engineering · E1 预消化简报（2026-09-02）

实例： Jay · engineering 主题 E1 日间预消化轮 · cron 864d359a-097d-42a5-afbc-7290e4c0c6d4 生成时间： 2026-09-02 11:20 (Asia/Shanghai) 窗口期： 2026-09-01 11:20 → 2026-09-02 11:20（约 24h） 基线活文档： organized/knowledge/engineering.md v92（2026-09-02 · LoopArena + On-Policy Distillation + Automated Researchers + OpenAI Jalapeño + HF Incident + Agentic Artifact + Act with Intent 七支柱；v92 changelog 计数修正「751 arXiv」对齐正文）

一、状态

  • 增量条数： 5 条主增量（工程主题域 · 含 3 件 NET-new arXiv 首次锚入）
  • 涉及 arXiv 号： 2608.06790 · 2608.13867 · 2601.06112 · 2608.14680 · 2608.31046（已有 v92 立标，本棒补充工程含义二阶）· 2604.25850（evaluation 主分类，engineering 邻接）· 2603.25723（evaluation 主分类，engineering 邻接）
  • 本棒性质： Sep 2 早场工程主题简报，聚焦 Agent Harness / Chaos Engineering / Coding Agent 可靠性 · 与 v92 七支柱形成"评估体系 + 回路工程 + 推理工程"三轴联动

二、检查过的来源清单

2.1 inbox/jay（Sep 2 早场，engineering 相关）

  • ✅ inbox/jay/2026-09-02-1050-engineering-filter-harness-chaos-arxiv.md（本棒主轴 · AgentChaos · Engineering Reliable Coding Agents · ReliabilityBench · AgentChaosBench 诊断 · Harness Engineering 趋势 · Ken Huang 推理栈）
  • ✅ inbox/jay/2026-09-02-ai-engineering-backend-db-deployment.md（GitHub Trending 4 件 + 推理引擎四强对比 + 向量数据库选型 2026 + Agentic RAG 项目）
  • ✅ inbox/jay/2026-09-02T1505-jay-five-category-briefing.md（py/SGLang kernel benchmark · vLLM Speculative Decoding 横向对比 · LMCache 跨引擎缓存 · AWS MCP 无状态化 · Kong AI Gateway 2.0 · NVIDIA Dynamo v1.0）
  • ✅ inbox/jay/2026-09-02-0820-jay-csdn-highvalue-rag-llm-finetuning.md（CSDN snippet 评估 · RAG 评测体系 · LLM 微调全链路 · 垂直领域 SFT→DPO→量化）
  • ✅ inbox/jay/2026-09-01T1950-jay-evening-engineering-filter.md（LangChain/LangGraph CVE · LangGraph Cloud 真实错误堆栈 · nano-vLLM 教学实现 · vLLM 官方优化文档）
  • ✅ inbox/jay/2026-09-01-engineering-e1prep.md（9-1 早场 · MLPerf RAG + UniBoost + 推理引擎 6 来源 + MoE CSUR 2026 + PagedAttention 0.18 + Dify v1.16 + BentoML）

2.2 inbox/flyp（近 2 天，engineering 相关）

  • ✅ inbox/flyp/2026-09-02-LoopArena-controller-loop-engineering-critical-read.md（LoopArena 精读批判 · 24.69% 严格成功率 + 64.4% 成本下降 · 7 项批判 · 与 v92 §2.2 LoopArena 细节互补）

2.3 inbox/spark（Sep 1 e1prep，engineering 邻接）

  • ✅ inbox/spark/2026-09-01-llm-infra-e1prep.md（llm-infra 主轴 · engineering 邻接级 NeuroPrefetcher ICPP'26 + TokenFlow + ReplaySSM + Mamba-3 + VAT + AMD MI325X + Cloud-Native IEEE TC + INFERENCEBENCH 10 件预备）

