GLM的套餐也太离谱了，终于放开套餐了，用量没变的情况下，价格直接从149翻3倍多到了538 同一天OpenAI还进行了大降价： • OpenAI：Luna 砍 80%、Terra 砍 20% • 智谱 GLM Coding Plan：开放订阅但涨价，Lite 大约 49 → 118 元 😅

给关注了半年的agent team 交份作业。 这是一篇2w字长文，也是一份 Agent Team 的最佳实践。 01 一个 Agent，是怎么变成多个 Agent 的为什么真实工作会把 Task Agent 推向 Long-running Agent；为什么一个越来越好用的 Agent 最后又必须分化；多个 Agent 出现以后，瓶颈为什么会转移到 Human。 02 先让“谁负责什么”离开 Human 的脑子Agent 怎样获得稳定身份、Domain 和 Scope；Human 与 Agent 怎样查询当前 Team 的责任结构；真实协作又怎样逐渐沉淀为 Organization 与 Collaboration。 03 让 Agent 自己开始协作Agent Message 带来了什么变化；一个 Agent 怎样把工作直接交给另一个 Agent；为什么 Agent 沟通不是一次把一切说完。 04 Message 负责沟通，Topic 负责收口当工作跨越多个 Agent、多个 Turn 和多天以后，怎样保留唯一的当前版本；Responsible、Participant、Artifact 和 Needs You 分别解决什么问题。 05 Overview：让一支持续变化的 Agent Team 变得可治理当 Human 不再阅读每个 Agent 的全部过程，怎样从更高层观察 Team；怎样发现等待、积压和瓶颈候选；为什么治理关注的是工作流动，而不是让每个 Agent 看起来都很忙。 06 Agent Team 怎样进入真实的外部关系为什么把 Agent 接入 Slack、飞书还远远不够；Agent 对外以后，身份、角色、信任、权限和现实后果为什么必须被分别治理。 07 CodexLoom 在织什么Multiple Agents 与 Agent Team 的真正分水岭是什么；Human 在 Team 中的新位置是什么；为什么需要稳定的 Agent 和动态的 Team。

GLM Coding Plan 为什么要涨价？ 我感觉其实就是一个原因 那就是 新的 GLM 5.5 要发布了 而且是大参数的模型，而且效果可能要超过当前的 k3 所以现在的涨价是为了新模型的发布

Our new paper. Self-evolving agents have a measurement problem. The hard part isn’t generating changes to an agent harness. It’s knowing which changes genuinely helped rather than got lucky, overfit, or never activated at all. LLMs diagnose failures and propose changes across prompts, knowledge, runtime, tools, and configuration. But deterministic code owns the credit: validity checks, activation checks, paired significance testing, and a sealed test. Across 7 domains, the evolved harnesses gained +9.0 to +15.5pp on the 6 statistically credited sealed tests, retaining 86–147% of the training gain. What transfers is not one universal harness. It’s the diagnose-and-credit loop.

Graph Engineering 把不同规模的工作流程抽象为节点，让我们能够从更完整的系统视角组织 Agent 的执行与协作。但 Agent 的内部结构、协作方式仍在快速变化。 因此，我们有必要回到更基础的 Harness 层，重新理解能力究竟如何被组织起来提高协作能力的。