当然你可以写工具提示词让AI不要输出任何内容直接结束对话，我试了下还真行，但是本质上还是多调用了一次大模型，消耗的token是实打实的，而且会让整个对话变慢，这绝不是出路。在官网的示例代码中，通过在agent节点的节点函数里传入父图的状态来调用agent，由于父图设置了checkpointer，所以agent也能获取到对话历史（message字段）从而实现记忆，但是父图的state保存的是全局的上

当然你可以写工具提示词让AI不要输出任何内容直接结束对话，我试了下还真行，但是本质上还是多调用了一次大模型，消耗的token是实打实的，而且会让整个对话变慢，这绝不是出路。在官网的示例代码中，通过在agent节点的节点函数里传入父图的状态来调用agent，由于父图设置了checkpointer，所以agent也能获取到对话历史（message字段）从而实现记忆，但是父图的state保存的是全局的上

上周Claude code的源码泄露了，大家都在学习和分析，我也打算借鉴其中的一些实现方法和优秀思想。首先我把Claude code的双重熔断机制加进了我的Agent。

上周Claude code的源码泄露了，大家都在学习和分析，我也打算借鉴其中的一些实现方法和优秀思想。首先我把Claude code的双重熔断机制加进了我的Agent。

但是我看了设计思路后觉得还有问题，如果只是把所有的翻译文本直接分给多个线程翻译，那么每个线程拿到的文本块都是零散的，为了保证翻译效果，我在把文档喂给AI翻译时是传递了上下文的，所以只有上下文连贯地发给AI翻译才能取得最好的翻译效果。于是我将翻译文本全部提取出来后，按线程数将翻译文本分组，每一组拿到的文本都是连贯的，最后再多线程分组翻译。我的PPT是按页，Excel是按sheet并行翻译，但是wor

个人AI学习日记