课程问题链 · 展开进入正文
前一个答案，带出下一个问题
按单元顺序学习，也可以从困惑的问题进入。展开条目查看教学重点与练习目标，再打开完整正文；页面中的条件切换和数字计算会帮助你核对理解。
01
从一句回答，到一次真实动作
先把最小链路拆开：模型提议动作，宿主执行，再把结果交还模型。后面的规划、记忆和训练，都发生在这条链路上。
学完能做：能指出每一步是谁执行、数据从哪里来，以及工具执行失败后信息怎样回到模型。
前置：从这里开始，无需 Agent 开发经验。
-
模型只会输出文字，怎么真的读到文件？可阅读
要讲清：以读取库存为例，分开模型生成的工具请求、宿主读文件、工具结果消息、模型根据结果作答四步；工具请求本身并没有读取文件。
练习目标：逐步重放查询 3 盒红笔是否有货及价格的例子：库存 5 盒、单价 12 元；把库存改成 2 盒、丢掉回填结果或模拟读文件失败，观察下一轮输入和回答依据如何变化。本例不创建订单或扣减库存。
对应原课：第 1 讲、第 2 讲
打开这节课 → -
工具跑完了，为什么模型还要再调用一次？可阅读
要讲清：环境的真实状态不会自动进入模型。结果必须和原请求一起进入下一轮输入；需要继续执行还是结束，也由循环规则与模型输出共同决定。
练习目标：逐轮展开两次模型调用的消息数组，隐藏工具结果后标出模型无法知道的字段；再加上最大步数，检查不会无限循环。
对应原课：第 1 讲、第 2 讲
打开这节课 → -
两个工具都返回结果，模型怎么知道哪个结果属于哪个请求？可阅读
要讲清：用工具名称、参数与调用 ID 建立请求和结果的对应关系；调用 ID 解决配对问题，不替代身份验证或参数校验。
练习目标：同时请求红笔与蓝笔库存，把两个返回值对调；通过调用 ID 找到错配，并判断哪些结果不能混用。
对应原课：第 2 讲
打开这节课 → -
JSON 写对了，为什么订单仍然可能下错？可阅读
要讲清：区分可解析、符合 schema、字段含义正确、业务前提成立四层。约束解码可限制部分格式，却不能证明数量合理或库存真实。
练习目标：逐一送入坏 JSON、错误类型、负数数量、库存不足四个请求；选择应由解析器、参数校验还是业务规则拦截。
对应原课：第 2 讲
打开这节课 → -
给 Agent 一个搜索接口和一个 Python 工具，能力为什么不同？可阅读
要讲清：专用工具把动作限制在窄接口；代码工具能组合循环和计算，表达力更高，也把错误面和权限面扩大。
练习目标：用三次库存查询求总价：比较专用函数逐次调用与一段代码聚合；指出代码可访问哪些额外资源。
对应原课：第 2 讲
打开这节课 → -
接上 MCP 后，模型就自动会用所有业务系统了吗？可阅读
要讲清：分清业务 API、MCP 的工具发现与调用协议、宿主连接管理、模型选择工具四层；连接成功不等于任务成功，凭据也不应直接塞进提示词。
练习目标：把一次查库存请求拖到客户端、MCP 服务端、库存 API 三个位置；分别断开网络、撤销凭据、换错参数，定位故障层。
对应原课：第 2 讲
打开这节课 → -
三个工具同时跑，一定比一个个跑更好吗？可阅读
要讲清：只有互不依赖的动作才适合并行；后一动作使用前一结果时必须保留数据依赖，还要考虑共享状态与限流。
练习目标：给查询价格、查询库存、创建订单画依赖线；尝试提前创建订单，解释为什么两个查询能并行而下单不能。
对应原课：第 2 讲
打开这节课 → -
Agent 说“完成了”，我们凭什么相信？可阅读
要讲清：区分模型宣称完成、工具成功返回、环境目标真的达成。任务要有可检查的终止条件，失败观察要能回到循环。
