在 OpenMausBot 实践 中的最后我提到：

在 Claude Code 中，我配置了 OpenTelemetry 来上报 Traces 信息，但是 OpenMausBot 触发的 Claude Code Bots 在执行过程中，并没有将相关 Trace 信息上报。

开会之余，我在 Gemini 的帮助下对这个问题进行了排查与分析，整个过程也确实增强了自己对 Claude 的理解。

OpenMausBot 是一款针对 Grok Bot 的免费开源替代品，与 Grok Bot 不同的是：OpenMausBot 可以直接运行在我们本地的 Claude、Codex 或 Gemini 订阅上，无需额外的订阅。和 Grok Bot 一样，仅通过简单的聊天对话，我们就能在 IM 聊天界面中获得一整支 AI Bots 团队，每个 Bot 都有自己的模型、记忆和连接的应用。

Agent 的可观测性是一个非常重要的方向。过去一段时间，对于开发者而言，Coding Agent 的运行过程更像是一个“半透明的黑盒”——我们在终端或 IDE 里输入一句需求，看着屏幕上的工具调用和思考过程不断滚动，最后拿到代码产出。至于中间到底发起过多少次大模型请求、每次工具调用都做了什么、Subagent 是怎么运行的……往往只能去分析那晦涩的 session 文件。

一段 AI 生成的代码，命名规范、测试通过，连 Pull Request（PR）的描述也写得条理清晰。但三个月后，当需求发生变化，我们才发现：同一段逻辑散落在多个模块中，相似的功能采用了不同的实现方式，而那些一直通过的测试，恰恰没有覆盖真正需要保护的业务行为。

在 Vibe Coding 时代，AI Slop 已经成为另一种危害巨大的、更为隐蔽的技术债务。

在 Coding Agent 的实践过程中，我时常在想：

• 有了必要的知识、workspace、skill、tool 等，Coding Agent 是否就足够了呢？
• 人在面对同样的需求的时候，又是怎么开发的呢？

恰好，最近发现上海人工智能实验室发表了论文 Harness of Harness:Multi-Day Autonomous Software Development with Continual Improvement，在论文中，研究者们利用 HoH 在无人工干预的情况下，花了 6 天时间、历经 70 多次 Loop 完成了一个 FPS 游戏。

谷歌刚发布的关于 WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution 的论文值得认真的研究一下。

很多人都会说：这里面提到的好多观点我之前就提出过了。但是更为重要的是：谷歌没有停留在观点的浅薄层面，而是从实证的角度给出了可实践的理论支撑。

2026 年 5 月，北京大学与启元科技的研究团队发布了论文 Harness-Bench: Measuring Harness Effects across Models in Realistic Agent Workflows，用于研究并评测不同 Harness 对 Agent 实际执行能力的影响。在论文中，作者提出了 Harness-Bench——一个包含 106 个沙箱化离线任务、用于在统一任务环境下比较不同 Model–Harness 配置的评测基准。论文发现，Agent 表现不仅取决于 LLM，也取决于 Harness 的执行机制。

恰好最近在研究 Agent 评测，于是对这篇论文进行了精度，并做了如下的摘要。

在 是时候了解一下 Git worktree 了 一文中，我们介绍了如何在 Codex、Claude Code 等 Coding Agent 中利用 Git worktree 实现并行开发。不过，那篇文章聚焦于单仓库场景。当我们尝试将 worktree 应用于采用多仓库架构的 LLM Arena 平台时，又遇到了一系列新问题。

本文记录我们如何为多仓库场景设计面向 Coding Agent 的 worktree 工作流，以及如何处理子模块初始化、需求编号冲突和多 Agent 编排等问题。

在 如何利用 Harness “一句话交付产品功能”？ 一文中，我们已经讨论过如何在单个 clone 仓库里借助 Harness Engineering 自动完成需求开发。但问题也随之出现：当这个目录正在被 Coding Agent 执行任务、修改代码、运行测试时，我们能做的往往只剩下等待。

如果还想并行开发另一个功能，最直观的办法是重新 clone 一份仓库到新目录。这个方案能用，但并不优雅：重复下载、重复安装依赖、重复同步分支，最后还要在多个副本之间来回合并。我们需要一种更轻、更原生、更适合并行开发的方案。于是，git worktree 重新进入了视野。

对 Agent Skills 的认知与思考 这篇文章对 Agent Skills 做了详细介绍。自 Anthropic 发布 Agent Skills 以来，Skills 已经逐渐成为 Agentic 系统构建中的一种共识范式。无论是公开的 Skills Marketplace、OpenClaw 的 ClawHub，还是团队内部沉淀的专用能力库，Skills 的数量都在快速增长。

Skills Marketplace 平台已经托管了 172W+ 的 Agent Skills；而在年初红极一时的 OpenClaw 的 ClawHub 平台也已经托管了 7W+ 的 Agent Skills；在我们内部，也已经积累了成千上百的 Skills。