读一节，再看一段。

观察怎样向模型提供任务背景、资料与约束，再把一次对话和本站的多步工具循环作比较。

区分确定性软件与模型输出的工作方式；思考哪些步骤应自动执行、哪些应保留人工检查，再回到本章设计协作边界。

工具 schema 与 call ID；格式正确和任务正确的区别；有依赖的调用不能并行；选择、参数、轨迹、任务四层评测。可配合讲义第 20–28、47–55 页。

每一步保留什么信息；何时把信息移到外部；摘要丢失细节的代价；用子 Agent 隔离上下文的收益和额外成本。

记忆与技能的区别；MemGPT 的外部记忆；冲突时新增、更新、删除或不改；技能如何验证、修订和淘汰。

把任务画成依赖图；如何根据环境反馈重规划；manager 和 worker 的协调；增加并行 worker 之前要满足哪些条件。

基准随能力增长失效的问题；任务完成及人类时间尺度；computer use 的能力与安全测试。配合讲义 Measuring capabilities 部分。

作者时间轴：03:43 ReAct 运行流程；05:27 实现原理；10:49 动手实现；18:53 运行时序图。观看后对照本章补上终止条件、步数预算与错误处理。

作者时间轴：01:34 Function Calling；03:40 调用链；13:13 协议内容；24:55 与 MCP 一起使用。重点追踪参数由谁生成、工具由谁执行、结果如何回传。

结合作者所引官方文章，比较写入外部状态、按需选择、压缩与隔离四种处理方式；把同一段工具返回分别放入上下文、摘要和外部存储，观察信息损失。

区分 Prefill 与 Decode；理解缓存的是哪些中间结果；用本平台 KV cache 计算器检查序列长度、层数与并发数如何改变显存需求。

观察短请求提前结束后留下的空闲位置，以及新请求何时能加入；再运行本章调度实验，对照吞吐量与请求等待时间的变化。

prefill 与逐 token 解码的计算/内存差异；TTFT、延迟、吞吐之间的取舍；KV cache 大小、continuous batching 与 PagedAttention；量化和 speculative sampling 的不同精度保证。

将单模型生成转变为面向多用户的服务；KV cache 的内存浪费与分页管理；从内存管理理解批量吞吐收益。

对比 SmoothQuant、AWQ 等量化方法；区分低比特量化与推测解码的机制；结合官方讲义中的 speculative decoding 和 batching，检查加速的硬件、负载和质量前提。

benchmarking 与 profiling 的区别；GPU 计时、预热与同步；PyTorch profiler、Nsight Systems 与 kernel 性能分析；先测量瓶颈，再判断 fusion 或 Triton 优化是否有效。