fix version in chapter7-12

docs/chapter10/第十章 智能体通信协议.md

@@ -173,7 +173,7 @@ hello_agents/
 
 ```bash
 # 安装HelloAgents框架（第10章版本）
-pip install hello-agents[protocol]==0.2.2
+pip install "hello-agents[protocol]==0.2.2"
 
 # 安装NodeJS, 可以参考Additional-Chapter中的文档
 ```

docs/chapter11/第十一章 Agentic-RL.md

@@ -167,7 +167,7 @@ HelloAgents的Agentic RL模块采用四层架构设计，如图11.3所示。
 
 ```bash
 # 安装HelloAgents框架(第11章版本)
-pip install hello-agents[rl]==0.2.5
+pip install "hello-agents[rl]==0.2.5"
 
 # 或者从源码安装
 cd HelloAgents

docs/chapter12/第十二章 智能体性能评估.md

@@ -147,10 +147,13 @@ hello_agents/
 
 ```bash
 # 安装HelloAgents框架（第12章版本）
-pip install hello-agents[evaluation]==0.2.3
+pip install "hello-agents[evaluation]==0.2.7"
 
 # 设置环境变量
 export HF_TOKEN="your_huggingface_token"     # 用于GAIA数据集(后续也会有设置步骤)
+
+# 由于 `bfcl-eval` 官方包强制要求 numpy<=2.0.0, 和HelloAgents 主依赖版本存在冲突,因此需要单独安装
+pip install "numpy==1.26.4" bfcl-eval
 ```
 
 在接下来的章节中，我们将深入学习每种评估方法的详细用法和介绍。

docs/chapter7/第七章 构建你的Agent框架.md

@@ -96,7 +96,7 @@ hello-agents/
 为了让读者能够快速体验本章的完整功能，我们提供了可直接安装的Python包。你可以通过以下命令安装本章对应的版本：
 
 ```bash
-pip install hello-agents==0.1.1
+pip install "hello-agents==0.1.1"
 ```
 
 本章的学习可以采用两种方式：
@@ -1542,7 +1542,7 @@ if __name__ == "__main__":
 在实际应用中，我们经常需要整合多个外部服务来提供更强大的功能。搜索工具就是一个典型的例子，它整合多个搜索引擎，能提供更加完备的真实信息。在第一章我们使用过Tavily的搜索API，在第四章我们使用过SerpApi的搜索API。因此这次我们使用这两个API来实现多源搜索功能。如果没安装对应的python依赖可以运行下面这条脚本：
 
 ```bash
-pip install hello-agents[search]==0.1.1
+pip install "hello-agents[search]==0.1.1"
 ```
 
 （1）搜索工具的统一接口设计

docs/chapter8/第八章 记忆与检索.md

@@ -153,7 +153,7 @@ hello-agents/
 为了让读者能够快速体验本章的完整功能，我们提供了可直接安装的Python包。你可以通过以下命令安装本章对应的版本：
 
 ```bash
-pip install hello-agents[all]==0.2.0
+pip install "hello-agents[all]==0.2.0"
 ```
 
 除了这一个指令外，还需要在`.env`配置图数据库，向量数据库，LLM以及Embedding方案的API。在教程中向量数据库采用Qdrant，图数据库采用Neo4J，Embedding首选百炼平台，若没有API可切换为本地部署模型方案。

docs/chapter9/第九章 上下文工程.md

@@ -8,12 +8,13 @@
 pip install "hello-agents[all]==0.2.7"
 ```
 
-本章主要介绍上下文工程的核心概念与实践，并在HelloAgents框架中新增了两个工具：
+本章主要介绍上下文工程的核心概念与实践，并在HelloAgents框架中新增了上下文构建器和两个配套工具：
 
+- **ContextBuilder** (`hello_agents/context/builder.py`)：上下文构建器，实现 GSSC (Gather-Select-Structure-Compress) 流水线，提供统一的上下文管理接口
 - **NoteTool** (`hello_agents/tools/builtin/note_tool.py`)：结构化笔记工具，支持智能体进行持久化记忆管理
 - **TerminalTool** (`hello_agents/tools/builtin/terminal_tool.py`)：终端工具，支持智能体进行文件系统操作和即时上下文检索
 
-这两个工具是实现长时程任务管理和智能体式搜索的关键组件，将在后续章节中详细介绍。
+这些组件共同构成了完整的上下文工程解决方案，是实现长时程任务管理和智能体式搜索的关键，将在后续章节中详细介绍。
 
 除了安装框架外，还需要在`.env`配置LLM的API。本章示例主要使用大语言模型进行上下文管理和智能决策。