Skill、Harness、記憶、安全：60篇文章和20個項目之後，我們畫出了AI Agent的完整拼圖

作者：傑森AI出海
日期：2026年4月11日 上午1:02
來源：WeChat 原文

✦整理版優先睇

速讀 5 個重點 高亮

AI Agent可靠運行需四大支柱撐住，且正融合為統一框架

整理版摘要

呢篇文章係作者團隊寫咗近60篇AI Agent文章、做咗20+個項目之後，對整個領域嘅一次全面回顧。佢哋發現，要令Agent從「能用」變成「可靠」，需要四條柱同時撐住：Skill系統定義Agent識做乜，Harness治理規範點樣做，記憶系統幫佢記住嘢，安全防禦防止佢做壞事。作者將呢四個方向整合成一張完整嘅圖，畀讀者明白點樣由零開始建立可靠嘅Agent系統。

文章首先梳理咗每個支柱嘅最新發展。Skill系統方面，社區出現咗多個框架，好似agent-skills、superpowers、gstack、compound-engineering，各自有唔同側重，但趨勢係Skill嘅職責愈嚟愈大，開始兼埋工作流、記憶同安全嘅功能。Harness治理方面，經歷咗從Prompt Engineering到Context Engineering再到Harness Engineering嘅範式轉移，revfactory嘅Harness插件仲內置咗六種Agent協作模式，平均質量提升60%。

記憶系統方面，四條技術路線各有取捨，新項目mempalace用記憶宮殿概念做到LongMemEval R@5 96.6%。安全防禦方面，MCP生態60日爆出30+個CVE，ClawKeeper提出三層縱深防禦。最後，作者用「四蝦陣Agent Ops」示範點樣將四條柱整合，仲指出一個明顯趨勢：四條柱嘅邊界愈嚟愈模糊，將來好大機會收斂成一個統一框架，用…

  • 結論：Agent可靠需四大支柱同時支撐：Skill（能做咩）、Harness（點做）、記憶（記住咩）、安全（唔做咩），四者正融合為一。
  • 方法：Skill將領域知識打包成可複用模組；Harness定義工作流同質量門禁；記憶跨session積累經驗；安全防止惡意操作。
  • 差異：不同框架側重唔同，如agent-skills標準化、superpowers強制TDD、gstack虛擬團隊、compound-engineering複合效應。
  • 啟發：Agent可靠性來自外部約束（如Harness、安全檢查）而非內部自覺；記憶可內嵌工作流（如/ce:compound）；安全需貫穿Sprint流水線。
  • 行動點：設計Skill框架時可同時承載流程約束、經驗積累同安全檢查，避免分別搭建獨立系統。
整理重點

四大支柱概覽：從「能用」到「可靠」

作者過去三個月寫咗近60篇文章，覆蓋Skill系統、Harness治理、記憶架構、安全防禦四個方向。回頭睇，呢四個方向其實喺解同一個問題：點樣令Agent從「能用」變成「可靠」。

Agent同普通LLM調用嘅本質區別在於佢有執行能力——能讀寫文件、跑Shell、調API、上網。呢個令佢做到嘅嘢多一個數量級，但出錯嘅後果都嚴重一個數量級。要令Agent可靠，需要四條柱同時撐住。

  • Skill系統：將領域知識、工作流、最佳實踐打包成可複用模組，令Agent從通才變專家。Anthropic內部用咗幾百個Skills，Uber管理500+個。
  • Harness治理：定義Agent嘅工作流程、協作模式、質量門禁。工程師角色從寫Code變成設計Agent嘅運行環境。
  • 記憶系統：跨session積累經驗，避免重複犯錯。從CLAUDE.md到向量數據庫到知識圖譜，12+個開源項目競爭最優方案。
  • 安全防禦：MCP生態60日爆出30+個CVE，OpenClaw商店五分之一包係惡意軟件。執行權限帶嚟攻擊面，防禦必須跟上。
整理重點

