项目与实践

这个 Minecraft Agent 让 Astra 负责慢规划、JEV 负责高频动作选择、Mineflayer 负责确定性执行，并用日志和验证脚本保留运行证据。

OpenCloak 在本地把姓名、邮箱等敏感字段替换成稳定假值，模型响应回来后再恢复，减少个人信息直接发送给 AI 服务。

Splash 把模型包、Kernel、内存计划和本地兼容 API 组合成按模型定制的推理栈，面向 Coding Agent 的本机模型运行。

拆解 Foreman 如何把 Coding Agent 的执行循环与独立监督分开，用运行证据、Jev 判断和确定性 policy 决定继续、验证、停止或交给人工。

介绍 Skills Manager 如何用本地 Skill Library 统一分发到 Claude Code、Codex、Cursor 和 Gemini CLI，并处理版本与配置一致性。

介绍 HyperFrames 如何把 Agent 生成视频拆成 HTML、动画、素材、lint、preview 和 render 可检查流程，让视频生产进入工程循环。

介绍 RTK 如何在命令输出进入模型上下文前过滤测试、Git、搜索和构建噪声，把 Context Engineering 做到工具输出边界。

OpenCompany 用 company.toml、Agent Team 和 Human Sign-off 把组织结构与 Agent 配置写成可版本控制文件，并明确保留人工签字点。

介绍 Munim Computer Use 如何先读取可访问性树，再按元素 ID 操作桌面控件，减少依赖截图坐标的脆弱自动化。

介绍 jcode 如何把多 Agent 的资源、状态同步和验证放到 Harness 层，说明并行 Coding Agent 的瓶颈不只是模型能力。

介绍 GitHub Agentic Workflows 如何把需要判断的自动化放进 GitHub Actions，同时保留权限、输出、审批和安全边界。

介绍一个多 Agent 工程工作流，如何用独立 worktree、CI、冷启动审查、证据门和分层上下文控制 AI 生成代码的交付。