适用读者：账单在涨、记忆在乱、评估在自嗨的人。
前置：S21-J20（记忆与检索）、J23（评测统计）、J24（token 账本）。
覆盖旧文：5105–5154（卷六–卷十，40 章：6.x 记忆与知识 9 / 7.x 成本与优化 10 / 8.x 交互与具身 6 / 9.x 后训练 8 / 10.x 评估基建 7）。
扩展点：E-S21-056（记忆的白板/笔记本双系统与结构化索引三范式）、E-S21-057（四大成本陷阱与熔断 + 四层优化：语法/语义/架构/输出）、E-S21-058（后训练"三种病四种药"与十个陷阱）、E-S21-059（评估基建：Rubric 四准则、失败归因两类回归、统计显著性与仿真）。
下一篇：待写（X02 · 非编号旧文登记 135 篇）。
1. 一句话结论
成本是架构问题，不是调用问题；记忆是权限问题，不是存储问题；评估是统计问题，不是打分问题。 这三句话分别对应卷七、卷六、卷十，也是这一部教材与前一部（J19–J23）最大的差别：它把每个话题都逼到"账单 / 权限 / 显著性"这一层。
出处：
A-5124（7.1 定价即架构）、A-5105（6.1 白板与笔记本）、A-5154（10.7 统计显著性）。
2. 记忆：白板与笔记本（E-S21-056，卷六）
白板（whiteboard）：当前窗口，可见、易改、易丢
笔记本（notebook）：磁盘/文件，持久、可检索、需显式读写
判据：常驻白板的只有「当前任务 + 硬约束」；其余外化到笔记本
| 章 | 结论 |
|---|---|
| 6.1 双系统 | 记忆不是"存更多"，是"分两处存，按需搬" |
| 6.2 守门员 | 四问：影响决策？会过期？有冲突？敏感？（同 J20 §3） |
| 6.3 向量检索注入 | 按需取几条（3–8 条），不是全量注入 |
| 6.4 结构化索引 | RAPTOR（层级摘要）、GraphRAG（实体关系）、文件系统范式（目录即分类） |
| 6.5 Contextual Retrieval | 给每个块补语境再嵌入；原文"失败率降 2/3"待核 |
| 6.6 RAG vs 工具读取 | 三条路：预建索引 / 现查工具 / 混合；代价分别是新鲜度、延迟、复杂度 |
| 6.7 知识当代码管 | 版本、diff、回滚 |
| 6.8 目录范式 | 用目录结构表达分类，模型按路径找 |
| 6.9 记忆即攻击面 | 投毒、后门、跨租户（同 J20 §5） |
判据："记忆的质量由'取回哪几条'决定，不由'存了多少'决定"。
3. 成本：定价即架构（E-S21-057，卷七）
四大成本陷阱（7.5）：
| 陷阱 | 机制 | 熔断 |
|---|---|---|
| 长上下文 | 每轮重发历史，成本 O(n²) | 压缩 + 前缀缓存 |
| 工具全景 | 工具定义常驻，白付 token | 按需声明 |
| 重试风暴 | 失败自动重试，成本翻倍 | 重试上限 + 退避 |
| 输出失控 | 长输出按 token 计费 | max_tokens + 结构化约束 |
四层优化（7.6–7.9）：
语法层：Prompt 是写给机器的——去掉客套、用结构化标签、减少重复
语义层：双重蒸馏 + 中段迷失（关键信息别放长上下文中段）
架构层：KV Cache 两个坑——前缀不稳、缓存不跨请求
输出层：管住模型的嘴——max_tokens、格式约束、禁止解释性填充
三大梯队与跳档陷阱（7.3）：小模型（便宜快）→ 中模型（主力）→ 大模型（难例）；跳档陷阱是"用大模型兜所有请求"，成本涨十倍而质量涨两成。
62:1 的 I/O 比（7.4）：Agent 场景输入远大于输出，优化输入比优化输出收益大一个量级。