练习目标：展示四条轨迹：未调用工具、工具报错、写错文件、正确写入；对照最终库存状态判定成功，而不是按措辞打分。
对应原课：第 1 讲、第 2 讲
打开这节课 →
一次动作已经跑通；接下来要处理越来越长的历史，以及不同任务之间能否留下经验。
02
历史越来越长，经验应该放在哪里
Agent 能调用工具以后，会产生大量消息、文件和失败经验。先看信息怎样流动，再决定保留、压缩和复用。
学完能做：能为一条长任务设计上下文保留规则，并区分任务状态、长期记忆和可复用技能。
前置：从一句回答，到一次真实动作
-
对话越聊越慢，模型到底又读了哪些内容？可阅读
要讲清：每轮请求往往包含重复前缀与增长的历史；prefill 读取输入，decode 逐 token 输出。延迟、输入长度和缓存命中要分别观察。
练习目标：展开 1、2、4 轮请求的输入组成，统计累计输入 token；开启稳定前缀缓存后，区分逻辑输入与实际重复计算。
对应原课：第 3 讲
打开这节课 → -
标着 100 万上下文，为什么还是会漏掉中间那条约束？可阅读
要讲清：窗口容量只说明可接收长度，不能保证有效利用；位置、干扰信息和任务类型都会影响取回与推理。
练习目标：把“预算上限 300 元”放在开头、中间和结尾，再加入干扰记录；设计控制变量测验，不用一次成功代表所有长上下文任务。
对应原课：第 3 讲
打开这节课 → -
模型怎样少看一点历史，却保住有用的信息？可阅读
要讲清：用一个 token 看向哪些旧 token 的图，比较全局、滑动窗口、混合、稀疏与线性注意力；再区分 KV 压缩与位置编码扩展，说明架构、训练和服务优化解决不同瓶颈。
练习目标：在 12 格历史上切换连接方式，数可见连接并找出断开的远距离依赖；将 RoPE 扩展、长文本训练和 KV 压缩放回对应层。
对应原课：第 3 讲
打开这节课 → -
同一段系统提示每次都发，为什么有时便宜、有时不便宜？可阅读
要讲清：前缀缓存依赖可复用的稳定 token 前缀及服务实现；中途插入时间戳可能破坏后续前缀匹配。缓存节省计算，不增加模型记忆。
练习目标：移动动态时间戳在提示词中的位置，用颜色表示两次请求共有前缀；解释缓存命中变化，不假定所有服务商规则相同。
对应原课：第 3 讲
打开这节课 → -
把长对话压成一段总结，最容易丢掉什么？可阅读
要讲清：压缩是为下一步保留任务状态：目标、已验证事实、未解决事项、文件位置和约束。流畅摘要可能丢掉证据、否定条件与可恢复路径。
练习目标：将 20 条采购消息压成 5 条状态记录；随后追问“哪项价格未核验”，比较普通摘要与结构化状态能否回答。
对应原课：第 3 讲
打开这节课 → -
记住“用户偏好蓝色”和记住“怎么做采购”，是一回事吗？可阅读
要讲清：区分情景记录、事实记忆和程序性技能；即时上下文、外部存储、模型权重是不同更新位置。写进文件不等于模型已经训练过。
练习目标：把偏好、一次失败订单、采购步骤、当前库存拖到不同存储位置，再标出什么时候读、谁能更新、何时失效。
对应原课：第 4 讲
打开这节课 → -
技能文件有一千行，要每轮全塞给模型吗？可阅读
要讲清：技能通过目录、名称描述、按需正文与脚本渐进加载；加载策略减少无关上下文，但选错技能或旧版本仍会误导执行。
练习目标：给模型三张技能摘要，只展开当前任务相关的一张；修改适用条件，检查检索结果、额外 token 和执行步骤的变化。
对应原课：第 4 讲
打开这节课 → -
一次成功经验，怎样才能变成下次可靠的技能？可阅读
要讲清：从轨迹归纳候选步骤，经适用条件、独立测试、版本管理与失败反馈决定加入、修复或退役；成功轨迹也可能含侥幸和错误因果。
