rag-agent

面试官问「讲讲 Skill 是什么，再设计一个排查 Spark 报错的 Skill」。这篇从渐进式披露的三层加载原理讲到 Skill 与 RAG、MCP、微调的生态位辨析，再给出一个可落地的 spark-error-troubleshooting 完整设计——把这道题答成体系。

当多轮对话聊到 30 甚至 50 轮，滑动窗口滑走了开头的关键约束、全量保留又会挤爆 Token 上下文，RAG 系统该如何破局？深入剖析 Ragent 记忆系统中的增量摘要压缩算法、lastMessageId 水位线推进机制、攒批压缩优化（summaryBatchSize）、Prompt 绝对禁止记录答案的设计哲学以及 Redisson 分布式锁防重实践。

大语言模型 API 天然是无状态的，如何让每次独立的请求表现为连贯自然的连续对话？深入剖析 Ragent 问答流水线阶段一（loadMemory）背后的三层记忆架构、异步并发拉取与容错降级、滑动窗口规整（normalizeHistory）、loadAndAppend 时序避坑以及结构化 Prompt 上下文注入顺序。

深入剖析阿里巴巴开源 TransmittableThreadLocal (TTL) 的底层机制（Capture、Replay、Restore 与 Holder 弱引用字典），彻底破解线程池复用下的上下文丢失与污染困境。结合生产级 RAG 架构，实战解析如何利用全局 traceId 实现多路并发检索归因、分阶段耗时（TTFT/TBT）拆解与单次请求 Token 级成本精细化核算。

从用户在前端输入一句话到打字机式流式响应返回，生产级 RAG & Agent 问答系统后端究竟经历了什么？深度解构 Ragent 项目中 StreamChatPipeline 的八阶段线性编排、三大短路分支、数据总线设计以及前置幂等/限流/Trace 工程防线。

从最初接触 LangChain 到深入 LangGraph 构建多步骤 Agent 工作流，这篇文章分享我在 AI Agent 开发领域的探索历程和一些实践心得。