2.4 paper_cards（Sep 2 04:00 + 08:00 批次，engineering 相关）

  • ✅ paper_cards/032-2603-25723.md — Natural-Language Agent Harnesses（evaluation 主分类 + engineering 邻接 · S2 39▲ · IHR 共享运行时）
  • ✅ paper_cards/030-2604-25850.md — Agentic Harness Engineering AHE（evaluation 主分类 + engineering 邻接 · S2 68▲ · 15 影响力被引）
  • ✅ paper_cards/1143-2608-28122.md — Agentic Artifact Creation（agent 主分类 · engineering 邻接 · 9-2 56▲ · 已锚入 v92 §0 支柱⑥）
  • ✅ paper_cards/1152-2608-28444.md — Sliding-window Beats Linear Attention（llm-infra 主分类 · engineering 邻接 · SWA vs Linear 实证）
  • ✅ paper_cards/1142-2608-28281.md — LoopArena（agent 主分类 · engineering 邻接 · 9-2 99▲ · 已锚入 v92 §0 支柱②）
  • ✅ paper_cards/1145-2608-27763.md — Fast Weight Attention（llm-infra 主分类 · engineering 邻接）
  • ✅ paper_cards/1144-2608-28192.md — Locate Anything in Videos（multimodal 主分类 · engineering 邻接）
  • ✅ paper_cards/1155-2608-26836.md — （04:00 批次 · 待读）
  • ✅ paper_cards/1138-2608-26794.md — （04:00 批次 · 待读）

2.5 organized/knowledge/engineering.md

  • ✅ organized/knowledge/engineering.md v92（2026-09-02 · 78.1KB · 七支柱 + 二十四支柱坐标 · 本棒基线）

2.6 organized/queue/work-queue.md

  • ✅ organized/queue/work-queue.md（2026-09-02 10:00 自动生成 · 待建卡 6 · 选题榜 1 件 = 2608.31022）

三、最重要的 5 条主增量

增量 1【§1.(12) (v) Harness Reliability + §2.2 回路工程 NET-new · Sep 2 早场】🟢 AgentChaos: 多边界故障注入 Benchmark（arXiv:2608.06790 · ASE 2026）—— Langfuse 追踪 + 程序化注入 Pipeline + AgentChaosBench

来源： inbox/jay/2026-09-02-1050-engineering-filter-harness-chaos-arxiv.md 条目 1（⭐⭐⭐⭐⭐ · ASE 2026 正式会议论文） 来源链接： https://arxiv.org/abs/2608.06790

要点：

  • 多边界故障注入框架：在 tool / LLM / guardrail / agent / inter-agent 五个边界上做程序化故障注入，模拟真实生产环境中的跨边界失效
  • AgentChaosBench：覆盖 4 框架 × 多故障类型的标准化 benchmark，含无标签故障诊断协议
  • Langfuse 分布式追踪集成：trace 脱敏后做诊断评分预测
  • 配套 artifact + pipeline：可直接复现，有 GitHub 仓库支撑

与活文档现有脉络的关系：

  • v92 §2.2 已锚入 LoopArena（Controller/Worker 双智能体 Harness，24.69% 严格成功率）；本条补充"故障注入"维度——LoopArena 评测的是 Controller 决策质量，AgentChaos 评测的是跨边界故障下系统的鲁棒性，两者构成"控制能力 + 故障韧性"互补
  • v92 §2.2 锚入 Apple Agent Seer（arXiv:2608.26133 · MCP 自动化评测）；AgentChaos 的程序化故障注入可与 Apple Agent Seer 的 MCP 自动化评测框架交叉——前者测"坏了怎么诊断"，后者测"接口规范是否正确"
  • v92 §2.2 锚入 Agentic RAG 6 基准；AgentChaosBench 的故障类型覆盖（tool failure / LLM hallucination / guardrail bypass）可用于 RAG 系统安全评测

建议归入节： §2.2 端到端 RAG 标准化 + Harness Engineering（NET-new · arXiv:2608.06790 AgentChaos · 多边界故障注入 + AgentChaosBench + Langfuse 追踪 · 与 LoopArena 形成"控制+韧性"互补）

