📄 Daily Digest

Agent Learning Daily Digest #53 — 2026-06-25

今日高信号：meta-harness 范式集中爆发（Omnigent、peerd、Build A Harness）、coding agent 安全维度扩展（SkillSpector、Lingering Authority、Intent-Governed Authorization）、Bayesian 控制器为工具编排引入不确定性建模、人类审查 AI 代码的习惯化效应实证。

今日高信号

1. Omnigent — 开源 AI Agent 框架与 Meta-Harness

Omnigent 是一个开源 meta-harness，可编排 Claude Code、Codex、Cursor、Pi 及自定义 agent，核心卖点是不重写 harness 即可切换、统一策略/沙箱执行、跨设备实时协作。GitHub 4.7k+ stars，活跃维护。由 Databricks 团队发布，被视为 meta-harness 范式的参考实现。

2. peerd — 浏览器原生 AI Agent Harness（HN 53 points）

peerd 是首个完全运行在浏览器内的 AI agent harness：以 Chrome/Firefox 扩展形式存在，agent loop 直接驱动浏览器标签页，可启动沙箱化计算（JS notebook、WASM Linux VM、客户端应用），构建产物通过 P2P 共享。BYOK、无后端、无遥测。设计哲学接近"浏览器即 OS for agents"。

3. HALO (context-labs/halo) — 分层 Agent Loop 优化器（HN 24 points）

HALO（Hierarchical Agent Loop Optimizer）是一个本地 agent trace 调试/优化工具，针对 agent loop 的分层优化。GitHub 971 stars，活跃开发。注意：HN 标题描述为 "RLM-based local debugger for AI agent traces"，但仓库实际定位为分层 loop 优化器。

4. Bayesian Control for Coding Agents — 编排即序贯假设检验

论文提出将 coding agent 的工具调用编排形式化为 cost-sensitive sequential hypothesis testing：一个 Bayesian 控制器维护对候选正确性的 belief，动态决定是否收集更多证据、精炼候选、验证或停止。跨 6 个生成器和 9 个工具的实验表明，该框架在保持质量的同时显著降低工具成本。直接启发 coding-agent-harness 的编排层设计。

5. Strands Agents Harness SDK — 生产级 Agent Harness 端到端 SDK

AWS Strands Agents 团队的 harness-sdk，定位"构建 agent harness 并端到端控制它"。开源 SDK，支持 Python & TypeScript，any model, any cloud。GitHub 6.3k stars，极度活跃（commit 13 分钟前）。代表 harness 工程化进入 SDK 标准化阶段。

6. ESAA-Conversational — 跨 Agent 事件溯源记忆层

论文提出 ESAA-Conversational，一个事件溯源（event-sourced）记忆层，解决多 LLM coding agent 之间的"对话状态漂移"问题：当开发者在 Codex、Grok、Claude Code 等不同 agent 间切换时，目标、决策、待办和理由无法可靠传递。通过将对话持久化为事件流，实现跨 agent 的连续性、交接和策展。

7. DeepDiscovery — 工业级大仓库的任务级上下文恢复

论文提出两阶段 Location–Inference 框架，先定位高密度相关代码区域，再推理任务级上下文路径。解决了现有 RAG 方法只返回局部碎片、无法恢复完整任务上下文的问题。对 Context Engineering 中的仓库级上下文构建有直接参考价值。

8. Detecting AI Coding Agents in Open Source — 1.8 亿仓库普查

论文提出多层检测框架，整合配置文件扫描、commit message 分析、作者身份匹配和 bot 签名查找，在 World of Code（1.8 亿+ Git 仓库）中检测 AI coding agent 的痕迹。发现单一方法只能捕获一小部分活动，多方法融合必不可少。将 agent 痕迹分为四种行为类型。对理解 agent 在开源供应链中的真实渗透率有重要意义。

9. NVIDIA SkillSpector — Agent Skills 安全扫描器

NVIDIA 官方发布的 agent skills 安全扫描器，检测漏洞、恶意模式和代码安全风险。定位类似 SAST for agent skills。GitHub 10.3k stars。与 agent-skill-security 高度相关。

10. meta_skill — 本地优先的 AI Coding Agent 技能管理平台

Dicklesworthstone/meta_skill 提供本地优先的 skill 管理平台：双重 SQLite+Git 持久化、语义搜索、bandit 优化推荐、MCP 集成。GitHub 176 stars。与 Claude Code Skills 和 skill manager 项目蓝图直接相关。

11. AgentLens — 多轮 Coding Agent 的可解释安全转向

论文提出 AgentLens，通过机制可解释性子空间（mechanistic subspaces）对多轮 coding agent 进行安全转向（safety steering）。现有安全机制主要依赖外部 guardrails，难以在执行期间进行细粒度行为控制。AgentLens 在模型内部识别安全相关子空间，在不牺牲任务完成能力的前提下实现更细粒度的安全干预。包含 MAS benchmark。

12. DeusData/codebase-memory-mcp — 代码库知识图谱 MCP Server

高性能代码智能 MCP server，将代码库索引为持久化知识图谱，平均仓库毫秒级索引。支持 158 种语言、亚毫秒查询、99% token 节省。单静态二进制，零依赖。GitHub 14.1k stars。与 CodeGraph 和仓库级 Context Engineering 直接相关。

观察清单

主题 信号强度 说明
Meta-harness 范式 🔴 极强 Omnigent (4.7k★)、peerd、Strands harness-sdk (6.3k★)、Build A Harness、Theta-spec 同日涌现，meta-harness 正成为独立品类
Agent 安全与能力控制 🟡 中强 AgentLens 机制可解释性安全转向 + SkillSpector (10.3k★) 延续昨日热度
工具编排不确定性建模 🟡 中强 Bayesian control 论文将编排建模为假设检验，值得关注
跨 Agent 记忆层 🟡 中强 ESAA-Conversational 事件溯源解决多 agent 间对话状态漂移
Agent 开源渗透普查 🟡 中强 1.8 亿仓库多方法检测框架，揭示真实 agent 痕迹
仓库级上下文恢复 🟡 中强 DeepDiscovery + codebase-memory-mcp (14.1k★)，仓库理解成 MCP 标准能力