编辑方法（Editorial Method）
Fieldbook 将每一章都视为我们的当前最佳理解（current best understanding），而不是永久的最终答案。
每一篇成熟的章节应涵盖：
- 论点（Thesis） — 该章节的核心主张。
- 问题（Problem） — 正在被解决的工程问题。
- 心智模型（Mental model） — 用于推理该问题的有用方式。
- 设计选项（Design options） — 主要可用的做法/方案。
- 权衡（Trade-offs） — 益处、成本与适用条件。
- 失效模式（Failure modes） — 实现中常见的错误方式。
- 行业证据（Industry evidence） — 主要来源与公开案例。
- Fieldbook 的判断（Fieldbook guidance） — 我们据此形成的观点。
- 清单（Checklist） — 用于设计与评审的问题。
- 参考（References） — 可追溯的来源。
OpenAI 与 Anthropic 是本手册的核心资料来源。它们公开的研究、技术文档、工程报告、评估资料和生产级智能体实践，是当前智能体工程中最直接、内容也最完整的原始资料之一。只要存在与主题相关的资料，研究阶段通常都应审阅这两家机构的内容，而不能为了表面上的来源多样性刻意回避。
“核心来源”不代表“唯一来源”，也不意味着其中的经验可以自动推广为普遍结论。本手册还会结合标准组织、公共机构、原始研究、其他厂商和工程社区的资料进行印证，发现不同结果，并补充 OpenAI 与 Anthropic 未覆盖或不负责定义的问题。
- 根据具体主张和适用地区，选用国际、区域和国家层面的标准或公共机构资料，并明确资料属于法律、已采用的标准、自愿框架、正式指导文件、草案、征求意见稿、研究报告还是概念文件。
- 对经验性或理论性主张优先采用原始研究，同时检查任务、数据集、研究方法、复现情况与结论的适用边界。
- 厂商文档可用于确认该厂商产品与接口的实际行为。包括 OpenAI 与 Anthropic 在内的工程文章和案例，是由相应组织自行发布的经验报告；把它们提炼成跨厂商原则之前，应尽可能寻找独立证据印证。
- 当其他商业、开源与开放权重模型生态能够提供相关原始资料、显著不同的实现或可信反例时，也应将其纳入研究。对“开源”和“开放权重”的判断必须以实际许可证和发布条款为准。
- GitHub 等社区中的权威仓库、带版本的代码、测试、规范、设计提案、发布记录、Issue 与维护者讨论是不同类型的证据，应分别判断。Stars 等流行度指标不能证明正确性、安全性或最佳实践。
证据多样性不是需要机械完成的配额。相关性与来源质量仍然优先，但每份研究简报都必须披露明显的来源集中、地区适用限制、厂商利益、文件成熟度和缺少独立复现等问题。对于适用范围较广的建议，应在条件允许时组合相互独立的证据类型，而不是引用同一机构的多份材料互相印证。
英语是源语言：
Research → English outline → English draft → review → Chinese translation → consistency review → publish
翻译脚本会在每个生成的中文文件中记录一个源指纹（source fingerprint）。当英文源发生变化时，中文页面会变得过期，直到它再次被翻译。