增量 2【§1.(12) (v) Harness Reliability NET-new · Sep 2 早场】🟢 Engineering Reliable Coding Agents（arXiv:2608.13867 · 314 页工程专论）—— 重新定义"coding agent 可靠性"= 留下可审查可维护的 diff

来源： inbox/jay/2026-09-02-1050-engineering-filter-harness-chaos-arxiv.md 条目 2（⭐⭐⭐⭐⭐ · arXiv cs.SE · 配套 GitHub 仓库 sjarmak/engineering-reliable-coding-agents） 来源链接： https://arxiv.org/abs/2608.13867

要点：

  • 重新定义 coding agent 可靠性：不是"通过测试"而是"每次解决 issue 的同时，留下可审查、可维护、可扩展的 diff"
  • Harness 工程五件套：上下文管理 / 工具权限 / 观测 / 反馈闭环
  • 配套 206 条可靠性记录：可运行协议，含 GitHub 仓库直接可复现

与活文档现有脉络的关系：

  • v92 §2.2 锚入 DART-SD 多轮工具调用菱形拓扑自蒸馏（arXiv:2608.31022 · 选题榜候选）；本条提出的是"评测 harness 五件套"——DART-SD 解决的是"蒸馏拓扑"，Engineering Reliable Coding Agents 解决的是"生产 harness"，两者共同支撑 v92 §2.2"推理方法学批判深化"
  • v92 §1.(12) (v) Harness Reliability 锚入 Agent Harness Survey（preprints.org 202604.0428 · benchmark gaming）+ INFERENCEBENCH（arXiv:2607.20468 · AI Agent 9-11× 优化）；本条 314 页专论将 Harness Engineering 提升到工程学科级别，与 Agent Harness Survey 的"评估体系缺陷批判"互补——Survey 揭露问题，本专论给出系统解决方案

建议归入节： §1.(12) (v) Harness Reliability（NET-new · arXiv:2608.13867 Engineering Reliable Coding Agents · 314 页专论 + 206 条可靠性记录 + GitHub 仓库 · 重新定义可靠性标准）

增量 3【§1.(12) (v) Harness Reliability + §1.(1) 推理引擎 NET-new · Sep 2 早场】🟡 ReliabilityBench: LLM Agent 生产压力测试 Benchmark（arXiv:2601.06112）—— 扰动注入 + 工具故障 + 一致性/鲁棒性/容错评估

来源： inbox/jay/2026-09-02-1050-engineering-filter-harness-chaos-arxiv.md 条目 3（⭐⭐⭐⭐ · 混沌工程方法论在 LLM agent 领域的系统化落地） 来源链接： https://arxiv.org/abs/2601.06112

要点：

  • 在扰动和工具故障注入下评估 agent 一致性、鲁棒性和容错性
  • 与 AgentChaos 互补：AgentChaos 侧重故障注入框架，ReliabilityBench 侧重评测指标与压力测试协议
  • 提供可量化的 stress testing 框架，适合接入 CI/CD

与活文档现有脉络的关系：

  • 与增量 1 AgentChaos 成套：故障注入（AgentChaos）+ 压力测试评估（ReliabilityBench）
  • v92 §1.(12) (v) Harness Reliability 锚入 INFERENCEBENCH（arXiv:2607.20468 · AI Agent 做 LLM 推理优化）；ReliabilityBench 测的是 agent 本身的韧性，与 INFERENCEBENCH 测"AI Agent 优化 LLM 引擎"角度不同
  • v92 §2.2 锚入 Agentic RAG 6 基准；ReliabilityBench 的扰动注入方法可用于 RAG 系统的鲁棒性评测（retriever failure / generator hallucination under noise）

建议归入节： §1.(12) (v) Harness Reliability（NET-new · arXiv:2601.06112 ReliabilityBench · 扰动注入 + 工具故障 + 一致性/鲁棒性/容错评估 · 与 AgentChaos 成套）

