#學習筆記

理解 Trace 與 Span 怎樣記錄工作流，區分結果評分和行為評分，再圍繞工具、交接、Guardrail 與反饋恢復建立證據標準，用批量評估比較不同版本。

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 Agent-first 工程中的倉庫可讀性、AGENTS.md 導航、執行計劃、可觀測性、機械化架構約束，以及審查和技術債的持續治理。

以 Codex App Server 為例，理解 Agent Loop 之外的會話管理、持久化、工具執行與客户端交互，以及 Thread、Turn、Item 和雙向事件協議。

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。

理解 Manager 的子任務調用與 Handoff 的執行接管，區分上下文、任務狀態和控制權，分析多 Agent 的拆分條件與協作成本。

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。

從多智能體的優勢與代價出發，理解 Lead/Subagent 架構、動態任務分解、委派提示、並行搜索、證據彙總與協作評估。

以 PDF 處理為例，理解 Skill 的文件結構、名稱與描述如何影響觸發、三層漸進加載，以及腳本執行、任務評估和安全邊界。