适配，且用 Skill 形态呈现。
  • KCNyu/clawock（Python, MIT, 19★）：港美券商场景的 Agent——「AI 争论、代码结算」，讨论后由「模型碰不到」的代码执行；策略以插件形式参数搜索；同一工作流可安装到 OpenClaw、Claude Code、Codex、DeepSeek Harness。
  • 与活文档的关系：与近两周 E1 反复出现的「Coding Agent × Harness 一致化 / 跨客户端复用 / 真实账户执行」三条主线高度同构：AgentHydra 对应客户端层、mureo 对应 Skill / Domain 层、clawock 对应真实副作用执行层，三者叠加刻画出 2026 Q4 Coding-Agent 生态的「客户端 / 技能 / 真实副作用」三层收敛。
  • 建议归入哪一节：## 生态与市场结构（三个仓库都跨多个 Coding Agent 客户端，是市场层而非论文层证据）。

增量 3 · Harness 与权重「共进化」——把日志当训练数据

  • 来源：inbox/jay/2026-10-14-1140-news-x-tech-radar.md 第 5 条（@omarsar0 引 Google DeepMind）
  • 要点：omarsar0 称 DeepMind 论文「Banger paper」——主题为「co-evolving an agent's harness and its weights」。核心洞察：若已经记录了 harness 变更日志和结果，这些日志本身就是「运行在 harness 内模型」的训练数据。原帖只有论文图片，无完整论文链接。
  • 与活文档的关系：与活文档里反复出现的 LongHorizon-Harness-arxiv-2608-01964、Harness Evolution、2026-08-22-Harness-Evolution-Eval-Rethink、2026-08-15-EvoSkills 等条目是同一脉；本增量把视角从「评测 harness」再推到「harness 自身可作为模型训练信号」的回路闭合。证据等级仅为 omarsar0 转述+截图，论文链接未核实，按系统提示应对其打上「待核实 arXiv id」标签。
  • 建议归入哪一节：## Harness 共进化 / 自训练（独立小节），并加一段待核实标注，明确论文链接暂缺。

增量 4 · 长程 AgentSWE / 长程轨迹数据合成两条评测线

  • 来源：inbox/tom/2026-10-13T2040-agent-rag-longcontext-radar.md 第 1、2 条
  • 要点：
  • AgentSWE（arXiv: 2610.13361，2026-10-08，HF Daily 148 票）：首个测「编码 Agent 能否真的构建出你想要的 Agent」的 benchmark——三阶段 Creation（自然语言需求→完整 Agent）、Editing（生产级 Agent 代码库）、Optimization（向可测目标优化）。
  • Scaling Agentic Data for Long-Horizon Terminal Intelligence（arXiv: 2610.13166，2026-10-08，HF Daily 100 票）：研究合成高质量长程轨迹数据，让终端 Agent 学习探索、积累证据、调整策略、把中间产物转化为最终交付。
  • 与活文档的关系：与活文档 Agent-as-a-Judge 系列、WeaveBench、Long-Horizon-Terminal-Bench、M3-Agent-M3-Bench、S1-DeepResearch-32B 一脉——但 AgentSWE 直接考察「交付的 Agent 是否忠实满足需求」，是评测体系从「Agent 本身」到「由 Agent 制造的 Agent」的关键跃迁；长程轨迹数据合成则填补训练数据侧的空白。
  • 建议归入哪一节：## Agent 评测 / Long-Horizon（建议起一个 Coding-Agent-生产化评测 子节把 AgentSWE 钉在前排）。

增量 5 · 真实索引 / 引用可验证 RAG：从「检索」升级到「可审计」

  • 来源 1：inbox/tom/2026-10-13T2040-agent-rag-longcontext-radar.md 第 3 条 + inbox/jay/2026-10-13-jay-production-agent-engineering-oct-pm.md 第 1 节
  • 来源 2：inbox/jay/2026-10-14-1140-news-x-tech-radar.md 第 1、2 条（@svpino）
  • 要点：
  • Verifiable Retrieval for Legal Reasoning via Structure-driven KG（arXiv: 2610.13695v1，2026-10-09）：用结构化知识图谱驱动 RAG，专门针对医疗/法律等可靠性关键场景，把生成过程做成可验证，解决「黑盒 LLM + 朴素 RAG 在大规模源下效果下降」的老问题。
  • Substack「agent-engineer 插件」+ A/B：作者 Sarthak Rastogi（2026-10-12）在 Claude Code / Codex CLI / Cursor / OpenCode / Gemini CLI 上验证 agent-engineer 插件（11 Skills + 4 Subagents + 5 Hooks）。6 任务、Claude Code Opus 5.5、双盲 3 轮/任务：插件组 53% vs 无插件组 34%。关键工程洞察：分层诊断路由 Router Skill（L0 工具层 → L3 多 Agent/记忆/编排层），adopts「先做 error analysis / failure taxonomy 再写 judge；优先用代码检查而非 LLM judge；每个 judge 要人标验证；多次运行才有意义；挂 CI」。
  • X 雷达「XERJ」「开源索引引擎」：svpino 给出可粘贴 Codex/Claude Code 的安装 prompt，把 XERJ 作为「参考记忆中枢」接入；另一条把一个开源引擎比作「送 Agent 去上大学」，给 Agent 加上无需重训练的大库搜索能力。两条产品名 XERJ 与仓库名均未公开命名，原帖只留短链。
  • 与活文档的关系：
  • 把活文档 Agentic RAG、Agent-as-a-Judge、Reliability without Validity 与最近一月的 LongHarness-Bench、2026-09-26-coding-agents-e1prep 相关条目绑成「评测 + 治理」一条主线。
  • agent-engineer 的 A/B 与分层路由是少有的「对照清晰 + 复现命令给出」证据，强度高于一般 Substack。可顺路带入活文档评估章节。
  • 建议归入哪一节：## Coding-Agent Eval / 工程化最佳实践（并把「可验证 RAG」与「Agent-judge 验证」两条并列）。