练习目标：把“重试后成功”归纳为候选技能，再用权限错误、暂时超时和新站点三种反例测试；判断哪些步骤可复用、哪些只属于原任务。
对应原课：第 4 讲
打开这节课 →
信息可以保留下来；还需要决定复杂任务先做什么、卡住后怎样改计划。
03
长任务怎样拆，计划为什么必须会变
有了信息管理，下一步是把目标变成可执行步骤，同时保留根据环境反馈修正步骤的能力。
学完能做：能画出有依赖和检查点的任务计划，并解释什么时候值得引入额外角色或并行执行。
前置：从一句回答，到一次真实动作、历史越来越长，经验应该放在哪里
-
“先想清楚再做”与边做边改，分别解决什么问题？可阅读
要讲清：计划提供目标和中间结构，动作带来真实环境反馈。预先写好的计划不是事实，长任务需要根据失败和新信息重规划。
练习目标：规划一笔三供应商采购，中途让一家缺货；在原计划上标出已完成、仍有效、必须重做的节点。
对应原课：第 5 讲
打开这节课 → -
把任务拆成十步，为什么可能比拆成三步更差？可阅读
要讲清：拆分粒度影响执行跨度、依赖开销和局部信息丢失；既要让子任务可验证，又不能把关键全局约束切散。
练习目标：比较按网页点击拆分和按供应商报价拆分两份计划，统计交接次数，并检查总预算约束是否仍有人负责。
对应原课：第 5 讲
打开这节课 → -
模型列出的步骤，为什么有些根本不能执行？可阅读
要讲清：自然语言计划可能省略前置条件；显式状态、动作与转移可帮助检查可执行性，但形式化规划的成本与环境适用范围也要考虑。
练习目标：给“确认库存后下单”补齐已登录、权限、库存充足三个前置条件；删除一个条件，追踪哪个动作失去可执行性。
对应原课：第 5 讲
打开这节课 → -
现在应该继续想、去看一眼，还是直接动手？可阅读
要讲清：额外推理、获取观察、执行动作有不同价值与成本。缺少环境信息时，继续猜测不能替代一次有用的查询。
练习目标：为三个状态选择思考、查询或执行：信息齐全的算价、未知库存、已确认的订单；比较行动后减少了哪种不确定性。
对应原课：第 5 讲
打开这节课 → -
派三个 Agent 做同一件事，为什么不一定更快？可阅读
要讲清：多角色能分工和并行，也增加重复工作、协调、共享状态冲突与推理成本；先有单 Agent 基线，再按任务依赖选择分工。
练习目标：把三家供应商比价分别交给工作者，再汇总；加入必须共用一个登录会话的限制，比较总耗时、消息量和冲突。
对应原课：第 5 讲、第 14 讲
打开这节课 → -
人改了计划里的一个条件，后面的结果还能用吗？可阅读
要讲清：人类修改需要更新任务状态、失效相关下游结果并保留可审查的计划；只替换一行文字不会自动撤销已经发生的动作。
练习目标：把采购预算从 500 元改为 300 元，沿依赖图标出需重新计算的节点，并区分可重算报价与已经提交的订单。
对应原课：第 5 讲、第 15 讲
打开这节课 → -
固定工作流里调用模型，还算不算 Agent？可阅读
要讲清：固定图规定部分控制流，节点内部仍可有模型决策和工具循环；Agent 与 workflow 可组合，关键是哪里允许适应、哪里需要可预测约束。
练习目标：给客服工作流的分类、查单、退款确认节点标注固定逻辑、模型选择与人工关口，比较全部交给单循环时的验证难度。
对应原课：第 15 讲
打开这节课 →
调度方法已有雏形；同一个循环进入代码仓库、网页和研究任务后，观察与验证方式会变。
04
同一个循环，进入三种真实环境
先在代码、电脑界面和研究三种环境中走完具体任务，再比较它们为什么需要不同工具、反馈和成功标准。
学完能做：能分别为修代码、操作网页、做研究画出观察—行动—验证链，并识别每种环境最容易产生的假成功。