Skill系統與Harness治理：從提示詞到運行環境設計

作者喺第13至25篇文章追蹤咗Skill生態演進。Anthropic官方出咗6節課教程，總結9種最有效Skill類型，核心理念係「別再造Agent了，造Skills就夠了」。社區響應好快，幾個主要框架各有側重。

  1. 1 agent-skills（8.8K星）：標準化路線，19個核心Skill覆蓋開發生命週期，7個斜槓命令，3個專家Agent人設。最特別係「反合理化表」，防止Agent偷懶。
  2. 2 superpowers（14萬星）：強制TDD紅綠重構循環，子Agent驅動開發，每個任務派新Agent執行再做兩輪審查。Git worktree隔離實現並行開發。
  3. 3 gstack（6.7萬星）：將Claude Code變成23人虛擬工程團隊，Sprint流水線從Think到Ship到Reflect。/learn命令管理跨session模式，/cso做安全審計。
  4. 4 compound-engineering（1.36萬星）：強調複合效應，80%規劃審查、20%執行。/ce:compound命令喺每次迭代結束提取經驗教訓寫入知識庫。

Harness Engineering方面，作者從第34篇開始追蹤。2025年嘅Context Engineering關注信息編排，2026年嘅Harness Engineering關注運行環境設計，包括協作架構、評估閉環、記憶系統、治理機制。revfactory嘅Harness插件內置咗六種Agent協作模式，A/B測試顯示平均質量提升60%。

Dex Horthy嘅RPI方法論（Research-Plan-Implement）提出另一個視角：上下文窗口有「聰明區」同「笨蛋區」，大約40%使用率時質量開始下降。三步法嘅本質係持續壓縮上下文，始終喺聰明區。

整理重點

記憶系統與安全防禦：記住經驗，防止攻擊

記憶系統嘅核心問題好簡單：LLM係無狀態嘅，關咗session就全忘。作者喺第58篇做咗完整競品分析，四條技術路線各有取捨。

  • 純文件存儲（CLAUDE.md）：零依賴但冇語義搜索。
  • 向量數據庫+RAG：能處理規模但衡量「相似」而非「正確」。
  • 知識圖譜：精度最高但構建成本最高。
  • 混合檢索（BM25+向量+知識圖譜）：效果最好，學術研究精確率達92%。

新項目mempalace（2.16萬星）用古希臘記憶宮殿術設計，LongMemEval R@5達到96.6%。最關鍵決策係原文逐字存儲，唔做LLM摘要，用ChromaDB做向量搜索、SQLite做知識圖譜。19個MCP工具接口可接入任何兼容Agent。

安全防禦方面，數據觸目驚心：MCP生態60日30+個CVE，43%服務器有命令注入漏洞，OpenClaw商店1184個惡意包。ClawKeeper（464星）提出三層防禦縱深：Skill層策略注入、Plugin層運行時攔截、Watcher層獨立守護進程，喺140個對抗測試實例上達到最優防禦性能。

其他安全工具包括Invariant MCP-Scan（1100+星，已被Snyk收購）做靜態掃描，AgentSeal畀8000+個MCP服務器做安全評分，Docker Sandboxes用MicroVM做基礎設施隔離，MCP Guardian用SHA-256哈希做工具定義釘住防止篡改。

整理重點

融合趨勢與實戰案例：四根柱變一根

作者用「四蝦陣Agent Ops」（第37篇）示範點樣整合四條柱。架構層用小龍蝦協調者持有board.json做路由，三個執行層Agent通過SOUL.md約束角色邊界（Skill+Harness融合）。記憶層係三級記憶塔：L0自動召回、L1輕量協作、L2冷啓動兜底。治理層用YAML Constitution硬約束，所有exec指令必須經過驗證。安全層有運行時防禦同日誌壓縮。

呢套體系嘅核心理念係「放棄對Agent自覺性嘅幻想」，通過顯式治理機制實施控制。同ClawKeeper、gstack、superpowers本質上同一個思路：Agent嘅可靠性來自外部約束，唔係內部自覺。

