核心指数 长上下文 5/5
长时任务不能无限带历史，必须把轨迹压缩成目标、决策、证据、未决风险。
每个当天会被提问或用于练习的术语，先给通俗释义，再给专业释义，避免题目超出当天知识点。
通俗释义：不是把 prompt 写长，而是只放当前任务真正需要的规则、证据、记忆和输出格式。
专业释义：对模型输入窗口进行目标、约束、检索证据、记忆、工具状态、历史摘要和输出契约的选择、压缩、排序与隔离。
当天检查：能把一个任务压缩成 objective/constraints/evidence/output contract。
参考脉络：OpenAI prompt/context guidance / 12-factor agents
通俗释义：把长聊天和工具日志压成一张接手卡，保留决策和证据。
专业释义：长任务中将历史轨迹压缩为目标、已完成、关键决策、证据链接、风险和下一步状态，以控制上下文窗口和污染。
当天检查：能把 20 条日志压成可继续执行的 handoff card。
参考脉络：12-factor agents / production agent handoff practice
通俗释义：交接班说明：目标、已做、证据、风险、下一步。
专业释义：跨 agent、worker 或会话的结构化上下文移交协议，用于降低信息丢失和重复探索。
当天检查：能写一份 worker handoff 模板。
参考脉络：12-factor agents / production support handoff
通俗释义：把“概念定义”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：概念定义 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 概念定义，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“工程实现”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：工程实现 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 工程实现，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“失败模式”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：失败模式 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 失败模式，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“理解表达”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：理解表达 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 理解表达，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
长时任务不能无限带历史，必须把轨迹压缩成目标、决策、证据、未决风险。
它在 Agent Harness 中连接“目标/约束、上下文、工具、状态、验证、运营指标”这些层。学习时要问：这一层负责限制什么风险？它把哪类不确定性变成了可观察、可恢复、可评估的工程对象？
历史轨迹 → 关键决策 → 证据链接 → 下一步状态
今天围绕“Context Compaction：长任务上下文压缩”建立一个可复用的工程判断：先能定义它解决什么问题，再能指出它在 Agent Harness 中位于哪一层，最后能用一个真实系统环节验证它是否有效。长时任务不能无限带历史，必须把轨迹压缩成目标、决策、证据、未决风险。 学习时不要只记名词，要把它和状态、工具、上下文、评估、成本或安全边界中的至少一项连接起来。
我能围绕 Context Compaction：长任务上下文压缩 讲清楚工程目标、实现方式、指标和失败处理。
历史轨迹 → 关键决策 → 证据链接 → 下一步状态
把 20 条工具日志压缩为 handoff card。
完成标准：压缩后仍能继续执行。
多角色协作只有在边界清晰、可评估、可回归时才值得引入。