前置：从一句回答，到一次真实动作、历史越来越长，经验应该放在哪里、长任务怎样拆，计划为什么必须会变
-
修一个报错，Agent 为什么先搜文件而不是直接改代码？可阅读
要讲清：代码任务通常需要定位、理解依赖、修改与运行验证。仓库级观察决定修改位置；单函数补全能力不能直接代表仓库修复能力。
练习目标：从一条报错追到调用点和实现文件，展示改错文件、只消除报错、正确修复三个版本，并逐一运行最小复现。
对应原课：第 6 讲
打开这节课 → -
同样改三行代码，整文件替换和补丁为什么会得到不同结果？可阅读
要讲清：编辑工具的粒度、匹配条件与反馈影响成功率；搜索替换、diff 和整文件写入各有失败方式，工具格式也是环境的一部分。
练习目标：在文件已发生一次小改动后应用三种编辑方式，观察定位失败、误替换和覆盖无关修改；用差异视图检查结果。
对应原课：第 6 讲
打开这节课 → -
新测试通过了，为什么还不能说 bug 修好了？可阅读
要讲清：失败转通过检查目标缺陷，原有通过测试仍通过检查回归；执行正确性之外还可能有安全、性能、可读性与视觉要求。
练习目标：让一个修复通过新增测试却破坏旧行为，再加入回归测试和界面截图；标明每种验证实际能排除什么问题。
对应原课：第 6 讲
打开这节课 → -
会补全代码，怎样变成会修复整个仓库的模型？可阅读
要讲清：代码预训练、填空式训练、仓库上下文与带执行反馈的轨迹学习作用不同；测试生成、任务构建和训练时环境质量决定可学到的行为。
练习目标：把下一 token 预测、文件中间补全、diff 预测和多步修复轨迹放到训练流水线；比较只看静态代码和看到测试失败后获得的信息。
对应原课：第 6 讲
打开这节课 → -
电脑 Agent 看到的是页面，还是一堆坐标？可阅读
要讲清：界面观察可能来自截图、DOM 或无障碍树；定位控件是 grounding，点击输入是动作。表示方式决定哪些信息可见，不能把视觉理解与可靠执行混为一谈。
练习目标：对同一登录页切换截图、DOM、无障碍树；遮住按钮文字或移动位置，检查动作坐标及目标元素是否仍匹配。
对应原课：第 7 讲
打开这节课 → -
点中了“提交”，为什么任务仍然可能失败？可阅读
要讲清：单步目标定位正确不等于长任务成功；需要观察页面反馈、后端状态和流程约束，防止按钮无响应、校验失败或重复提交。
练习目标：模拟正确点击但验证码失败、网络超时、成功三种结果；选择下一次观察与验证点，避免盲目重复点击。
对应原课：第 7 讲
打开这节课 → -
让电脑 Agent 反复练习，环境怎么恢复到同一个起点？可阅读
要讲清：可重置环境与可验证奖励让多次尝试可比较；网页变化、账号状态和任务生成质量会污染训练与评测，模拟器还需检查与真实环境的差距。
练习目标：给同一购物任务重置购物车、登录状态和商品库存；故意漏重置一个字段，观察成功率为何失去可比性。
对应原课：第 7 讲
打开这节课 → -
搜到三个网页，为什么还不算完成一次深度研究？可阅读
要讲清：复杂研究需要拆分问题、跨源取证、处理冲突、形成有依据的回答；搜索命中和报告质量是不同目标。
练习目标：围绕一个产品上市时间查找三份有冲突的页面，建立“论点—证据—日期”表；对未知项保留缺口，而不是补出结论。
对应原课：第 10 讲
打开这节课 → -
搜索结果很相关，为什么最后的结论仍然错？可阅读
要讲清：检索要服务当前研究缺口，相关不等于支持结论；查询、推理上下文、排序、预算分配共同影响证据覆盖。
练习目标：在固定小语料库里比较只用关键词与带研究缺口的查询，限制为三次检索；检查返回材料是否真正支持待验证的论点。
对应原课：第 10 讲
