给 Agent 写评估：Anthropic Evals 方法论解读
19 分钟
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。
AI Agent Anthropic 解读
Managed Agents 设计解读：如何让 Agent 系统不被模型迭代淘汰
12 分钟
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。
AI Agent Anthropic 解读
Harness 设计解读：Anthropic 如何让 Agent 自主完成六小时全栈开发
15 分钟
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。
AI Agent Anthropic 解读