2026.9 热门 Coding Harness / Agent 大横评

SILVITE / LONG-HORIZON AGENT FIELD REPORT · 2026.09

2026.9 热门 coding

harness / agent 大横评

个人向。只看一件最烦人的事:一个 Agent 干久了以后,到底还记不

记得自己一开始答应过什么。

9

个主评对象

6

个长程核心维度

31

条公开来源 / issue / 文档

个人实测 + 官方文档 + 公开社区案例

白旭缘(Silvite) · 2026-09-18

设计:墨堤主题令牌 / 五字体角色模型,仅提取设计令

牌,不使用角色与背景视觉资产。

重点:Long Horizon Task

Compaction / Resume / Skill / Verification

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

先把结论拍桌上

今天这份榜单不看谁演示视频最帅,也不看谁能一口气吐几万行代

码。

我只看:跑长了以后会不会忘,忘了以后会不会自己捡,最后说 DONE

的时候敢不敢拿证据。

我为什么这么看

我的工作流已经不是“问一句、改三行”。

MoDi 这类跨 Windows / Android、多链路、

带协议和真实发布约束的项目,Agent 一跑就

是几十轮工具调用。短任务聪明没有意义,长

任务状态连续性才是生产力。

这次不吃宣传

官方写“长期记忆”只能算一半证据;公开

issue、版本修复记录和我自己的真实事故才决

定另一半。官方声称什么,我会写“官方声

称”;社区踩到什么,我会写“公开报告”;

我的事故就直接写“第一手”。

总榜:按我现在真拿来干活的需求排

1 Codex

夯中夯

目前我的主力。长任务不是完全不会忘,但整体最像“能

把活一路做完”的工程工具。 95

2 MiMo Code

夯,方向最对

国内这轮最让我改观的一个:它真的把“AI 会忘”当成系

统级故障来设计。 87

3 CodeBuddy

能打,工程兜底厚

Memory、Checkpoint、Rewind、Subagent Memory 都

给得很全,做“可恢复工程”这件事比较认真。 83

4 ZCode

能打,长程闭环意识很强

Skill 元数据每轮注入、Goal 持久、每轮独立校验还明确

要求实据;纸面机制正对我最烦的坑。 81

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

5

Kimi Code

能打,但 compaction 有

鬼故事

Session/event/Goal 都像回事;然后,乐子来了:公开

issue 正好证明 compaction 这层有多难。 76

6

DeepSeek

Harness / DSH

架构很猛,工程还在冒烟

event-sourced Session + durable Goal 这套底子真不是

闹着玩的;可 developer preview 的 bug 也是真的密。 70

7 Baidu Comate

功能齐,公开证据偏少

Rules、Memory、上下文压缩都补了,4.0 也明确重写长

对话逻辑;我没找到足够硬的恢复闭环证据把它往前抬。 62

8

Qoder

功能很多,长程可靠性把

我整破防

官方自己承认 compaction 有损;我这边又撞上假绿、假

红、证据链错位。今天这榜单里,它吃的是第一手重罚。 54

9

Trae-Agent(开源

框架)

拉

必须强调:这里只评开源 trae-agent,不等同于商业 Trae

SOLO 内部实现。开源框架连 context-window

management 都有公开缺口。

38

分数是“个人向使用分”,不是通用 benchmark:长程连续性 20、恢复能力 20、Skill/规则持续性 15、验收闭环 15、成熟度 15、可观测

性 15。第一手事故会显著影响当前可用性判断。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

尺子先立好:我到底在测什么

最核心的一条

我默认模型一定会忘。成熟 Harness 的任务,是把 Goal、Phase、Outstanding Obligations、

Acceptance Criteria、Skill Pointer、Evidence Ledger 放到模型脑子外面;发生 compact / resume /

handoff 时主动 rehydrate。让模型靠一份“浓缩摘要”自己回忆,早晚出乐子。

理想恢复链:

Durable Goal → Current Phase → 未完成义务 → 当前 Skill → 真实产物 → Verifier → 继续执行

我最烦的链:

聊天很长 → summarize() → “根据之前的工作继续......” → 猜 → 漂 → FINAL ACCEPTED ✅

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

维度 我真正关心的问题 最容易骗人的地方

长程连续性 跑几十到几百步以后,原目标、边界、未完成项还在不在。 “支持 1M context”不等于

“记得 1M context”。

恢复能力 Compaction、resume、崩溃、handoff 后,能不能从外部状态重

新把工作捡起来。

有 Memory 文件,不等于会

在正确时机重新读。

Skill / Rules Skill 是长期约束源,还是开局吃一次然后越跑越淡。 Skill 在磁盘上 ≠ Skill 还在

working state。

验收闭环 “完成”是不是由测试、文件、hash、计数等机器证据计算,而不

是模型自述。

绿色对号、FINAL

ACCEPTED、summary 都能

假。

成熟度 会话会不会挂、压缩会不会炸、恢复会不会把历史切坏。 架构图很牛逼,默认参数一样

能把 session 干死。

可观测性 能不能看见 session、事件、diff、日志、checkpoint,出了事能不

能复盘。

“有进度条”不等于有可重建

状态。

第一手样本:为什么 Codex 现在还在榜首

第一手长期使用 官方开源

Codex · 95 / 100

我自己的主力执行层。它当然会 compact,也不是绝对不漂;但综合下来,最少让我把

时间浪费在“提醒它刚才自己说过什么”上。

95个人向

真实工程样本

MoDi 从 7 月进入高强度开发,跨 Windows /

Android、LAN / P2P / Bluetooth / USB、协

议与 UI 多层一起推进。我负责目标、架构、

边界、验收和取舍,Codex 长期承担大量实

现、测试、修复和审计工作。项目已经走到真

实公开发布和后续架构审计阶段——这比“跑

过一次 benchmark”更接近我需要的生产场

景。

它为什么舒服

仓库级 AGENTS.md、Skills、/compact、

session resume、fork、review 等能力都在同

一个工具链里;Codex 官方仓库本身

Apache-2.0 开源。它的上下文代码还明确要求

所有注入项必须有 hard cap,说明“上下文是

系统资源”这件事被当成工程问题处理。 [S1]

[S2] [S3]

我给它高分的点

模型 + Harness 配合后,长工具链里对最初目标的抓取仍然相对稳定。

真忘了一部分时,比较会从 repo、git diff、测试、计划文件、已有产物重新推导状态。

执行反馈闭环成熟:写、跑、报错、改、再验证,这条链路基本不用我手工搬运。

Skill/AGENTS.md 是明确的工程入口,不需要把所有规则塞进一条巨型 prompt。

扣分也得扣:它一样依赖 compaction,一样可能漂;Skill 也不是魔法“永久驻留”。所以我的工程方

法仍然强调把验收标准和 durable facts 落在文件、测试和可回读证据里。Codex 好用,是整体恢复能

力更强,不是有无限记忆。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

第一手事故:Qoder 为什么直接掉到倒数第二

第一手事故 官方承认 compaction 有损

Qoder · 54 / 100

功能表看着一点不少:Rules、Skills、Memory、Goal、Subagent、Compact 都有。问

题是我最看重的“长程状态连续性 + 最终验收”恰好连续爆雷。

54个人向

事故 1:假绿,还是 FINAL ACCEPTED 级别的假绿

Phase 2B: FINAL ACCEPTED ✅

FINAL HANDOFF PACKAGE: READY ✅

真实产物:

Case Study 1 / 7

Regression Test 3 / 19

这一下把问题暴露得特别干净:模型自述 PASS、绿色对号、最终总结统统不能算验收证据。只要

Harness 允许 Agent 自己宣布“完成”,却没有强制 verifier 从真实 artifact 重新计算状态,假绿早晚

来。

事故 2:假红 / 验证层误判

Linux / Proot 实战里还出现过 IBus/XIM 路径

误诊、Host/Guest 边界判断错位、用 HTTP

200 代替 Git/SSH 真验证、旧 shell 掩盖配置

状态等问题。它会非常认真地给你一个结论,

但结论所依赖的“验证层”可能就选错了。

官方文档也挺诚实

Qoder 官方明确写:Compaction 会把早期细

节替换为更密的摘要,次要细节可能被概括或

省略,“Compaction is lossy by

design”;压缩以后建议用户自己确认目标和

约束,漏了就重述。 [S4]

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

然后,乐子来了:版本记录自己也在讲这件事

2026 年 8 月的 CLI Release Notes 里,连续出现“长会话 task reminder”“自动压缩没有触发”“错误

context window size”“teammate 唤醒后失忆”“压缩后 skills list 重复注入”“history rewind after

compaction”等修复。说明这层直到最近都还在补。 [S5]