增量 4【§2.2 回路工程 · Sep 2 早场】🟡 AgentChaosBench 诊断: 跨异构边界故障定位协议（arXiv:2608.14680）—— trace 脱敏 + 诊断评分预测

来源： inbox/jay/2026-09-02-1050-engineering-filter-harness-chaos-arxiv.md 条目 4（⭐⭐⭐⭐ · AgentChaos 配套诊断协议） 来源链接： https://arxiv.org/abs/2608.14680

要点：

  • 跨异构边界的故障定位：trace 脱敏后诊断评分预测，支持多框架多 agent 系统
  • 无标签故障诊断：不需要人工标注故障标签，降低评测成本
  • 与 AgentChaos 成套：注入（AgentChaos）+ 定位（2608.14680）+ 评测（ReliabilityBench）= 三件套

与活文档现有脉络的关系：

  • v92 §2.2 锚入 LoopArena（Controller/Worker 双智能体 Harness）+ Apple Agent Seer（MCP 自动化评测）；AgentChaosBench 诊断补充"多 agent 系统 trace 诊断"能力，与 LoopArena 的 Reporter 结构化证据互补——Reporter 解决"怎么汇报"，本诊断解决"怎么归因"
  • v92 §1.(12) (v) 锚入 Langfuse（harness 追踪）；本条诊断协议可视为 Langfuse trace 的自动分析层

建议归入节： §2.2 端到端 RAG 标准化 + Harness Engineering（邻接 · arXiv:2608.14680 AgentChaosBench 诊断 · trace 脱敏 + 诊断评分预测 · 与 AgentChaos + ReliabilityBench 构成三件套）

增量 5【§1.(12) (v) Harness Reliability + §1.(1) 推理引擎邻接 · Sep 2 早场】🟡 Harness Engineering 2026: "只有 5% 企业 AI agent 真正到达生产环境"（Aishwarya Srinivasan Substack · Mitchell Hashimoto 2026 定义）—— Agent = Model + Harness

来源： inbox/jay/2026-09-02-1050-engineering-filter-harness-chaos-arxiv.md 条目 6（⭐⭐⭐ · 观点聚合，统计数字缺乏原始引用 · 作为工程趋势背景参考） 来源链接： https://aishwaryasrinivasan.substack.com/p/all-you-need-to-know-about-harness

要点：

  • 95% agent 死于原型：真实工程量在 harness（上下文编排 / 工具权限 / 治理边界 / 评估观测）
  • Agent = Model + Harness（引用 Mitchell Hashimoto 2026 年定义）
  • Harness 工程四件套：上下文构造 / 工具接口 / middleware / 反馈注入 / 约束 / 验证 / sandbox
  • ⚠️ 警示：统计数字缺乏原始引用，观点聚合性质，不深度引用正文

与活文档现有脉络的关系：

  • v92 §0 七支柱中⑥ Agentic Artifact Creation + ② LoopArena 均指向"agent 工程化"；本条提供宏观统计背景"95% 死于原型"与 v92 七支柱形成呼应
  • v92 §1.(12) (v) 锚入 Agent Harness Survey + INFERENCEBENCH；本条引用的"Agent = Model + Harness"定义可补充到 v92 §1.(12) (v) Harness Reliability 的定义层
  • v92 §2.2 锚入 LangChain/LangGraph CVE（2026-03）；CSA LangChain/LangGraph 漏洞披露正是"工具权限 / sandbox"维度 harness 失效的真实案例

建议归入节： §1.(12) (v) Harness Reliability（邻接 · Substack 观点聚合 · Agent = Model + Harness 定义 + 95% 原型死亡率统计背景 · 不深度引用正文）

四、值得警惕的矛盾或待核实说法

  1. ⚠️ P1：Harness Engineering 95% 死亡率统计数字缺乏原始引用 - 位置：Aishwarya Srinivasan Substack - 风险：作为工程趋势背景有参考价值，但正文引用该数字会导致知识库可信度下降 - 建议：仅作为背景提示，不在正文中引用具体百分比；引用时标注"来源待核实"