作者總結：未來的Agent工程工具大概率會收斂成一個統一框架——用Skill定義能力邊界，用Harness定義執行流程，用記憶積累領域經驗，用安全機制兜底。四根柱變成一條，就係Agent真正可靠嗰一日。

過去三個月我哋寫咗接近60篇關於AI Agent嘅文章，覆蓋咗Skill系統、Harness治理、記憶架構、安全防禦四個方向。返轉頭睇，呢四個方向其實係解決同一個問題：點樣令Agent由「用得嚇」變成「可靠」。呢篇文章將四條柱拉埋一齊，用20+個開源項目同我哋嘅實戰經驗，畫出一幅完整嘅圖。

AI Agent同普通LLM調用嘅本質分別在於佢有執行能力。可以讀寫文件、可以行Shell、可以調API、可以上網。呢個意味住佢做到嘅嘢多咗一個數量級，但同時出錯嘅後果都嚴重咗一個數量級。

要令Agent可靠咁運作，需要四條柱同時撐住。

Skill系統解決「Agent做到啲乜」。將領域知識、工作流程、最佳實踐打包成可以重用嘅模塊，令Agent由通才變成專家。Anthropic內部用咗幾百個Skills，Uber內部管理緊500+個。

Harness治理解決「Agent點樣做」。定義Agent嘅工作流程、協作模式、質量門禁。由Prompt Engineering到Context Engineering到Harness Engineering，工程師嘅角色由寫代碼變成咗設計Agent嘅運行環境。

記憶系統解決「Agent記住啲乜」。跨session累積經驗，避免重複犯錯。由簡單嘅CLAUDE.md檔案到向量數據庫到知識圖譜，12+個開源項目喺競爭最優方案。

安全防禦解決「Agent唔做啲乜」。MCP生態60日爆出30+個CVE，OpenClaw商店五分之一嘅包係惡意軟件。執行權限帶嚟攻擊面，防禦必須跟得上。

圖片

Skill系統：由Anthropic內部實踐到社區爆發

我哋喺第13到25篇文章裏面密集咁追蹤咗Skill生態嘅演進。Anthropic官方出咗6節課嘅教程，總結咗9種最有效嘅Skill類型，核心理念係「唔好再造Agent啦，造Skills就夠啦」。

社區嘅反應非常之快。目前影響力最大嘅幾個Skill框架各有側重。

Addy Osmani 的 agent-skills（8.8K星）行嘅係標準化路線。19個核心Skill覆蓋由/spec到/ship嘅完整開發生命週期，7個斜槓命令，3個專家Agent人設（代碼審查員、測試工程師、安全審計師）。最有趣嘅設計係「反合理化表」，列出咗Agent成日用嚟跳過關鍵步驟嘅藉口同對應嘅反駁，防止Agent偷懶。

obra 的 superpowers（14萬星）係目前star數最高嘅Skill框架。強制TDD紅綠重構循環，子Agent驅動開發，每個任務派一個全新嘅Agent執行再做兩輪代碼審查。Git worktree隔離保證並行開發唔衝突。Skill喺呢度嘅角色更加似強制執行嘅方法論，唔係可選嘅建議。

Garry Tan 的 gstack（6.7萬星）將Claude Code變成咗一個23人嘅虛擬工程團隊。CEO、設計師、工程師、QA負責人、發佈經理、首席安全官各司其職，Sprint流水線由Think到Ship到Reflect。/learn命令管理跨session嘅模式積累，/cso做OWASP/STRIDE安全審計。

Every 的 compound-engineering（1.36萬星）強調複合效應：每次工程迭代都應該令下一次更容易。6個/ce:命令，80%規劃同審查、20%執行。最獨特嘅係/ce:compound命令，喺每個迭代結束時提取經驗教訓寫入知識庫，令未來嘅工作自動受益於過去嘅積累。