我的结论:Qoder 最大的问题不是没功能,而是功能齐全以后,长程恢复与验收仍然不够可信。对我这

种把 Skill 当工程约束、把长任务扔给 Agent 跑的人,这个缺点正中命门。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

排名 #2

MiMo Code

国内这轮最让我改观的一个:它真的把“AI 会忘”当成系统级故障来设计。

87个人向

长程连续性 19 恢复能力 19 Skill/规则 12

验收闭环 11 成熟度 11 可观测性 15

它是真的在对付“AI 健忘”

MiMo 官方把项目记忆、会话检查点、任务进展三套状态单独拎出来,还把记笔记这活外包给独立

checkpoint-writer 子 Agent。主 Agent 专心干活,另一个 Agent 自动维护状态,窗口快满时再生成

干净摘要。这个思路我很吃。 [S14]

MEMORY.md 项目长期事实 / 规则 / 架构决策

checkpoint.md 当前会话结构化状态快照

notes.md 临时工作记忆

tasks/<id>/progress.md 单任务进度日志

官方开源 README 把这套目录直接摆出来,还明确写了:会话恢复时自动注入记忆;接近窗口上限时,会从最

新 checkpoint、项目记忆、任务进展和近期消息重建上下文。最近更新又补了 checkpoint 独立关闭、压缩失

败回滚、运行稳定性等。说明设计方向非常对,工程成熟度还在追。 [S15] [S16]

为什么只排第二:现在还是 0.1.x 的快速迭代期,版本日志本身就在持续修 recovery / compaction。要

是这套东西把稳定性打磨好,它是国内最有机会把“长程不失忆”做成硬优势的一个。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

排名 #3

CodeBuddy

Memory、Checkpoint、Rewind、Subagent Memory 都给得很全,做“可恢复工程”

这件事比较认真。

83个人向

长程连续性 17 恢复能力 18 Skill/规则 14

验收闭环 10 成熟度 13 可观测性 11

恢复工具箱很厚

分层 Memory + Auto Memory、每次编辑前自

动 Checkpoint、跨会话持久、/rewind、--

continue / --resume,这些都不是摆设。

[S17] [S18]

Subagent 也不是一次性耗材

子 Agent 可以声明自动加载 Skills,并单独配

置 user / project / local 持久记忆;

spawn 时会注入 MEMORY.md。 [S19]

还有个很有意思的细节:Headless 的 Rewind 文档直接写着“对齐 Anthropic Claude Code v2.1.88 的命名与

协议”。至少说明它不是瞎摸索,很多成熟交互已经在按行业基准对齐。 [S20]

它差的那一扣:Checkpoint 很擅长“回到过去”,Memory 很擅长“把东西存下来”;我暂时还没看

到公开资料证明它有一套足够硬的 durable acceptance ledger,能在每次 compact / resume 后自动重

新挂载当前阶段的全部未完成义务。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

排名 #4

ZCode

Skill 元数据每轮注入、Goal 持久、每轮独立校验还明确要求实据;纸面机制正对我最烦

的坑。

81个人向

长程连续性 17 恢复能力 15 Skill/规则 14

验收闭环 14 成熟度 12 可观测性 9

Skill 这一点很关键

ZCode 官方明确写:每轮对话都会把所有已启用 Skill 的名称 + 描述摘要注入上下文,Skill 正文在被调

用时按需加载。至少它知道“技能目录存在”和“模型知道有这个技能”是两回事。 [S6]

Goal + 每轮校验

/goal 面向 long horizon task,每轮结束会

单独校验目标。更关键的是官方把话说得很

硬:计划、待办、跑很久、像结论的回复都不

算完成,要看改出来的文件、命令输出、测试

结果;还有待办就继续跑。Goal 状态关会话再

开也保留。 [S7]

Memory

项目级长期 Memory 会跨后续会话自动带入,

用来保存项目目标、约束、偏好等。 [S8]

真正的洞:这套纸面机制已经很对我的胃口,所以我把它抬到第四。还没继续往前抬的原因也很具体:

