_start.md

type	starting-point
topic	coding-agents
created	2026-04-05
last-updated	2026-04-23
status	expanding

起點：我想理解 coding agent 的設計權衡

這張卡片不會被寫完——它是一塊磁鐵，所有新讀到的東西先塞進來，等看出子概念時再拆成獨立的原子卡。

當下的核心問題

• 三家（Codex / Antigravity / Claude Code）為什麼做出完全不同的設計選擇？
• 背後的權衡是什麼？什麼情境下誰最適合？
• 「模型相同，harness 不同，結果天差地遠」——這個判斷的證據有多強？

已拆出的卡（15 張）

基礎定義

• harness-four-layers — Harness 由四個子系統組成
• harness-beats-model — Harness 的影響大於換模型

三家的設計選擇

• codex-no-network-sandbox — Codex 用即時性換隔離性
• antigravity-three-surface-architecture — 三面架構讓 agent 取得視覺感知能力
• claude-code-human-in-loop — 每步確認是哲學不是妥協
• claude-code-six-layer-memory — 六層記憶是對 agent 失憶問題的回應
• mcp-as-extensibility-lever — MCP 把擴展性變成外部開放
• artifact-verifiable-output — Artifact 把 agent 產出變人類可審查

權衡與範式

• latency-throughput-tradeoff — 即時性與吞吐量是零和權衡
• isolation-vs-flexibility-tradeoff — 隔離性與靈活性負相關
• async-vs-sync-agent-paradigm — 非同步 vs 同步是兩種工作範式

戰略與衍生

• model-capability-capped-by-harness — 模型能力被 harness 設上限
• harness-is-the-new-battlefield — Harness 是下一階段競爭主戰場
• claude-md-as-project-contract — CLAUDE.md 是 agent 與專案之間的契約介面

怎麼測 agent（eval 手藝，2026-06）

• agent-eval-scores-end-state-not-path — Agent eval 以終態評分，不綁標準路徑
• eval-bottleneck-is-criteria-not-tooling — Eval 的瓶頸是寫判準，不是工具，所以個人也能搞

還沒拆但累積中的發現

• Antigravity 為 Gemini 深度優化，其他模型是「適配」——可能該拆卡
• 5 種 context 壓縮策略細節（時間清理/摘要/記憶提取/歷史摘要/截斷）
• PM 視角：選工具不該只看底層模型
• 定價策略與商業模型的相互牽引
• 冷啟動成本 vs 常駐成本的隱藏費用結構

下一步可能要拆的卡

• antigravity-is-gemini-native — 第一方優化 vs 第三方適配的結構性差距
• context-compression-is-active-forgetting — 上下文管理本質是選擇性遺忘
• platform-vs-product-in-ai-tools — MCP 衍生的平台哲學
• trust-accumulation-in-agents — 人機協作中的信任建立機制
• task-routing-between-agents — 什麼任務該給哪種 agent

相關白板（未來可能開的主題）

• ai-security — 沙箱隔離、權限動態放行、prompt injection
• human-ai-collaboration — 信任累積、每步確認、Artifact
• llm-productization — Harness 戰場、模型商 vs 平台商
• async-work-patterns — 非同步範式不只適用 agent，也適用人