异步生产者模式
使用的是生产者-消费者模式，这种模式并不是基于回调的event模式，主要采用该模式的原因是前端渲染、工具结果产出可能比较大，生产-消费模式不会丢信息，还可以把状态保留完整。（其实也没太看明白...）
5层上下文压缩机制：
- Tool Result Budget：这个有点像pre-hook，如果单条工具调用的结果超过阈值，是需要做对应处理的。（想象一下，可以保留最开始和最后的信息，中间用...替代，然后用[warning]字段提示超过限制，推荐使用grep、head等操作）；
- Snip Compact: 最轻量级操作，移除x条旧消息；
- Micro Compact: 移除不再需要的tool result（这个不再需要就比较抽象，需要研究下）；
- Context Collapse: 中间的一些消息进行压缩总结，而不是压缩所有上下文（怎么确定哪些中间消息，这个也不明确？）
- Auto Compact: 最重的操作，对所有对话压缩，有失败限制；
stop hook
Loop如果没有返回工具，在传统的观念里就是loop结束的标志，但是结束并不意味着任务完成，agent很可能是不知道该怎么做了，这个时候，需要把上下文传给stop hook，由它来判断任务是否完成，没完成的话，需要给新的提示、工具环境重新来一轮Loop
工具执行
无论是内置工具还是外部MCP，都是用的同一套工具执行流程。其中比较需要注意的是：
- 检查工具线程安全，是否可以并发
- preToolUse hook：make permission decisions, modify inputs, inject context, or stop execution entirely，加规则的好时机
- postToolUse hook：modify MCP output or block continuation；
- tool results budget：跟压缩那里一致；
sub-agent
是否要启动一个新的sub-agent，是由模型来判断的。sub-agent通常可以使得主agent更聚焦，避免上下文干扰、工具太多的干扰。
sub-agent可以根据自己的需要，派生新的sub-agent，本质上，这个就是一种树状结构。
启发：每个sub-agent的完整轨迹都可以记录下来，编号之后持久化为文件，sub-agent的结果传给母agent，得到编号和结果。
Swarm System的Team Context这种形式，和auto research中的多个sub-agent共享一个白板概念挺像的，主agent会把白板上合适的merge交给新的sub-agent进行消融实验。
memory
md文件，yaml格式，4类：user, project, feedback, reference
---
name: {{memory name}}
description: {{one-line description -- used to decide relevance}}
type: {{user, feedback, project, reference}}
---
两步添加记忆：
- 写一个md文件
---
name: Testing Policy
description: Integration tests must hit real DB, not mocks
type: feedback
---
Don't mock the database in integration tests.
**Why:** We got burned last quarter when mocked tests passed but production
queries hit edge cases the mocks didn't cover.
**How to apply:** Any test file under `__tests__/` that touches database
operations should use the real PGlite instance from test-utils.
- 更新、添加一个索引文件
- [Testing Policy](feedback_testing.md) -- integration tests must hit real DB
When the model learns new information that modifies an existing memory, it uses FileEditTool to update the existing file rather than creating a duplicate.
索引技巧，跟skill渐进式披露比较像，会单独发给一个模型，做保守判断，已经在上下文中的记忆不会被加载。
记忆文件还会设置更新时间，超过设定阈值的记忆会添加warning，提醒模型做好re-check（Staleness）
Memory.md本质是索引文件，有两个强约束：The index has two hard caps: 200 lines and 25,000 bytes. 200行的限制，使得模型对一些相似的记忆需要做merge并重新整理，不然肯定会超。
KAIROS模式：即可生成新的memory和索引会带来明显的中断，新模式可以直接将信息结构化存储在日志系统里，然后流式更新，无感更新；
Skill & Hook
Skill扩展能力、Hook控制流（约束）
Skill的几个字段：
YAML Field Purpose
name User-facing display name
description Shown in autocomplete and system prompt
when_to_use Detailed usage scenarios for model discovery
allowed-tools Which tools the skill can use
disable-model-invocation Block autonomous model use
context 'fork' to run as sub-agent
hooks Lifecycle hooks registered on invocation
paths Glob patterns for conditional activation
