2026.06.29
多关键词检索在 Agent 场景里的必要性
单个关键词往往只能表达用户意图的一部分，容易把相似但不相关的数据带出来。 更稳妥的方式是让模型拆出多个维度，按全部命中进行筛选，并在结果不足时主动放宽条件。
研究自然语言意图如何稳定映射到工具参数，减少歧义、误调用和不可恢复的执行错误。
关注长对话中的信息压缩、去重、过期清理和关键事实保留，让模型在有限上下文里保持判断力。
把复杂业务拆成边界清晰的模块，沉淀规则、转换、校验和工具层，降低后续维护成本。
最近开发记录
2026.06.24
上下文压缩不是简单摘要
摘要如果只追求短，很容易丢掉约束、偏好和已确认事实。 更好的压缩应当保留决策依据、用户明确要求、当前任务状态和不能重复犯的错误。
2026.06.18
幂等设计是自动化系统的底线
自动化流程中，网络重试、模型重复调用、用户补充确认都可能触发二次执行。 对关键写操作建立幂等键，能让系统在失败恢复时更加从容。
2026.06.17
把复杂服务类拆薄
当一个服务类同时承担参数校验、对象转换、业务规则和结果组装时，修改成本会快速上升。 把转换器、规则类和辅助工具独立出来，能让主流程更接近业务描述本身。
近期计划
整理 Agent 参数设计规范
记录哪些参数适合让模型填写，哪些参数应该由系统上下文强制注入，避免越权和误传。
补充高并发写入笔记
梳理原子更新、行锁、唯一约束和重试策略，在小系统里也尽量建立可靠边界。
沉淀错误提示设计
把技术错误翻译成可操作的业务提示，让使用者知道原因，也知道下一步该怎么处理。