中文文章

结合 OpenAI Agents API 和 Anthropic Managed Agents，解释 Session、Context Window、Compaction 与持久状态怎样支撑跨上下文窗口的长任务 Agent。

介绍 Skills Manager 如何用本地 Skill Library 统一分发到 Claude Code、Codex、Cursor 和 Gemini CLI，并处理版本与配置一致性。

以 Tau 为例，说明模型适配、Agent 核心和应用层的职责，以及工具和前端如何在不互相依赖的情况下协作。

说明 Agent 如何执行工具并继续调用模型，区分流式增量与最终消息，并用一个不依赖模型服务的 Python 示例观察前端状态。

拆解 AWS 如何用确定性工作流分开 Agent 提案、规则验证、人工审批和真实执行，让模型负责候选方案，代码负责边界与幂等。

从 GitHub Agentic Workflows 的 jsweep 看 Agent 如何先判断有没有值得修改的目标，把 noop 作为正式结果，而不是为了自动化强行制造改动。

介绍 HyperFrames 如何把 Agent 生成视频拆成 HTML、动画、素材、lint、preview 和 render 可检查流程，让视频生产进入工程循环。

拆解 Herdr 如何接管现有 Coding Agent 所在终端，提供持久会话、阻塞状态、跨机器控制和 Agent 协作，而不重写底层 Agent。

介绍 RTK 如何在命令输出进入模型上下文前过滤测试、Git、搜索和构建噪声，把 Context Engineering 做到工具输出边界。

拆解 Google Cloud Developer Plugin 如何把 Skill、MCP 配置和规则按 Agent Plugins 规范打包，暴露跨 Coding Agent 的分发、版本与权限问题。

OpenCompany 用 company.toml、Agent Team 和 Human Sign-off 把组织结构与 Agent 配置写成可版本控制文件，并明确保留人工签字点。

从 Anthropic Agentic Search 事故复盘看自动监控和 LLM grader 的漏检问题，说明 Agent Eval 也需要覆盖率、独立性和失效模式测试。