Pi 的 Session 文件表面上非常简单：一个 JSONL 文件，每一行是一条 JSON 记录。 它没有把一段会话直接存成 messages[]，也没有
前面两篇分别分析了 Pi Session Tree 和 DeepSeek Harness Session Event Log。两者的持久化模型不同，但都遵循一
Pi 的 Session 主要围绕“可分支历史如何恢复成当前 Context”组织。DeepSeek Harness（DSH）选择了更强的持久化边界：Sess
普通聊天系统很容易把会话理解成一组消息：用户发一条，助手回一条，重新打开页面时把 messages[] 读回来即可。 Agent 会话的状态更复杂。一次交互
普通请求处理通常在开始执行前就确定输入。Agent 的执行可能跨越多次模型请求和 Tool 调用，在这段时间内，用户、插件、调度器或其他 Agent 都可能继
Pi 的 Agent Loop 适合用来观察一个边界较清晰的 Agent Runtime 内核。它没有把 Session Tree、Plan、SubAgent
Agent Runtime 中经常同时出现 Session、Run、Turn、Step。直接背这些定义很容易失去边界，因为不同框架使用的名称并不完全一致，有些
一个能够调用工具的 Agent，最小实现并不复杂。模型接收消息，返回文本或 Tool Call；程序执行工具，把 Tool Result 追加到消息列表，再继
org.springframework.asm 是 Spring Framework 内部使用的字节码处理包。它来源于 ASM，Spring 将 ASM 重新打
对 innei《LobeHub 性能与 DX 优化》一文的分析。把里面散落的具体改动归纳成一个框架：四类成本 × 成本位置转移。高频基础能力静态化、低频交互能力延迟挂载、高频返回页面有选择地保留状态。