Agent Harness 工程:上下文压缩
在 Skill 按需加载之后,继续解决 messages 无限膨胀的问题:如何压缩工具结果、摘要历史、保留关键事实,并区分上下文和记忆。
Long-form notes on AI agents, local models, systems engineering, and software craft.
在 Skill 按需加载之后,继续解决 messages 无限膨胀的问题:如何压缩工具结果、摘要历史、保留关键事实,并区分上下文和记忆。
在 Subagent 之后,继续拆解 Skill 的本质:把任务相关的规范、流程、背景和示例做成可发现、可按需加载的上下文。
在 TodoWrite 之后,为 Agent Harness 增加 Subagent 能力,让主 Agent 负责规划和整合,把局部任务交给干净上下文里的子代理完成。
在 Hook 机制之后,为 Agent 增加 TodoWrite 工具,让它先拆解任务、持续更新进度,并根据当前 Todo 推进多步骤任务。
在权限与审批的基础上继续抽象,把权限检查、日志记录、审计、结果截断等横切逻辑放进 Hook,让 Agent Loop 保持稳定。