2026-W37
本周落点
本周综述
openJiuwen 本周把 rsi 闭环的评估端换成了一个带证据的 LLM 裁判：harness_rsi/evaluator/judger/ 下新增 llm_as_judge、judge_evidence、judge_runtime、scoring 与一份 judge_prompt.md，data_loader 侧另加 grading_contract.py。真正值得记的是后者的几条硬规则。评分项必须由人显式标注成 [weight N%] 或 [deduct N%]（中文的「权重」「扣分」等价）；解析器的文档字符串写得很直白——规范化评分别名，但不从任务内容里推断规则；遇到看起来像评分项、却没有显式标注的编号行，直接抛错而不是跳过；正向权重之和不等于 100% 同样抛错，错误信息里特意写明权重不会被静默重新缩放。评分标准含糊时，评估根本不开始。
把它和上期放在一起看，openJiuwen 在同一个位置连着下了两次同样的注。W36 的图谱演化规定只有强验证成功、或能归因到 orchestration 的失败才允许改变行为；本周是不合格的评分契约不许进入评估。两次都不是在提升裁判或模型本身的能力，而是在给「学习」设准入门槛。自改进系统最容易坏的地方是把噪声当成信号，这家一贯的处理方式是在入口处拒绝，而不是在下游用加权去稀释。
同一周 symphony 新增了 flow 子包，约两千行，distill、observation、review、packager、codegen、render、store、engine 一整串，做的是从执行经验里蒸馏出技能包；rsi 侧则补上了最终 harness 发布与检查点插件清单的测试。闭环两端本周同时变厚：评估端拿到带证据和加权契约的裁判，产出端拿到可打包的技能包与可发布的 harness。位置仍然是信息——这些都落在 symphony 与 rsi 下，没有进内核。
Pi 把延迟工具加载接到了 Fireworks Messages 线路，做法是在该线路的兼容声明里打开 supportsToolReferences，和它一贯「缓存能力写进配置」的路子一致。文档里那条附注比功能本身更值得读：加载器的名字必须叫 ToolSearch 或 tool_search，换成别的名字功能照常工作，但 Fireworks 会把加载出来的 schema 塞回初始工具前缀，缓存收益就此消失。也就是说，渐进披露在这里换到的首先是前缀稳定，而不只是上下文空间；而这笔收益挂在一个提供方约定的固定名字上——写错不会报错，只会悄悄变慢变贵。
剩下两家都在做减法。DeepSeek 从公开包清单类型里删掉了 dsh.categories——一个在注释里就写明「自由发现标签、不影响插件加载」的字段，同周还清掉了桌面端一个无人调用的插件分类查询：没有执行方的声明被当作负债处理。Codex 的 #45248 则把元数据的归属粒度从回合下沉到步，一个回合里模型或推理强度中途变化时，前后置工具钩子、权限请求钩子与 MCP 调用现在拿到的是实际发出该次调用那一步的设置，而不再是回合开始时的那份。连同 openJiuwen 把畸形 file_path 从崩溃降级成工具错误的那条修复（PR 里写明理由是编码代理经常把参数写坏，回合必须活下来让模型重试），本周四家分别在线路声明、包清单、请求元数据与工具契约上处理同一件事：声明的东西和实际生效的东西对不上时，该由谁来兜。
工程解读
评估与自改进 × openJiuwen
本格描述的 rsi 闭环，评估端与产出端同时变厚：evaluator/judger/ 新增 llm_as_judge、judge_evidence、judge_runtime、scoring 与 judge_prompt.md，构成带证据的 LLM 裁判；新增的 data_loader/grading_contract.py 强制评分契约——评分项须显式标注 [weight N%] / [deduct N%]，不从任务内容推断规则，正向权重之和不为 100% 直接报错且不静默缩放。产出端由 symphony/flow/ 的经验蒸馏（distill/packager/codegen）产出技能包，rsi 侧补上最终 harness 发布测试。
提示词缓存 × Pi
本格描述的「按线路 compat schema 声明缓存能力」新增一例：Fireworks Messages 线路打开 supportsToolReferences 以启用延迟工具加载。文档同时点明该收益的脆弱处——加载器名必须是 ToolSearch 或 tool_search，否则 Fireworks 会把加载的 schema 并回初始工具前缀，缓存收益消失。
Skills 与渐进披露 × Pi
本格此前只记到单文件 harness/skills.ts。本周变更显示 Pi 的按需暴露实际落在 packages/ai 的线路兼容层：延迟工具加载（defer_loading 定义 + tool_reference 加载点）新增 Fireworks Messages 通道，与 Anthropic、OpenAI 并列，且三条线路的原生表示方式各不相同。
生命周期挂载点 × Codex
钩子拿到的设置口径变了：#45248 之后，前置/后置工具钩子与权限请求钩子接收的是实际发出该次调用那一步的模型、推理强度与审查标志，而非回合开始时的设置，hook_runtime.rs 与 turn_metadata.rs 同步改写。本格此前只描述挂载点在哪里，未涉及挂载点看到的设置归属于哪一层。
工具定义方式 × openJiuwen
本格强调 _ToolMeta 把异常处理等横切关注点织入框架，本周的 filesystem.py 修复给出了这条契约的边界用例：模型把整个 file_path/content 载荷塞进 file_path 时，Path.resolve() 抛出的 ENAMETOOLONG 此前会杀死整个回合；改为解包一层嵌套 JSON、拒绝超长路径分量，并把 OSError 转成 ValueError，使 invoke 返回 success=False 的 ToolOutput。PR 明确将其定性为公共文件系统工具契约问题。
内核与扩展边界 × DeepSeek Harness
公开包清单收窄：DshManifest 删除 dsh.categories（其自身注释即写明是自由发现标签、不影响插件加载），README 与架构说明同步移除，桌面端未被调用的插件分类查询一并删除。本格描述的「配置生成的插件树」在声明面上少了一层没有执行方的分类元数据。
当周 release
值得注意的提交
当周 release
值得注意的提交
值得注意的提交
值得注意的提交
每家最多列 6 条代表性提交，已去掉合并、版本号与纯文档提交。
观察名单
这几个项目出现在周报里，但还不在对照矩阵中。
Anthropic 把 Claude Code 的 Harness 能力下放为可编程 SDK，是「Harness 作为库」这条路线的参照系。
最近一次 release（不限当周）：v0.2.152（2026-09-02）
同族的 anthropics/claude-agent-sdk-typescript 只有 examples/scripts/CHANGELOG，属发布仓，不单独采集。
