你有没有好奇过 Claude Code、Cursor Agent、Copilot Workspace 这些 AI 编程工具背后的 Agent Runtime 是怎么实现的？
- 它怎么管理上下文，让 100+ 步的长任务不崩？
- 工具调用震荡（反复读目录→读文件→再读目录）怎么防？
- 日志、指标、代码审查这些旁路逻辑怎么不侵入主流程？
如果你也有这些疑问，这个项目就是为你准备的。
围绕 稳定性与可观测性 两个目标，本项目落地了三大核心能力：
1. 多级上下文管理
构建"跨会话长期记忆 + 压缩摘要块(Summary Blocks) + 滑动窗口"分层记忆架构：
Myclaw 是一个面向 Coding Agent 的 CLI 可观测运行时，技术栈为 TypeScript + Node.js + Oclif + OpenAI SDK + EventBus。我把整个实现过程拆成了 10 个递进式步骤，每一步都有完整的代码和配套学习文档，帮你从"调通一个 API"走到"构建一个工程化的 Agent 系统"。
这个项目解决什么问题？
在多轮 Coding Agent 任务中，三个核心痛点几乎不可避免：
通过路径索引实现无损压缩与按需回溯，兼顾 Token 成本与长任务逻辑连续性。压缩比约 20:1，长任务从"20 步超限崩溃"变成"100+ 步稳定运行"。
2. 异步代码审查闭环
设计写后异步代码审查旁路——Agent 写完代码后，后台自动跑语法检查和 ESLint，失败结果在下一个循环步骤自动注入，触发模型自修复：
