过去大半年里，我一直在帮不同规模的团队落地 AI Coding。从最早的一两个人试点，到十几个人的团队尝试让 AI

最近这段时间里，我做了一件比“让 AI 帮我写文章”更麻烦的事：不是继续打磨 Prompt，而是先让它系统分析我过去十年的文章，再把这些分析结果整理成一个可以被反复加载的写作

今天下午，我在 Routa 的看板里点开一张已经进 Done 的卡：[Sub-issue] 为 GATE-first 专家提示注入单次 trace 状态摘要。

TL;DR：[https://github.com/phodal/routa](https://github.com/phodal/routa)，Harness Monitor 在 `crates/harness-monitor` 目录下。

几个月前，当 Coding Agent 的 CLI

查看原文：从写清 Spec 到看懂功能：在 Session 历史中使用 Routa 重建需求全景 - Blog | Phodal - A Growth Engineer

查看原文：任务自适应 Harness：从 Trace 到多 Coding Agent 的协作记忆 - Blog | Phodal - A Growth Engineer

查看原文：Agent 应该如何解决繁杂任务：从 /goal 到长时间运行 - Blog | Phodal - A Growth Engineer

查看原文：注意力 Harness：多 Agent 时代如何守住人的注意力 - Blog | Phodal - A Growth Engineer

查看原文：从复杂编辑器到 Agent 工作台：Office 的 Cursor 时刻 - Blog | Phodal - A Growth Engineer

查看原文：长程验证：AI Agent 长任务的收敛机制 - Blog | Phodal - A Growth Engineer

查看原文：验证工程：从 Vibe 硬件编程 Loop 到自迭代验证 - Blog | Phodal - A Growth Engineer

查看原文：Piece：将 Coding Agent 的局部构建反馈提速 10x - Blog | Phodal - A Growth Engineer

过去几年，我们讨论 AI 对软件研发的影响，最常使用的仍是个人生产力：一个功能要多久，一名开发者能同时推进多少任务，Coding Agent 能生成多少代码。AI 确实显著降低了执行成本，过去数天才能形成的初步实现，现在几个小时后就可能进入 Pull Request。

最近我重新整理 [Better Harness](https://github.com/QoderAI/better-harness) 的 `references`

把一项能力写进 `SKILL.md`，再封装成 Agent 插件，并不难。真正困难的是，当它被不同用户、不同项目和不同 Agent

2025 年的 3 月份我们结束了长达三年的墨问星球的运营，开始专注墨问的产品研发和内容创作。但耗时三年创作的内容如果留在知识星球里肯定就没用了，内容形式也不够友好。怎么整？ 年中的时候我们开始和字节的火山 VikingDB 合作，看看如何重新激活这三年的内容。当时我还写了一篇公众号：字节的火山 VikingDB 随后我们就启动了这个漫长的任务。做这件事需要很多细致的工作。首先要对星球里的内容做清洗，短文本、长文章、图文、问答等等，重新抽象，最后融合成墨问的 1303 条笔记，然后为这些笔记进行分类，更新内容，提取知识…