我做了个工具—— text2everything.vip 自然语言描述流程,LLM 出 Mermaid 代码,右边实时渲染。
第一版是单次调用:用户输入 → LLM → 出图。跑了几个月发现两类问题:
Parse error,用户看到红色堆栈就走了。这两个问题都不是”再调 prompt”能治的:第一次失败得有第二次机会;补常识没错,但必须留痕才能审计。
所以第二版做成一个 agent:能多轮对话,能自己纠错,能记住用户说过什么。这篇讲一下这个 agent 长什么样。
介绍我最近做的一个小工具 text2mermaid（text2everything.vip）——用自然语言描述流程、时序、表关系、状态机等，AI 直接生成 Mermaid 代码并实时预览，支持 flowchart / sequence / ERD / state / class / mindmap / gantt 七种图，可导出 SVG / PNG，免注册免费用。文章讲清楚了做这个工具的动机、和手写 Mermaid / 传统画图工具的对比、以及三个真实使用场景。
用 Obsidian 替代 idea 作为 AI 时代的"认知承载层"——把 Andrej Karpathy 的「Obsidian is the IDE, LLM is the programmer, wiki is the codebase」落到实处：Claudian 插件 + 根 CLAUDE.md schema + Ingest / Query / Lint 三个操作，再加上一次两周跨度重构的实战复盘和两条可直接跑的 Vault Lint prompt。
AI in Harness 系列收官篇——把前三篇（Loop / Tools / Skill / Memory、Error Recovery / Task System / Background Task、Multi-Agent 协同）串起来给出 Harness 的完整定义：让 LLM 在"受控循环"中工作的一整套基础设施。附模块总览图、每个模块的职责边界、模块之间的调用关系，回答"什么是 Agent Harness、和 Agent Framework 有何区别"。
AI in Harness 系列第三篇——为什么 Subagent + Background Task 之后还需要多 Agent 协同：Agent 之间的通信 Protocols、Autonomous Agents（自主 Agent）如何让主控在长任务中"托管"给下游、以及用 git Worktree 做并发文件写入隔离避免相互覆盖，让多个 Agent 真正能同时改代码。
AI in Harness 系列第二篇——LLM 长周期任务如何跑得稳、跑得远：错误恢复（Error Recovery）如何区分可重试/致命错误并降级、Task System 如何做任务规划与依赖调度、Background Task 如何在主循环之外并发执行长耗时子任务并回写结果。以 Java Harness 框架的实现代码作为落地参考。
AI in Harness 系列第一篇——从 Prompt Engineering 到 Loop Engineering 再到 Agent Harness 的演进：为什么"能跑"的 Loop 还不够，Harness 需要在此之上补齐 Tools、Skill、Memory 三块能力，以及 CLAUDE.md / 系统提示词 / 用户消息 / 工具结果的上下文分层加载策略。以 Java 视角剖析 Claude Code 实现，配可运行的开源 Java Harness 框架。