如何构建 AI Agent：从 LLM 到工作环境
以一次服务故障排查为线索，从最小执行循环出发，理解上下文、工具、RAG、记忆与 Harness，再用评估和可靠性机制让 Agent 稳定地参与实际工作。
EXPLORE A TOPIC
#Ai
关于这个话题的笔记与思考。
从 Prompt 到 Harness：Agent 到底是什么，以及它如何真正做事
沿着 Prompt、Context、Harness、Loop 这条线理解 Agent，解释 Skill 与 MCP 的位置，从 Pi 的最小能力出发比较 Claude Code、Codex、Pi 与 DeepSeek Harness，并讨论强模型与轻 Harness 的关系。
Kubernetes Scheduler：从 Pod Placement 到 AI 工作负载调度
从 kube-scheduler 的 Filter、Score、Bind 出发，理解 CPU/Memory 调度如何演进到 GPU、分布式训练、Gang Scheduling、拓扑感知与多层队列调度。