内功和护城河
- 上下文工程：有限空间里最大化信息密度
- 记忆系统：让 Agent 像人一样分层记事
- 工具调用：让 Agent 能”动手”——并且不要乱来
- 可靠性：从确定性思维切换到概率性思维
- 成本控制：钱是真的会烧的
- 评估：没有 Eval 的 Agent 优化都是玄学
**护城河
基于目标以通用agent为模板做出提效降本可靠便捷的专属agent 提效 降本 可靠 便捷
六个边界——正好对应你从博客里理解的那六件内功：
负责→可靠性。Agent输出你替用户兜底，外面包确定性外壳——状态机、Schema校验、降级策略。
成本优化→成本控制。场景化模型分级——简单任务不用旗舰模型，上下文剪枝，Prefix Cache。
专精→上下文工程。信息密度最大化，不是塞更多数据，是塞更有用的数据。
私有数据→数据独占。你的微信读书、B站记录、学习路径——通用Agent拿不到的数据，你专门为这个场景优化。
长期记忆→记忆系统。跨会话记住偏好、行为模式、上次说了什么——你myself分身已经在做的。
方便管理→评估+可观测性。今天你搭的logger和test_loop就是前两步——用户能翻日志查问题，你能跑测试锁行为。
降本的好途径之一就是要匹配，任务硬件需求匹配模型能力 中间产物不进主上下文，方法是文件交接
