大家好！我是这里的久违的观察者。

最近我一直在工作两个项目，但是一直在思考大家都在使用的系统级设置，自己是否做的正确或者只是乱敲键盘。 我正在使用Claude Code与一个使用API模型查询的系统来完成单点任务，如测试、写作和阅读。

1）持续工作：我希望我的主上下文可以在所有时间都工作，并将设计和游戏系统的问题保留给我，当我有时间时，这通常是在孩子睡觉后。我发现它很快就会停止回答问题，只要我同意它，所以我建立了一个“从我的前一次决定规则中推断”的系统，帮助了一些，但我发现它会经常延迟工作，例如它认为是低上下文的问题。 我最终建立了一个“心跳”系统，基本上每30分钟都会注入一个“怎么样”提示，以确保代理持续工作。 它现在工作得不错，尤其是因为我反复强调了一个代理的最低出发点，但我不确定这是最好的方法。

2）上下文和手动过渡：我早就知道手动过渡，但一直都是手动完成的。 我最近才能够设置了著名的自动压缩功能，并且可以获取注入提示的钩子，定时在压缩后发生。 我将其排队在70%上下文处。 问题是，我想像日志保存、手动过渡、git提交、另一个驱动器（我很害怕）保存文件夹状态等等。 因此，我将其排队在60%上下文处，并且将工作后的内容添加到注入提示中，以便下一次会话可以了解尚未保存的内容。 再次，这种方法现在工作得不错，但我偶尔会发现新会话有些糊涂，尽管我已经多次对我的手动过渡系统进行了深入的审查。 有人在这里有更好的 luck 吗？

3）上下文效率：我早就发现一个主上下文代理管理和分派所有分配任务会导致上下文填满2-3次。 我通过建立一个系统来解决这个问题，发送视觉任务给Deepseek V4闪烁或Gemini视觉模型。 我曾经测试过Kimi K3和Qwen。 所有这些都有所帮助，但我仍然是边缘性的。 我每周使用Anthropic的API分配任务都很好，但我的主代理上下文仍然会经常发生压缩。 我最终建立了一个部门领导系统，并将提升分配给Anthropic和API模型本身。 这是一个平衡问题，以确保他们对项目有正确的上下文，并且可以根据我们的路线图行动。 一旦它开始工作，我就发现主会话上下文填充的速度提高了3-4倍。 这是我们上下文的一个巨大的升级，但我仍然在早期开发阶段，正在构建一个Godot游戏，所以我不确定是否有更好的实践。

4）学习循环：这是我最近才开始研究的领域，但它是我的最后一次机会来建立一个让主会话上下文和部门领导可以不断学习和提高的方法。 我的问题是，分配者们试图为代理提供资源、背景信息和游戏中的决策，但经常会发送太多或太少的信息，显然会花费钱。 我一直在尝试（但效果有限）建立一个系统，其中所有分配者都可以在一个文件中添加一个计数器（计数器），每次代理使用参考时都会增加计数器。 如果代理发现他们需要更多的上下文或决策，会请求它们，并将它们添加到列表中，以便在10次后进行审查。 这个想法对我来说很新颖，可能还不成熟，但或许你们有更好的想法或最佳实践。

总之，我正在这样做是为了学习，我已经有了很多乐趣。 我曾经有一次代理会发送107个开放问题和认证，它需要我回答才能继续前进。 说实话，我很快就改变了主会话的 CEO，基本上是说我是创始人，只想要10-20个问题，每天，希望已经回答过了，或者是否可以由有我的前一项决策和可以推断新决策的团队来回答。

这已经是一个漫长的旅程，我只在这里玩了两个月。 如果你们有任何系统级资源或最佳实践的推荐，会很感激。 我是一个作家和游戏玩家，既不是码农也不是游戏开发者，但我想如果我专心学习并使用这些工具，我可以学到很多。