架构全景#

一些启发#

设计一个Harness，可以拿人做类比：LLM是大脑，核心状态循环是神经系统，工具系统是四肢，Agent协作自然就是一群人一块干活。这不仅帮助我们形象地理解Agent，而且能够启发我们从人的角度出发思考一些设计而非过度设计。

神经系统—QueryEngine#

维护整个对话的进行

核心循环：query.ts 状态机#

其实就是While True 一个 ReAct Loop，ReAct Loop已经成为Agent范式的一个共识

上下文管理：动态拼装#

Anthropic API是支持缓存的，因此在system prompt里有一个静态分隔符

Token管理：三层降级压缩#

MicroCompact->后台压缩->全量摘要

• MicroCompact 重点是工具消息
• 后台压缩：自动触发，用户无感
• 全量摘要：兜底

长期记忆写入和治理#

• memory tool 要求Agent自主调用记忆——效果不好，主动意愿不高
• 专用extract agent 总结整个message，针对性强，意愿高
• (preview)Auto Dream——想象人类晚上做梦，识别-收集-整合-清理

四肢—工具系统#

Build-in Tools#

• Bash Tool 绝对核心，安全限制关注重点
• read/edit 高频工具专有化
• Grep/Glob 搜索工具选型，返璞归真
• Agent Tool 分配任务

MCP#

Skills#

Team Work—Agent协作#

已实现：

• Sub Agent 空白上下文
• Type Sub Agent 特定Prompt，完成特定任务
• Fork Agent fork父agent上下文 探索：
• 编排模式-主Agent只编排不执行，把所用逻辑能力花在思考
• Swarm/Team-real TeamWork lead_agent可以广播，agent之间可以私信

安全—生产核心#

多层纵深防御，沙箱兜底