学习指南

结合 Kitaru 的 Replay、Evaluator 和 Regression Suite，说明怎样把线上失败固定成可重放的 Agent 回归测试，并用工具策略与评测结果接入 CI。

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。

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。

把 Harness 作为一种工程模式，拆解计划、执行、评估、状态管理和终止判断，说明 Agent 多轮任务怎样保持可控和可追溯。

说明沙箱怎样限制不可信代码访问文件、进程、网络和资源，并比较虚拟机、容器、用户态内核与系统调用过滤的边界。