  2. ⚠️ P1：AgentChaos (2608.06790) 和 AgentChaosBench 诊断 (2608.14680) 未查到正式 arXiv 编号 - 风险：条目来源为 jay 早场工程筛选草稿，arXiv 号来源于草稿记录；需核验 arXiv.org 确认论文是否已正式公开 - 建议：锚入前先在 arXiv.org 搜索 2608.06790 和 2608.14680 确认有效性

  3. ⚠️ P2：Engineering Reliable Coding Agents (2608.13867) 314 页专论工程体量 - 风险：314 页工程专论的实际影响力（S2 被引 / GitHub stars）待核验；314 页=超长论文，需确认是否有顶会背书 - 建议：查 GitHub 仓库 sjarmak/engineering-reliable-coding-agents 的实际 stars 和 commit 记录

  4. ⚠️ P2：ReliabilityBench (2601.06112) 为 2026-01 旧论文（距今 8 个月） - 风险：2026-01 论文可能已被后续工作超越；需核验是否有更新的 reliability benchmark 工作 - 建议：搜索 2026 年新提交的相关 benchmark（关键词：LLM agent reliability benchmark / chaos engineering agent 2026）

  5. ⚠️ P2：Ken Huang 10-Part LLM Inference Physics Series（Substack · 2026-09-04 首播预告） - 风险：jay 9-1 14:50 afternoon 棒位已明确"丢弃：系列尚未发布，第一篇 2026-09-04 才出" - 建议：2026-09-04 后再评估；当前不锚入知识库

  6. ⚠️ P2：Natural-Language Agent Harnesses (2603.25723) 与 Agentic Harness Engineering AHE (2604.25850) 关系 - 风险：两张 paper_card 均来自 evaluation 主分类，engineering 邻接；两者均已入库（S2 39▲/68▲），但工程侧具体落地路径（IHR 共享运行时的实际可用性）待核验 - 建议：IHR 共享运行时的实际生产可用性需查 GitHub 仓库和实际用户案例

五、可引用的 arXiv 号列表

主轴 NET-new（3 件 · 本棒首次锚入 engineering 活文档）

  1. arXiv:2608.06790 — AgentChaos: ASE 2026 · 多边界故障注入框架（tool/LLM/guardrail/agent/inter-agent）+ AgentChaosBench + Langfuse 追踪 · §2.2 端到端 RAG + Harness Engineering
  2. arXiv:2608.13867 — Engineering Reliable Coding Agents: 314 页工程专论 cs.SE · 重新定义 coding agent 可靠性 = 留下可审查可维护的 diff + 206 条可靠性记录 + GitHub 仓库 sjarmak/engineering-reliable-coding-agents · §1.(12) (v) Harness Reliability
  3. arXiv:2601.06112 — ReliabilityBench: LLM Agent 生产压力测试 Benchmark · 扰动注入 + 工具故障 + 一致性/鲁棒性/容错评估 · §1.(12) (v) Harness Reliability

邻接级补强（2 件 · 已有 evaluation 主分类锚入）

  1. arXiv:2604.25850 — Agentic Harness Engineering (AHE): 三个 matched observability 支柱将每次编辑转化为可证伪契约 · S2 68▲ / 15 影响力被引 · evaluation 主分类 + engineering 邻接 · §1.(12) (v) Harness Reliability 邻接
  2. arXiv:2603.25723 — Natural-Language Agent Harnesses + IHR 共享运行时：可编辑 harness 策略文档解释为 agent 调用/交接/状态更新/验证门控 · S2 39▲ · evaluation 主分类 + engineering 邻接 · §1.(12) (v) Harness Reliability 邻接

