优先读官方资料和论文原文：

1. Kimi Code GitHub：公开架构、变更记录与真实工程边界。
2. Kimi Code Documentation：产品、Agent、工具和配置。
3. Kimi Agent SDK：从 Kimi Code 构建程序化 Agent 的接口。
4. Model Context Protocol Specification：生命周期、Tools、Resources、Prompts 与安全考虑。
5. Building Effective Agents — Anthropic：workflow、agent、orchestrator-worker、evaluator-optimizer 等模式。
6. Demystifying evals for AI agents — Anthropic：Agent eval 方法。
7. A Practical Guide to Building Agents — OpenAI：工具、编排、guardrail 与人工介入。
8. SWE-bench 论文：真实 GitHub issue 评测的定义与局限。
9. SWE-bench Pro：长时软件工程任务与失败分析。
10. ReAct：Reasoning 与 Acting 交替的基础范式。
11. 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。