agent space响应慢需先定位瓶颈：通过健康检查和metrics确认是否为工具层延迟；再启用滑动窗口压缩上下文（window_size=6+摘要注入）；接着切换工具调用为异步并发模式；最后精简采样参数（temperature=0.3, top_p=0.85）降低生成开销。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Agent Space模型响应慢会直接拖垮整个任务链路，一次工具调用卡顿3秒，五步循环下来就是15秒以上等待，用户早关掉页面了。
确认是否真为Agent Space自身瓶颈
先排除外部干扰：用curl -X POST http://localhost:8000/health检查服务健康状态，返回{"status":"ok","uptime_seconds":1247}说明服务在线；再执行hermes metrics dump --since 30s，重点看tool_call_latency_p95和model_inference_ms两项——若前者远高于后者（比如2800ms vs 420ms），问题在工具层而非Agent Space模型本身。
这一步必须做，否则所有后续优化都打偏靶心。
启用滑动窗口上下文压缩
Agent Space默认保留全部对话历史，token数随轮次线性增长，首字延迟（TTFT）在第7轮后开始陡升。滑动窗口强制只保留最近N轮+关键摘要，可将输入长度压到稳定区间。
第一步：打开config/agent_space.yaml，找到context_management区块；
第二步：将sliding_window_enabled设为true，并设置window_size为6（适用于多数客服/运维类任务）；
第三步：在同区块中启用摘要注入：summary_injection: {enabled: true, interval: 3}，确保每3轮生成一次语义摘要并插入窗口头部；
【window_size设为6是经过压测验证的平衡点：小于5会导致关键上下文丢失，大于8则压缩收益急剧衰减】
切换工具调用为异步并发模式
Agent Space v2026.4.8默认使用同步HTTP客户端调用工具，单个API超时（如Firecrawl抓取）会冻结整个事件循环，后续所有请求排队等待。
方法一：直接替换底层调用栈
编辑tools/registry.py，将原sync_tool_runner函数调用全部替换为async_tool_runner；
方法二：启用线程池隔离（适合无法修改工具源码的场景）
在environments/deploy/production.py中添加配置：tool_executor: {type: "thread_pool", max_workers: 8}；
方法三：对高延迟工具单独打标并绕过主链路
在工具注册时增加priority: "low"标签，Agent Space会自动将其调度至后台协程，不阻塞主推理流。
注意：启用任一方法后，必须运行python -m tests.tool_concurrency --stress 50验证并发稳定性，避免因连接池耗尽引发雪崩。
精简采样参数降低生成开销
Agent Space默认temperature=0.7 + top_p=1.0组合会触发全词表扫描，在GPU显存带宽受限时，单token生成耗时翻倍。
打开hermes_cli/models.py，定位到DEFAULT_SAMPLING_CONFIG字典；
将temperature从0.7改为0.3，top_p从1.0改为0.85；
删除或注释掉repetition_penalty字段——该参数在Agent多轮决策中无实际价值，反而增加线性时间开销；
重启服务后，用hermes bench ttft --model agent_space实测首token延迟，目标值需≤450ms。
