优先读官方资料和论文原文：
- Kimi Code GitHub：公开代码、版本与项目边界。
- Kimi Code Changelog：从真实修复反推 Runtime、上下文与 provider 兼容问题。
- Sessions and context：session 持久化、每个 Agent 的事件流、恢复与 compaction。
- Built-in Tools：工具契约、输出上限、后台任务与 approval。
- Agents and Sub-Agents：能力配置、独立上下文、权限继承与任务编排。
- Hooks：生命周期扩展、阻断语义与 fail-open 边界。
- Kimi ACP：IDE 接入、session 加载与协议能力。
- Kimi Agent SDK：复用 Kimi Code Runtime 的程序化 Agent 接口。
- Codex Documentation 与 openai/codex：本地与云端入口、沙箱、扩展面和开放 Runtime。
- Claude Code Documentation：权限、Hooks、Subagent、Memory 与开发者工作流。
- TRAE Documentation：IDE、Agent、Subagent、上下文和 MCP。
- DeepSeek TUI 社区仓库：第三方 DeepSeek-native Harness；阅读时应区分 README 声明与已验证实现。
- Model Context Protocol Specification：生命周期、Tools、Resources、Prompts 与安全考虑。
- Building Effective Agents — Anthropic：workflow、agent、orchestrator-worker、evaluator-optimizer 等模式。
- Demystifying evals for AI agents — Anthropic：Agent eval 方法。
- A Practical Guide to Building Agents — OpenAI：工具、编排、guardrail 与人工介入。
- SWE-bench 论文：真实 GitHub issue 评测的定义与局限。
- SWE-bench Pro：长时软件工程任务与失败分析。
- ReAct：Reasoning 与 Acting 交替的基础范式。
- Lost in the Middle：长上下文中信息位置与利用问题。
阅读方法：每篇只回答四个问题——它解决什么、假设是什么、怎样评测、放进真实 Coding Agent 会在哪些边界失效。
结语#
对我来说，Coding Agent 最值得长期投入的不是更多概念，而是反复完成下面这个闭环：
从真实失败中找到首次偏离，用最小实验区分模型与系统问题，把修复落到可恢复、可审计的工程机制，再用可靠评测证明它在新任务上也有效。
只有当这个闭环能落到具体架构、事故、数据和取舍上，Agent 才从一次漂亮的演示变成可信的软件系统。