一、模型读不了二进制文件？用「格式桥接」消化掉
很多 Agent 的 read 工具会直接拒绝二进制文件 ，导致 .docx / .xlsx 这类常见文档无法被模型读取。一个务实的解法是不引入重型依赖（MS Office / MCP 服务器），而是用纯 Python 脚本做格式桥接：
.docx → Markdown (docx2md.py)
.xlsx → CSV (xlsx2csv.py，每 sheet 一个文件)
Markdown → .docx (md2docx.py)
CSV → .xlsx (csv2xlsx.py，每个 CSV 一个 sheet)关键设计取舍：
- 读取方向 ：先转成纯文本/Markdown，让模型用普通
read工具读，绕开二进制限制。 - 写入方向 ：让模型先产出
.md/.csv，再脚本转回 Office 格式。 - 诚实标注有损 ：这类转换是 lossy 的------复杂样式、内嵌图片、宏都不保留；编号列表会被 Markdown 渲染器重新编号而非保留原值；CSV 转 xlsx 时
007会丢前导零、16 位以上 ID 会撞 Excel 的 15 位精度。需要高保真往返时，应明确指向更重的方案（如 MCP 文档服务器）。 - 遗留格式兜底 ：
.doc/.xls老格式脚本不处理，但可提供通过 Word/Excel COM 先转.docx/.xlsx的兜底路径。
核心思路：把「模型读不了二进制」这个硬约束，用一层薄薄的转换脚本消化掉，而不是让 Agent 每次去猜怎么处理。
二、视觉模型的两个硬限制与「切图」解法
处理视觉输入时，很多模型有两个硬性限制：
- 拒绝 PDF 输入------只接受 JPEG/PNG/GIF/WebP，PDF 必须先栅格化成 PNG。
- 每张图会被降采样到约 800×800 的像素预算------大图里的小字会糊到认不出。
第二个限制尤其反直觉：很多框架本身会做自动 resize（如 2000×2000 / 5MiB），所以上传超大图不是真问题，真正的坑是模型内部的 800×800 降采样。
解法是切图（tiling） ：把大图切成 N×N 的带重叠网格，让每一块 tile 各自拥有一个 800×800 的预算：
PDF → PNG 页面 (pdf2png.py，--zoom 控制分辨率)
大图 → 重叠 tiles (tile.py，--grid NxN，--overlap 0.10)配套的决策表很清晰：
| 输入 | 动作 |
|---|---|
| 小图（长边 < ~1600px） | 直接发，无需预处理 |
| 大图 / 密集小字 | 切成 2×2（或更细）网格 |
| 网格大小 | N = ceil(长边 / 800)，保证每块 ≤ ~800px |
| 先栅格化成 PNG，页面大再切 |
10% 的重叠是为了防止文字正好跨在切割线上被截断。关键洞察是：「切图」解决的是可读性，不是文件大小------这是很多人会搞反的地方。
三、按模型成本差异化压缩上下文
当系统里有多个成本差异很大的模型时，上下文压缩策略可以按模型差异化。逻辑很直接：
贵的模型（如 pro）输入成本可能是便宜模型（如 flash）的 3 倍 ，所以贵模型的会话应该更早压缩，缩短昂贵的上下文窗口。
实现上，压缩工具支持按 providerID/modelID 精确覆盖阈值：
jsonc
"modelMaxLimits": { "deepseek/deepseek-v4-pro": 55000 },
"modelMinLimits": { "deepseek/deepseek-v4-pro": 26000 }贵的模型在 55K 就触发压缩（全局默认 77K），便宜的保持 77K/38K 基线。这是把「成本」这个维度显式编码进上下文管理策略------不是一刀切，而是让贵的模型更早瘦身。
四、配套的细节打磨
同一批工作里还有几处值得记录的工程细节：
- 图片 token 成本上界：给视觉模型加图片附件配置------超过一定尺寸/字节数先自动 resize。因为模型内部会降采样，超大上传只是浪费 base64 字节。
- 共享词汇表（glossary）：为「模块 / 接口 / 深度 / 接缝」这类架构术语建立精确的共享词汇，让设计讨论更具体，而不是各说各话。
- 调试纪律 ：先建一个「能变红」的反馈回路再理论化------没有能复现失败的命令，任何假设都不值得验证；调试日志用
[DEBUG-<hex>]标签，方便一次 grep 清理。 - 易变区纪律：时间戳、随机 ID、动态文件列表这类易变内容要放在 payload 尾部，避免破坏 prompt-cache 的前缀命中。
- 验证预算：明确「能通过 typecheck」不等于行为变更的 QA，要为变更预先设定最小非重复的验证证据。
小结
这些技巧背后有几条可复用的方法论：
- 模型硬约束要用工程手段消化，而不是让 Agent 硬扛------二进制文档用转换脚本桥接，800×800 降采样用切图破解。
- 成本要显式编码进策略------按模型差异化压缩阈值，贵的模型更早瘦身。
- 诚实标注能力边界------有损转换就明说，需要高保真时指向更重的方案。
- 先建反馈回路再调试------没有能复现失败的「红灯」命令，就不要开始猜根因。