呢啲框架嘅共同趨勢係Skill嘅職責喺擴大。最早嘅Skill只係一段提示詞模板，而家嘅Skill同時承載咗工作流定義（Harness嘅職責）、經驗積累（記憶嘅職責）、安全審計（防禦嘅職責）。四條柱喺實踐中正在融合。

圖片

Harness治理：由概念爭議到六種架構模式

我哋由第34篇開始追蹤Harness Engineering呢個概念。Anthropic同OpenAI幾乎同一周發咗各自嘅實踐文章，然後成個社區炸咗。

三次範式轉移而家已經係共識。2023-2024年嘅Prompt Engineering關注措辭同結構化。2025年嘅Context Engineering關注信息編排，將成個上下文窗口當工程對象設計。2026年嘅Harness Engineering關注Agent嘅運行環境設計，包括協作架構、評估閉環、記憶系統、治理機制。

revfactory嘅Harness插件（第42篇）將概念變成咗工具，內置咗六種Agent協作模式：Pipeline流水線、Fan-out/Fan-in扇出扇入、Expert Pool專家池、Producer-Reviewer生成評審、Supervisor主管、Hierarchical Delegation層級委派。A/B測試數據顯示平均質量提升60%，任務越複雜提升越大。

Dex Horthy嘅RPI方法論（第48篇）提供咗另一個視角。佢嘅核心洞察係上下文窗口有一個「聰明區」同一個「笨蛋區」，大約喺40%使用率時質量開始下降。Research-Plan-Implement三步法嘅本質就係持續壓縮上下文，始終留喺聰明區。

Mitchell Hashimoto嘅六階段覆盤（第56篇）就展示咗一個工程師由懷疑到全面採納嘅真實路徑。佢嘅第五階段「Engineer the Harness」正好印證咗成個社區嘅方向。

Claude Code嘅內部架構（zstmfhy/Claude-code倉庫，190星）展示咗參考實現：50+命令、JSON Schema驗證嘅工具系統、完整嘅MCP協議實現、支持並行執行同上下文隔離嘅Agent系統。所有外部框架都構建喺呢個基座之上。

圖片

記憶系統：12個項目嘅四條技術路線

我哋喺第58篇做咗完整嘅記憶系統競品分析。核心問題好簡單：LLM係冇狀態嘅，關咗session就全部唔記得曬。

四條技術路線各有取捨。純文件存儲（CLAUDE.md）零依賴但唔支持語義搜索。向量數據庫+RAG可以處理規模但衡量嘅係「相似」而唔係「正確」。知識圖譜精度最高但構建成本都最高。混合檢索（BM25+向量+知識圖譜）效果最好，學術研究顯示精確率可達92%。

新加入嘅 mempalace（2.16萬星）係目前基準測試得分最高嘅方案，LongMemEval R@5達到96.6%。佢嘅設計靈感嚟自古希臘嘅記憶宮殿術：Wings（翼）對應人或項目，Rooms（房間）對應話題，Halls（廳）對應記憶類型，Closets（衣櫥）存放摘要，Drawers（抽屜）保留原始文件。最關鍵嘅設計決策係原文逐字儲存，唔做LLM摘要，用ChromaDB做向量搜索、SQLite做知識圖譜。19個MCP工具接口令佢可以接入任何兼容嘅Agent。

agentmemory（592星）做咗目前最完整嘅檢索引擎，三路融合加矛盾檢測加級聯失效。claude-memory-compiler（251星）行Karpathy嘅知識編譯路線，將對話蒸餾成維基式知識文章。agent-memory（13星）純bash+jq實現嘅知識圖譜，零依賴但有完整嘅矛盾檢測。

compound-engineering嘅/ce:compound命令提供咗一個有趣嘅視角：記憶唔需要係一個獨立嘅基礎設施，佢可以內嵌到工作流裏面。每次迭代結束時自動提取經驗教訓，下次迭代自動加載。gstack嘅/learn命令做咗類似嘅事，跨session積累模式。

