# XneKwLxUmilaOmkJh8fcRPMInOe

Source: https://ocnmca6f1o0p.feishu.cn/wiki/XneKwLxUmilaOmkJh8fcRPMInOe


## 工作内容概述
1、继续整理之前学习整理的Agent
## 一、上下文管理
我认为Agent 工程里最难的一块是上下文管理：要同时兼顾系统 Prompt、技能与工具说明、多轮对话、工具/技能返回内容，以及会后的技能提炼与生成（如 GEPA 等）。任一环节过长，都会挤压真正用于推理的有效窗口。
**网页类工具与体积**
典型例子是**一次请求拉回整页 HTML**：其中 JS、CSS、标签与正文很容易把中小模型的上下文占满。当前做法是尽量不走裸 curl 拉全页，改为通过 Jina、Serper 等 API 做抽取或检索型结果，控制进入对话的文本量；后续如有更合适的本地裁剪/抽取方案，再评估替换或补充。
**工具执行结果与模型行为**
技能/工具执行在框架侧会区分 ok / error / missing。失败时仍会把对应 tool 消息（含错误说明，如未注册或异常信息）写入会话，便于模型在后续轮次中意识到调用失败，从而自查参数、工具名是否存在、是否需换技能或重试；不会在失败瞬间静默丢弃，是否从上下文中移除可由策略或模型使用 **通过移除工具记录的方式**处理。
**上下文压缩（个人期望形态）**
当上下文接近预设上限时，希望采用稳定结构：系统侧 Prompts 始终固定在序列最前；中间对历史里相对不重要的对话与工具长文做一次摘要压缩，剔除噪声、保留任务主线与关键结论；摘要之后再继续按正常方式追加新的用户消息与模型回复，保证**核心指令 + 压缩后的历史要点 + 最新进展**可读、可续聊。
## **二、SkillCurator（技能策展/技能仓库整理）**
Curator 为会话结束后自动跑的一位技能整理员：专门看这一轮对话里做了什么、模型答了什么，再结合当前项目里已有的技能列表，判断要不要动手改一改技能材料。
**能干什么：**
  - **优化技能里的描述类内容**（例如说明文字、怎么调用更合适、示例是否好懂），让后面的对话更容易选对技能、少踩坑。
  - 必要时补一点**说明性小文档**（仍限于技能目录内、偏说明与维护，不代替主助手去完成用户任务）。
与GEPA的区别
  - GEPA：**这轮对话值不值得动代码或整份技能**；只有它认为该创建/升级时才会跑，不会专门为了**只改两句说明**而轻量跑一趟。
  - Curator：**不动或少动逻辑，专门给技能补说明书、润描述**，更轻、更专。
![图片](../feishu-images/XneKwLxUmilaOmkJh8fcRPMInOe_NlvEbHOjLoqG.png)
![图片](../feishu-images/XneKwLxUmilaOmkJh8fcRPMInOe_SbOqbJHMCoEC.png)
![图片](../feishu-images/XneKwLxUmilaOmkJh8fcRPMInOe_BWmnbI3YVodX.png)

> :sweat_smile:
**上下文质量是 Agent 能否稳定发挥作用的关键因素。**Agent 最大的价值在于**帮助用户把任务相关的信息结构化、连贯化。**把目标、约束、中间结论与外部结果组织成可持续推进的上下文，从而降低反复说明与信息遗漏带来的成本。