運作原理
一輪對話內部到底發生了什麼——檢索、記憶、工具、上下文、通路，以及哪些資料始終不外流。
有依據的回答
一份文件是怎麼變成智慧代理答得出來的東西——切片、脈絡標頭、查詢改寫，以及相關度門檻。
每位客戶專屬的記憶
對話是怎麼變成關於某位客戶的長期事實——推導、去重、重要度，以及哪些內容會被回想起來。
工具與 MCP
智慧代理怎麼從「會回答」變成「會動手」——工具迴圈、脈絡預算，以及如何透過 MCP 接上你自己的系統。
一個智慧代理，通吃所有管道
網頁小工具、Telegram 與 WhatsApp 如何連到同一個智慧代理、共用同一份記憶——身分解析、共用的控制流程，以及哪些部分留給各管道自己處理。
Why agents get worse as context grows
Context rot, in concrete terms. Every turn is one self-contained request to the model; a long or tool-heavy one measurably lowers the accuracy of the answer. What that request contains, what gets dropped when it does not fit, and why the platform re-renders it before writing the answer instead of summarising tool results.
Where a conversation lives between turns
If every turn is one self-contained request, where does the rest of the conversation sit? What gets stored per turn and what never does, the verbatim window, how older turns are folded into a rolling summary exactly once, what happens when a single turn still overflows, and which facts outlive the session.
排程跟進
智慧代理如何把工作排到稍後執行，並把結果送回它原本進來的那個管道——持久化任務、原子性認領，以及故障復原。
從設計就顧到隱私
在資料庫層級強制的隔離、以使用者為單位的欄位加密金鑰，以及對端對端加密這一層到底給了你什麼、又沒給你什麼的誠實說明。
跑在開源模型上
模型層是怎麼跟代理層分開的——能力探測、多後端分流，以及小型開源模型在工具呼叫上那四種壞法，閘道各自替你處理掉的方式。