echo-agent 前身为 2025 年 11 月启动的个人助理项目 fubot，最初面向长期陪伴型个人智能体，围绕认知记忆、上下文延续、用户偏好沉淀、任务闭环与持续自我优化展开。随着真实场景迭代，项目逐步形成多入口接入、统一事件模型、消息总线、Agent Loop、多模型抽象、工具调用、MCP 接入、任务调度、权限审批、运行轨迹、长期记忆和受控自演进等能力。

你可能写过一个很快能跑起来的 Agent Demo：系统提示词、几个函数 schema、一次模型调用，模型返回 tool call，程序执行函数，再把结果塞回模型。这个 Demo 很有价值，它能说明模型确实可以选择工具。但只要放进真实环境，问题很快就会出现：用户可能从 Webhook、Slack、微信、定时任务进来；工具可能写文件、跑命令、调用外部服务；任务还要跨会话保存状态、失败后恢复、事后能追

你可能写过一个很快能跑起来的 Agent Demo：系统提示词、几个函数 schema、一次模型调用，模型返回 tool call，程序执行函数，再把结果塞回模型。这个 Demo 很有价值，它能说明模型确实可以选择工具。但只要放进真实环境，问题很快就会出现：用户可能从 Webhook、Slack、微信、定时任务进来；工具可能写文件、跑命令、调用外部服务；任务还要跨会话保存状态、失败后恢复、事后能追

echo-agent 前身为 2025 年 11 月启动的个人助理项目 fubot，最初面向长期陪伴型个人智能体，围绕认知记忆、上下文延续、用户偏好沉淀、任务闭环与持续自我优化展开。随着真实场景迭代，项目逐步形成多入口接入、统一事件模型、消息总线、Agent Loop、多模型抽象、工具调用、MCP 接入、任务调度、权限审批、运行轨迹、长期记忆和受控自演进等能力。

echo-agent 前身为 2025 年 11 月启动的个人助理项目 fubot，最初面向长期陪伴型个人智能体，围绕认知记忆、上下文延续、用户偏好沉淀、任务闭环与持续自我优化展开。随着真实场景迭代，项目逐步形成多入口接入、统一事件模型、消息总线、Agent Loop、多模型抽象、工具调用、MCP 接入、任务调度、权限审批、运行轨迹、长期记忆和受控自演进等能力。

echo-agent 前身为 2025 年 11 月启动的个人助理项目 fubot，最初面向长期陪伴型个人智能体，围绕认知记忆、上下文延续、用户偏好沉淀、任务闭环与持续自我优化展开。随着真实场景迭代，项目逐步形成多入口接入、统一事件模型、消息总线、Agent Loop、多模型抽象、工具调用、MCP 接入、任务调度、权限审批、运行轨迹、长期记忆和受控自演进等能力。

确定 middle segment 后，echo-agent 会先把这段原始消息归档，再交给生成摘要。顺序不能反。摘要一定是有损过程，会遗漏细节、合并相似信息、弱化时间顺序，甚至把未验证猜测写成确定事实。先归档原文，后生成摘要，才给审计、恢复和重新摘要留下余地。必须保留原因关键决策与理由防止重复推翻已确认判断文件路径、函数名、代码标识工程任务需要可定位对象错误信息与解决情况决定下一步是重试还是换路

关闭顺序则反过来：先停 Gateway、health、scheduler，再停 channels、agent、bus，最后关闭 storage。先停外部输入，再让内部收尾，才能避免“通道还在收消息，但 Agent 或存储已经关闭”的半失败状态。

这就是 Agent 安全边界要解决的问题。

echo-agent 前身为 2025 年 11 月启动的个人助理项目 fubot，最初面向长期陪伴型个人智能体，围绕认知记忆、上下文延续、用户偏好沉淀、任务闭环与持续自我优化展开。随着真实场景迭代，项目逐步形成多入口接入、统一事件模型、消息总线、Agent Loop、多模型抽象、工具调用、MCP 接入、任务调度、权限审批、运行轨迹、长期记忆和受控自演进等能力。