圖片

安全防禦：由30個CVE到三層縱深

我哋喺第59篇深度調研咗Agent安全領域。數據觸目驚心：MCP生態60日30+個CVE，43%嘅MCP服務器有命令注入漏洞，OpenClaw商店1184個惡意包，Claude Code自身兩個高危CVE，87%嘅AI生成PR引入安全漏洞。

ClawKeeper（464星）提出咗三層防禦縱深：Skill層通過Markdown策略注入話畀Agent「乜嘢唔應該做」，Plugin層喺運行時攔截危險操作（11個核心模塊覆蓋10個威脅域），Watcher層作為獨立守護進程監控所有行為並可強制人工確認。論文喺140個對抗測試實例上達到咗最優防禦性能。

Invariant MCP-Scan（1100+星，已被Snyk收購）做靜態掃描，檢測工具描述中嘅prompt注入同rug pull攻擊。AgentSeal 幫8000+個MCP服務器做咗安全評分，發現4513個深度問題。Docker Sandboxes 用MicroVM喺基礎設施層面隔離Agent。MCP Guardian 用SHA-256哈希做工具定義釘住，防止篡改

安全嘅挑戰在於佢同其他三條柱存在張力。Skill越多攻擊面越大，記憶系統可能儲存敏感資訊，Harness嘅工具調用權限本身就係安全風險。gstack嘅做法值得參考：/guard命令做安全護欄防止危險命令執行，/cso命令做OWASP/STRIDE威脅建模，將安全內嵌到Sprint流水線裏面而唔係事後補救。

圖片

四蝦陣實戰：四條柱點樣整合

理論框架再完美，落地先係真功夫。「四蝦陣Agent Ops」（第37篇）提供咗一個將四條柱整合埋一齊嘅運營範例。

架構層小龍蝦協調者持有任務板board.json做路由同狀態推進，碼力/筆鋒/謀士三個執行層Agent通過SOUL.md約束角色邊界（呢個係Skill+Harness嘅融合）

記憶層三級記憶塔。L0 OpenViking自動召回處理當前會話同Session歸檔，L1 MemOS處理日常輕量協作記憶，L2 MEMORY.md/Daily Notes做冷啓動兜底。重啓唔失憶。

治理層OpenHarness實踐。YAML Constitution硬約束定義deny_patterns，所有exec指令派發前必須經過lobster_ops.py驗證，高風險操作強制觸發ask等用戶批准。任務流轉以board.json為唯一真相源。

安全層運行時防禦Pre-exec Validation加日誌壓縮Microcompact。所有操作可審計，Token損耗嚴控。

呢套體系嘅核心理念係放棄對Agent自覺性嘅幻想，通過顯式治理機制實施控制。同ClawKeeper嘅三層縱深、gstack嘅Sprint流水線、superpowers嘅強制TDD本質上係同一個思路：Agent嘅可靠性嚟自外部約束，唔係內部自覺。

圖片

融合趨勢：四條柱正在變成一條

返睇呢20+個項目，一個明顯嘅趨勢係四條柱嘅邊界喺模糊。

superpowers嘅Skill強制執行TDD方法論（Skill承載咗Harness嘅職責），自動保存設計文檔同計劃（Skill承載咗記憶嘅職責）。gstack嘅/cso安全審計係一個Skill，/guard安全護欄係一個Harness機制，/learn經驗積累係一個記憶功能，三者無縫融合喺同一個Sprint流水線裏面。compound-engineering嘅/ce:compound既係記憶（提取經驗）亦係Harness（強制回顧）亦係Skill（可複用模塊）。

呢個融合方向對開發者嘅啓示係：唔需要分別搭建四套獨立嘅系統。一個設計良好嘅Skill框架可以同時承載工作流約束、經驗積累同安全檢查。agent-skills嘅驗證門禁、superpowers嘅強制流水線、gstack嘅Sprint七步都係呢個思路。

