学习上下文组织、压缩和长期记忆，适合处理长对话与复杂任务的开发者。
24 条精选 · 入门 7 · 按推荐学习顺序：越基础、直观越靠前，越系统、深入越靠后
Harness, Scaffold, and the AI Agent Terms Worth Getting Right
这是一份 AI Agent 术语表，旨在统一那些被混用、改名或缺乏清晰解释的概念，重点涵盖 harness、scaffold 等常被混为一谈的术语。文中提到这些混淆在 ICLR 2026 后被广泛讨论，作者称其并非覆盖全部术语的完整词典，而只聚焦容易被含糊带过的概念。适合刚接触或希望跟上该领域进展的读者。
Dreaming: Better memory for a more helpful ChatGPT
OpenAI 于 2026 年 6 月 4 日发布的产品更新说明，介绍 ChatGPT 新的记忆合成系统，目标是应对记忆在面向数亿用户、跨多年时间跨度使用时出现的过时、准确性和可扩展性问题，使记忆保持新鲜、连续和相关。文中回顾了记忆功能自 2024 年 4 月推出以来的演变。该更新先向美国地区的 Plus 和 Pro 用户推出，随后数周扩展至更多国家和 Free、Go 用户。
Introducing Claude Tag
这是 Anthropic 的公告，介绍面向团队使用 Claude 的新方式 Claude Tag，首先在 Slack 上推出。团队可选择频道、连接工具、数据和代码库，频道内成员通过 @Claude 委派任务，Claude 会从所在频道中记忆相关信息并规划后续任务。文中称 Anthropic 产品团队 65% 的代码由其内部版本 Claude Tag 生成，该功能面向 Claude Enterprise 和 Team 客户以 beta 形式提供。
How enabling two settings tripled our scores on the ARC-AGI-3 benchmark
OpenAI 于 2026 年 7 月 29 日发布的研究与论文类文章，讲述两个 API 设置如何通过保留推理内容和启用压缩（compaction），提升 GPT-5.6 在 ARC-AGI-3 基准上的表现、得分与效率。文中还讨论了智能体在记住自己已做之事时表现更好。
The new rules of context engineering for Claude 5 generation models
这是 claude.dev 博客的一篇工程文章，作者 Thariq Shihipar，发表于 2026 年 7 月 24 日。文章说明他们为更先进的模型删除了 Claude Code 系统提示中超过 80% 的内容，并讲述如何把这一经验应用到自己的上下文工程中，包括在 Claude Code 和自建智能体里的实践；文中把系统提示、Skills、CLAUDE.md 文件、记忆等来源共同构成的上下文称为上下文工程。
Components of A Coding Agent
Sebastian Raschka 在其 Substack 杂志上于 2026 年 4 月 4 日发布的文章。文章讨论编程 Agent 与 agent harness 的整体设计，说明它们是什么、如何工作以及各部分在实践中如何配合，并指出工具使用、上下文管理和记忆等外围系统在实际 LLM 应用中与模型本身同样重要，这解释了 Claude Code、Codex 等系统为何比在普通对话界面中使用同样模型显得更能干；文中列出编程 Agent 的六个主要构建模块。面向关注 Agent 设计与实现的读者。
Inside Arca's Long-Horizon Agents That Run the Business - Aman Singh, Arca
这是 Arca 公司 AI 负责人 Aman Singh 的演讲，介绍这家 AI 原生金融服务公司如何让长期运行的智能体端到端地承接客户目标，跨越多天的断续工作。内容涉及让智能体感知邮件、电话、托管事件和应用内动作的信号系统、运行上下文与执行框架、持久记忆，以及能在合适时机引入合适人员的共享空间。材料中包含分章节时间线。