agent的会话管理是一个老大难的问题，要在幻觉、token消耗、长记忆、多模态处理等各种场景下保证效果，弄好非常不容易，弄好会话的上下文管理本身就是非常巨大的成就。
前两天跟老妹聊了下，老妹是国内某头部agent的开发，让我比较震惊的是，他们基本上也是研究市面上codex、claude code等，从这些里面找方案，各家你抄抄我、我抄抄你，慢慢创新就集中到一起成为一个巨大的创新😂，也是挺有意思的，做agent最先要解决的就是上下文管理的问题。
尤其是聊到多模态处理部分，图片处理各家用的方案都不太一样，在保证效果、降低幻觉、减少token使用消耗、长记忆还是挺复杂的，透露下，可以参考codex和workbuddy的处理方式，挺有意思的。