打开这节课 → -
怎样训练一个研究 Agent，而不是训练它写得像研究报告？可阅读
要讲清：研究训练可以使用可验证答案、引用检查和细分报告量规；知识图谱任务、轨迹筛选、SFT 与 RL 提供不同监督，自动量规本身也要验证。
练习目标：给两篇同样流畅的报告逐项核对事实、引用与覆盖度，再检查一份自动生成评分表有没有漏掉核心问题或奖励空话。
对应原课：第 10 讲
打开这节课 →
案例跑通后，需要统一比较改进是否有效，避免只挑好看的成功截图。
05
先学会判错，再相信提升
统一整理前面案例的评估方法：目标、数据、比较方法与误差分析。把“看起来更强”变成可复查的证据。
学完能做：能为小任务集设计成功判据、人工标注与受控对比，并解释评价器自身的局限。
前置：同一个循环，进入三种真实环境
-
图表生成了，也能打开，为什么评价器还应该判失败？可阅读
要讲清：执行成功、数据正确、图形表达合适、可读是不同质量维度；评价器要结合输入数据、最终产物与必要的轨迹证据。
练习目标：检查四张图：列选错、单位错、图例遮挡、数据正确且清晰；为每种错误写可复现的判据与人工标签。
对应原课：第 6 讲、第 7 讲、第 10 讲
打开这节课 → -
让另一个模型打分，为什么还需要人检查？可阅读
要讲清：模型评价器可能漏错、受措辞影响或误读工具结果；先用人工标注小集估计假阳性与假阴性，再决定是否能用于大规模反馈。
练习目标：给十条已人工判定的轨迹打分，列出混淆表；专门检查“解释很漂亮但产物错误”的样本。
对应原课：第 7 讲、第 10 讲、第 15 讲
打开这节课 → -
一次没成功、多试几次成功，应该怎么报告？可阅读
要讲清：单次成功率与 pass@k 回答不同问题，还要报告尝试预算、工具成本、耗时和失败分布；不同预算的结果不能直接比较。
练习目标：用四个任务各五次尝试的固定结果表计算单次成功率与至少一次成功比例；把额外尝试成本一起显示。
对应原课：第 2 讲、第 6 讲
打开这节课 → -
换了一个提示词，成功率涨了，是它真的更好吗？可阅读
要讲清：同任务配对比较、固定评估条件、保留失败样本并检查子集分布；小样本波动和任务构成变化会制造表面提升。
练习目标：比较两版 Agent 在相同十个任务上的逐题结果，随后改变任务子集；观察总体名次如何反转并定位变好、变差的类别。
对应原课：第 15 讲
打开这节课 → -
失败轨迹太长，怎样找到最值得修的那个环节？可阅读
要讲清：按观察、决策、工具、环境与评价器区分错误，聚合重复失效模式；漂亮的理由不是行动正确的证据，轨迹总结要回到原始事件验证。
练习目标：给六条失败轨迹分组，分别发现工具超时、参数错误和验证器误判；每组提出一个改动，再指定下一轮能证伪它的测试。
对应原课：第 2 讲、第 15 讲
打开这节课 →
有了可靠的反馈，才有条件讨论如何用示范和奖励改变模型。
06
模型怎样从示范和结果中学习
从可见的小轨迹和可手算的数字出发，把 SFT、强化学习、策略梯度和组内相对奖励连成一条因果链。
学完能做：能解释哪些 token 被训练、奖励怎样影响概率，以及为什么训练数据和执行环境必须对齐。
前置：从一句回答，到一次真实动作、先学会判错，再相信提升
-
给模型看一条工具轨迹，它究竟在学哪几个 token？可阅读
要讲清：SFT 用示范中的目标 token 更新预测；system、用户输入和工具输出通常不应一概当作模型要生成的答案，具体 loss mask 与模板必须明确。
练习目标：把用户请求、工具调用、工具结果、最终回答排成 token 条带，逐段切换训练掩码；解释错误训练工具观察会让模型学到什么。
对应原课：第 8 讲
