约 9 分钟
让 Agent 下班后继续跑：有界自主运行怎么设计？
无人值守 Agent 如何避免卡住、反复重试和消耗 Token？从任务边界、进展证据、预算、停止原因与恢复检查，设计可接手的有界自主运行。
RESEARCH TOPIC
Trace & Evidence
连接 Agent Observability、Agent Trace 与独立执行证据。
专题文章
约 14 分钟
Agent 会跳步骤：从测试用例生成失败到 Execution Contract Drift
从一次测试用例生成 Agent 的重构出发，讨论为什么 Prompt 无法保证执行流程，以及如何用 Execution Contract、Validator、Trace 和 Drift 检测把 Agent 的过程可靠性变成可验证问题。
约 10 分钟
Agent Trace Grading 怎么设计？结果正确，过程也可能已经失控
Agent Eval 不能只看最终答案。本文讲清如何用 Trace Grading 检查 Tool、State、Constraint、Side Effect、Evidence 与 Recovery，同时避免把评测写成僵硬的路径匹配。
约 8 分钟
Model Eval 和 Agent Eval 有什么区别？从单次输出到完整执行轨迹
Model Eval 主要评模型输出，Agent Eval 还必须评 Tool、State、Trace、Side Effect、Evidence 和最终任务完成度。本文拆开两者的评价对象和工程边界。
约 6 分钟
Harness 和 Eval 平台到底是什么关系？
Harness 负责产生可信执行事实，Eval 负责跨任务和版本判断质量。本文拆开 Runtime、Trace、Evaluator、Regression 和 Gate 的职责。
约 8 分钟
Trace 不是日志：Harness 应该记录哪些执行证据？
Agent Trace 不只是日志。本文从 Run、Turn、Tool、State、Artifact、Verification 六类事件设计一条可定位、可验证、可回归的执行证据链。
约 14 分钟
一个 Agent Loop 到底是怎么跑起来的？
从 Context Build、Model Decision、Action Validation、Tool Execution、Observation、State Update 到 Termination，拆开一个完整 Agent Loop。
约 17 分钟
Agent Harness 是什么？为什么它正在成为 Agent 工程的关键一层
从模型调用、Agent Loop、Tool、Context、State 到 Trace，解释 Agent Harness 在 Agent 系统里到底负责什么。
约 8 分钟
Agent 最危险的不是失败，而是“最终通过，但过程已经失控”
Agent 最终通过并不代表过程可靠：从执行轨迹、独立证据、失败回归到 Quality Gate，讨论 Agent Reliability 的工程判断。
知识路径
执行 → 证据 → 评测 → 回归 → 交付