判据："成本优化从输入开始，从架构结束"——只调 max_tokens 是修指甲。
4. 交互与具身（卷八，与 J23 互补）
| 章 | 结论 |
|---|---|
| 8.1 观察/动作空间 | 两个维度：模态（文本/语音/图像）× 时机（同步/异步） |
| 8.2 语音三代 | 级联 → 端到端 → 全双工 |
| 8.3 认知时序 | 快慢思考：快答先出、慢想后补（边想边说） |
| 8.4–8.5 Computer Use | 动作空间 + 视觉定位；推测执行换效率，代价是错误放大 |
| 8.6 机器人 | VLA、动作分块、仿真到真机鸿沟 |
判据："边想边说"是人机体验的关键工程——完全想完再说，用户等不起；边说边想，需可回退的表达设计。
5. 后训练：三种病四种药（E-S21-058，卷九）
| 病 | 药 |
|---|---|
| 不会做（能力不足） | RL / 换更大模型 |
| 做不对（格式/风格错） | SFT |
| 做不稳（时好时坏） | 数据清洗 + 一致性约束 + 评估回归 |
十个陷阱（9.8）（择要）：数据泄漏、奖励作弊、环境过拟合、On-Policy 数值误差（"看似在轨，实已离轨"）、蒸馏过度、LoRA 秩过低、评测集污染、单指标优化、缺回归、无回滚。
判据："后训练是最后手段"——能用提示、检索、工具解决的，不要动参数。
6. 评估基建（E-S21-059，卷十）
Rubric 四准则（10.4）：具体（可观察行为）、可判（二元/有序）、独立（准则间不重叠）、完备（覆盖主要失败模式）。
失败归因与两类回归（10.5）：
能力回归：原本能做的做不到了 → 阻断发布
质量回归：能做的变差了 → 评估是否接受
评估基础设施（10.6）：消融（去掉某组件看影响）、AB（线上分流）、双层开关（全局 + 单请求）。
统计显著性（10.7）：配对比较 + 置信区间 + 仿真环境可复现；"三个点的提升"必须给区间。
判据："没有失败归因的评估只是打分"。
7. 反例：八种"账本与评估双失明"
| 做法 | 后果 |
|---|---|
| 只看输出 token 成本 | 忽略 62:1 的输入大头 |
| 工具定义常驻 | 白付 token |
| 失败无限重试 | 成本翻倍且放大副作用 |
| 关键约束放长上下文中段 | 中段迷失，遵从中断 |
| 大模型兜所有请求 | 成本十倍、质量两成 |
| 记忆全量向量注入 | 噪声与成本双高 |
| Rubric 写"回答要好" | 不可判，评分随机 |
| 只报均值不报区间 | 噪声当进步 |
8. 自测
- 白板/笔记本的分工判据？
- 四大成本陷阱与四层优化各是什么？为什么先优化输入？
- 后训练"三病四药"？为什么说它是最后手段？
- Rubric 四准则？两类回归的处置差别？
- 为什么"三个点的提升"不能直接宣布改进？
答案
- 白板只放当前任务与硬约束，其余外化到笔记本按需取。
- 长上下文/工具全景/重试风暴/输出失控；语法/语义/架构/输出四层；输入占 62:1 大头。
- 不会做用 RL/换模型、做不对用 SFT、做不稳靠数据与回归；参数改动最贵最难回滚。
- 具体、可判、独立、完备；能力回归阻断发布，质量回归评估接受度。
- 小样本差异可能是噪声，需配对比较与置信区间。
9. 下一篇
待写（X02 · 非编号旧文登记 135 篇）—— AI 周刊与新闻、工具清单、LangChain/Eino/Spring AI 教程、中文导读与杂项的逐条处置。
本篇属于系列《S21 · Agent 与工具协议》。旧文来源：A-5105–5154（卷六–卷十 40 章）；扩展点 E-S21-056…059。Contextual Retrieval 的"失败率降 2/3"与部分优化比例为原文说法，未复现（待核）。