未來嘅Agent工程工具大概率會收斂成一個統一嘅框架：用Skill定義能力邊界，用Harness定義執行流程，用記憶積累領域經驗，用安全機制兜底。四條柱變成一條，就係Agent真正可靠嗰一日。

圖片

過去三個月我們寫了將近 60 篇關於 AI Agent 的文章，覆蓋了 Skill 系統、Harness 治理、記憶架構、安全防禦四個方向。回頭看，這四個方向其實在解同一個問題：怎麼讓 Agent 從"能用"變成"可靠"。這篇文章把四根柱子拉到一起，用 20+ 個開源項目和我們的實戰經驗，畫一張完整的圖

AI Agent 和普通 LLM 調用的本質區別在於它有執行能力。能讀寫文件、能跑 Shell、能調 API、能上網。這意味着它能做的事情多了一個數量級，但同時出錯的後果也嚴重了一個數量級

讓 Agent 可靠地工作需要四根柱子同時撐住

Skill 系統解決"Agent 能做什麼"。把領域知識、工作流、最佳實踐打包成可複用的模塊，讓 Agent 從通才變專家。Anthropic 內部用了幾百個 Skills，Uber 內部管理着 500+ 個

Harness 治理解決"Agent 怎麼做"。定義 Agent 的工作流程、協作模式、質量門禁。從 Prompt Engineering 到 Context Engineering 到 Harness Engineering，工程師的角色從寫代碼變成了設計 Agent 的運行環境

記憶系統解決"Agent 記住什麼"。跨 session 積累經驗，避免重複犯錯。從簡單的 CLAUDE.md 文件到向量數據庫到知識圖譜，12+ 個開源項目在競爭最優方案

安全防禦解決"Agent 不做什麼"。MCP 生態 60 天爆出 30+ 個 CVE，OpenClaw 商店五分之一的包是惡意軟件。執行權限帶來攻擊面，防禦必須跟上

圖片

Skill 系統：從 Anthropic 內部實踐到社區爆發

我們在第 13 到 25 篇文章裏密集追蹤了 Skill 生態的演進。Anthropic 官方出了 6 節課的教程，總結了 9 種最有效的 Skill 類型，核心理念是"別再造 Agent 了，造 Skills 就夠了"

社區的響應非常快。目前影響力最大的幾個 Skill 框架各有側重

Addy Osmani 的 agent-skills（8.8K 星）走的是標準化路線。19 個核心 Skill 覆蓋從 /spec 到 /ship 的完整開發生命週期，7 個斜槓命令，3 個專家 Agent 人設（代碼審查員、測試工程師、安全審計師）。最有意思的設計是"反合理化表"，列出了 Agent 常用來跳過關鍵步驟的藉口和對應的反駁，防止 Agent 偷懶

obra 的 superpowers（14 萬星）是目前 star 數最高的 Skill 框架。強制 TDD 紅綠重構循環，子 Agent 驅動開發，每個任務派一個全新的 Agent 執行再做兩輪代碼審查。Git worktree 隔離保證並行開發不衝突。Skill 在這裏的角色更像是強制執行的方法論，不是可選的建議

Garry Tan 的 gstack（6.7 萬星）把 Claude Code 變成了一個 23 人的虛擬工程團隊。CEO、設計師、工程師、QA 負責人、發佈經理、首席安全官各司其職，Sprint 流水線從 Think 到 Ship 到 Reflect。/learn 命令管理跨 session 的模式積累，/cso 做 OWASP/STRIDE 安全審計

Every 的 compound-engineering（1.36 萬星）強調複合效應：每次工程迭代都應該讓下一次更容易。6 個 /ce: 命令，80% 規劃和審查、20% 執行。最獨特的是 /ce:compound 命令，在每個迭代結束時提取經驗教訓寫入知識庫，讓未來的工作自動受益於過去的積累

這些框架的共同趨勢是 Skill 的職責在擴大。最早的 Skill 只是一段提示詞模板，現在的 Skill 同時承載了工作流定義（Harness 的職責）、經驗積累（記憶的職責）、安全審計（防禦的職責）。四根柱子在實踐中正在融合

