实战从零开始构建一个Coding Agent：Violin - Digest

一句话总结

coding agent 没有神秘魔法，核心是「问模型 → 执行工具 → 把结果写回上下文 → 再问模型」的 Agent Loop；模型适配、工具注册、会话持久化、上下文压缩、技能加载、插件扩展和客户端协议，都是围绕这个循环补齐可用性、可扩展性与安全边界。

理解 Coding Agent 的入口：客服、数据分析和工作流 Agent 都可以看成 coding agent 核心循环在不同场景中的变形。
三层架构降低耦合：模型适配层把 Provider 差异拍平，agent-core 只管运行时，product 层负责会话、压缩和产品化；EventBus、工具注册表和插件系统横向扩展能力。
Agent Loop 是最小内核：模型没有工具调用就结束，有工具调用就执行并把结果追加回消息；max_turns 是防止无限循环的安全阀。
适配层隔离供应商变化：OpenAI 与 Anthropic 在请求体、tool call 结构和 SSE 事件格式上都不同，统一接口让上层只处理规范化消息。
工具系统让模型能够行动：工具描述使用 JSON Schema，注册表负责定义下发、名称查找和执行分派。
记忆不等于把历史全塞进上下文：Session 用 JSONL + 树结构持久化，compaction 在预算超限时摘要旧消息并保留近期消息。
资源和插件是系统能力层：AGENTS.md / CLAUDE.md 提供项目规则，SKILL.md 提供可选技能，Lua hook 可以拦截工具、修改上下文和控制生命周期。
跨语言客户端需要稳定协议：Violin 用 Zig 服务端 + Python TUI，通过 TCP + JSON Lines 传输握手、聊天请求和流式事件。

层/组件	解决的问题	文中实现
Agent Loop	模型和工具如何反复协作	while 循环、`max_turns`、重试
Model Adapter	不同 Provider API 如何统一	`Model.complete()`、函数指针表、SSE
Tool Registry	模型能调用哪些动作	Tool + JSON Schema + HashMap
Product	会话、上下文和内存如何产品化	`agent.zig`、Session、compaction
Resources	规则和技能如何注入	AGENTS.md、CLAUDE.md、SKILL.md
EventBus / Lua	如何扩展、拦截和观察运行	agent/session/compaction hooks
TCP / JSON Lines	客户端如何与引擎解耦	Zig daemon + Python TUI

Agent 的复杂能力最终收敛为模型调用、工具执行和结果回写三个动作。

真正难的不是写出第一版 loop，而是处理会话、超长上下文、错误、配置、资源和客户端体验。

模型供应商持续变化时，统一 Model.complete() 接口可以把请求格式、工具调用和流式协议差异隔离在适配器内部。

工具不仅是函数，还要有名字、描述、参数 Schema 和执行函数；注册表同时承担可发现性和分派职责。

持久化会话让 Agent 不再每次失忆，压缩机制让长对话在上下文窗口内继续运行；二者共同管理记忆的时间范围与预算。

规则文件和技能文件通过资源加载注入 system prompt，Lua 插件通过事件 hook 在工具、上下文和生命周期上实现扩展。

TCP + JSON Lines 让引擎与 UI 解耦，握手、请求和事件流形成稳定边界，Python 只是一个客户端实现而不是系统本体。