同一个任务做十次，怎样才算可靠？

这份材料把工具定义为确定性系统与非确定性 Agent 之间的合同，说明工具名称、参数、描述、错误反馈和返回内容都会改变模型行为。它支持用真实任务和留出集评测工具，并强调更少重叠、边界清晰、返回高信号且 Token 高效的工具通常更可靠。

这份文档说明 Subagent 使用独立上下文完成委派任务并向主会话返回摘要，可分别配置模型、工具、权限、Skill、MCP、Memory、Hook 与 Worktree 隔离。它支持把 Subagent 的价值定位为上下文隔离、并行和专业化，而不是把增加 Agent 数量等同于自动提升结果质量。

这份材料展示 Compaction 仍不足以解决跨上下文长任务，并总结一次做太多、半成品难接续和过早宣布完成等失败模式。它用初始化环境、功能清单、进度文件、Git 历史、增量推进和端到端验证说明 Harness 如何把连续性写入环境。

这份材料定义 Task、Trial、Grader、Transcript、Outcome、Evaluation Harness 与 Agent Harness，并强调评估 Agent 时实际评估的是模型与 Harness 的组合。它支持用多次 Trial、代码/模型/人工 Grader、Outcome 与轨迹联合评分，以及分别建设 Capability Eval 和 Regression Eval。

这份案例说明当 Agent 承担大量执行工作时，人类工作的重心会转向表达意图、设计环境、维护可读知识和建立反馈回路。它支持用仓库内版本化知识、机械化架构约束、测试、Lint 与可操作错误信息提升 Agent 的可读性、自治性和长期一致性。

这份文档定义 Trace 与 Span，并说明 Agents SDK 默认记录 Agent 运行、模型生成、工具调用、Handoff、Guardrail 和自定义事件。它支持课程把轨迹观测落到可实现的数据结构，同时提醒默认 Trace 可能包含模型及工具输入输出等敏感数据，需要显式配置采集与导出策略。

该文件展示 Session Actor 怎样统一接收命令、模型 Turn 完成、工具与 MCP 事件、会话状态和停止事件，再启动下一段工作或进入 Idle；它证明生产 Loop 还要管理并发事件、生命周期与恢复，而不是只有“模型想一步、工具做一步”。

这段固定提交源码展示 Hermes 如何检查工具名和 JSON 参数、限制委派数量、去重调用，并用结构化工具结果把可恢复错误送回下一轮。它直接证明生产级 Agent Loop 在模型输出与真实动作之间还需要确定性处理。

这段固定提交源码定义 Turn 结束时的预算耗尽、回退与完成判定，并把轨迹保存、资源清理和清理错误纳入统一关账。它支持课程把 completed 视为需要系统证据与退出处理的状态，而不是模型的一句话。

这段固定提交源码在 Turn 结束时修复未闭合的工具消息序列，并把最终消息和会话状态持久化；持久化失败会作为清理错误保留，而不是静默伪装成完整成功。

这份生产案例披露 Orchestrator-Worker、独立上下文、并行搜索、恢复与评测方法，也明确多 Agent 的高 Token 成本和对串行、强共享上下文任务的限制。

这份材料说明 Claude Code 如何让用户为长程、并行、结构化或对抗任务编写动态 Harness，并以多个独立上下文完成分解、验证和汇总。

官方岗位原文要求路线图、真实任务与用户反馈、模型行为判断、Vibe Coding、UI/UX、Harness 技术原理、数据研究和模型与 Harness 共同进化。

受控实验表明多 Agent 在可分解并行任务上可能显著提升，在严格串行任务上可能下降 39%–70%，工具密集任务还会承担额外协调成本。

论文指出只追准确率会忽略成本、复现性、下游适用性、留出集和基准过拟合，并提出联合优化准确率与成本。

该研究系统讨论 Agent benchmark 的任务设计、污染、评分可靠性、统计报告和复现要求。

该同行评审 benchmark 用 1,054 个测试覆盖工具型 Agent 的间接 Prompt Injection、用户伤害和私有数据外泄。

官方桌面端文档说明 Code tab 与 CLI 使用同一底层引擎，并明确展示权限模式、可中断会话、可视 Diff 与行级评论、Preview 自动验证、终端、CI 状态和 PR 监控等用户可见流程。