山川不念旧

从评论触发的仓库角色讲到日志驱动的常驻形态，用一套真实实现说明事件、定位与回写三件事怎么落地。

从扩展成本出发解释 Skill 的存在理由，拆解 SKILL.md 的结构、两级渐进加载机制，以及它带来的分发与安全新问题。

把各章零件按单向数据流组装成完整 Coding Agent，并讨论 REPL、Solo、WebUI 三种形态如何共用一个内核。

行号漂移、唯一性约束、bash 安全闸门与错误返回字符串，四个设计选择决定了模型能否在工具失败后自己纠正。

浏览、定位、理解、修改、验证五个阶段构成 Coding Agent 的基本循环，工具集与阶段之间的数据流决定这套循环能否跑通。

把上下文压缩与向量记忆接进 Agent 循环，讲清召回注入、压缩回写和事实槽并集三个容易做错的细节。

短期、长期与工作三种记忆分别由谁管理，向量检索如何跨会话召回事实，以及读写两个环节怎样接进 Agent 循环。

截断、摘要、分层与 GSSC 四种上下文压缩策略，从十行代码到工程流水线，各自适合什么场景。

不做处理的对话如何让 prompt 在二十轮里涨到 259 倍，以及为了不撞窗口、不烧钱、不变笨，工程上要管住什么。

让同一个模型先起草再挑刺，用评审清单把答案改得更完整，代价是 token 与延迟翻倍。