所以claude code智能体，他的harness工程也是非常重要，几乎占据整个项目的90%以上。

所以claude code智能体，他的harness工程也是非常重要，几乎占据整个项目的90%以上。

所有模板均支持通过无硬性长度限制：提示词不规定压缩比例（如50%），仅要求信息完整性。双重防呆机制：Preamble 和 Trailer 双重禁止工具调用，确保压缩任务原子性。结构化输出：强制使用<analysis>和<summary>标签，便于后处理和审计。场景化区分：BASE（全量）、PARTIAL（局部）、UP_TO（前瞻）三种模板应对不同压缩需求。

自动压缩 = 对话历史快把 200K 上下文窗口撑满时，Claude Code 自动把早期内容提炼成摘要、清理工具垃圾、剥离附件，把 token 账单"压扁"，让对话能继续跑。​ 大约到（默认窗口下）正式触发，之前先靠 micro-compact 拖延一阵，之后走 forked agent 做全量摘要替换，全程还精心防止递归死锁和缓存失效。自动压缩发生在主对话正在进行中。上下文污染：摘要任务会混入

参考项目：https://github.com/shareAI-lab/learn-claude-code/tree/mainLearn Claude Codeclaude-code-best/claude-code: 原汁原昧 Claude Code 可运行,可构建, 可调试版; 生产级工程化, 企业级可靠性; 安全无毒, 内存泄露修复前文已经说到agent loop就是如下图所示的一个循环：但

skill管理和安装方式

clear：清空当前对话历史，适合完成一个功能后新开任务，避免上下文混乱。compact：压缩对话历史并保留摘要，当上下文占用 60%-80% 时提前压缩，可指定保留重点内容（如数据库讨论）。resume：恢复之前的对话，直接打开选择器继续未完成的任务。BTW：快速提问，可在 Claude Code 运行时插入临时问题，不打断当前任务。rewind：回退对话到之前的节点，代码文件同步恢复，适合方向

自动压缩 = 对话历史快把 200K 上下文窗口撑满时，Claude Code 自动把早期内容提炼成摘要、清理工具垃圾、剥离附件，把 token 账单"压扁"，让对话能继续跑。​ 大约到（默认窗口下）正式触发，之前先靠 micro-compact 拖延一阵，之后走 forked agent 做全量摘要替换，全程还精心防止递归死锁和缓存失效。自动压缩发生在主对话正在进行中。上下文污染：摘要任务会混入

这么理解，你每次打开终端，都是一个QueryEngine实例，每次对话都会调用query方法，而在query方法中会while true循环调用工具来解决你的问题，即queryLoop方法，这个方法是一个生成器，从而在对话过程中实现那种问你 “是否继续/在本次会话内允许/...”queryLoop用于每次对话后多次循环调用工具，实际的agent loop是在queryLoop中的。由于我的目的更多

（运行时终检）总而言之就是两方面，一方面是你自己得允许，另一方面是这个tool能调用。