人工智能

S06 Compact 上下文压缩 随着我们向 AI 上下文中添加的内容越来越多：工具列表、文件内容、工具返回、skill 等等。无论是用 todo list 还是 sub Agent 技术，最终上下

S05 Skills 技能 前面几章我们已经初步解决了任务太复杂，上下文太多导致的 AI 遗忘的问题，那么现在考虑一个新的问题，如果我们需要 AI 帮我们完成一个特定领域的问题呢？ 比如某个任务流程正

s04 子 Agent 上一章我们使用任务列表的方式来帮助 AI 记忆任务进度，这样就可以让 AI 完成更复杂的任务。 但是如果任务再复杂一点呢，如果完成任务所需的文本量超过了 AI 的上下文了咋办，

S03 TodoWrite 任务清单 目前的 AI 在进行任务处理时使用的是注意力机制，一开始当我们输入一个需求的时候，AI 的注意力是全部放在我们输入的需求上的，这个时候 AI 能理解我们的需求。但

继续上一章的学习，上一章中我们只调用了一个工具 bash，但是现实中肯定是有很多工具要调用的，那么该如何组织这些工具的调用呢？ 主 Agent 循环是不需要动的，我们只需要新建一个 工具目录，然后当

使用 python 语言并对接字节的豆包模型 Chat API 接口，从第一行代码 开始学习 Agent 的编写。