-
“Harness 工程体系：给 AI 搭一套生产可用的工程系统”
AI摘要为AI编程构建工程化运行时环境Harness，通过约束输入、Agent执行、反馈验证、经验沉淀形成闭环。提出六层架构，强调人机共用基线门禁与契约约束，由唯一Orchestrator统一调度专家Agent，确保代码生产可控、可演进。
-
“SparkCanvas Pro：从零搭建丐版 NanoBanana AI 绘图节点（二）”
AI摘要SparkCanvas Pro节点用LLM agent直接驱动ComfyUI，实现自主规划、执行与验证。通过双实例避免死锁，结合Comfy-Cozy四阶段循环和知识库扩展，让agent灵活调用工作流并自我修正。主要挑战是静默失败的调试。
-
SparkCanvas：从零搭建丐版 NanoBanana AI 绘图节点（一）
AI摘要SparkCanvas 是一个 ComfyUI 自定义节点，通过"LLM 决策 + 代码组装"架构实现自然语言驱动 AI 绘图。用户输入一句话，本地部署的 Qwen3.6-VL 多模态模型自动规划生成模式（txt2img/img2img/ControlNet/角色替换/局部重绘）、生成 danbooru tags 并输出轻量 JSON，Python 代码根据预定义分支自动组装 ComfyUI 节点链路完成生图，无需手动连线。核心创新在于限制 LLM 只做"选择题"和"填空题"而非生成完整工作流，使 7B 本地模型即可胜任，并集成 AnimeSeg DINOv2 实现二次元 13 类语义分割自动 mask。
-
NVIDIA DGX Spark 部署 Qwen3.5-35B 踩坑记录
AI摘要在NVIDIA DGX Spark（128GB统一内存）上部署Qwen3.5-35B-A3B时，BF16原版因torch.compile内存峰值不可控而OOM，最终采用FP8量化版（35GB）结合`--enforce-eager`跳过CUDA graph capture，并以Docker方案解决cu12/cu13库混装问题。关键教训：统一内存架构需预留充足余量，避免torch.compile；推荐vLLM社区nightly镜像而非滞后官方镜像，并配置内存看门狗防止系统卡死。
-
Obsidian 自动发布到 WordPress 工作流
AI摘要本文介绍了一套将 Obsidian Vault 自动发布到 WordPress 的工作流。核心架构为：Obsidian 本地写作后，通过轻量 HTTP API（Vault Sync Server）暴露文件，再由自研 WordPress 插件（QNTLab Vault）浏览预览并一键导入草稿，数据库保存原始 Markdown，前端用 Parsedown 实时渲染，并可选调用 Kimi AI 生成摘要。整套方案避免了手动复制粘贴，保留 Markdown 格式，支持代码块与数学公式。
-
长视频知识点提取总结（LLM API + 本地预处理版）
AI摘要本文介绍一套超长知识分享直播的自动化知识点提取方案，采用"本地轻量预处理+Dify纯编排+云端AI API"三层架构。核心约束为原视频不上传（10GB压缩至100MB）、本地零模型部署、仅运行传统图像处理算法。本地层通过FFmpeg抽音频、PySceneDetect检测关键帧、ImageHash去重等CPU纯算法处理，上传产物后触发Dify工作流；Dify层负责JSON数据编排与多模态AI API并行调用；云端层集成ASR、视觉理解、大语言模型等服务，实现音频与视觉双通道并行处理，全程保留时间戳，最终输出带视频定位与PPT截图的知识点笔记。
-
Harness-Engineering入门
AI摘要Harness Engineering 是一套让 AI 稳定、可约束、可校验地干活的工程系统，核心论点是不让 AI 更聪明，而是让 AI 更可靠。它由六个逐层叠加的零件组成：SPEC（设计规格文档）、Rule（底线红线）、Skill（标准操作手册）、Sub Agent（专业角色分工）、Workflow（流程规则）和 Scripts（硬约束门禁）。文章建议从零搭建时先写 SPEC 明确边界，再逐步添加 Rule 和 Skill，复杂任务再引入多 Agent 和 Workflow，避免一次搭齐。