三秋树

S09 Agent 团队 在编写代码的时候我们可能需要进行：决策、分析、编码、测试、修改、发布等的步骤，如果这些都放在一个 Agent 上下文中，那么这些逻辑混合在一起非常容易让 AI 降智变傻。 而

S08 后台任务 Background Tasks 前面几章我们学习了 子 Agent、task 任务系统、Compact 上下文压缩 这些工具都只解决了一个问题，那就是上下文不够长的问题。 我们在使

S07 Tasks 任务系统 前面第三章的时候，我们就使用了 TodoWrite 任务清单，直接在 AI 对话上下文中记住 TodeWrite 列表。我们用这种方式来让 AI 列出解决长问题的步骤，和

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

通过 AppID，测试人员可以绕过搜索限制，直接定位到影子小程序的入口，进而发现其可能暴露的管理后台、调试接口等安全隐患。因此，AppID是发现和评估影子小程序风险的关键线索。

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