从1个Bash工具扩展到4个专用工具，核心是一个dispatch map字典。新增工具只需注册一个handler，循环一行不改。

多步任务中模型会丢失进度、跳步、跑偏。TodoManager 用一个带状态的待办列表 + nag reminder，让 Agent 从"走哪算哪"变成"按计划推进"。

关键参数是tools。你告诉模型 “你有一个叫 bash 的工具，可以执行 shell 命令”，模型就知道自己有了一双手。TOOLS = [{},}]一个名字，一段描述，一个参数定义。这就是给模型的 “工具说明书”。模型读懂之后，就知道怎么调用这个工具了。组件之前之后Agent 循环无while True工具无bash（单一工具）消息管理无累积式消息列表退出机制无代码量0~120 行（含安全防护和

所有AI Agent的秘密就藏在一个while循环里。20行Python代码，让大模型从"只会说"变成"能动手"。这是《12课拆解Claude Code架构》系列的第一课，也是最重要的一课。

两个问题，一块四。一天工作，三千多。这就是 2026 年春天，一个独立开发者使用 AI Agent 的真实成本。贵吗？看跟什么比。跟人力成本比，已经到了同一量级。跟 AI 创造的效率提升比——如果它真的让你一个人干了三个人的活——那可能还是划算的。但"划算"的前提是，你得学会怎么花这些 Token。Token 预算管理。这不是开玩笑。在可预见的未来，"Token 使用效率"可能会成为衡量工程团队能

Anthropic 官方博客解读：Opus 4.7 引入自适应思考、xhigh 努力等级、更精准的响应长度校准，本文详解升级要点和实战配置建议。

做法Token 消耗准确性维护成本❌ 让 Agent 每次自己探索高低（靠猜）零⚠️ 单一大 CLAUDE.md中（全量加载）中低✅ 分层按需加载低（只加载相关的）高（人写的精确描述）中（需同步维护）顶层极简：根目录只放索引和全局规则，50 行以内详情下沉：每个子项目维护自己的上下文文件，按需加载代码改了文档也改：同步规则写进不变量，让 Agent 自觉维护。

父Agent把大任务拆成子任务，每个子任务用独立上下文执行，只有最终结果返回。用30行Python实现Claude Code的子Agent隔离机制。

Hermes Agent 接 LiteLLM 网关时，因 provider: custom 未显式指定 api_mode，默认走 OpenAI 兼容协议，导致 Prompt Cache 缓存字段从未发送，命中率为 0%。本文记录排查过程、根因分析（api_mode 自动推断逻辑）及修复方法：加一行 api_mode: anthropic_messages，将请求协议从 OpenAI SDK 切换到

因为它太强了——强到能自主发现并利用藏了 27 年的系统漏洞。这个模型叫（"神话"预览版）。不是因为它不够好。恰恰相反，是因为它好得让 Anthropic 自己都害怕了。