纯自研 · Agent Harness
CZL AI
行动、创作、构建
不只是对话框。CZL Agent 在自研 Harness 之上自己规划、调用工具、检查结果，把事做完；AI 应用开箱即用；API 网关一个接口接入主流模型。
Windows 与 macOS 桌面端，网页端与 PWA 同账号通用
普通对话网页做不到的
Agent 不止生成文字，它交付可用的成果。
代码生成与编写
绑定本机项目文件夹后读、写、改代码并跑构建与测试，每处改动可展开看 diff；云端沙箱即时运行脚本。
Word / Excel / PPT 与文件生成
沙箱内用 Python 生成文档、表格、演示文稿和数据图表，产物直接以附件交付，后续轮次可按编号继续修改。
与图片对话
上传图片理解内容，对话中生成与改图、蒙版局部重绘；桌面端可直接读取本机图片，历史图片跨轮次重放。
无缝衔接 Claude Code / Codex
自动发现你在 Claude Code 与 Codex 中已配置的 MCP 服务器和 Skills，项目里的 CLAUDE.md / AGENTS.md 直接作为规则生效，开发环境开箱即用。
消息排队与实时插话
生成中继续发送的消息进入队列，在工具调用的间隙注入当前任务（Steering），随时纠偏，无需等它说完。
真停止与断点续接
停止即在服务端中止上游流与工具循环；中断的回答可从断点继续，已执行的操作不重做。
自研 Agent Harness
模型之外的循环、记忆、上下文、工具与权限，按前沿 Agent 工程理论自主实现。
Harness 框架
- 感知—规划—行动—观察的智能体循环（Agentic Loop），由模型自主决定下一步
- 有界自治：预算约束加强制收尾，杜绝失控循环，每次运行都有交付
- 人在回路（Human-in-the-loop）：高风险动作挂起，等待用户确认
- 推理连续性：跨轮保留思维链与工具调用的因果关系，计划不丢失
RAG 四重记忆
- 工作记忆：当前会话的即时状态与环境感知
- 情景记忆：历史会话摘要，按语义相关度召回
- 画像记忆：长期稳定的用户档案，常驻上下文
- 语义记忆：向量化事实库，检索增强生成（RAG），自动抽取、去重与遗忘
上下文工程
- 高信号、低冗余的上下文供给（Context Engineering）
- 前缀缓存友好的分层组装（Prompt Caching），稳定与易变内容严格分离
- 渐进式上下文压缩（Context Compaction），长任务不失忆
- 工具渐进式披露（Progressive Disclosure），工具再多也不挤占上下文
云端代码沙箱
- 不可信代码的隔离执行（Sandboxing）
- 产物即交付：执行结果直接成为可下载的文件
- 闭环自我修正（Self-correction）：以执行反馈驱动下一步修复
本地工具与自带环境
- 最小权限原则（Least Privilege）与分级授权
- 执行与界面解耦：任务挂在业务实体上，刷新、关窗都不丢失
- 自带运行时（Batteries Included），零配置即可在本机执行
- 生态互通：原生兼容 MCP 协议与 Skills 规范
可靠性工程
- 协作式取消（Cooperative Cancellation）：停止即真正停止
- 指令层级（Instruction Hierarchy）：网页、文件与工具返回是资料，不是指令
- 幂等与如实状态：结果未知先核实，重做不重复副作用
- 流式容错：首字前缓冲、多线路故障转移与优雅关闭
纯自研，站在前沿理论之上
CZL Agent 的 Harness 框架、四重记忆、上下文工程、工具调度、对话前端与 Wails 桌面端均由 CZL 自主研发；API 网关的协议互转、计费与容灾体系也由 CZL 重新设计实现。设计上参考了 OpenClaw、OpenAI Codex 与 Anthropic Claude Code 公开的理论与工程经验，并结合线上真实数据持续迭代。
- Agent 链路不依赖任何第三方 Agent 框架，循环、工具、记忆逐层自研
- 吸收 Codex 的状态一致性设计与 Claude Code 的权限分级、Skills 理念
- 按 OpenAI / Anthropic 的 Agent 工程实践设计停止、重试与幂等