用问题组织知识，
用实践连接理解。

Harness、Prompt Engineering、Loop 与 Graph、Agent Runtime 和 RAG：从指令、证据到任务执行。

1. 从 Transformer 到 Managed Agents：九年，大模型走向自主执行的完整脉络
2. Harness：Agent 架构
3. Prompt Engineering：提示词工程
4. Loop Engineering 与 Graph Engineering：循环与图编排
5. Agent Runtime：Agent 运行时
6. RAG：检索增强生成

逐个研究运行内核、事件与状态、工具、扩展和部署边界，保留各项目自己的设计重点。

1. Claude Code 架构设计：优点、代价与适用边界
2. Codex：运行时、沙箱与持续任务
3. Kimi Code：上下文投影、压缩边界与工具执行
4. OpenCode：会话运行、上下文压缩与工具状态
5. DeepSeek Agent Harness：架构设计的优点与代价
6. Hermes 架构设计：优点、代价与适用边界
7. Pi 架构设计的优缺点：小内核，把复杂度留给谁？
8. OpenHands SDK：执行循环、事件状态、并行工具与工作空间

分别研究 Agent 装配、图执行、RAG 流水线与持久工作流，比较状态、调度和恢复的不同边界。

1. LangChain：模型、工具、中间件与 Agent 装配
2. LangGraph：DAG、超级步、状态合并与持久恢复
3. Temporal：事件历史、持久执行、任务调度与取消
4. Haystack：RAG 流水线、分支汇合与异步执行

每个资产项目独立分析加载方式、运行约束和维护代价，区分方法说明与执行门禁。

1. Anthropic Skills：规范、渐进加载与文档管线
2. Addy Skills：工程生命周期与验证门槛
3. Matt Pocock Skills：需求对齐与反馈循环
4. ECC：跨 Harness 资产、安装器、Hooks 与经验治理

MCP、A2A、AG-UI、A2UI、ACP 与 Agent Skills：能力、协作、界面和方法资产的互通边界。

1. MCP：模型上下文协议
2. A2A：Agent 协作协议
3. AG-UI：Agent 前端交互协议
4. A2UI：Agent 界面描述协议
5. ACP：编辑器与 Agent 通信协议
6. Agent Skills：技能规范

用一个本地工单任务接通模型、工具、状态和独立验收，保留模块替换与故障实验。

1. Mini Harness：模块装配与可恢复执行

区分公开能力证据、模型协议与适配行为；不把框架能力计作模型能力。

1. 一次模型调用之后，究竟发生了什么？
2. OpenAI 与 Anthropic：模型与 Agent Runtime 的边界
3. 模型能力边界：从公开评测到任务责任
4. LLM Gateway：模型网关
5. LiteLLM：模型路由、故障转移与预算边界
6. OpenAI API：模型接口协议
7. Anthropic API：模型接口协议

沿机器人、动作学习与基础模型的发展，理解感知、控制、数据和真实环境泛化。

1. 从机械臂到机器人基础模型：具身智能的发展脉络
2. 从 Reward 到 Physical Agent：Dyna Robotics 具身智能学习讲义
3. 机器人开源了什么：从“免费大脑”到真实能力
4. 机器人怎样学会触摸：从传感器到接触智能

分别研究工具契约、协议生命周期、执行安全和能力路由，定位各自负责的失败。

1. 工具契约：输入、结果与错误语义
2. 执行安全：身份、授权、审批与沙箱
3. OPA：策略求值、执行边界与授权更新
4. 能力路由：从目录检索到可执行方案

把版本竞争与结果未知分开研究，以实际资源终态验证控制与恢复机制。

1. 并发控制：版本冲突、锁与背压
2. 故障恢复：事务边界、幂等、对账与补偿

上下文装配、记忆写入、检索和治理各自独立成文；项目实现另有完整研究。

1. Context Engineering：上下文工程
2. Memory：记忆写入
3. Memory：记忆检索
4. Memory：记忆治理

OAuth 与 OpenID Connect：区分资源访问授权、用户身份认证与业务执行权限。

1. OAuth：授权协议
2. OpenID Connect：身份认证协议

分别研究 Mem0、OpenViking 和 TencentDB Agent Memory 的完整数据流、存储和治理。

1. Mem0：事实写入、混合检索与部署边界
2. OpenViking：上下文文件系统、层级检索与一致性
3. TencentDB Agent Memory：协议代理、分层记忆与团队资产

研究数据血缘、故障可观测性、任务执行权与版本演进，把运行证据接入评测和发布。

1. Agent 数据架构：来源、运行记录、成果与评测集
2. 可观测性：任务关联、时间线与故障定位
3. 任务服务：队列、租约、隔离令牌与背压
4. 版本发布：评测门槛、灰度与在途任务回退

按市场、需求、增长和交付四类实际决定组织方法，框架服务于证据与取舍。

1. 市场判断：环境、竞争、规模与定位
2. 需求取舍：用户旅程、优先级与发布范围
3. 增长分析：漏斗诊断与单位经济性
4. 产品复盘：目标、证据与经验复用

研究任务委托、结果契约、自治范围、反馈与产品迭代之间的关系。

1. AI 产品与 Agent 系统学习指南：从原理、案例到技术选型
2. Agent 产品设计：结果契约、自治范围与反馈迭代
3. 从 Dify 看 Workflow：当 Agent 越来越自主，工作流还有什么价值？

以完整任务体验研究委托、权限、验证与并行协作，源码机制另见 Harness 项目研究。

1. Claude Code 产品设计：委托、信任与协作

先定义合格成果，再分别分析编程、语音和办公的失败成本与人工基线。

1. AI 交付价值：指标口径、失败成本与人工基线
2. 编程交付：测试、变更范围与可复验证据
3. 语音交付：意图消歧、执行状态与结果验收
4. 办公交付：数据口径、可编辑文件与来源核验

在相同任务与证据边界下比较产品定位、执行责任和交付流程，不以功能数量排名。

1. Claude Code、Codex 与 Kimi Code 的 Harness 分歧
2. 办公 Agent 比较：Kimi Work、WorkBuddy 与豆包工作

从对象、写入、读取和治理的不同选择比较记忆系统，完整实现各有独立文章。

1. 记忆系统比较：核心对象与生命周期取舍

给出任务约束、候选架构、验证方法与迁移条件，让选择可以被后续证据推翻。

1. Agent Harness 架构选型：轻量循环、图式编排与持久工作流
2. Agent Runtime 技术选型：SDK、编排、持久执行与沙箱
3. Multi-Agent 选型：任务拆分、协作拓扑与部署成本

以真实任务和固定配置比较模型，把重复运行、失败与人工复核纳入成本。

1. 模型选型：任务样本、重复运行与完整成本

用可执行任务、质量门槛、维护成本和退出条件形成可复审的采用决定。

1. Agent 选型：比较维度、任务契约与 PoC

分别研究可靠性边界、完整评测系统和 TRACE 论文，区分业务验收与过程代理指标。

1. 可靠性边界：验收、风险与自治范围
2. Agent 评测系统：任务、指标、裁判与持续回归
3. TRACE：轨迹评测、代理指标与复现边界

保留研究型创业、处理未知与组织学习的完整论述，区分演讲观点与作者推演。

1. 陆奇谈研究型创业者：研究、创新与组织学习
2. 读张小珺对话杨植麟：三个核心判断

一场约一小时分享的中文阅读版，配原视频截图和时间索引，解释从人工监督到云端协作的工程条件。

1. Lauren Tan：怎样让 AI Agent 成为可靠的工程团队