ratel

我正在构建一个多工具 AI 代理。请基于 ratel 的思路，设计一套上下文工程方案，把提示词与工具说明压缩到最少，同时保证任务准确率，并说明如何减少 80% 左右的 token 消耗。

一套精简上下文方案，包括提示结构、工具暴露策略和降 token 方法。

我的 AI 代理接入了太多工具，模型经常选错。请用 ratel 的方法重构工具调用层，给出如何按任务动态提供工具、避免工具过载，并提升调用准确性的具体方案。

一个工具治理方案，说明工具筛选、分层暴露与调用优化流程。

请帮我为 AI 代理设计一套无需向量数据库和 embeddings 的记忆系统，使用进程内 BM25 检索技能、历史任务和文档片段，并说明适合的存储结构与召回流程。

一套轻量记忆架构，包含 BM25 检索逻辑、数据组织方式和使用场景。