Agent 在单次任务中容易过度延伸（Overreach），同时启动多个功能导致所有任务都半途而废（Under-finish）。核心解决方法是强制 WIP=1 工作流：每次只做一个功能点，必须通过端到端验证后才能开始下一个。文章引入 Kanban 方法论中的在制品限制概念，提出"完成证据"必须可执行验证、"范围表面"需

AI coding agent 在跨会话任务中面临上下文断裂困境：上下文窗口有限导致决策历史、验证状态等关键信息丢失，新会话需重新探索项目，造成重建成本高、决策漂移、重复劳动等问题。文章系统分析了"上下文焦虑"现象，提出通过 PROGRESS.md 进度文件、DECISIONS.md 决策日志、Git 检查点等结构化状

AI agent 的工作世界仅限于代码仓库，无法访问 Slack、Jira、Confluence 等外部信息源。文章提出"仓库即规范"原则，强调将架构决策、运行约束、项目进度等关键知识就近写入仓库文件（如 AGENTS.md、ARCHITECTURE.md、PROGRESS.md），通过"全新会话测试"检验知识可见性，

AI coding agent 的失败往往并非模型能力不足，而是执行环境（harness）存在结构性缺陷。文章通过 Anthropic 和 OpenAI 的对照实验，论证了同一模型在有无完整 harness 的环境下表现差异巨大，提出 harness 工程五层防御框架（任务规范、上下文供给、执行环境、验证反馈、状态管理

这是一份面向小白的Claude Code术语速查表，将教程中出现的核心「黑话」按「代理循环」「上下文管理」「扩展点」三大主题家族归类，用「一句话+类比」的方式解释每个术语，强调术语表不应通读而应作为遇到卡点时查阅的工具，帮助读者理解Claude Code的运转机制、记忆限制和扩展能力。