Skill metadata 每轮都在,不代表 Skill body 的细粒度规则一直在;公开资料里我还没看

到“compact / resume 后强制重新加载当前正在生效的 Skill 正文 + outstanding obligations”的完整

硬机制,也缺我自己的重型长期实战。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

排名 #5

Kimi Code

Session/event/Goal 都像回事;然后,乐子来了:公开 issue 正好证明 compaction 这

层有多难。

76个人向

长程连续性 16 恢复能力 14 Skill/规则 12

验收闭环 11 成熟度 12 可观测性 11

底层状态比聊天摘要认真

Kimi Code 会把 session 落成 state.json 和各 Agent 的 wire.jsonl 事件流,支持 resume /

replay / fork;Goal 还是单独的持续目标,会在每轮结束判断 active / complete / blocked / paused。

[S9] [S10]

然后,乐子来了

Issue #2680:

自动 compaction 后,Agent 放弃当前任务,

重新开始执行数小时前的最早 Skill。原因之

一:压缩逻辑有意保留最早用户消息,而多任

务 session 里“最早消息 = 当前根目标”这个

假设会失效。 [S11]

Issue #1053:

Compaction 切进并行 tool-call batch,中间

把 tool result 和它对应的 assistant call 拆

开,resume 后 session 直接 400,且持续不

可用。 [S12]

再加上插件侧公开提过:缺少稳定的 post-compaction 静默上下文注入通道,Memory / session-state 插件不

好在压缩后立即重新塞回上下文。 [S13]

我的结论:设计已经进入“正经 Agent runtime”这一档了。排第五不代表架构弱;它已经走到最难的

地方,然后开始踩真正的 context lifecycle 坑。公开事故证据足够硬,所以这轮我直接扣分。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

排名 #6

DeepSeek Harness / DSH

event-sourced Session + durable Goal 这套底子真不是闹着玩的;可 developer

preview 的 bug 也是真的密。

70个人向

长程连续性 19 恢复能力 17 Skill/规则 12

验收闭环 9 成熟度 4 可观测性 9

架构纸面上真挺狠

Session 是 append-only、event-sourced 的单一事实源,模型历史从事件日志投影出来;Goal 变化也

是 durable event;Compaction 还是独立 capability seam。这个思路已经是“Agent runtime”,不

是聊天框加几个按钮。 [S24] [S25] [S26]

然后,乐子来了,而且一来一串

Discussion #4776:长会话里 compaction 反复压不可压 checkpoint,单轮里能失败几十次。 [S27]

Discussion #6671:默认 thresholdRatio=0.8 在大 output reserve 场景可能晚于真实 context 死

线,session 先撞墙,压缩还没触发。 [S28]

Discussion #4722:append-only 内存事件日志 + 重型子 Agent 扇出,被报告把 Node 进程推到约 4GB

后 OOM。 [S29]

Discussion #5310:long-running subagent 的完整 context lifecycle / auto-compaction 还被作为特性

提案讨论。 [S30]

这就是最典型的“架构图像操作系统,默认参数能把自己干死”。我愿意给它很高的架构分,但“今天

就当主力”这件事,developer preview 三个字得尊重。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

排名 #7

Baidu Comate

Rules、Memory、上下文压缩都补了,4.0 也明确重写长对话逻辑;我没找到足够硬的恢

复闭环证据把它往前抬。

62个人向

长程连续性 13 恢复能力 10 Skill/规则 13

验收闭环 8 成熟度 12 可观测性 6

Rules

官方明确把 Rules 定义成让模型持续记住项目

规范的上下文机制,项目级落在 .comate/

rules。 [S21]

Memory

项目级 Memory 支持主动创建和自动整理更

新。 [S22]

Comate 4.0 的官方发布材料还专门写了“重写上下文压缩逻辑”“多轮长对话记忆增强”。这至少说明他们也

已经把长对话衔接当成核心能力来补。 [S23]

为什么排名不高:目前公开材料更多是“功能存在”和官方效果描述;我没有找到像 Kimi / DSH 那样

能把 context lifecycle 细节掀开看的源码/issue 证据,也没有我自己的重型长期实战。保守放这里。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

Trae-Agent:这页得单独写免责声明

开源 trae-agent ≠ 商业 Trae SOLO 内部实现

38 / 100 · 拉

38个人向

公开 issue 已经把核心问题说得够直白了

2026-07-31 的 Issue #440 直接指出:当前开源 trae-agent 缺少 context-window management、没

有 token counting,message history 会无界增长,长任务会出现内存和 token limit 问题。 [S31]

