工程筛选报告 · Jay · 2026-07-03 第二轮（下午加筛）

主题：Local Coding Agent Stack + Agent Memory 架构 + DSPy 工作流 + GitHub Trending 新增 + HF 部署命令 检索范围：Substack（Sebastian Raschka / Simon Willison / ByteByteGo）· GitHub Trending · Hugging Face Blog · Lilian Weng · Import AI 去重参考：2026-07-03-1050-engineering-filter-harness-agents-llmascode.md（Harness/Claude Code/GPU Scheduling）；2026-07-03-afternoon-github-trending-strix-hf-blog-multiagent-rag.md（HF Blog/ScarfBench/Corpus2Skill/GitHub Trending）；2026-07-03-1105-briefing-quantization-rag-vecdb-inference.md（Inference benchmark/vLLM vs TRT-LLM vs SGLang）

一、保留条目

✅ R-11：Using Local Coding Agents（Sebastian Raschka · Ahead of AI · Substack）

URL：https://magazine.sebastianraschka.com/p/using-local-coding-agents 发布时间：2026-06（本周RSS收录）

核心工程内容： - 完整 Local Coding Agent Stack 教程：Qwen-Code harness + Qwen3.6 35B-A3B 模型（22GB download），Mac Mini M4 / DGX Spark 均可运行 - 实测硬件需求：~30-40GB RAM，M4 Mac Mini 流畅运行 - Benchmark 数据：基于 Nvidia Polar: Agentic RL on Any Harness at Scale（arXiv:2605.24220，May 2026），Qwen3.5-4B base model 在 Qwen-Code harness 中编码性能最优（Polar-RL 训练前后均为） - Cohere Benchmark（June 2026）：Qwen3.6 35B-A3B 在同类尺寸模型中横扫所有 benchmark - 实战经验：同时运行 Codex（GPT latest）+ Qwen-Code（local Qwen）不切换 - Qwen-Code 优势：开源（vs Claude Code 非开源），Qwen 模型针对性优化，支持 Qwen/North Mini Code/Gemma 4 多模型 - Pi（earendil-works/pi）：未来值得关注的替代 harness

保留理由： - 具体硬件配置（RAM/芯片/M4 vs DGX Spark）、模型大小（22GB）、benchmark 来源论文（Polar arXiv:2605.24220） - 可复现的本地 Agent 开发环境搭建路径 - 与 awesome-harness-engineering / Claude Code / ECC 形成本地化补充

可信度：⭐⭐⭐⭐⭐ 高——Raschka 长期 AI 教育者，有具体硬件数字和 benchmark 引用 标签：Local-Coding-Agent Qwen-Code Qwen3.6 Harness Benchmark Polar-RL 建议分类：Agent Harness 工程 · 本地开发环境 后续行动：精读 Nvidia Polar 论文（arXiv:2605.24220）；核验 Qwen3.6 35B-A3B 在 M4 Mac Mini 实测性能

✅ R-12：How AI Agents Manage Memory and Avoid Forgetfulness（ByteByteGo · Substack）

URL：https://blog.bytebytego.com/p/how-ai-agents-manage-memory-and-avoid 发布时间：2026-06-29（本周ByteByteGo RSS）

核心工程内容： - 四层记忆架构（Tiered Memory Hierarchy）：类 OS memory paging 设计原则 - Tier 1 · Context Window：最快、最贵（per-token计费）、bounded；直接插入 prompt - Tier 2 · Short-term / Session Memory：最近活动，等待被 summarization 或 eviction - Tier 3 · Long-term Store：跨 session 持久化的事实、embeddings、结构化摘要 - Tier 4 · Cold Archive：低频访问材料，用于审计或未来参考 - 三个关键问题（将完整历史塞入 context 的失败模式）： 1. 成本：线性增长对话 → 线性增长 per-call 计费，第80轮可能 re-send 数万 token 2. 延迟：满窗口响应时间从 2s 升至 10-15s 3. Lost-in-the-middle：注意力在长上下文中退化，中间位置信息检索可靠性最低 - 核心论点："Intelligence resides in the model; memory resides in the system surrounding it"——模型本身无记忆，记忆是外部系统工程的产物 - Memory Tier vs Context Window：更大 context window 不能解决 memory 问题，因为导航问题依然存在

