chore:文档补全

output/feishu-docs/XylZwP9vcirf8bkffnjcbN1onpf.md

@@ -0,0 +1,32 @@
+# XylZwP9vcirf8bkffnjcbN1onpf
+
+Source: https://dianchukeji.feishu.cn/wiki/XylZwP9vcirf8bkffnjcbN1onpf
+
+
+## **一、 工作内容概述**
+  - 今天主要还是开发完成了战斗结果相关的系统开发以及测试
+  - 完成了相关系统的开发。支持限时广告开启、累积次数永久解锁、以及资源不足时的广告奖励位
+  - 按照新的设计实现了金币、棋盘武器、关卡进度、生成器与修为进度的存档保存
+## **二、 核心玩法**
+进展如视频, 实现了战斗相关的数值系统, 金币的获取以及管理的所有逻辑, 修仙相关的逻辑, 武器生成器逻辑与熔炼销毁逻辑并且初步配置了UI资产后续进行比例细调▼
+## **三、 项目进度评估与后续计划**
+当前进度还算正常，按计划推进中, 目前正在进行的“战斗+存储+无限循环”核心模块，预计在 5 月 19 日 之前完成全部游戏流程的跑通
+## 四、本日研究的项目
+ClaudeCode的上下文管理系统
+学习自
+由于年初的ClaudeCode泄露事件，后续许多Agent都使用了Claude的上下文管理机制，基于对 Claude Code 上下文管理系统的分析，可以知道为何Claude Code能在高度保留i信息的情况下压缩上下文
+#### 四层式压缩结构
+Claude Code 的压缩哲学是：**尽可能用廉价的规则操作延迟昂贵的 LLM 调用，只在不得已时丢弃信息。**
+  - 第 1 层：微压缩，随时触发，清除无用的工具调用信息和大段可被摘要的结构化数据
+每一轮对话前的“随手清理”。它通过规则引擎，精准识别并抹除过时的、大块的工具输出（如文件读取、Shell 结果），仅保留语义锚点。这种  复杂度的操作不消耗任何 API Token，却能维持极高的上下文效率。
+  - 第 2 层：自动压缩监测，在距离模型极限（如 200K）还剩约 1.3 万 Token 的缓冲地带时强制触发。它内置了“断路器（Circuit Breaker）”机制，防止在复杂任务中陷入无效的重复压缩。
+    - 自动压缩监测选择性触发两种压缩：
+      - 第 3 层：Session Memory压缩（摘要替换填充），直接用后台静默提取的“纪要”替换可被高度概括的旧历史，并且与新上下文拼接
+      - 第 4 层：传统压缩 (LLM总结压缩) ，系统创建一个ForkAgent。仔细阅读所有的历史记录，先在草稿纸上（<analysis>）整理思路，然后输出一份包含 9 个核心章节的“深度总结报告”。写完后，原先几十页的对话记录被这份报告替代。精准地保留你论的代码细节、错误修复过程和下一步计划，但成本明显高。
+#### 配套的缓存编辑
+在 Transformer 架构中，KV Cache 通常是一个庞大（占用几十到上百G）而连续的权重矩阵，中间任何一处的删除都会导致后续位置编码的错位。然而Claude Code配套使用了CACHED_MICROCOMPACT 实现了不破坏缓存的精准挖洞。
+  - PagedAttention机制与位置空洞保留：剔除KV Cache中用不到的区块，并且能保留读取后续区块
+底层物理显存被分页管理。通过 cache_edits 指令，系统在逻辑层解除了特定块的绑定，并利用注意力掩码（Attention Mask）将物理空洞从计算路径中剔除。
+在不移动后续 Token 的绝对位置 ID情况下。再使用位置空洞保留技术，旋转位置编码（RoPE）的相对距离特性，就能做到即便中间缺失了数万 Token，两端的语义关联依然稳固，避免了全量重算带来的高延迟与高成本，使得缓存高度可命中。
+#### 结论
+Claude Code 的实现展示了顶级的 Agent 不是在堆砌 Prompt，而是在深度理解模型物理特性的基础上，精细地管理算力、内存与成本的平衡。这种“渐进式降级”的设计思想--从无损的微压缩到有损的摘要总结，推动了上一轮编码Agent的进步，也说明了语言模型原厂商对于语言模型的深入理解对于开发Agent的巨大帮助（不像Openclaw甚至到4月才支持前缀匹配）。