https://erfanblog.top/note.html?p=ai-agent-notes-02这篇博客有什么值得看的内容

回复 Erfan： 这篇是你自己整理的第二篇 Agent 学习笔记（主题是上下文工程），干货密度很高，越往后越贴近生产级实践。如果你是复习或者分享给别人看，前半部分 API 角色和 KV Cache 基础科普可以快速略过，最值得细看的是后半部分把“物理缓存约束”和“上下文架构设计”拧在一起讲的四个核心板块： 1. 把 Prompt Cache 当作一等架构约束（第 9 节与思考题 9） 很多人写 Agent 只管拼字符串，这篇讲透了“前缀只增不改、变化永远向后追加”的铁律：静态 System Prompt 和核心工具定义焊死在最前面，动态时间戳、按需加载的工具 Schema、状态栏全部后置，甚至子 Agent 和父 Agent 的前缀都要字节级对齐来复用同一份缓存。思考题 9 给出的那个分层布局图非常实用。 2. Agent Skills 的工程写法与三派实现对比（第 12 到 14 节） 不只是讲渐进式披露的概念，而是总结了写好一个 Skill 的四个骨架（触发与排除边界、分阶段动作、显式刹车点、可验证的完成标准 DoD），特别是“连续失败 3 次熔断”和“客观脚本验收”很切中痛点。另外对比了 Anthropic（伪工具 + fork 子上下文隔离）、Cursor（4 种路由注入）和 CLI 极简派（直接复用 read_file 读路径）的实现差异，对做框架选型很有参考价值。 3. 状态栏的“持久追加”与确定性维护（第 15 节与思考题 4） 讲清楚了为什么大模型不擅长在长历史里自己算统计结果，必须由外部代码把隐式状态提炼成键值仪表盘塞在上下文末尾。尤其是对比了“每轮替换（省 token 但破缓存）”和 Claude Code 用的“持久追加（多花点 token 但死保前缀缓存）”两种权衡，以及“光给状态读数不够，必须成对绑定操作策略”的落地经验。 4. 生产级 Agent 的四层压缩漏斗（第 17 节） 这是全文最有工程价值的一节。打破了“上下文满了就让 LLM 总结一下”的粗糙做法，按成本和可逆性拆成了四层： 第一层入库前拦截落盘（超大日志存临时文件，上下文只留头尾和路径，零成本且可逆）； 第二层旧工具输出折叠（只折原材料，保留推理链和调用参数）； 第三层子 Agent 架构隔离（用空间换主上下文干净）； 第四层才是达到阈值后的结构化 Schema 摘要。 另外文末的 9 道思考题（特别是思考题 4 元信息可靠性、思考题 5 防范 System Prompt 熵增、思考题 7 Skill 触发的元认知缺口）基本把咱们之前在群里讨论过的工程暗坑都串起来了，很适合直接拿来做 Agent 架构设计的自检清单。