#OpenAI

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 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。

理解 Trace 与 Span 怎样记录工作流，区分结果评分和行为评分，再围绕工具、交接、Guardrail 与反馈恢复建立证据标准，用批量评估比较不同版本。

理解 Agent-first 工程中的仓库可读性、AGENTS.md 导航、执行计划、可观测性、机械化架构约束，以及审查和技术债的持续治理。

以 Codex App Server 为例，理解 Agent Loop 之外的会话管理、持久化、工具执行与客户端交互，以及 Thread、Turn、Item 和双向事件协议。

理解 Manager 的子任务调用与 Handoff 的执行接管，区分上下文、任务状态和控制权，分析多 Agent 的拆分条件与协作成本。

打开 Agent Loop 中的工具执行环节，理解 Shell、文件系统、进程、容器和外部服务怎样承载行动，以及环境结果怎样成为模型的下一次观察。

从一段循环伪代码出发，拆解一次模型推理、Tool Call 与 Tool Execution 的区别、工具结果如何回到下一次输入，以及 Agent 何时停止。