蛙池AI D2.5的核心，就是对Harness工程的系统性重构。目标是让蛙池AI从“能听懂话”，进一步变成“能办成事”。这次升级，我们重点做了以下五件事：

在安全实战中，最宝贵的不是单次成功的经验，而是把有效的方法沉淀下来，反复调用。

过去，蛙池AI的帮助多为单次调用，经验难以留存。但在D2.5版本中，我们正式上线了Skill市场，把高频的安全场景和复杂流程，封装成标准化的能力单元。简单来说，就是把“专家经验”做成了可以随时调用的模块。

实战里，这件事的价值很直接。比如一次攻击排查流程、一次代码审计路径，或者一套固定的分析步骤，都可以沉淀成 Skill。后续再遇到类似场景，新人也能基于已有 Skill 快速上手，减少重复劳动，提升团队整体效率。

以前的AI助手是“单兵作战”，什么都懂一点，处理简单任务还行，可一旦任务链条拉长，就容易顾此失彼。

这次，我们在多Agent协作上做了关键升级。不再让一个Agent包揽所有事，而是构建了一支分工明确的“战术小队”：有的负责分析、有的负责规划、有的负责执行、有的负责验证。通过精细的任务分工和调度机制，让多个具备不同能力的Agent协同工作，像流水线一样高效推进复杂任务。

这种改变，核心是让任务推进更可控。尤其在一些链路较长、步骤较多的安全任务里，分工清晰之后，整个过程会更稳定，执行路径也更透明。任务不是靠“一个大脑硬扛”，而是靠一套更接近真实作战流程的协同机制推进。

对于开发者和安全从业者而言，AI Agent的价值从来不只是“看懂代码”。更重要的是，它能不能顺着问题往下走，把分析、拆解、执行、验证串起来，形成闭环。

这一次，蛙池AI D2.5在代码理解、任务拆解和执行闭环能力上都有明显升级。它不再只是回答“这里有没有问题”，而是能够更深入地理解工程上下文，进一步拆分复杂任务，组织执行步骤，并回收执行结果，形成一条完整链路。

这意味着，在代码审计场景里，它不只是帮你指出一个疑似漏洞点，还能继续往下理解上下文，辅助规划修复方案，甚至验证修复后的逻辑是否引入新的风险。

长链路任务中，AI Agent最怕“丢上下文”。记忆过载会产生幻觉，记忆不足会导致遗忘。而真正影响任务连续性的，往往就是中间这些看不见的细节。

蛙池AI D2.5这次对记忆管理的优化，重点不是记住更多，而是学会“划重点”和“清缓存”。通过升级上下文工程和记忆编排能力，蛙池AI能更准确地区分什么该保留、什么该压缩、什么可以清理。这样一来，在多轮执行中，AI Agent能更像一个经验丰富的协作者，持续保持任务状态，不被无关信息拖慢。

放到实际场景里，这一点非常关键。比如持续数小时的渗透测试辅助任务中，系统需要牢牢记住目标资产、关键凭据、核心约束条件，同时把中间无关的报错噪音尽量过滤掉。这样才能保证任务始终围绕目标推进，而不是在信息泥潭里反复打转。

在许多安全任务中，浏览器操作占了很大一部分。过去，Agent基本只停留在“给建议”的阶段。真正点按钮、翻页面、跑流程，还是得靠人上手。

现在，蛙池AI D2.5把执行边界往前推进了一步。我们强化了浏览器自动化能力，让工具调用和页面交互能够更自然地编排在一起。原本需要人工逐步触发的流程，现在可以由Agent接管，直接往下推进。

Agent自动调用网页并登录

这意味着，我们可以从登录、搜索、切换页面这些重复性操作里解放出来，把精力放到更关键的判断、分析和决策上。机器负责跑流程，人负责做判断。这才是更符合实战的分工方式。

随着大模型技术的飞速发展，基座模型的能力差距正被迅速拉平。当大家都在用同样聪明的“大脑”时，真正拉开差距的，往往是工程能力。谁能把任务接住、把流程串起来、让能力稳定落地，谁就更接近实战价值。

正如我们始终坚持的：模型决定下限，Harness工程决定上限。这也是我们一直坚持打磨 Harness工程的原因。

在蛙池AI D2.5里，我们更关注的不是“模型说得多漂亮”，而是“它能不能真正帮你把事做完”。我们希望它不只是一个知识丰富的工具，更是一个能在安全任务中与你背靠背稳定协作、持续推进的“数字搭档”。