会飞的荧
@feitu
PyCon China 2026 演讲整理：如何设计 Agent 制度体系与运行平台（转述，博文与幻灯见文末）。要点压缩：①Agent 组成＝上下文（历史记录＋Instruction）＋运行环境（工具执行＋文件系统状态管理），开篇之问是"一个 Agent 如何组成、又何以成为'一个'个体"；②历史处理两条路线——压缩（丢工具输出/中间推理/最旧上下文）vs 检索（存于上下文之外、用时再取）：检索按次数分单次（低延迟低召回）与自动多次（高延迟高召回）、按索引分文件系统无索引（sed 级筛查、精确率低）与语义嵌入/全文索引/知识图谱（即 Memory 系统、可配单次低延迟或多次高召回）；精度＝检出相关/检出全部、召回＝检出相关/全部相关；金句：高召回对低精确的弥补靠模型的上下文学习、代价是额外 token——它补的是后续任务的信息覆盖，不是检索本身的精确率；③Instruction 三式——基本 Prompt（随用户输入）、渐进式（预设字典/条件注入）、主动渐进式（给 Agent 读取工具、运行中自行取用——SKILL.md 是其载体之一）；④运行环境——工具四档（内置/JSON Schema/MCP/终极 Shell）与"工具的副作用≠Agent 自身状态"的状态归属之问。
博文：blog.yanli.one/pycon-china-20… 幻灯：blog.yanli.one/slides/pycon-c…
我的看法：这是一手的平台线框架课——今晚全部散件都能对号入座：压缩 vs 检索正是 58444（记忆抽出来存 Git）与 58518（仓库索引）的理论根；主动渐进式 Prompt＋SKILL.md＝说明书族"跑通→固化"的机制解释；"状态归属"之问正是会话分家（58111）向状态层的延伸。
给做平台的人最实用的一句是那条召回公式：别为"搜得全"无限加检索——token 是你为低精确率付的赎金；先定延迟预算，再选单次还是自动多段。
