#Anthropic

以 Anthropic Managed Agents 的架構為例，理解持久化事件歷史、可重啓 Harness 和可替換執行環境的職責，以及解耦怎樣影響故障恢復、憑證隔離、啓動延遲和橫向擴展。

以 Claude Code auto mode 為例，理解輸入側注入檢測、動作分類器、兩階段判斷與 Reasoning-blind 設計，再分析子 Agent 檢查、拒絕後的恢復，以及誤報和漏報的取捨。

從風險來源和 Blast Radius 理解 Agent 安全，區分行為監督與環境隔離，分析文件、網絡、憑證和工具內容的信任邊界，再結合三類運行環境理解縱深防禦。

結合 BrowseComp 案例，區分 Benchmark Contamination 與 Eval Awareness，理解開放網絡、代碼執行和多 Agent 搜索怎樣影響答案來源，再分析執行軌跡、評估邊界與成績解釋。

理解 Agent 評估中的基礎設施噪聲：區分代碼錯誤、環境故障與資源約束，分析 CPU、內存和時間預算怎樣影響執行，再用對照實驗與完整報告解釋分數差異。

從性能工程測驗的迭代案例理解評估設計：怎樣確定能力目標、識別測試飽和，區分難度與新穎性，並在真實任務、有效區分和完成成本之間取捨。

從 Task、Trial、Transcript 與 Outcome 理解一次 Agent 評估，梳理 Grader 的選擇與組合、pass@k 與 pass^k 的區別，以及能力評估、迴歸評估和評估集的持續維護。

理解 Planner–Generator–Evaluator、Sprint Contract 和真實應用 QA，分析 Context Reset 與 Compaction 的區別，以及怎樣通過移除組件改進 Harness。

理解 Initializer、Feature List、Progress File 與 Git 的分工，建立新會話恢復、增量實現、端到端驗證和狀態交接的完整流程。

以 C 編譯器實驗為例，理解並行 Agent 怎樣通過獨立工作區、任務鎖和 Git 協作，以及語義衝突、故障拆分、測試反饋和角色分工。