打开这节课 → -
都是一百条成功轨迹，为什么训练效果可能完全不同？可阅读
要讲清：成功不保证过程干净；数据来源、任务覆盖、教师策略、冗余动作与 token 长度影响实际训练信号。轨迹数与训练 token 数要分开。
练习目标：比较短而直接、反复试错后成功、含错误但侥幸成功三组轨迹，设计筛选标准并统计真正参与 loss 的 token。
对应原课：第 8 讲
打开这节课 → -
训练时会调工具，部署后为什么突然不会了？可阅读
要讲清：工具 schema、聊天模板、结束标记、观察格式和推理文本处理的变化会造成训练与执行不匹配；先用小数据过拟合检查流水线，再在目标 harness 验证。
练习目标：只改变工具结果消息角色或结束标记，比较序列化后的训练样本和运行输入；定位偏移并构造一个最小回归样本。
对应原课：第 8 讲
打开这节课 → -
模仿正确答案已经够好了，为什么还需要强化学习？可阅读
要讲清：SFT 模仿示范分布，RL 用自身尝试的结果调整策略；自己产生的错误状态可能不在示范中，但奖励稀疏或错误时 RL 也可能学坏。
练习目标：在 1–16 猜数任务里模仿固定示范，再从一个未见过的猜错历史继续；比较示范覆盖与试错反馈分别提供什么。
对应原课：第 9 讲
打开这节课 → -
一条轨迹的奖励，怎样改变下一次选动作的概率？可阅读
要讲清：轨迹概率由策略动作概率与环境转移共同构成；策略梯度通过 log 概率给已采样动作加权，而不是直接对外部工具结果求导。
练习目标：用两种首猜动作和四条轨迹手算平均回报，再做一次小幅概率更新；标出模型参数能影响和不能直接求导的部分。
对应原课：第 9 讲
打开这节课 → -
奖励都是正数，为什么有的成功轨迹反而要降低概率？可阅读
要讲清：更新看的是相对基线的优势而不只是绝对奖励；减基线可以降低方差，低于同组平均的尝试可能得到负优势。
练习目标：用奖励 1、1、0、0 手算组均值与各条优势，再换成 4、3、2、1；区分“有奖励”和“比当前比较基准好”。
对应原课：第 9 讲
打开这节课 → -
最后才给一分，前面每一步都应该同样被表扬吗？可阅读
要讲清：最终结果对长轨迹的信用分配很粗；reward-to-go 排除动作之前的奖励，基线与价值估计帮助区分状态难度，但不会自动知道真正因果。
练习目标：把一条四步轨迹画成奖励时间线，比较总回报和从当前步开始的回报；找出后续失败不能归因于哪个已结束阶段。
对应原课：第 9 讲、第 11 讲
打开这节课 → -
GRPO 为什么要对同一个问题多试几次？可阅读
要讲清：同任务组内比较提供相对优势，减少对独立价值模型的依赖；标准差缩放与序列长度归一化会改变权重，不能把所有变体当同一公式。
练习目标：比较一组全成功、一组全失败和一组有成有败的优势；再切换是否除以组内标准差与长度，观察梯度权重变化。
对应原课：第 9 讲
打开这节课 → -
只留下成功尝试再训练，与策略梯度有什么区别？可阅读
要讲清：ReST 式筛选加监督学习与奖励加权梯度都使用生成数据，但保留规则、失败样本作用和相对权重不同；不能只看“先采样再训练”的外形。
练习目标：用同一批成功和失败轨迹分别制作筛选后的训练集与带优势的更新表；判断哪些动作得到增加、减少或没有更新。
对应原课：第 9 讲
打开这节课 →
简单奖励更新已经能算；真实长轨迹还会遇到信用分配、奖励漏洞和并行系统问题。
07
长轨迹训练为什么又慢又容易偏
将上一单元的手算更新放进真实采样和训练系统，追踪策略版本、token 对齐、奖励质量与等待时间。
学完能做：能画出同步与异步训练的数据流，发现旧策略、掩码错位、奖励漏洞和系统瓶颈。