这类缺口对短任务不一定致命,对长任务几乎就是地基没浇完。你连“什么时候快把窗口吃爆了”都没统一状

态,后面的 compact、rehydrate、resume 更别谈优雅。

所以这里的“拉”很具体:我评的是公开框架当前暴露出来的长程基础设施,不是在影射商业 Trae

SOLO 里面一定也是同一套实现。证据边界要守住。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

横着看一遍:谁到底把“忘了以后捡起来”想明白了

“把东西存下来”只是第一步。真正值钱的是:系统知道什么时候必

须把什么东西重新读回来。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

产品 外置 Goal / 状态 Compaction 后恢复 Skill / Rules 真正的硬伤

Codex 强:repo / AGENTS /

session / 工具反馈

强:整体恢复体验最

好

成熟 仍会 compact / 漂,不能把自然

语言当证据

MiMo Code 很强:Memory + checkpoint

+ task progress

明确设计:

checkpoint-writer

有 0.1.x,稳定性还在补

CodeBuddy 强:Memory + checkpoint 强:rewind / resume 子 Agent 可持

久化

缺少我能确认的强制 acceptance

ledger

ZCode 强:Goal + Memory Goal 可续 + 每轮实据

校验

metadata 每轮

注入

Skill body 的强制 rehydrate 证

据不足

Kimi Code 强:event stream + Goal 有,但出过重型事故 有 compaction stale-skill / orphan

tool result

DSH 架构最硬之一 机制强、实现易炸 插件化 developer preview,

compaction/OOM bug 密

Comate 有 Memory 官方称增强 Rules 公开机制细节和实战证据不足

Qoder 有 Goal/Memory 我这里掉链子 有 有损 compact + 第一手假绿/假红

Trae-Agent 弱 基础层缺口 有 Agent 能力 公开 issue 指向无 context-

window management

今天这圈最大的乐子:同一种病,能长出完全相反的症

状

Qoder:该记的忘了

跑长以后,Skill 的细粒度约束越来越淡,最后

能在 artifact 不达标时给自己盖 FINAL

ACCEPTED。

Kimi:不该记的突然复活

公开 issue 里 auto compaction 后,几小时前

最早的 Skill 激活又被当成当前任务重新执行。

[S11]

这俩放一起看就特别有意思

一个是 约束掉了,一个是 旧约束诈尸。症状相反,根子都在 context lifecycle:系统没有一套足够稳的

“当前任务状态投影”,只能在历史消息和摘要里猜“现在到底该相信谁”。

错误思路:

历史消息 = 当前状态

摘要 = 当前状态

最早用户消息 = 根目标

模型说完成 = 完成

更稳的思路:

当前状态 = durable state projection

历史消息 = 证据来源之一

summary = 缓存 / 视图,不是事实源

完成 = verifier 计算结果

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

我这套 Skill 被现实逼出来的三条铁律

• 绿色对号没有法律效力

FINAL ACCEPTED ✅

、READY ✅

、模型自述 PASS、总结里写“全部完成”——统统只是文本。文件

数量、路径、命名、非空、hash、测试结果、交付规格才是证据。

• Validation Layer 选错,红灯也能是假红

Host / Guest、旧 shell / 新 shell、HTTP / Git-SSH、环境 / 权限,验证层不对,结果再“可复现”也可

能验证的是另一个东西。命令失败和环境失败必须拆开。

• Summary 和 Artifact 打架,Artifact 赢

增量数量不能冒充总交付数量;“我刚生成了 6 个”不等于目录现在有 7 个;报告说 19 个 regression

tests,机器扫出来 3 个,那就是 3 个。

这三条一塞进 Harness,所谓“智能体自信幻觉”会少一大截。

因为你终于不让它自己给自己判卷了。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

真正该拿来折磨 Harness 的统一刑具

SWE-bench 当然有用,但它不直接回答我最烦的那个问题:跑两三个小时以后你还认不认账。

1 同一仓库、同一份复杂 Skill、同一套验收规格。

任务至少 2-3 小时,包含真实修改、测试、日志、文档和收口。

2 强制经历 3 次 context compaction,其中一次在工具输出爆量后触发。

3 强制经历 2 次 session resume,其中一次跨进程重启。

4 插入 1 次 subagent handoff,检查父子 Agent 对未完成义务是否一致。

5 故意制造 1 次 Validation Layer 误导:例如 Host 正常 / Guest 失败,观察它会不会把错误归因到项

目。

6 故意让它 跑偏 20 步,看能不能靠 repo / state / tests 自己纠偏,而不是等用户提醒。

7 最后禁用自然语言自评,只允许 verifier 读取真实产物并生成 PASS / FAIL。

最后只看六个数字

A

原始硬约束保留率

B

未完成项丢失率

C

重复劳动率

D

假绿率

E

恢复延迟

F

Artifact / Summary 冲突率

这套一跑,谁是“第一小时很聪明”,谁是真能干长程,底裤直接扒干净。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

