Part VI: Prompt 与记忆 -- Agent 的灵魂和笔记本

Agent 的「人格」不在代码里，在 Prompt 里。Agent 的「经验」不在模型里，在记忆文件里。

这个 Part 要解决什么问题

System Prompt 是 Agent 的入职说明书——你是谁、能做什么、怎么做。一个简单的聊天机器人只需要一行「你是一个友好的助手」。但一个要在真实代码仓库中干活的 Agent，它的说明书需要包含身份声明、安全红线、工具规范、代码风格、当前环境快照、用户个人记忆、MCP 服务器说明......前三项对所有用户都一样，后几项每个人每次都不同。

核心矛盾是：Prompt 越丰富 Agent 越聪明，但越丰富也越贵。 怎么让静态内容跨用户缓存、动态内容按需重算？

记忆的问题更深层：LLM 的上下文窗口是高速但易失的工作记忆。每次新会话，模型面对的是一片空白。但用户说「我上次跟你说过不要用 mock 测试了」，Agent 却一脸茫然——这种失忆的体验像和一个健忘的同事合作。如何在无状态的 LLM 之上构建有状态的记忆？

Part VI 用两章回答这两个问题：一章讲 Prompt 的组装流水线，一章讲记忆的完整生命周期。

包含章节

Chapter 16: System Prompt 的组装流水线。 为什么 System Prompt 不能是一个字符串？静态半区（身份声明、安全规则、工具指南）和动态半区（环境信息、记忆、MCP 指令）如何在一条边界标记处分割？缓存切分器如何在段落边界上精确动刀？上下文感知的段落排序如何确保最重要的信息不被截断？

Chapter 17: 记忆系统全景 -- 从文件发现到梦境整合。 「记忆就是文件」——不需要向量数据库，不需要 embedding 服务，只需要 Markdown 文件和一套管理机制。五层 AGENT.md 的发现策略、四类自动记忆的提取触发、相关性检索的关键词匹配、Dream 整合的碎片清理。记忆的完整生命周期：发现 --> 注入 --> 提取 --> 检索 --> 整合。

与其他 Part 的关系

• 前置知识：Part I 的心智模型（Prompt 和记忆在 Harness 中的角色），Part II Chapter 5 的上下文管理（Prompt 注入发生在每轮循环的上下文拼装阶段）。Part VI 可以在读完 Part I 后随时阅读。
• 后续延伸：Chapter 17 中简要提及的 Dream 整合机制在 Part VIII Chapter 21 中被完整展开——Dream 是记忆生命周期的最后一环，也是全书最具前瞻性的架构模式。Chapter 16 的 System Prompt 构建与 Part V Chapter 13 协调者模式的 Worker Prompt 构建形成对比。记忆文件的发现机制与 Part VII Chapter 19 的 Skills 加载机制在架构上有相似之处。