问题描述 据我所知，现在的编程 agent 很大程度上受限于上下文长度，各个工具对此的策略都是压缩上下文。 claude code 和 hermes 有个记忆系统但是我不太了解。 我在使用 agent 的途中，发现他总是犯同样的错，现在的解决途径是把问题写在 AGENTS.md 里面。 随着项目开发，在 AGENTS.md 里面做补充越来越像是打补丁，而且有些问题并不常见，但是每次都犯错误真的很难受。 可能有以下问题： 模型注意力不集中，虽然 AGENTS.md 里面写了，但是他不遵守。按这一点来说，就算搞了个什么知识库的体系，依旧是没有作用。 上下文问题，模型不知道什么时候去找知识库，由于上下文有限，不可能把知识库全量交给模型。 想问问大家有没有解决的思路或是相关实践。 知识库, 代码, agent
先建立一个知识库。然后写提示词里面去。暴露 mcp 路径 api ，ok 这个是 外挂知识库了 。接下来是优化搜索技术 相关性 召回这些了。先不用管那么多。搞个 md 文档库就可以了。 然后开发 skill 写清楚步骤，强制读就可以了。强行注入。每次都开新的 sub 去开发。 主的只给改动范围。然后 subagent cr 核对。收敛起来了好一点。（会有很多不必要的 cr 的，后面也懒得看了。反驳辩护一轮修完得了） 然后挂定时跑。走事件驱动。（后面还犯的，我就放弃了 又不是不能跑）