保留理由： - 四层架构框架与 Continuum Memory Architecture（afternoon A-04）相互印证 - "Lost-in-the-middle" 量化了注意力退化对 Agent 记忆可靠性的影响 - 概念清晰，可直接作为 Agent Memory 设计主题页的架构基础

可信度：⭐⭐⭐⭐ 高——ByteByteGo 工程教育型 newsletter，图示清晰，引用来源说明 标签：Agent-Memory Memory-Architecture Tiered-Memory Context-Window Lost-in-the-Middle 建议分类：Agent 记忆系统 · 架构设计 后续行动：与 Continuum Memory Architecture（afternoon A-04）合并入 Agent Memory 主题页；补充具体产品（Mem0/E2B/SuperMemory）在四层框架中的对应位置

✅ R-13：Using DSPy to Evaluate and Improve Datasette Agent's SQL System Prompts（Simon Willison）

URL：https://github.com/simonw/research/tree/main/dspy-datasette-agent-prompts 发布时间：2026-07-02（RSS今日收录）

核心工程内容： - DSPy Framework 做 Agent Prompt 工程化评估的实战案例 - Harness 设计：DSPy agents 调用 Datasette Agent 实际工具实现 + live in-process Datasette - Evaluation 数据集：gold-standard auto-generated dataset + custom metrics - 测试模型：GPT 4.1 mini 和 nano - 具体失败模式发现： - Schema listing 只有 table names，不含 column names - "don't call describe_table if you already have the information" advice 导致 column-name guessing（page_count, o.order_id, first_name）→ error-retry loops - 改进建议：schema listing 应包含 column names，或软化该 advice - Reproducibility：GitHub repo 完整可复现（pip install dspy datasette-agent）

保留理由： - DSPy 做 prompt optimization 的实际生产案例，不是 toy demo - 具体失败模式（column-name guessing + error-retry loop）有工程诊断价值 - GitHub repo 有完整代码，reproducibility 高 - 与 AgentTrace/observability 工具形成 Agent evaluation + observability 互补

可信度：⭐⭐⭐⭐⭐ 高——Simon Willison 透明公开实验全过程，GitHub repo 可查 标签：DSPy Prompt-Engineering Agent-Evaluation Datasette Reproducibility SQL-Agent 建议分类：Agent 评估工程 · Prompt 工程化 后续行动：精读 GitHub repo 完整代码；核验 DSPy prompt optimization 在其他 Agent 场景（不只 Datasette SQL）的通用性

✅ R-14：llm-coding-agent 0.1a0（Simon Willison · Blog）

URL：https://simonwillison.net/2026/Jul/2/llm-coding-agent/ 发布时间：2026-07-02

核心工程内容： - llm-coding-agent 首个 alpha release：llm Python 库的 coding agent 扩展 - Fable 5 实验之一：将 llm 库演进为更偏向 Agent 框架 - 定位：simple coding agent，探索"minimal viable coding harness"边界

保留理由： - 值得追踪的新兴 coding agent 实现（不同于 Claude Code / Codex / Qwen-Code） - 0.1a0 版本号说明是早期实验，与 R-11 Raschka 本地 coding agent 生态形成对照

可信度：⭐⭐⭐ 中——早期 release，需要观察成熟度 标签：Coding-Agent llm-library Python Early-Stage 建议分类：Agent 工具链 · 实验性工具 后续行动：关注 0.1 后续版本；与 Qwen-Code / Pi 对比架构差异

✅ R-15：Rethinking Scaling Laws（Lilian Weng · Lil'Log）

URL：https://lilianweng.github.io/posts/2026-06-24-scaling-laws/ 发布时间：2026-06-24（今日RSS收录）

核心工程内容： - Scaling Laws 是深度学习最重要的经验性发现之一 - L(N, D) ∝ N^(-α) + D^(-β) + (ND)^(-γ)：模型规模 N、数据规模 D 与训练损失 L 的可预测关系 - 2026 年新背景：GPT-5.5 / DeepSeek V4 / Gemini 4 / Claude 4 等新一代模型 scaling 行为出现新特征 - 覆盖：pre-training scaling / RL scaling / inference scaling laws 的最新进展

