上一章我们完成了整个任务分发系统，但你有没有发现，无论agent分化了多少个任务，其实都是由一个agent串行执行的。用户提问 → LLM 决策 → 工具调用 → 等待结果 → LLM 继续决策 → .. .只有上个任务做完了，下个任务才可以开始，就算是互不相干的，可以并行执行的任务也是这样。并且有的任务耗时长，有的任务耗时短，这就我们需要实现异步操作了。本章，我们的任务实现异步操作，并对照原理分

上一章我们完成了整个任务分发系统，但你有没有发现，无论agent分化了多少个任务，其实都是由一个agent串行执行的。用户提问 → LLM 决策 → 工具调用 → 等待结果 → LLM 继续决策 → .. .只有上个任务做完了，下个任务才可以开始，就算是互不相干的，可以并行执行的任务也是这样。并且有的任务耗时长，有的任务耗时短，这就我们需要实现异步操作了。本章，我们的任务实现异步操作，并对照原理分

还记得我们在第六章subagent末尾的提到的有向无环图吗？那时我们幻想让多个agent去分解一个大任务，那本章就基于这一问题的解决方案task_system。任务如何做持久化操作、A 做完了 B 才能开始，这层关系怎么表达，谁来检查、如何构建这种依赖关系、如何维护生命周期等等这些操作。本章，我们的任务是：1，从0开始构建整个任务分发系统。2，跑几个测试。整个任务分发有点像操作系统中死锁那一章节。

还记得我们在第六章subagent末尾的提到的有向无环图吗？那时我们幻想让多个agent去分解一个大任务，那本章就基于这一问题的解决方案task_system。任务如何做持久化操作、A 做完了 B 才能开始，这层关系怎么表达，谁来检查、如何构建这种依赖关系、如何维护生命周期等等这些操作。本章，我们的任务是：1，从0开始构建整个任务分发系统。2，跑几个测试。整个任务分发有点像操作系统中死锁那一章节。

还记得我们在第六章subagent末尾的提到的有向无环图吗？那时我们幻想让多个agent去分解一个大任务，那本章就基于这一问题的解决方案task_system。任务如何做持久化操作、A 做完了 B 才能开始，这层关系怎么表达，谁来检查、如何构建这种依赖关系、如何维护生命周期等等这些操作。本章，我们的任务是：1，从0开始构建整个任务分发系统。2，跑几个测试。整个任务分发有点像操作系统中死锁那一章节。

例如：还记得上一章末尾那个有关prompt的问题吗？紧接着本章就是在解决它。SYSTEM = (injected } \n" "Respect user preferences from memory.\n" "When the user says 'remember', extract it as a memory.\n" # ... 还在继续加)

第四章讲述了钩子，让agent_loop变得更整洁的操作。完整代码见我们的任务是：1，了解hooks，清楚hooks的重要性2，将s03的代码一步步重构为hooks3，感受引入hooks之后的模型交互过程还记得第三章末尾我遇到的问题吗？在真实环境中往往会编写一些日志函数去实时监控模型的工作状态，那监控有很多种，有的在调用结束时，有的在调用之前，如果我们想把这些都加进去，那整个agent_loop会

有没有遇到过这样的场景：当你vibecoding的时候，给模型下达一个任务，模型执行某一步时遇到问题，陷入寻找解决该问题的办法，忘记了自己一开始要干什么。这是因为主流的LLM基于Transformer架构，都面临注意力涣散的问题（注意和上下文窗口问题区分，放在最后总结了）。第五章讲述了todo_write，就是给agent列一个待办表，按照这个表去行动，期间也会不断更新这个表的操作。我们的任务是：

第二章，shareai讲述了给agent扩展工具的流程。完整代码见我们的任务是：1，扩展四个工具，手把手感受整个过程2，构建沙箱，了解沙箱为什么重要。3，感受claude code处理并发的操作那在写之前，我们需要先把os.getcwd()换成Path.cwd()，用WORKDIR去接收它，这么做的目的是方便后续工具把它作为全局变量使用，并且Path这个包还支持许多路径拼接，方便操作。现在来思考一

第三章，shareAI讲述了给模型加权限的过程。完整代码见我们的任务是：1，了解check_deny_list, check_rules, ask_user三道闸门组成的permission2，滤清楚权限检查的逻辑还记得第二章末尾提到，在run_bash中我们其实已经做过了一些权限检查，不过这只是象征性的，那样的硬检查对一些别有用心的shell语句几乎防不住，本章将一步步实现三层防护门，感受Cla