Tags: #agent

从零构建双层 runtime：一层统一 OpenAI、Claude、Codex 的工具调用信封，一层用 adapter/route 把 Claude、OpenAI、Gemini 等 provider 网关串起来。

结合 dispatch_envelope_demo.py，说明 Adapter、Strategy、Registry、Command、State Machine、Facade 与 Anti-Corruption Layer 在实现中的对应位置，并区分经典设计模式与架构模式。

从精确计算盲区、幻觉、上下文窗口、Harness Engineering、Agent Loop 架构到工具设计——系统梳理 LLM 的固有局限，结合 Anthropic、OpenAI、LangChain 的一线工程实践，给出 Agent 系统的完整设计方案。

基于 learn-claude-code 开源项目，从消息存储、Token 账本、原子块压缩到 Re-fetch 兜底——拆解 Coding Agent 上下文管理的核心设计。

拆解 LangChain 在 Terminal Bench 2.0 上从 52.8% 到 66.5% 的全部技术细节——5 个失败模式、4 层中间件、推理三明治策略，以及 OpenAI 和 Anthropic 同时得出的相同结论。

从安全工程和平台治理的视角，拆解 Claude Agent SDK 里的工具权限系统、Hook 回调机制和 Bash Sandbox 配置，结合源码和实战用法，聊聊怎么在让 Claude 真正“动手”时，做到事前可控、事中可观、事后可查。

深入源码对比 Anthropic 的 Claude Agent SDK 与 Google 的 Agent Development Kit (ADK)。从通信架构（IPC vs 直接调用）到沙箱实现（Bash vs Docker），揭示两种截然不同的 Agent 构建哲学。

深入解析 Claude Code 的内置工具系统，包括 Bash、Grep、Glob、Read、Write、Edit 等核心工具的设计理念与实现细节。