两讲合一：openai/evals（20k★，评估框架与 registry）——LLM 评估的框架化；openai/swarm（22k★，教育性多智能体框架）——handoff（交接）模式的原点与它向 Agents SDK 的演化。
第一讲 · evals：评估的框架化
定位：评估 LLM 与 LLM 系统的框架——现成 registry（按维度测模型）+ 自建 eval（你的工作流模式）+ 私有 eval（数据不出域）。现在也可直接在 OpenAI Dashboard 配置运行。
框架要点：
- eval 注册表用 Git-LFS 存数据——评估数据与代码同版本管理
- 自建 eval 从克隆仓库起步（
pip install -e .即改即生效） - Greg Brockman 的开篇引语点题：「创建高质量 eval 是你能做的最高杠杆的事之一——没有 eval，模型版本变化对你的影响是黑盒」
第二讲 · swarm：handoff 模式的原点
定位：实验性、教育性的多智能体编排框架——核心抽象只有两个：Agent（指令+工具）与 handoff（交接）——agent A 在函数里 return agent_b 就把对话交接给 B。
README 的诚实：已被生产级的 OpenAI Agents SDK 取代，官方建议迁移——教育框架的宿命是教会世界然后退场。
handoff 的遗产：
- 多智能体的最小机制不是「总线」不是「黑板」，是函数返回即交接——简单到可以用三个例子讲清
- Agents SDK 继承并生产化：handoffs、guardrails、tracing——先有概念教学，后有产品
- 对照 symphony 的看板驱动编排：swarm 是对话内交接，symphony 是工作项间派发——粒度差三个数量级，各有其位
方法论精华
1. 评估三形态的版权观：公开 registry（可复用基准）、自建（你的模式）、私有（数据不出域）——评估资产的敏感度分级从框架层就设计好。
2. 教育框架的价值在概念密度：swarm 用最小可运行代码讲清 handoff——最好的教学框架以「被自己取代」为成功标准（对照 Anthropic 的 launch-your-agent 自称「教学实现，更费 token」）。
3. 演化史本身是方法论：swarm（概念）→ Agents SDK（产品）→ symphony（组织）——多智能体的三级跳：机制、框架、编排骨架；每一级解决上一级暴露的问题。
编者按
两讲合读是一个完整判断：评估决定单agent 的质量上限，编排决定多agent 的组织上限——OpenAI 把两边都开成了公开课。至此 OpenAI 方法论九篇收束，与 Anthropic 十六篇对照，两家的全部公开智慧都已在你的图书馆里。