AI 应用开发

在 Sandbox 和 Permission 之后，我给 Mini Agent Harness 加上了 TaskState、Context Pack、checkpoint / resume 和工具结果压缩，让 Agent 在长任务中不只安全执行，还能记住进度并从失败后恢复。

在 Eval Harness 之后，我继续给 Mini Agent Harness 加上工具风险等级、命令策略、项目目录沙箱、approval 中断点和安全 eval，让 Code Agent 的行动变得可控、可审计、可评测。

从 Agent Loop 到 Harness、Tracing、Eval 和安全边界的阅读路径。

从 Agent 应用开发角度看，最需要优先考虑的几类安全和工程问题：过度代理能力、提示注入、不当输出处理和敏感信息泄露。

在 Mini Agent Harness 基础上，我做了一个最小 Agent Eval Harness，用任务集、trace、规则评测和失败归因来判断 Agent 改动之后到底有没有变好。

在最小 Agent Loop 基础上，我继续加入了结构化 trace、trace 回放、统一工具错误、错误恢复提示和初版上下文压缩，开始理解 Agent Harness 真正要解决的问题。

Agent workflow 不再只是一次模型调用，而是一条由模型生成、工具调用、上下文更新、guardrail 和 handoff 组成的执行链路。Tracing 可以把这条链路记录成可观察、可调试的执行轨迹。

学习 Function calling 时整理的一些笔记，包括函数定义、namespace、最佳实践、tool choice、并行调用、严格模式和 streaming。