s09: Memory — 该记记，该忘忘
LLM无状态，所有信息都在上下文窗口里。当上下文窗口满了就要压缩，压缩就会导致细节丢失。需要一层不参与压缩、跨会话保留的存储。
四种类型的记忆：user(你是谁)、feedback(怎么做事)、project(正在发生什么)、reference(东西在哪找)
- 加载：记忆清单索引常驻SYSTEM；相关记忆按需注入；
- 写入：每轮结束后提取。提取prompt要求 LLM返回的JSON数组确实有新信息时才写文件；
- 整理：低频合并去重；记忆文件会积累。在文件数达到阈值时触发，让LLM去重、合并矛盾、淘汰过时记忆；
User Memory保存跨会话仍然有用的信息：用户偏好、反复出现的反馈、项目背景、常用入口和排查线索。它关注“以后还会用到什么”，并通过索引+按需加载把这些信息带回当前对话。
Session Memory关注同一会话内的连续性：compact之后，当前会话还需要保留哪些上下文。
两者配合使用：Memory管长期知识，session memory管当前会话的压缩续接。
s10: System Prompt — 运行时组装
随着agent功能越来越复杂，系统提示词也越写越多；系统提示词可以做成运行时根据当前状态进行组装配置(哪些工具启用、哪些上下文可见、哪些记忆相关、哪些内容必须保持稳定以命中prompt cache)
把硬编码的SYSTEM拆成独立段落（section），运行时根据真实状态按需拼接，缓存结果避免重复组装;
不要用 hash() 做持久化或跨进程的缓存键。Python 默认开启哈希随机化（PYTHONHASHSEED 随机），同一个字符串在不同进程或 Python 解释器重启后，hash() 的结果可能不同。推荐用 json.dumps(…, sort_keys=True) 生成稳定字符串，必要时再用 MD5 压缩。
s11: Error Recovery — 重试换路子
Agent运行过程中会遇到各种异常，需要加以处理；
常见的三种故障：
- 输出被截断(输出过程中token用完了)
- 上下文超限(压缩后还是太长)
- 临时故障(429限流、529过载)
LLM调用包裹在try/except中，根据错误类型走不同的恢复路径；恢复后continue回到循环开头重新调用LLM；