复杂 RAG。

复杂 RAG。

"""LangGraph 全局状态定义""""""用户消息""""""整个 Multi-Agent Workflow 的共享状态。每个节点读取并返回部分更新，LangGraph 自动合并。"""# 对话历史（追加式）# 路由结果confidence: float # 意图识别置信度# 业务上下文order_info: dict[str, Any] | None # 订单详情（Order Agent

"""LangGraph 全局状态定义""""""用户消息""""""整个 Multi-Agent Workflow 的共享状态。每个节点读取并返回部分更新，LangGraph 自动合并。"""# 对话历史（追加式）# 路由结果confidence: float # 意图识别置信度# 业务上下文order_info: dict[str, Any] | None # 订单详情（Order Agent

"""LangGraph 全局状态定义""""""用户消息""""""整个 Multi-Agent Workflow 的共享状态。每个节点读取并返回部分更新，LangGraph 自动合并。"""# 对话历史（追加式）# 路由结果confidence: float # 意图识别置信度# 业务上下文order_info: dict[str, Any] | None # 订单详情（Order Agent

上下文窗口会耗尽；摘要压缩会丢失真正影响执行的细节；旧事实和新事实同时存在时，模型需要重新猜“哪个算数”；多 Agent 并发修改共享状态时容易产生覆盖和竞争；工具执行到一半进程崩溃后，无法判断副作用到底有没有发生；每一步都重复注入全部历史，累计输入 Token 会快速增长；即使最终任务成功，中间的 State 也可能已经漂移。Context Window 不应该承担 Memory、State、H

上下文窗口会耗尽；摘要压缩会丢失真正影响执行的细节；旧事实和新事实同时存在时，模型需要重新猜“哪个算数”；多 Agent 并发修改共享状态时容易产生覆盖和竞争；工具执行到一半进程崩溃后，无法判断副作用到底有没有发生；每一步都重复注入全部历史，累计输入 Token 会快速增长；即使最终任务成功，中间的 State 也可能已经漂移。Context Window 不应该承担 Memory、State、H

Nous Research 的个人助理型自改进 agent 平台：单核多端（CLI/22 消息平台/TUI/桌面/ACP/MCP-server）、SQLite 状态中枢、可插拔压缩引擎、并以"使用→轨迹→压缩→评测→训练"飞轮内嵌数据生成能力。

这是 Pi 的底层基础设施。ModelsProviderModelAPI分开。LLM Provider 做到了较好的 typed boundary。ProviderModelAPIAuthStream明确分层。

官方 SAFETY.md 更直接指出：项目尚未经过安全审计，不能视为 secure / production-ready。官方 architecture.md 明确说明：Cordis 是 dsh 的基础框架；model adapter、tool registry、session log、agent loop 本身也都是 plugin，因此可以通过配置替换。官方甚至明确写出：不存在需要 patch