这次改动的重点不是再加功能，而是把 Agent 主流程做对：角色分离、逐轮压缩、上下文治理，解决 ReAct 循环中的上下文污染。

这次改动不是修坏功能，而是把 Skill 从“前端模板快捷键”升级为 Agent 可感知、可调用、可复用的标准化能力。

这次修的不是零散 bug，而是 Agent 编排层里四个结构性问题：迭代上限、plan 透传、局部图表修订路径、SSE 长连接保活。

重读 Patrick Lewis 等人的 RAG 奠基论文后，我更确定：RAG 的价值不只是“补知识”，而是把参数记忆与外部事实解耦，让模型在可追溯与可更新之间取得平衡。

记录一次真正意义上的产品级推进：从一份 PRD 出发，把登录、多用户、数据库连接、知识库管理、信息架构和报告导出一路做到代码、页面、测试与回归验证。

结合 OpsMind 的升级实践，复盘我对智能预处理和 Agent 编排的理解：真正决定 AI 提效的，不是多写几个 prompt，而是先把状态、边界和执行逻辑讲清楚。

结合 OpsMind 的升级实践，复盘我对 Agent 编排层的重新理解：它不只是把模型和工具连起来，而是在管理状态、预算、置信度和失败边界。

结合 OpsMind 的实践，整理我对上下文、记忆层与知识库的理解：它们不是一个大口袋，而是三套服务不同问题的信息系统。

第一次认真体验 subagent 之后，我意识到它真正有意思的地方，不只是效率，而是把脑内并行思考和角色分工显性化。