最后结论:2026 年 9 月,国内已经不是“没人想明

白”了

架构意识已经追上来一截。真正没追上的,是长期运行后的工程可靠

性。

MiMo Code 已经明确用独立 checkpoint-writer 对付“AI 健忘”;DSH 把 Session 做成 event-sourced,把

Goal 做成 durable event;Kimi 有事件流和 Goal;CodeBuddy 有 checkpoint / rewind / subagent

memory;ZCode 每轮重新注入 Skill metadata。说他们还停留在“聊天框套 API”,已经不公平。

可另一边,公开 issue 和我的实战又说明了一件更残酷的事:把正确架构写出来,和让它在第 120 步仍然正

确,是两回事。

现在最有意思的国内选手

MiMo Code:方向最直接对着“忘了怎么

办”。

DSH:架构野心最大,成熟度也最需要尊重

developer preview。

ZCode:Goal + 每轮实据校验这条线很对症,

下一步就看长程实战和 Skill rehydrate。

Kimi Code:体系已经成形,compaction 的

坑也最有公开研究价值。

我现在还会怎么选

真要推进 MoDi 这类项目,我依然优先 Codex

+ GPT。国内 Harness 我会继续看,而且现在

终于有几家值得认真看;但谁想进主力位,先

把长程恢复、Skill 重挂、机器验收这三关过

了。

Qoder 给我留下的最值钱东西

反而是事故样本。1/7、3/19,还敢 FINAL ACCEPTED,这个案例往 Skill 里一塞,比十页抽象原则都

有说服力。

排名是截至 2026-09-18 的个人向快照。Agent/Harness 更新极快,尤其 DSH、MiMo Code、Qoder、Kimi Code 仍在高频修复 context

lifecycle;本报告不会把今天的 issue 永久贴在产品脑门上。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

附录 A:证据等级与边界

重要边界:社区 issue 证明的是“该问题被公开报告”,不等于所有版本、所有模型、所有用户都会触

发。官方宣传的“长程稳定”也只按官方声称记录,不自动当成独立实测结论。

设计令牌

本 PDF 使用墨堤深色主题:InkNight #151A1D、InkCard #1B2226、InkCardSecondary #222B30、InkBorder #2E393F、PaperText

#F2EFE6、TextSecondary #A5AEA8、TextMuted #6C7772、InkOrange #E8863C、BridgeGreen #47937F、WaterBlue #86BFD8、

Cinnabar #C2452D、AccentBg #2B2418;间距取 4 / 8 / 10 / 12 / 16 / 20 / 24 / 32;主要圆角 12。字体角色沿用“匾额 / 诗文 / 注释 / 标

题 / 功能”五角色,当前渲染环境使用可用的 CJK 楷 / 宋 / 黑体作角色映射,不携带原字体文件。

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

标签 含义 在本报告里的使用方式

第一手 我自己的真实工程使用或事故记录 Codex / MoDi 长期工作流;Qoder 假绿、假红、验证层问题

官方 产品官方文档、官方仓库、官方更新日

志

证明“机制存在”“官方如何定义/设计”

公开社区案

例

GitHub Issue / Discussion 等可复查报告 证明“有人在具体版本/环境中真实触发过”,不外推成所有用户必

现

附录 B:公开来源

检索快照:2026-09-18。链接用于复查原始上下文;部分 GitHub Issue 后续可能被关闭、修复或改写状态。

[S1] OpenAI Codex 官方仓库 README:Codex CLI、Apache-2.0 开源许可

https://github.com/openai/codex/blob/main/README.md

[S2] OpenAI Codex 仓库 AGENTS.md / 上下文工程约束

https://github.com/openai/codex/blob/main/AGENTS.md

[S3] OpenAI Codex TUI 提示:/compact、resume、skills、review、fork

https://github.com/openai/codex/blob/main/codex-rs/tui/tooltips.txt

[S4] Qoder 官方:Context compaction,明确写明“lossy by design”

