#Agent

以 OpenAI Agents API 为例，理解托管 Harness 怎样组织长期 Session、上下文和子任务，区分执行环境与会话状态，并分析 Agents SDK 与托管 API 的职责边界。

以 OpenAI Agents SDK 为例，理解 Agent 定义、Sandbox Client 和 Manifest 怎样连接执行环境，以及目录权限、产物保存、Snapshot 与运行状态怎样支持持续工作。

以 Anthropic Managed Agents 的架构为例，理解持久化事件历史、可重启 Harness 和可替换执行环境的职责，以及解耦怎样影响故障恢复、凭证隔离、启动延迟和横向扩展。

以 OpenAI 内部使用 Codex 的治理实践为例，理解受管配置、Sandbox 与审批、命令规则、网络与身份控制，以及 Agent 日志怎样支持安全调查和策略改进。

以 Codex 的 Windows Sandbox 设计为例，理解 SID、ACL 与 Restricted Token 怎样限制写入，专用身份和 Firewall 怎样约束联网，以及初始化、Runner 和进程树之间的关系。

以 Claude Code auto mode 为例，理解输入侧注入检测、动作分类器、两阶段判断与 Reasoning-blind 设计，再分析子 Agent 检查、拒绝后的恢复，以及误报和漏报的取舍。

从风险来源和 Blast Radius 理解 Agent 安全，区分行为监督与环境隔离，分析文件、网络、凭证和工具内容的信任边界，再结合三类运行环境理解纵深防御。

结合 BrowseComp 案例，区分 Benchmark Contamination 与 Eval Awareness，理解开放网络、代码执行和多 Agent 搜索怎样影响答案来源，再分析执行轨迹、评估边界与成绩解释。

理解 Agent 评估中的基础设施噪声：区分代码错误、环境故障与资源约束，分析 CPU、内存和时间预算怎样影响执行，再用对照实验与完整报告解释分数差异。

从性能工程测验的迭代案例理解评估设计：怎样确定能力目标、识别测试饱和，区分难度与新颖性，并在真实任务、有效区分和完成成本之间取舍。