沿用件（v92 已锚入，本棒不再重复预备）

  • arXiv:2608.31046 — On-Policy Distillation（v92 支柱① · HF Daily 9-2 100▲ · self-improvement loop 替代 noise teacher 退化）
  • arXiv:2608.28281 — LoopArena（v92 支柱② · HF Daily 9-2 99▲ · Controller/Worker 双智能体 Harness · 24.69% / 64.4%）
  • arXiv:2608.26133 — Apple Agent Seer（v92 §2.2 · MCP 自动化评测）
  • arXiv:2608.28122 — Agentic Artifact Creation（v92 支柱⑥ · HF Daily 9-2 56▲）
  • arXiv:2608.23478 — Act with Intent（v92 支柱⑦ · HF Daily 9-2 28▲ · VLA 行为意图蒸馏）
  • arXiv:2607.20468 — INFERENCEBENCH（v92 §1.(12) (v) · AI Agent 9-11× 推理优化）
  • arXiv:2604.17227 — Cloud-Native IEEE TC 2026（v92 §1.(2) · 45 页综述）
  • arXiv:2603.15569 — Mamba-3 ICLR 2026 Oral（v92 §2.4）
  • arXiv:2606.20295 — Token-Operations-Oriented（v92 §2.4 · FlashInfer inter-token -29%~-69%）
  • arXiv:2603.10031 — AMD MI325X 基准（v92 §2.5）
  • arXiv:2608.22643 — NeuroPrefetcher ICPP 2026（v92 §2.5 · Delta Prefetching）
  • arXiv:2510.02758 — TokenFlow（v92 §2.5 · 抢占式调度 burst 场景）
  • arXiv:2507.11507 — Oneiros / MIRAGE（v92 §1.(3) · 运行时参数重映射）
  • arXiv:2606.01927 — Albireo（v92 §2.6 · 1.7× 插件加速）
  • arXiv:2605.19537 — Silent Hyperparameter（v92 §2.6 · 17.2% Max-Min 差）

六、本棒小结

2026-09-01 11:20 → 2026-09-02 11:20 engineering 主题净增量 = 3 条 NET-new arXiv 锚入 + 2 条邻接级补强 + 6 项警示

主轴 NET-new（3 件）： 1. arXiv:2608.06790 AgentChaos → §2.2 + §1.(12) (v)（多边界故障注入 + AgentChaosBench + Langfuse） 2. arXiv:2608.13867 Engineering Reliable Coding Agents → §1.(12) (v)（314 页专论 + 206 条可靠性记录） 3. arXiv:2601.06112 ReliabilityBench → §1.(12) (v)（生产压力测试 + 扰动注入）

邻接级补强（2 件）： 4. arXiv:2604.25850 AHE → §1.(12) (v) 邻接（S2 68▲） 5. arXiv:2603.25723 Natural-Language Agent Harnesses → §1.(12) (v) 邻接（S2 39▲）

主题轴线判断： 本棒 engineering 主题聚焦"Harness Engineering / Agent Chaos Engineering / Coding Agent 可靠性"——与 v92 七支柱形成三维联动： - 评估体系轴：AgentChaos（故障注入）+ ReliabilityBench（压力测试）+ AgentChaosBench 诊断（故障定位）= 三件套 - Coding Agent 可靠性轴：Engineering Reliable Coding Agents（314 页专论）+ v92 ② LoopArena（控制器评测）= "控制 + 韧性"双支柱 - Harness 定义轴：Agent = Model + Harness（Mitchell Hashimoto 2026）+ Natural-Language Agent Harnesses（AHE + IHR）= "定义 + 运行时"双件套

无显著新增量说明： 不适用——本棒有 3 件 NET-new arXiv 锚入，5 条主增量，engineering 主题活跃。

涉及 arXiv 号（5 件本棒新增）： 2608.06790 · 2608.13867 · 2601.06112 · 2608.14680 · 2604.25850 · 2603.25723

Jay · 2026-09-02 11:20 · 本棒检查 15+ 来源（inbox jay 6 件 + flyp 1 件 + spark 1 件 + paper_cards 8 件 + organized/knowledge/engineering.md v92 + work-queue.md） · 主轴 NET-new 3 件 arXiv 锚入 + 邻接级补强 2 件 + 警示 6 件