Google ADK 如何处理上下文管理（Context Management）？

1. 结构化上下文组装

ADK 将上下文管理视为框架的核心能力之一。与简单拼接字符串直到上下文窗口溢出的做法不同，ADK 将会话历史、长期记忆、工具输出和 artifacts 组装成结构化的视图，让每个 token 都有其存在的意义。

2. 自动上下文优化

框架自动执行多项上下文优化策略：过滤与当前任务无关的历史事件；对较早的对话轮次进行摘要压缩；延迟加载大型 artifacts 直到真正需要时才纳入上下文；实时跟踪 token 使用量，避免超出模型窗口限制。

3. 可定制的上下文策略

ADK 允许开发者根据具体场景调优上下文管理策略。例如，可以配置哪些类型的信息应该保留在上下文中、历史对话的保留轮数、工具输出的截断规则等，实现效率与效果的平衡。

六、Google ADK 的工作流功能（Graph Workflows）有哪些特性和优势？

1. 基于图的执行引擎

ADK 2.0 引入了 Graph Workflows 功能，将智能体、工具函数和判断条件抽象为图中的节点，通过有向边定义执行路径和状态转移。这种架构让开发者能够以代码方式精确控制任务的执行顺序、分支条件和循环逻辑。

2. 确定性与自适应结合

图工作流允许开发者将确定性代码与 AI 推理混合编排：数据校验、身份验证、状态检查等需要严格保证正确性的步骤用确定性代码实现；意图理解、内容生成、异常解释等需要灵活推理的步骤交给 LLM 处理。

3. 高级流程控制

Graph Workflows 支持条件分支（根据中间结果决定下一步走向）、并行执行（多个节点同时运行）、循环重试（失败时自动回退重试）以及错误恢复（异常时跳转到处理节点）。这些能力使得复杂业务流程的可控性和可预测性大幅提升。