圖片

Harness 治理：從概念爭議到六種架構模式

我們從第 34 篇開始追蹤 Harness Engineering 這個概念。Anthropic 和 OpenAI 幾乎同一周發了各自的實踐文章，然後整個社區炸了

三次範式轉移現在已經是共識。2023-2024 年的 Prompt Engineering 關注措辭和結構化。2025 年的 Context Engineering 關注信息編排，把整個上下文窗口當工程對象設計。2026 年的 Harness Engineering 關注 Agent 的運行環境設計，包括協作架構、評估閉環、記憶系統、治理機制

revfactory 的 Harness 插件（第 42 篇）把概念變成了工具，內置了六種 Agent 協作模式：Pipeline 流水線、Fan-out/Fan-in 扇出扇入、Expert Pool 專家池、Producer-Reviewer 生成評審、Supervisor 主管、Hierarchical Delegation 層級委派。A/B 測試數據顯示平均質量提升 60%，任務越複雜提升越大

Dex Horthy 的 RPI 方法論（第 48 篇）提供了另一個視角。他的核心洞察是上下文窗口有一個"聰明區"和一個"笨蛋區"，大約在 40% 使用率時質量開始下降。Research-Plan-Implement 三步法的本質就是持續壓縮上下文，始終待在聰明區

Mitchell Hashimoto 的六階段覆盤（第 56 篇）則展示了一個工程師從懷疑到全面採納的真實路徑。他的第五階段"Engineer the Harness"正好印證了整個社區的方向

Claude Code 的內部架構（zstmfhy/Claude-code 倉庫，190 星）展示了參考實現：50+ 命令、JSON Schema 驗證的工具系統、完整的 MCP 協議實現、支持並行執行和上下文隔離的 Agent 系統。所有外部框架都構建在這個基座之上

圖片

記憶系統：12 個項目的四條技術路線

我們在第 58 篇做了完整的記憶系統競品分析。核心問題很簡單：LLM 是無狀態的，關掉 session 就全忘了

四條技術路線各有取捨。純文件存儲（CLAUDE.md）零依賴但不支持語義搜索。向量數據庫 + RAG 能處理規模但衡量的是"相似"而非"正確"。知識圖譜精度最高但構建成本也最高。混合檢索（BM25 + 向量 + 知識圖譜）效果最好，學術研究顯示精確率可達 92%

新加入的 mempalace（2.16 萬星）是目前基準測試得分最高的方案，LongMemEval R@5 達到 96.6%。它的設計靈感來自古希臘的記憶宮殿術：Wings（翼）對應人或項目，Rooms（房間）對應話題，Halls（廳）對應記憶類型，Closets（衣櫥）存放摘要，Drawers（抽屜）保留原始文件。最關鍵的設計決策是原文逐字存儲，不做 LLM 摘要，用 ChromaDB 做向量搜索、SQLite 做知識圖譜。19 個 MCP 工具接口讓它可以接入任何兼容的 Agent

agentmemory（592 星）做了目前最完整的檢索引擎，三路融合加矛盾檢測加級聯失效。claude-memory-compiler（251 星）走 Karpathy 的知識編譯路線，把對話蒸餾成維基式知識文章。agent-memory（13 星）純 bash + jq 實現的知識圖譜，零依賴但有完整的矛盾檢測

compound-engineering 的 /ce:compound 命令提供了一個有趣的視角：記憶不需要是一個獨立的基礎設施，它可以內嵌到工作流裏。每次迭代結束時自動提取經驗教訓，下次迭代自動加載。gstack 的 /learn 命令做了類似的事，跨 session 積累模式

圖片

安全防禦：從 30 個 CVE 到三層縱深

我們在第 59 篇深度調研了 Agent 安全領域。數據觸目驚心：MCP 生態 60 天 30+ 個 CVE，43% 的 MCP 服務器有命令注入漏洞，OpenClaw 商店 1184 個惡意包，Claude Code 自身兩個高危 CVE，87% 的 AI 生成 PR 引入安全漏洞

