如何用 Pi SDK 和 Jev 构建自定义 Agent harness

刚刚发布了一些关于使用 Jev 和 Pi 构建自定义 harness 的思路。 这是系列的第一篇。 其中一些思路包括 gates、routing 和 verifiers。 但在后续文章中，我计划更深入地探讨更新的思路，并对成本和效率进行基准测试。

DAIR.AI 发布 Jev 新手指南，Jev 是 TypeSafe 推出的通用 System One 模型，专为快速、聚焦的判断设计，而非长推理或开放式写作。

Elvis Saravia 用 Jev 为智能体框架的 /goal 功能构建自定义验证器，每轮对话后检查目标是否真正完成，使持续验证成本低到可规模化。此前这类验证由另一个昂贵的推理模型承担，现在可更频繁运行以让智能体保持正轨。

Elvis Saravia 将 Jev 集成进自建 harness，认为它不只是更快更便宜，而是能解锁此前受成本、延迟或缺少合适原语限制的智能体体验。Jev 可用于分类、控制流、确定性工作流和大规模标注，并通过智能决策、结构化智能与按需上下文管理提升可靠性。他还看好 Jev 在动态 UI、LLM 评审、验证器与合成高质量数据上的潜力，完整指南即将发布。

NVIDIA 论文对比了 8 种模型选择策略，在路由、多数投票和 LLM-as-judge 三种设置下测试模型池对多智能体系统的影响。结果显示，混用不同开源模型虽能提高理论最优准确率，但实际表现常低于池中单一最佳模型；用同一模型的多个副本反而更好。多数投票将 HLE 准确率从 29.4% 提升至 32.2%，而几乎每个混合模型组合都出现下降；从单一模型家族中选候选模型带来的提升最大。

Agent harness 构建者 Elvis Saravia 认为子智能体仍是 harness 的有用原语，但当前最佳实践是一个 orchestrator 加一个 executor 子智能体，再加一个就开始崩溃。

DAIR.AI 的 Elvis Saravia 分享从零构建 agent harness 的入门指南，建议用 TypeScript 或 Python 实现包含 LLM 模块、tools 模块和 agent loop 三部分的最小 harness，并以 ReAct 作为入门循环。

Pocket FM CEO Rohan Nayak 发文复盘公司从约 0 到 $500M ARR、年新增 $250M 且 EBITDA 盈利的增长打法。

GPT-6 Astra 的价值在于让原本跑不通的工作流终于能运行，一次响应即可成为完整工作会话。评估重点应从"百万 token 成本"转向"预算内能完成什么"，推理返现（如 Straitly 提供 5%-10% 现金返还）值得关注，但目标应是同预算下获得更多可验证成果，而非消耗更多 token。

什么鬼！？ GPT-6 Astra 刚刚完成了这个 3D 相机的制作，包含 122 个组件组和 1，877 个建模部件。 我甚至都不知道还能在 Three.js 里构建这些东西。