策略做法token 成本信息保真适用场景全量传递把完整对话历史塞给下一个 Agent高最高单 Agent 深度长对话摘要传递用 LLM 生成结构化摘要再传递中高（有损）跨 Agent 任务交接引用传递传会话 ID + 查询接口，按需取数低可控共享黑板、知识库、数据库全量传递在多 Agent 场景下几乎总是错误选择：假设八个 Agent 每人 2000 token 的对话历史，汇聚到编排层就是 16

本文基于华为云 MaaS 平台 DeepSeek-V3/R1 商用推理服务与 Flexus X 一键部署的 Dify 平台，从零构建了企业级多 Agent 协同系统。架构上监督者模式为骨架、内部并行扇出，规划与执行彻底解耦；模型分工上 R1 当大脑（规划、根因、反思）、V3 当手脚（判别、抽取、生成）；通信协议上任务书与回执全部结构化 JSON，上下文显式传递、证据可追溯；工程保障上 JSON 校

本文分享了AI内容营销机器人自动化发布WordPress文章的完整方案。主要内容包括：1) 环境要求（Python 3.12+及相关依赖）；2) WordPress后台配置应用密码的关键步骤；3) 核心发布脚本实现，包含认证处理、分类管理、Markdown转HTML等功能；4) 文章发布接口调用方法。该方案经过10天实战验证，成功率100%，适用于内容自动化发布场景。

对必须保留但不需要细节的历史，用"滚动摘要"：每 N 轮把前面内容总结成一段摘要，后续请求只带摘要 + 最近几轮原文。输入：全部历史消息（20 轮，约 3 万 token）输出：摘要（200 token）策略：保留最近 5 轮原文 + 之前内容的滚动摘要效果：单次调用输入从 3 万 token 降到 6000 左右，降幅 80%编排者把任务交给子 Agent 时，只传"任务描述 + 必要上下文"（

攻击分类学:直接注入/间接注入 × 目标劫持/数据窃取,以及"输入 → 上下文 → 推理 → 工具 → 输出"的全链路攻击模型;五个攻击面:系统提示、用户输入、知识库、工具返回、MCP 外部数据,每个入口都要有信任边界;纵深防御五层:L1 规则检测(廉价降噪)→ L2 系统提示硬化(语义边界)→ L3 工具参数校验(权限最小化)→L4 R1 安全审查(语义级裁决,核心)→ L5 知识库清洗与输出兜

identity:label:zh_Hans: 企业工具集zh_Hans: 企业内部订单查询工具tools:extra:python:provider 是工具的"组织单元"，一个 provider 下可以挂多个 tool。比如下面以后还可以加等工具，它们共享同一套鉴权凭证。是工具的核心契约——Agent（模型）靠这份声明决定怎么调用工具identity:label:zh_Hans: 订单查询zh_

identity:label:zh_Hans: 企业工具集zh_Hans: 企业内部订单查询工具tools:extra:python:provider 是工具的"组织单元"，一个 provider 下可以挂多个 tool。比如下面以后还可以加等工具，它们共享同一套鉴权凭证。是工具的核心契约——Agent（模型）靠这份声明决定怎么调用工具identity:label:zh_Hans: 订单查询zh_

评测四要素:测试集、评测维度、裁判、报告——缺一不可;测试集方法论:真实日志(60%)+ 对抗样本(30%)+ 业务共建(10%),三层标注(输入/预期行为/预期答案);R1 当裁判:推理模型在"模糊判定"上的稳定性优势,JSON 结构化裁决 + 锚点校准 + 人工抽检三件套;三件套落地:离线评测工作流(批量跑 + R1 裁决 + 聚合报告)、线上灰度对比(同请求双跑 + 对比裁决)、CI 回归门

攻击分类学:直接注入/间接注入 × 目标劫持/数据窃取,以及"输入 → 上下文 → 推理 → 工具 → 输出"的全链路攻击模型;五个攻击面:系统提示、用户输入、知识库、工具返回、MCP 外部数据,每个入口都要有信任边界;纵深防御五层:L1 规则检测(廉价降噪)→ L2 系统提示硬化(语义边界)→ L3 工具参数校验(权限最小化)→L4 R1 安全审查(语义级裁决,核心)→ L5 知识库清洗与输出兜

攻击分类学:直接注入/间接注入 × 目标劫持/数据窃取,以及"输入 → 上下文 → 推理 → 工具 → 输出"的全链路攻击模型;五个攻击面:系统提示、用户输入、知识库、工具返回、MCP 外部数据,每个入口都要有信任边界;纵深防御五层:L1 规则检测(廉价降噪)→ L2 系统提示硬化(语义边界)→ L3 工具参数校验(权限最小化)→L4 R1 安全审查(语义级裁决,核心)→ L5 知识库清洗与输出兜