ClawKeeper（464 星）提出了三層防禦縱深：Skill 層通過 Markdown 策略注入告訴 Agent "什麼不該做"，Plugin 層在運行時攔截危險操作（11 個核心模塊覆蓋 10 個威脅域），Watcher 層作為獨立守護進程監控所有行為並可強制人工確認。論文在 140 個對抗測試實例上達到了最優防禦性能

Invariant MCP-Scan（1100+ 星，已被 Snyk 收購）做靜態掃描，檢測工具描述中的 prompt 注入和 rug pull 攻擊。AgentSeal 給 8000+ 個 MCP 服務器做了安全評分，發現 4513 個深度問題。Docker Sandboxes 用 MicroVM 在基礎設施層面隔離 Agent。MCP Guardian 用 SHA-256 哈希做工具定義釘住，防止篡改

安全的挑戰在於它和其他三根柱子存在張力。Skill 越多攻擊面越大，記憶系統可能存儲敏感信息，Harness 的工具調用權限本身就是安全風險。gstack 的做法值得參考：/guard 命令做安全護欄防止危險命令執行，/cso 命令做 OWASP/STRIDE 威脅建模，把安全內嵌到 Sprint 流水線裏而非事後補救

圖片

四蝦陣實戰：四根柱子怎麼整合

理論框架再完美，落地才是真功夫。"四蝦陣 Agent Ops"（第 37 篇）提供了一個把四根柱子整合到一起的運營範例

架構層：小龍蝦協調者持有任務板 board.json 做路由和狀態推進，碼力/筆鋒/謀士三個執行層 Agent 通過 SOUL.md 約束角色邊界（這是 Skill + Harness 的融合）

記憶層：三級記憶塔。L0 OpenViking 自動召回處理當前會話和 Session 歸檔，L1 MemOS 處理日常輕量協作記憶，L2 MEMORY.md/Daily Notes 做冷啓動兜底。重啓不失憶

治理層：OpenHarness 實踐。YAML Constitution 硬約束定義 deny_patterns，所有 exec 指令派發前必須經過 lobster_ops.py 驗證，高風險操作強制觸發 ask 等用戶批准。任務流轉以 board.json 為唯一真相源

安全層：運行時防禦 Pre-exec Validation 加日誌壓縮 Microcompact。所有操作可審計，Token 損耗嚴控

這套體系的核心理念是放棄對 Agent 自覺性的幻想，通過顯式治理機制實施控制。和 ClawKeeper 的三層縱深、gstack 的 Sprint 流水線、superpowers 的強制 TDD 本質上是同一個思路：Agent 的可靠性來自外部約束，不是內部自覺

圖片

融合趨勢：四根柱子正在變成一根

回看這 20+ 個項目，一個明顯的趨勢是四根柱子的邊界在模糊

superpowers 的 Skill 強制執行 TDD 方法論（Skill 承載了 Harness 的職責），自動保存設計文檔和計劃（Skill 承載了記憶的職責）。gstack 的 /cso 安全審計是一個 Skill，/guard 安全護欄是一個 Harness 機制，/learn 經驗積累是一個記憶功能，三者無縫融合在同一個 Sprint 流水線裏。compound-engineering 的 /ce:compound 既是記憶（提取經驗）也是 Harness（強制回顧）也是 Skill（可複用模塊）

這個融合方向對開發者的啓示是：不需要分別搭建四套獨立的系統。一個設計良好的 Skill 框架可以同時承載工作流約束、經驗積累和安全檢查。agent-skills 的驗證門禁、superpowers 的強制流水線、gstack 的 Sprint 七步都是這個思路

未來的 Agent 工程工具大概率會收斂成一個統一的框架：用 Skill 定義能力邊界，用 Harness 定義執行流程，用記憶積累領域經驗，用安全機制兜底。四根柱子變成一根，就是 Agent 真正可靠的那一天

圖片