增量 6 · Coding Agent 的「生产部署 + 分布式可靠性」——8 大分布式模式与 vLLM/SGLang 命令集

  • 来源：inbox/jay/2026-10-13-jay-production-agent-engineering-oct-pm.md 第 2 节
  • 要点：Arslan Ahmad（Design Gurus, 2026-10-04）把 AI Agent 当分布式系统来写——LLM 慢服务、Tool 是其他远程服务、靠循环连接、靠状态维持——给出 8 大模式（含故障模式）：Retry + Backoff + Jitter / Idempotent Tool Calls / Saga + Compensating / Circuit Breaker / Timeout / Queue + Token Budget / Distributed Tracing / Rate Limiting。关键结论：「模型决定步骤，orchestrator 决定补偿」；副作用调用必须幂等；多层重试叠加是灾难。同页还附带 vLLM/SGLang 的 PD 分离、KV Cache 量化（--kv-cache-dtype fp8_e5m2）、MoE EP+EPLB、LoRA 动态切换等生产命令。所有命令的可复现性高，命令片段在原页都给出。
  • 与活文档的关系：与活文档里 Reliability Science Long-Horizon LLM Agents、Beyond pass-1、Harness Evolution 等条目是同一脉的「生产化骨架」。Jay 这一页同时给出「AI Agent 8 模式」与「vLLM/SGLang 命令清单」两套材料，组合证据强。注意：本条偏生产部署 / 推理基础设施，与严格意义的「Coding-Agent」主题有交集但需区隔。
  • 建议归入哪一节：## Coding-Agent 生产化 / 可靠性（明确标注与 inference-engineering 的边界）。

二、值得警惕的矛盾 / 待核实说法

  1. DeepMind 「Harness × 权重共进化」论文原文未核实。omarsar0 推文只附论文截图，无论文标题或 arXiv id。活文档引用前应至少核实截图里的标题与作者；归入 ## Harness 共进化 时务必标「待核实」。
  2. X 雷达里的「开源引擎 / XERJ」项目名未公开。svpino 仅给短链（https://t.co/S4qhaMwa89、https://t.co/8j9s4Njmum、https://t.co/8j9s4Njmum），未出现仓库名或 GitHub 路径。如要纳入活文档，必须先打开短链拿到真实项目名与仓库地址。
  3. 「Embodied Turing Machines」论文链接是短链。@_akhaliq 推文给的也是 t.co 短链，未给 arXiv 号。属于 embodied 机器人自改进方向，与 coding-agents 主线相关性较低（更像 embodied / robotics），不建议直接搬入活文档主线，可在「交叉引用」段落做一笔记。
  4. Turing Post「20 Advanced RAG Types to Know in 2026」 仅出现在 Tom 雷达的二级来源，没有给出原始链接或作者列表。如要引为权威，应核实原始出处。
  5. poemswe/co-researcher 的引用交叉验证声明：卡片说「每条引用都在 OpenAlex / arXiv / Europe PMC 验证」，但没有给出独立验证证据。建议活文档引用时标注「仓库声明，独立核验缺失」。

三、可引用的 arXiv 号列表

  • 2610.13361 — AgentSWE: 编码 Agent 开发生命周期 benchmark（2026-10-08，HF Daily 148 票）
  • 2610.13166 — Scaling Agentic Data for Long-Horizon Terminal Intelligence（2026-10-08，HF Daily 100 票）
  • 2610.13695v1 — Verifiable Retrieval for Legal Reasoning via Structure-driven Knowledge Graph（2026-10-09）
  • 2610.12933 — Uncertainty-Guided Progressive Contraction for Reasoning Post-Training（2026-10-08，与本主题弱相关）
  • 2610.09116 — SPLATIFY: Papers → Trainable 3DGS Code（2026-10-05，与本主题弱相关）
  • 2609.36616 — CrossTimeEdit（2026-09-28，CV/RAG，与本主题弱相关）
  • 待核实：DeepMind 共进化 harness 论文（omarsar0 转述，无 arXiv id）；Embodied Turing Machines 论文（仅 t.co 短链）。

四、本批采用的来源（可核查出处）

  • organized/repo_cards/492-imbad0202-academic-research-skills.md
  • organized/repo_cards/4374-poemswe-co-researcher.md
  • organized/repo_cards/1271-kcnyu-clawock.md
  • organized/repo_cards/4106-lunarwerxs-agenthydra.md
  • organized/repo_cards/4358-logly-mureo.md
  • inbox/jay/2026-10-13-jay-production-agent-engineering-oct-pm.md
  • inbox/jay/2026-10-14-1140-news-x-tech-radar.md
  • inbox/tom/2026-10-13T2040-agent-rag-longcontext-radar.md

五、检查过的旁证 / 未发现新增量

  • 名单内仅本批 8 份 materials，全部读取；材料覆盖 GitHub repos、2 份 jay 草稿、1 份 tom 雷达。
  • 未在本次材料中发现「flyP / spark / stephen」目录的新笔记与 coding-agents 主题相关（本批 8 份均不涉及 flyP / spark / stephen）。
  • paper_cards/ 最近一次的 mtime 显示的是 arXiv 旧卡回灌（仍属 10-14 同批），与本次增量主题关联弱，不再纳入正文。
  • 没有触发「全库扫描 / 网页补料 / 为凑字数多轮重写」。本简报严格覆盖 work-guard 清单。