作者对比了 Pi Agent 和 DeepSeek Harness 两款 Agent 工具的选择问题。Pi Agent 核心精简，适合喜欢自己掌控工作流、DIY 工具和 Context 的用户，但插件装多易冲突；DeepSeek Harness 采用 Everything is a Plugin 思路，配有桌面 App，适合想快速上手、不喜欢终端的用户，但仍处测试版且有破坏性升级风险。作者指出省 Token 的关键不在初始 Context，而在工具加载方式、历史内容携带、任务重复执行及 Prompt Cache 复用率。最后建议：熟悉终端的写码者选 Pi，偏好图形界面者选 DSH。
本文深入探讨了如何高效使用 Claude Code 的 Session 以最大化 token 价值。作者通过官方文章和实例，分析了 token 成本构成（模型、输入输出、缓存），并提供了实用技巧：使用 /clear 隔离任务、用 @-mention 直接引用文件、控制命令输出、合理使用 /compact 和 Subagent，以及避免中途切换模型或 effort 破坏缓存。文章强调让每个 token 都发挥作用，通过优化上下文管理来降低成本和提升效率。
本文基于 Claude Code (v2.1.88) 泄漏的 51 万行 TypeScript 源码，深度解析了业界顶尖 AI Agent 的工程架构。文章详细剖析了其基于 React + Ink 的终端交互模式、极致的 Prompt Cache 字节级优化策略、流式并发执行机制以及解决上下文污染的 Fork Subagent 架构。同时，文章还揭示了其独特的 Dream 记忆系统、基于侧查询的动态权限管理及多 Agent Swarm 协作模式，为 AI Infra 从业者提供了极具价值的技术参考。
