本次分享从模型 API 与工具调用出发，解释 Code Agent 如何在多轮执行、反馈和纠错中形成并消耗上下文。结合公开协议、源码与模板，梳理历史、状态、外部资料和当前上下文的边界，分析长上下文问题，以及压缩、前缀缓存、记忆、技能和子代理的代价。运行时应保留可审计的追加式历史，将上下文构造成有限派生视图：稳定指令与工具形成可缓存前缀，旧状态压缩后置于中部，当前请求与原始证据靠近尾部，并通过按需检索和隔离协作，平衡正确率、成本、延迟与可恢复性。
Code Agent 的上下文管理
主题演讲摘要
本次分享将系统性地带大家走进大模型 AI 调用的世界，适合对 AI 应用开发感兴趣、想理解智能体内部机制的朋友。