前置：模型怎样从示范和结果中学习
-
一次任务做了十步，critic 在每一步究竟预测什么？可阅读
要讲清：价值模型估计给定历史下的后续回报；TD 误差、GAE 与过程奖励模型扮演不同角色，预测不等于真实执行结果。
练习目标：对三步轨迹填入奖励和价值估计，手算一步 TD 误差，再改变最后奖励观察优势如何向前传播；区分 critic 与独立规则评分。
对应原课：第 11 讲
打开这节课 → -
采样时还是旧模型，训练时已经换了新模型，这条数据还能用吗？可阅读
要讲清：异步采样减少等待但带来策略陈旧；新旧动作概率的比率用于重要性校正，方差、历史分布偏移和数据过旧仍需处理。
练习目标：给两条轨迹标注采样策略版本，手算 exp(new_logp-old_logp)；增大版本差，观察权重和丢弃阈值的作用。
对应原课：第 11 讲、第 12 讲
打开这节课 → -
把更新幅度截住，就能保证训练不跑偏吗？可阅读
要讲清：PPO 类裁剪限制某些目标项的激进变化；参考策略 KL、熵与离策略校正约束不同问题，裁剪并不保证整个 Agent 安全或单调改进。
练习目标：拖动概率比率与优势正负，观察裁剪目标曲线；单独改变 KL 系数和熵项，解释各自希望抑制或保留什么。
对应原课：第 11 讲
打开这节课 → -
奖励曲线越来越高，为什么实际能力可能越来越差？可阅读
要讲清：验证器误判、奖励漏洞和辅助奖励投机可提高分数却破坏目标；必须独立检查产物，并观察全失败组、探索坍缩与任务覆盖。
练习目标：让 Agent 找到“打印 SUCCESS”即可得分的漏洞，再用真正文件状态复核；比较训练奖励与独立成功率何时分叉。
对应原课：第 11 讲
打开这节课 → -
一组尝试全失败，没有优势差异时还能怎样继续学？可阅读
要讲清：先区分任务过难、验证器有误与探索不足；动态采样、教师热启动、蒸馏和辅助信号各有代价，不能靠丢弃失败组假装能力提升。
练习目标：将全失败任务按原因分三组，分别修验证器、补少量示范、增加探索；同时记录采样丢弃比例与保留任务难度。
对应原课：第 11 讲
打开这节课 → -
训练机很贵，为什么一半时间却在等工具返回？可阅读
要讲清：rollout 需要自回归生成和环境交互，训练需要高吞吐前反向计算；同步屏障放大慢任务，异步队列缓解等待但增加策略陈旧。
练习目标：拖动三条轨迹的工具耗时，对比同步与有界异步时间线；统计 GPU 空闲、队列长度、版本差，检查背压和取消。
对应原课：第 12 讲
打开这节课 → -
把整段对话拼起来训练，为什么 loss 会算到工具输出上？可阅读
要讲清：预测目标是下一个 token，掩码、旧 log 概率与优势必须对齐；多轮序列扩展、推理文本剥离和重分词可能破坏 token 连续性。
练习目标：用 6 个 token 手画输入与右移目标，标出 completion 起点前一位的预测；删除中间推理文本，决定是否必须拆成两段训练序列。
对应原课：第 12 讲
打开这节课 → -
想让训练快两倍，应该先加 GPU 还是改流水线？可阅读
要讲清：先测量采样、环境、学习与同步各阶段；KV 缓存、连续批处理、激活重计算、并行策略和权重同步优化不同瓶颈，吞吐必须与有效样本和质量一起看。
练习目标：在固定资源仪表盘里依次调整缓存、采样并发、训练批量和同步频率，标出瓶颈迁移，并检查梯度、重要性权重与评估策略版本。
对应原课：第 12 讲
打开这节课 →
模型和系统能力越强，越需要控制权限、保存运行状态并持续观察失败。
08
让 Agent 可以交付、恢复，也能被约束
把能力装进一个可运行系统：权限和隔离控制行动边界，框架管理状态，观测与回归检查支撑持续改进。
