Agent 研究总览

Claude Code 深读（一）：系统总览与启动序列

基于 1884 个 TypeScript 源文件，对 Claude Code 的入口编排、启动序列、全局状态、模块依赖与五层架构做代码级拆解。

Claude Code 深读（二）：QueryEngine 与 query.ts 如何驱动 Agent Runtime

逐行拆解 Claude Code 的 QueryEngine、query.ts 状态机、三级压缩体系、API 集成与输入处理管线。

Claude Code 深读（三）：Tool 协议、权限系统与工具调度

逐行拆解 Claude Code 的 Tool.ts 协议、23 种 Bash 攻击检测、6 层权限管道、并发调度与 StreamingToolExecutor。

Claude Code 深读（四）：Skills、Commands 与 MCP 如何共同注入 Runtime

逐行拆解 Claude Code 的 Skills 加载器、Command 注册流程、MCP transport 实现与能力分层架构。

深度解读 | Anthropic 内部如何使用 Claude Code Skills：9 类模式、写作技巧与分发策略

Thariq（Anthropic Claude Code 团队）分享了 Anthropic 内部数百个 Skills 的实战经验：9 种 Skill 分类体系、7 条写作最佳实践、分发与市场管理策略。这是目前最权威的 Agent Skill 工程实践指南。

Claude Code 源码泄漏深度技术解读：1884 个文件、51 万行代码揭示的 AI 编程工具架构全貌

Claude Code, npm source map 泄漏, 深度分析, 工具系统, Agent Loop, 多Agent协调, 安全架构, Buddy电子宠物, Kairos长期记忆, Ultraplan

1M 上下文 GA — 长上下文如何重塑 Agent 架构

Codex Context Compaction 机制深度分析

深度解读：Harness Design for Long-Running Application Development

Anthropic 工程博客深度解读——多 Agent Harness 架构的完整技术演进，从两 Agent 到三 Agent，从 Context Reset 到 Compaction，从 Sprint 分解到自由构建

Leanstral 深度解读：6B 活跃参数如何在形式化证明上超越百倍成本的闭源模型

Mistral 发布首个专为 Lean 4 设计的开源形式化证明 Agent——Leanstral。119B 总参数 / 6.5B 活跃参数的稀疏 MoE 架构，以 $36 的成本在 FLTEval 上超越 $549 的 Claude Sonnet。本文从架构设计、训练范式、评测方法论、效率曲线、工程实践到产业影响进行全面深度分析。

MiniMax Skills 深度源码分析

对 MiniMax-AI/skills 项目的完整源码分析，涵盖 11 个 AI 编程 Skill 的架构设计、Office 四件套深度解读、质量控制体系和多平台适配策略

OpenCode/Crush 深度解析 — 终端里的开源 AI 编程 Agent

阿里 PageAgent 源码深度分析

Pi Agent 框架深度上下文：为什么它重要、它怎么设计、它和 Claude Code / Codex 有何不同

从 Pi Coding Agent 的设计哲学、运行模型、上下文管理、工具调用、安全边界到与主流 coding agent 的对比，系统梳理这个轻量终端 Agent 框架的工程实践价值。

BAVT：预算感知树搜索——让 Agent 花 1/4 的钱做得更好

Budget-Aware Value Tree Search 用剩余预算比例作为探索-利用的缩放指数，在 1/4 预算下超越暴力并行采样 4× 资源的表现

Memory in the Age of AI Agents：当 Agent 学会"记忆

对 Agent 记忆系统的全景式综述论文的深度解读。从形式、功能、动态三个维度剖析 Agent 记忆的前沿研究。覆盖 300+ 篇论文。

SkillNet：给 AI Agent 建一个技能仓库

Superpowers 深度解析 — 如何用 Skill 系统驯服 AI Coding Agent

ExeVRM：用执行视频取代手工脚本，为 CUA 构建可扩展的奖励模型

USC/UW/Amazon AGI 联合提出 ExeVRM，通过执行视频而非内部推理 trace 来评估 Computer-Use Agent 任务完成度。8B 模型在跨平台评估中达到 84.7% 准确率，超越 GPT-5.2 和 Gemini-3 Pro。

MADQA：Agent 文档推理还是暴力搜索？18% 的 Oracle 差距

Snowflake 联合多机构发布 2,250 题 × 800 篇 PDF 的 Agent 文档推理 benchmark，用 Classical Test Theory 驱动设计，首次系统对比人类与 Agent 的文档搜索行为——结论是 Agent 靠暴力搜索而非策略规划

SkillsBench 深度解读：7308 条轨迹告诉你，Agent Skills 到底有多大用

Hyperagents：能改进自身改进机制的自引用 AI Agent

Meta（Facebook Research）联合 Jeff Clune 等人提出 Hyperagents 框架，将任务 Agent 和元 Agent 融合为单一可编辑程序，实现 metacognitive self-modification——不仅改进任务表现，还改进改进策略本身。

KARL：用多任务 RL 训练企业搜索 Agent，成本优于 Claude 4.6

Databricks 提出 KARL 系统：通过合成数据 + 多任务 off-policy RL 训练知识搜索 Agent，在 6 种搜索任务上 Pareto 优于 Claude 4.6 和 GPT 5.2。

OpenClaw-RL：让 Agent 边用边学——用 Next-State Signal 统一所有交互类型的在线 RL 训练

OpenSWE：$1.47M 打造 45K SWE 环境——用规模和质量重新定义 Agent 训练

RetroAgent：从"解题"到"进化"——回顾式双重内在反馈驱动 Agent 在线 RL

XSkill：多模态 Agent 的双流持续学习框架——经验与技能的统一积累

XSkill 提出 experience + skill 双流知识框架，使多模态 Agent 无需参数更新即可从历史轨迹中持续学习，在五个 benchmark 上持续显著超越基线。