#Anthropic

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 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。

从 Task、Trial、Transcript 与 Outcome 理解一次 Agent 评估，梳理 Grader 的选择与组合、pass@k 与 pass^k 的区别，以及能力评估、回归评估和评估集的持续维护。

理解 Planner–Generator–Evaluator、Sprint Contract 和真实应用 QA，分析 Context Reset 与 Compaction 的区别，以及怎样通过移除组件改进 Harness。

理解 Initializer、Feature List、Progress File 与 Git 的分工，建立新会话恢复、增量实现、端到端验证和状态交接的完整流程。

以 C 编译器实验为例，理解并行 Agent 怎样通过独立工作区、任务锁和 Git 协作，以及语义冲突、故障拆分、测试反馈和角色分工。