上下文是怎么回事 | 与 AI 协作 | 做产品
上下文是怎么回事
上下文是这一次请求里模型能看到的全部内容。它有上限，而且并非看到就等于用上。
你会遇到的现象
-
聊到第三十轮，它开始忘记前面定好的规则
-
把整个项目丢给它之后，回答反而变含糊了
-
新开一个会话，昨天讲清楚的事要从头再讲一遍
它包含什么
组成说明 系统提示与项目规则工具自带的指令，加上你项目里的约束文件 历史对话这一轮会话里说过的每一句，包括它自己的回复 读过的文件它打开过的代码、文档。一个大文件能吃掉很大一块 工具输出搜索结果、命令行输出、报错信息。这部分最容易失控 你最新说的话本轮的指令
上下文不只是你打的那段字，而是它这一次能看到的整个信息环境。管好这个环境，比琢磨提示词的措辞重要得多。
还有一条容易踩的：**跨会话不会自动延续。**今天的会话结束，昨天的判断就不在了，除非它被写进了项目里的文件。
长了会变差
直觉上给的信息越多越好，实际不是。上下文变长时，推理准确率会逐渐下滑，这个衰减是渐进的，不会突然崩掉，所以很难察觉。
-
**中段最容易被忽略。**模型对开头和结尾的注意力更高，塞在中间的关键约束经常不起作用。重要的规则要么放最前，要么在当下这条指令里重申。
-
**窗口大不等于用得上。**能装进一百万 token，不代表这一百万都被有效利用。塞满噪音之后，指令遵循和推理都会明显下降。
-
**无关内容是污染。**读了一堆用不上的文件、贴了一大段无关日志，这些不是「多点信息没坏处」，它们在挤占注意力。
-
**成本和延迟也跟着涨。**这一条对 AI 产品尤其现实——每一次调用都是真金白银。
窗口大，不等于这一百万都被有效利用
真正被用上的 读了用不上的文件 · 贴了一大段无关日志 · 上个话题的全部历史 这些不是「多点信息没坏处」，它们在挤占注意力 而且准确率是渐进下滑的，不会突然崩掉，所以很难察觉
上下文由这五块拼成
系统提示与规则
历史对话
读过的文件
工具输出
你最新说的话 「工具输出」这块最容易失控——搜索结果、命令行输出、几百行报错，一下就把窗口撑满了。
还有一条容易踩的：跨会话不会自动延续。 今天的会话结束，昨天的判断就不在了——除非它被写进了项目里的文件。
四个动作里「写出去」最有杠杆：**把定好的东西写进文件，等于给模型加了一份不会随对话变长而模糊的记忆。**还有一条跟代码组织有关——按功能分目录比按技术分层更适合 AI 协作，改登录只需要读 auth 一个目录。
四个应对动作
动作做什么具体手段
写出去 把结论存到上下文之外 规格文件、约束文件、进度记录。不让它反复推导已经定过的事
挑着给 只给这一步真正需要的 指名要改哪个文件，别让它自己翻遍整个仓库
压缩 长内容先摘要再进上下文 大段日志先提取关键行；长对话阶段性总结一次
隔离 不同任务分开跑 一个任务一个会话，别让上一件事的噪音污染下一件
第一条最有杠杆。把定好的东西写进文件，等于给模型加了一份不会随对话变长而模糊的记忆。
还有一条跟代码组织有关：按功能分目录比按技术分层更适合 AI 协作。做登录相关的改动，前者只需要读 auth 目录，后者要从每一层各读几个文件才能拼出全貌。
接着看
它会做的和不会做的 「它只知道你给它的」这一条的来源。分清哪部分判断必须由你写出来。
上下文预算 这一篇讲原理，那一篇讲具体怎么分配：什么该给、什么不该给、什么时候清空重来。
约束沉淀 「写出去」这个动作的落地。哪些内容值得写进 CLAUDE.md，哪些不值得。