今日概览

采集窗口：2026-09-15 10:48 至 2026-09-17 10:48（Asia/Shanghai，精选 48 小时）。本轮重点是 coding-agent harness 的可控性、成本和重复运行可靠性：Cline Desktop 允许把排队消息转向正在运行的任务；HarnessTax 在两个公开基准上比较 21 个模型—harness 组合；IBM Research 的开源工具把平均成功率之外的连续成功率单独量化。所有性能数字均按作者公开的实验条件复述，不外推到真实项目。

Coding Agent / Harness 雷达

已核实技术精选

1. Cline Desktop 可把排队消息送入正在运行的任务。 Desktop v0.0.29 允许在 Agent 工作时按 Enter，把队首消息标记为在下一个 turn 边界接收；领取队首采用原子操作，转向失败会显示提示。该机制缩短用户纠偏的等待，但发行说明未提供任务成功率评测。发行时间：2026-09-17 01:21 +08:00。

2. Cline SDK/CLI 扩大插件、远程环境与自动化表面。 SDK v0.0.83 让 Hub 管理 Agent Plugins，并明确不自动扫描工作区 .agents/plugins，以免打开仓库即启动其中 MCP；新增的 RemoteEnvironmentService 可通过 SSH 在远端运行 session，但发行说明注明尚无 CLI 命令或桌面 UI。它还修复了临时 provider 错误重试、checkpoint、定时任务并发和 session 导入等路径。发行时间：2026-09-15 13:53 +08:00。

3. 同批 CLI 把上述执行修复送到终端用户。 CLI v3.0.62 接入 Hub 插件，修复后台子进程导致 run_commands 等到超时、apply_patch 的 Add File 覆盖现有文件、从 home 目录建索引导致内存膨胀等问题，并让调度运行不再互相阻塞。发行时间：2026-09-15 14:04 +08:00。

4. HarnessTax 将模型与 harness 拆开比较。 项目文章 比较 Claude Code、Codex CLI 与开源 Pi，覆盖 7 个模型、21 个组合，在 SWE-bench Lite 和 Terminal-Bench 2.0 各随机抽取 30 个任务，每组运行三次并用官方 evaluator 判定。作者报告：在其测试范围内，harness 对成功率的平均影响较小，但同一模型成本可明显不同；Pi 仅用 read、write、edit、bash 四类工具仍进入两个基准的成本—成功率 Pareto 前沿。结论受限于两个公开基准、样本与价格表，不能证明任一 harness 在真实开发中普遍更优。页面构建时间：2026-09-17 00:23 +08:00；原文未单列发布日期。

5. IBM Research 把 Agent 的“平均会做”与“每次都做成”区分开。 作者文章 在 AppWorld test_normal 的 168 个任务上，比较 Mean@5 与连续五次均成功的 Pass^5；文中 GPT-4.1 ReAct 基线为 77.4% Mean@5、53.0% Pass^5。开源 Consistency Analyzer 从已有轨迹重采样决策点，再生成可复用 guidelines；作者实验中 Pass^5 升至 69.0%、Mean@5 为 81.0%。这些是特定基准和设置下的作者结果，不是所有 Agent 的通用收益。页面标注发布日期：2026-09-15。

6. DSH 把 headless、MCP 与远程工作区继续接入同一 harness。 dsh-v0.1.6-alpha.1 为 headless 增加 stdin 任务、--session-id 续会话和 --json 事件流；MCP 增加资源发现、读取和 URI 模板；本地 DSH 可通过 SSH 对远程工作区使用文件、命令与 PTC 工具。该版本是 alpha，且 Browser Use、Computer Use、Auto review 仍为实验性。发行时间：2026-09-15 12:57 +08:00。

7. Reef 将推理记录、反馈与 Agent 版本演进接成开源流程。 作者文章 介绍 stateful inference：learning recipe 可更新模型权重，也可更新 Pi 等 harness，并让候选在评估通过后发布为新版本。文章公开源码；这是作者实现与提出的基础设施，不代表已验证的普遍自改进收益。页面标注发布日期：2026-09-15。

GitHub Trending

已检查 GitHub 今日 overall、Python、TypeScript 榜单。页面在本轮非浏览器请求中没有提供稳定可解析的完整榜单，因此没有记录日增 star，也不把当前热度误写成当天发布。

HN 讨论

HarnessTax 在 9 月 17 日上海时间进入 HN front page；讨论热度仅作为发现线索，正文结论全部回到项目作者的方法和页面数据核实。其他 newest/Algolia 候选多为日期或技术证据不足的小项目，没有用低互动提交推断社区共识。

论文与研究

• 三值 LLM 的分布自适应存储。 Breaking the 1.58-bit Barrier for Ternary LLMs 测量 29 个三值模型的权重符号分布，并提出 BITCOS：以 presence bitmap 加紧凑 sign vector 利用零值偏多。作者报告在 26/29 个模型上小于常见 five-trit packing，最稀疏模型达 1.485 bits/weight；五个平台的端到端 decode 吞吐最高提升为 CPU 1.18×、GPU 1.27×。这是论文实验结果；提交时间 2026-09-15 04:54 +08:00，略早于 48 小时窗口，因 9 月 17 日进入 HN front page，列为研究讨论而非当日发布。

旧文再讨论

未发现原文超过七天且过去 24 小时在 HN 明确重新升温、又能从原始来源核实的条目。

日期未确认

• HarnessTax（状态：页面未单列发布日期）。 页面直接提供文章、方法与交互图表，构建元数据显示 2026-09-16 16:23 UTC；HN 提交时间只作发现信号，不代替作者发布日期。技术内容已在上方按具名基准和限制条件呈现。

观察池

• OpenCode 最近 release 位于本轮 48 小时窗口之前；Pi、Aider、Continue、Roo Code 也未见窗口内新增 release，均只保留检查记录，不跨日重复旧版内容。
• HN newest 的 AgentLane、Overlord、Otis 等新项目原始发布日期、维护持续性或独立使用证据尚不足，暂不升为已核实精选。

来源链接

本页原始来源均已在对应条目直接链接；官方 release、作者技术文章与 arXiv 摘要是事实依据。

采集状态

已检查：Cline 仓库/release/changelog，Pi 原入口及迁移后的官方仓库/release，DSH 仓库/release/文档，OpenCode、Aider、Continue、Roo Code 官方仓库/release/changelog，GitHub Trending overall/Python/TypeScript，HN front/newest/Algolia，arXiv recent，Hugging Face Papers/Blog，Simon Willison 与可信工程博客。失败或限制：GitHub Trending 在非浏览器请求中未返回稳定可解析的完整日榜，故不记录 star 增量；HarnessTax 未被网页阅读器直接索引，改从项目直接提供的文章 JSON 与图表元数据核实。初始候选 24，保留来源 8；因来源非零，未触发零来源二次补搜。