OpenAI Symphony 解读：用 Issue Tracker 重新定义 Agent 编排
Issue 不是会话的替代品，是更接近工作本身的工作单元。OpenAI 开源的 Symphony 把 Linear 当编排层，三个月内让部分团队的 PR 增量达到 500%。本文解读它的核心设计、SPEC.md 的思路、以及对软件工程范式的影响。
Responses API 的 WebSocket 改造：如何让 Agent 工作流提速 40%
解读 OpenAI 工程博客的 Responses API WebSocket 设计：为什么 HTTPS 请求会成为瓶颈、WebSocket 持久连接如何消除冗余开销、以及在保持 API 兼容性的同时实现 40% 端到端延迟优化的工程决策。
给 Agent 写评估：Anthropic Evals 方法论解读
解读 Anthropic 工程博客的 Agent 评估方法论：为什么 Agent 比传统软件更难测、三类评分器如何组合、不同 Agent 类型的测试差异，以及从 0 到 1 构建一套可靠 eval 的关键决策。
【π】agent 记忆的形状：append-only 树、压缩与分支
packages/coding-agent 用一棵永不删除的 append-only 树，把 session、compaction 和 extension 系统编织成持久化的记忆。
Managed Agents 设计解读：如何让 Agent 系统不被模型迭代淘汰
解读 Anthropic 工程博客文章，探讨如何通过虚拟化 agent 核心组件（session、harness、sandbox），设计出一个能适应模型能力持续提升的 agent 系统架构。
【π】一次 LLM 调用，如何变成完整的 Agent Run？
从一次 LLM 调用到一次完整的 agent run，中间需要几层抽象？pi-mono 的 packages/ai 和 packages/agent 分别做到什么边界，EventStream 如何桥接两层，双重 while 循环如何驱动多个 turn。
【π】一个生产级 Coding Agent Harness 长什么样
从 600 行教学级 mini-coding-agent 出发，介绍 pi-mono 四层架构的全貌：packages/ai、packages/agent、packages/coding-agent、packages/tui 各承担什么职责，一次请求如何穿过这四层。
Harness 设计解读：Anthropic 如何让 Agent 自主完成六小时全栈开发
解读 Anthropic 工程师分享的多 Agent 架构实践：为什么单个 Agent 做不好长任务，如何借鉴 GAN 的思路设计生成-评估分离架构，以及模型变强之后 harness 应该怎么演化。