把"长 context"卸载到外部存储——message 里只留索引与摘要，实际内容存在"文件系统"里。最朴素也最有效的 long-horizon 应对。
建议先读《Planning / write_todos 模式》；如果你是跳读，至少先看本章索引与本页 TL;DR。
课程中段的能力层，用来回答“一个 harness 为什么需要这些补丁”。
把"长 context"卸载到外部存储——message 里只留索引与摘要，实际内容存在 "文件系统" 里。最朴素也最有效的 long-horizon 应对。
先看失败模式，再看能力补丁；能力不是越多越好，而是要能对症下药。
课程主线：稳定能力抽象 + 官方机制 + 跨框架共性。
read_file / write_file / ls 三个 tool，由 LLM 自己决定什么时候 read、什么时候 write、什么时候 ls。"文件系统"可以是 内存字典（Deep Agents 默认）也可以是 真实磁盘（Claude Code / Cursor / Codex / Aider）。设想一个研究 agent 接到任务："搜 2024-2025 年关于 multi-agent collaboration 的论文，整理一份综述。"
search_papers 拿到 50 个候选，每个含标题 + 摘要 + URL，这一段 message 已经 8000 token。fetch_paper(url) 拿到全文，每篇 ~6000 token——前 10 篇全文塞进去就 60000 token，message 历史全是论文原文。context_length_exceeded，或者 silently 截断了开头（user 的原始任务被丢了）。VFS 把这个故事改写成：每篇全文 fetch 后立刻 write_file 落盘，message 里只留 "已存到 papers/multi_agent_2024_smith.md（约 6k token，关键观点：联邦学习 + 角色分配）"。第 11 轮决定要写综述时，按需 read_file 拉回需要的段落即可。
| 内存字典 VFS | 真实文件系统 VFS | |
|---|---|---|
| 底子是什么 | files: dict[str, str] 一个字段 |
真实磁盘 / 沙箱内 mount 点 |
| 序列化 | 跟 graph state 一起 pickle / JSON | 独立于 agent state |
| 副作用 | 无（重启即没） | 真实写盘 → 可被外部工 |