寒门没有退路——17 年技术积累不靠选择，靠坚持。17 年技术专家 / AI Agent 实战者——在 35+ 这个节点，选择 All in AI Agent。

接 W6 记忆与上下文 + W7 段 2 Tracing 模块：前两篇讲"AgentScope 怎么产生 Trace"——本篇讲"拿到 Trace 后怎么用 Phoenix 做 AI Agent 项目的行为监控"——从 1 条真实 Span 出发——走到 4 级 Evaluation Engine 设计。

接 W4 消息与通信 + W4 学习总结：前两篇写了"我学到了什么" + "我是怎么学的"。W6 这篇写"我切换了学习模式"——从"逐行精读"切到"整体架构"——3 段联动理解 5500 行——3 大跨段 insight——实战对应。

上一篇讲了"为什么需要动态 prompt"和"3 大关键参数调优"。本文聚焦怎么在 AgentScope 里把动态 prompt 实现好——用 on_system_prompt middleware。

业务里跑 agent 久了，碰到两类问题最常见——"system prompt 太死板"——"默认参数扛不住业务量"。本文从代码实战出发，聊聊怎么把这两件事做对。

接 W4 消息与通信（8 大概念飞跃）：那篇写了"我学到了什么"。这篇写"我是怎么学的"——学习过程本身——方法论 + 跃升时刻 + 真实数据。

接 W3 Agent 模块深潜：W3 读完 _agent.py 全部 3289 行——agent 模块 100% 闭环。W4 横向扩展——消息与通信——message/ + model/ 两个模块。

接 W2 真学习复盘：W2 学了 1198 行 + 1 个上游 issue。本文是 W3 完整 5 天的复盘——agent 模块 100% 闭环。

上周我写了 W1 总结：AgentScope 架构全景 + 核心类图，那 4 张图看起来很专业——但我自己一行 _agent.py 都没读过。

本文是打脸 + 复盘 + 真实学习记录——从 W1 重置日到 W2 周自检的完整 6 天。

起因：我刚立了 8 周成为 Agent 应用架构师 的 flag，写了 5 份长文档。但学完不代表记住——人类的遗忘曲线决定了 24 小时后我会忘掉 70%。所以我用 SM-2 算法（Anki 底层算法）给自己写了一个复习系统。

TL;DR：一个 420 行的 Python 脚本，零外部依赖，6 个 CLI 命令，基于 SM-2 算法自适应调整复习间隔。代码在 github.com/sunrong1/agentscope 的 tools/review.py。