Agent

Agent 基础

资源	类型	简介	资料
深入理解 AI Agent：设计原理与工程实践	开源书稿	李博杰与开源社区编写的 Agent 教材，以“Agent = LLM + 上下文 + 工具”为主线，通过 10 章讲解上下文工程、记忆与知识库、工具、Coding Agent、交互、评估、模型后训练、持续进化与多 Agent 协作，并配有 109 个实验。	在线阅读 · PDF · EPUB
从零开始理解 Agent	教程	从极简实现出发，逐层拆解 OpenClaw、Claude Code 等 AI Agent 的循环、工具、记忆和 Skill 等核心概念。
nanoAgent	实践项目	通过小型代码和配套章节讲解大模型、Agent 与 Skill 的底层原理，并展示从最小 Agent Loop 到工程化能力的演进。

Coding Agent

资源	类型	简介	资料
Learn Claude Code	实践课程	从零构建类 Claude Code 的 AI Agent，12 个渐进式课程涵盖 Agent Loop、工具调用、子代理、上下文压缩、任务系统、多代理协作和 Worktree 隔离。
Self-Evolving Coding Agents 最新综述	综述	系统梳理 Coding Agent 如何利用测试、编译和执行轨迹持续更新框架、记忆、技能与工具、模型以及协作工作流，并讨论进化时机、反馈证据、评估与安全挑战。

Agent Memory

资源	类型	简介	资料
A Survey of Agent Memory in the Second Half: Towards Self-Evolving and Long-Horizon Agents	综述论文	从记忆载体、认知机制和记忆主体三个维度整理 Agent Memory，并讨论单 Agent 与多 Agent 系统中的记忆操作、可学习的管理策略、评测与开放问题。

Harness Engineering

Harness Engineering 指的是一种开发方式：工程师设计环境、规则和测试反馈系统，让 AI Agent 自动生成并改进代码。

资源	类型	简介	资料
Effective Harnesses for Long-Running Agents	官方博客	Anthropic 总结跨多个上下文窗口运行 Coding Agent 的方法，包括初始化 Agent、进度文件、功能清单、增量提交和端到端测试。
Harness Engineering: Leveraging Codex in an Agent-First World	官方博客	OpenAI 总结 Agent-first 软件工程实践，重点介绍仓库知识、可读环境、架构约束、自动化反馈和 Agent-to-Agent Review。
Minions: Stripe’s One-Shot, End-to-End Coding Agents	官方博客	介绍 Stripe 内部 Coding Agent Minions 如何从任务描述出发完成实现、验证并提交 Pull Request，以及支撑它的工程环境。
Minions: Stripe’s One-Shot, End-to-End Coding Agents - Part 2	官方博客	继续讨论 Minions 在大规模使用中的可靠性、人工审查、评测与迭代机制，以及每周合并大量 Agent PR 的实践经验。
Vibe Coding AReaL：零手打代码开发分布式 RL 训练框架	博客	记录使用 Coding Agent 开发分布式强化学习训练框架 AReaL 的过程，关注任务拆解、反馈循环和无手写代码协作方式。
Are Agent Harnesses Bringing Back Vibe Coding?	视频	讨论 Agent Harness 如何通过工具、上下文、约束和验证机制提升 Coding Agent 的自治能力，并重新界定 Vibe Coding。
HarnessEval: The Era of Harness for Benchmarking	研究博客 / 开源项目	将 Harness 用于交互式世界模型评测：Agent 根据案例选择 Skill、拆解问题并调用子 Agent，最终输出可核查的 Evidence Tree，而不只提供汇总分数。	代码

自动化 AI 研究

资源	类型	简介	资料
autoresearch	实践项目	让 AI Agent 在单 GPU 上自动修改 nanochat 训练代码，以固定 5 分钟预算运行实验、评估结果并保留有效改动，形成最小化的自动研究闭环。
First Steps Toward Automated AI Research	研究博客	Recursive 对自动研究系统的早期实践总结，涵盖长周期并行探索、结果验证，以及在 NanoChat、NanoGPT Speedrun 和 GPU Kernel 优化任务上的实验。