s05: TodoWrite — 先列计划，再执行

先列步骤再动手，长任务更不容易漏项。没有计划的agent走哪算哪；

在内存里维护一个TODO列表工具和提醒机制，系统提示词中增加了“在执行多步任务前使用TODO列表进行规划，后续更新其状态”的提醒。

Task System是文件持久化。

LLM是无状态推理函数，是一个概率生成器，LLM可以“假装”做状态追踪，但不可靠、不持久、不强制。
外部工具TodoWrite的存在，可以弥补LLM的局限，给模型提供一个可靠的外部工作记忆，迫使其显式规划，而规划本身就会降低遗忘和跳跃的概率。

s06: Subagent — 子节点干活带回结果

通过提示词+新增spawn_subagent工具，模型遇到复杂子任务时可以创建子agent来处理;
子agent拥有新的上下文，处理结束后只将摘要回传给主agent;
教学版只展示了同步子Agent的场景(父等着子跑完);

s08: Context Compact — 长下文，腾空间

上下文压缩 - 预处理管线 + 自动压缩 + 应急兜底

  1. 每轮agent循环LLM调用前自动触发：L3->L1->L2压缩 (L1:裁掉无关的旧会话 L2:旧结果占位替换 L3:大结果落盘)
  2. 上一步执行完，token仍超阈值：L4:compact_history (LLM全量摘要)
  3. 调用LLM后返回异常prompt_too_long：reactive_compact，重试

参考