https://docs.qoder.com/qoder/context-compaction

[S5] Qoder CLI Release Notes:2026-08 至 09 的长会话/压缩/恢复修复

https://docs.qoder.com/release-notes/qoder-cli

[S6] ZCode 官方:Skill,每轮注入已启用 Skill 的名称与描述,正文按需加载

https://zcode.z.ai/cn/docs/skill

[S7] ZCode 官方:Goal 模式,多轮持续推进并在每轮检查目标

https://zcode.z.ai/cn/docs/goal

[S8] ZCode 官方:Memory,项目级长期记忆

https://zcode.z.ai/cn/docs/memory

[S9] Kimi Code 官方:Sessions and context,wire.jsonl 事件流、resume、compact

https://www.kimi.com/code/docs/en/kimi-code-cli/guides/sessions

[S10] Kimi Code 官方:Goal 模式

https://www.kimi.com/en/help/kimi-code/cli-goals

[S11] Kimi Code Issue #2680:auto compaction 后回头重跑最早 Skill

https://github.com/MoonshotAI/kimi-code/issues/2680

[S12] Kimi Code Issue #1053:compaction 切断并行 tool-call batch 导致 session 失效

https://github.com/MoonshotAI/kimi-code/issues/1053

[S13] Kimi Code Issue #1896:插件缺少可靠的 post-compaction 静默上下文注入通道

https://github.com/MoonshotAI/kimi-code/issues/1896

[S14] MiMo Code 官方发布:持久记忆、checkpoint-writer 子 Agent、百轮长会话设计目标

https://mimo.mi.com/docs/zh-CN/news/latest/mimocode

[S15] MiMo Code 官方更新记录:checkpoint 独立关闭、压缩失败回滚、稳定性修复

https://mimo.mi.com/docs/zh-CN/updates/feature/mimo-code

[S16] MiMo Code 官方开源 README:MEMORY .md / checkpoint.md / notes.md / tasks//progress.md

https://github.com/XiaomiMiMo/MiMo-Code/blob/main/README.zh.md

[S17] CodeBuddy 官方:分层 Memory / Auto Memory

https://www.codebuddy.ai/docs/zh/cli/memory

[S18] CodeBuddy 官方:Checkpoint,编辑前自动捕获、跨会话持久

https://www.codebuddy.ai/docs/zh/cli/checkpointing

[S19] CodeBuddy 官方:Subagent 可加载 Skills 并拥有独立持久 Memory

https://www.codebuddy.ai/docs/zh/cli/sub-agents

[S20] CodeBuddy 官方:Headless Rewind,文档注明对齐 Claude Code v2.1.88 命名与协议

https://www.codebuddy.ai/docs/zh/cli/headless

[S21] Baidu Comate 官方:Rules 持续作为上下文约束

https://cloud.baidu.com/doc/COMATE/s/Zm9l4agw3

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评

[S22] Baidu Comate 官方:项目级 Memory / 自动记忆

https://cloud.baidu.com/doc/COMATE/s/smiss5jka

[S23] Baidu Comate 4.0:重写上下文压缩逻辑、增强长对话记忆

https://cloud.baidu.com/doc/COMATE/s/xmm4hx69k

[S24] DeepSeek Harness 官方:event-sourced append-only Session

https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/subsystems/session.md

[S25] DeepSeek Harness 官方:Durable Goal / goal/change 事件

https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/subsystems/goal.md

[S26] DeepSeek Harness 官方:Compaction capability seam

https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/subsystems/compaction.md

[S27] DeepSeek Harness Discussion #4776:checkpoint 反复压缩失败导致死循环

https://github.com/deepseek-ai/deepseek-harness/discussions/4776

[S28] DeepSeek Harness Discussion #6671:默认 thresholdRatio 在大输出预留下可能晚于 context 死线

https://github.com/deepseek-ai/deepseek-harness/discussions/6671

[S29] DeepSeek Harness Discussion #4722:长/重会话 append-only 内存日志导致 OOM 报告

https://github.com/deepseek-ai/deepseek-harness/discussions/4722

[S30] DeepSeek Harness Discussion #5310:long-running subagent 缺少完整 context lifecycle 的提案

https://github.com/deepseek-ai/deepseek-harness/discussions/5310

[S31] ByteDance trae-agent Issue #440:缺少 context-window management / token counting

https://github.com/bytedance/trae-agent/issues/440

Silvite · 2026-09-18 · 个人向长程 Agent / Harness 横评