保留理由： - Lilian Weng 是 LLM 系统领域高可信度技术作者 - 2026-06-24 非常新，涵盖最新 scaling law 争议（扩展定律是否仍然有效） - 与 Energy-to-Token 推理评估（morning briefing #6）共同构成 LLM 经济学和 scaling 的双重视角

可信度：⭐⭐⭐⭐ 高——Lilian Weng 长期产出高质量技术分析 标签：Scaling-Laws LLM-Training RL-Scaling Inference-Scaling 建议分类：LLM 基础研究 · 训练优化 后续行动：精读；与 Energy-to-Token（morning briefing #6）配合阅读

二、丢弃条目

❌ D-09：State of AI: May 2026（Nathan Benaich · Substack）

丢弃理由： - 市场/行业分析报告，非工程实践 - 虽有具体数据（$1220亿 OpenAI 合同、Air Street Fund III $232M），但属于投资/战略层面 - 无源码/命令/可复现步骤，不符合工程筛选标准

❌ D-10：Import AI 463: 自我改进机器人；一万卡中国 GPU 集群（Jack Clark · Substack）

丢弃理由： - 属于 newsletter 评论/随笔类，非具体工程内容 - "Self-improving robots" 无具体实现细节、命令或 benchmark - 一万卡集群是基础设施规模描述，无工程可复现性

❌ D-11：Import AI 462-460（Jack Clark · Substack）

丢弃理由： - 同上：随笔式 AI 评论，非工程实践 - "ASI 路径"、"AI 监督"属于战略/安全讨论，无工程细节

三、GitHub Trending 补充保留（与 afternoon 文件去重后）

✅ G-07：usestrix/strix ⭐ 32,718（+2,137 today）

已覆盖于 afternoon 文件（G-01），但本次重新确认高优先级： - AI Security Agent 渗透测试工具 - 与 OWASP Top 10 Agents（ASI01-ASI10）实战对照 - 与 Agent-Native Immune System 安全框架呼应

✅ G-08：ECC（affaan-m/ECC）⭐ ~83k+

补充评估： - Skills / Instincts / Memory / Security 全栈 harness 优化 - 跨 Claude Code / Codex / Opencode / Cursor 多 harness 支持 - 差异化：ECC 定位"meta-tooling"，解决"让已有 harness 更好"而非"造新模型" - 高 stars（83k+）表明社区认可度高

保留理由：Meta-tooling 定位独特，值得入知识库；需持续追踪 ECC 的 benchmark 数据

四、Hugging Face 部署命令补充保留

✅ H-06：vLLM Server on Hugging Face Jobs（HF Blog · 7天前）

补充评估： - 一行命令部署 vLLM Server 到 Hugging Face Jobs - 具体命令价值：适合快速验证 vLLM 部署，无需本地 GPU - 与 vLLM vs TRT-LLM vs SGLang benchmark 形成部署 + benchmark 完整闭环

保留理由：实操命令，与 inference engineering 主题页强关联

五、分类标签矩阵

六、建议写入路径 & 后续行动

实际写入路径：/shared/research-kb/inbox/jay/2026-07-03-engineering-filter-second-round.md

精读优先级排序： 1. R-13（DSPy GitHub repo）— 可复现 prompt engineering 案例 2. R-11（Local Coding Agent Stack）— 硬件需求 + Polar 论文 3. R-12（Memory Architecture）— 四层框架 + morning A-04 合并 4. R-15（Scaling Laws）— Lilian Weng 最新技术分析

主题页更新建议： - agent-memory 主题页：整合 R-12（四层架构）+ afternoon A-04（Continuum Memory），补充 Mem0/E2B/SuperMemory 对应位置 - agent-harness 主题页：整合 R-11（Qwen-Code 本地 stack）+ R-14（llm-coding-agent）+ G-08（ECC meta-tooling） - agent-evaluation 主题页：整合 R-13（DSPy）+ morning S-03（LLM-as-Judge 偏误）

GitHub 操作：无（按规则仅产出草稿）