Context Management in Agent Harnesses
https://x.com/aparnadhinak/article/2048492731929149929 本文对比了Pi、OpenClaw、Claude Code和Letta四个Agent框架的上下文管理策略，核心挑战是上下文窗口有限而会话中文件读取、工具输出会持续膨胀。各框架在文件读取时都采用硬上限、分页和续读提示；会话修剪时使用LLM压缩和令牌阈值触发；子任务会话彼此隔离。文章指出，这些方案已形成共识：让系统主动管理工作集，而非简单复制所有内容到提示中，最终目标是为Agent提供“感觉无限”的有限工作内存。
An open-source spec for Codex orchestration Symphony
https://openai.com/index/open-source-codex-orchestration-symphony/ 26 年以来 APP 形态的编排器是一股热潮
Manus 和 Cursor 的认知领先：技术路线与结果验证
https://yage.ai/share/manus-cursor-cognition-lead-20260428.html 这篇文章认为，Manus 和 Cursor 革新了 agent 架构与模型训练路线，在不自建大模型（或基于开源底座）前提下，通过 wide research、多 agent 并行、User Generated Software、continued pretraining+RL 等方法，在各自赛道取得远超竞品的产品与商业领先，证明“套壳”评价和旧式技术观念已严重低估它们的技术含量与认知高度。