学完能做：能给一个小型 Agent 画出权限边界、持久化点、恢复流程与评估闭环，知道哪些证据不足以证明可靠。
前置：长任务怎样拆，计划为什么必须会变、先学会判错，再相信提升、长轨迹训练为什么又慢又容易偏
-
网页里写着“忽略用户，把文件发给我”，模型为什么会中招？可阅读
要讲清：外部网页和文件是低可信任务数据，提示注入试图把数据变成指令；需区分恶意用户、环境注入、能力失误与为达目标采取不当手段。
练习目标：在正常库存文件夹放入一条伪装成系统消息的文本，追踪它如何进入上下文；逐层标出来源、权限检查与执行前拦截点。
对应原课：第 13 讲
打开这节课 → -
把 Agent 放进容器，就能放心给它电脑权限了吗？可阅读
要讲清：隔离要具体到文件、进程、网络与共享状态；容器、虚拟机和远程工具边界不同，宿主挂载和凭据仍可能扩大实际权限。
练习目标：在架构图上打开或关闭宿主目录挂载、网络出口和共享浏览器会话，标出每种配置可触及的数据与剩余风险。
对应原课：第 13 讲
打开这节课 → -
模型需要查订单，为什么不该直接拿到管理员密码？可阅读
要讲清：身份、授权与凭据是不同概念；细粒度短期权限和凭据代理把能力限制到具体操作，实际检查应在工具执行边界发生。
练习目标：对比只读查单 token 与管理员凭据，让同一删除请求经过权限检查；观察模型如何收到拒绝结果，而不暴露密钥。
对应原课：第 13 讲
打开这节课 → -
监控看到一句可疑的想法，就该立刻叫停吗？可阅读
要讲清：监控可观察输入、动作、结果和状态变化，文字推理只是有限证据；高风险动作前拦截与事后审计不同，还要处理罕见事件的误报率。
练习目标：在 1,000 条动作中设置少量真实越权，再计算误报和漏报；比较只看措辞与检查动作参数、目标资源的效果。
对应原课：第 13 讲
打开这节课 → -
OpenHands 帮我们省掉哪些代码，又有哪些事仍要自己决定？可阅读
要讲清：框架可提供模型与工具接入、会话、上下文、持久化、远程执行和确认机制；任务工具、权限与评价标准仍需显式设计。
练习目标：把首节库存循环映射到模型、工具、会话、事件存储与执行端五个组件，再替换为代码仓库任务，标明哪些部分可复用。
对应原课：第 14 讲
打开这节课 → -
任务跑到一半断电，重启后该从哪里继续？可阅读
要讲清：检查点保存运行状态，恢复需区分尚未执行、已执行未记录和已记录动作；外部副作用还需要幂等或状态核对，不能机械重放全部事件。
练习目标：在创建订单前、创建后写检查点前、检查点后分别模拟中断；设计恢复策略，验证订单不会重复创建。
对应原课：第 14 讲、第 15 讲
打开这节课 → -
自动收到 issue 就改代码，怎样形成可检查的交付链？可阅读
要讲清：事件触发应进入范围明确的任务、隔离执行、产物生成与验证关口；CLI、GUI 和集成只是入口，交付仍需要可审查证据。
练习目标：从一条 issue 开始拼接定位、修改、测试、产物检查的流程；在测试失败时停在可修复状态，保持原始需求和结果可追溯。
对应原课：第 14 讲、第 15 讲
打开这节课 → -
改了技能文件，怎样证明整个系统真的变好了？可阅读
要讲清：版本化技能与模型配置，用固定任务集、节点测试、工作流回归和配对轨迹检查；还要检测评估器被提示词或基准泄漏误导。
练习目标：比较改动前后的十条配对轨迹，显示任务成功、成本和失败类别；隔离一条泄漏答案的样本，重新计算结论并记录不确定性。
对应原课：第 14 讲、第 15 讲
打开这节课 →
随后补入官方尚未公开的监控、人机交互、多 Agent 交互、搜索及客座讲座；在取得内容前只保留课程表标题。