声明：本文为学习笔记与工程化延伸，核心脉络来自阿里云开发者技术号发布的《AI coding 智能体设计》，在此基础上按"可落地教程"的方式重组，并补充上下文治理的工程清单；如有出入，以原文与官方文档为准。原文链接见文末参考。
你可能见过这种"AI 越用越飘"的现象：
- 前 10 轮很稳，后面开始忘记约束、答非所问
- 同样的要求反复强调，但它还是"顺手多做"
- 工具输出越喂越多，最后它只能抓住零碎信息
很多时候，不是模型突然变傻，而是上下文失控 ：
上下文像内存，越堆越乱，最终必然溢出。
这篇我们只讲工程化做法：把上下文当成资源来治理。
01｜先建立"上下文四层"模型：你在喂的到底是哪一层？
建议把上下文分成四层（从稳定到易变）：
- 硬规则（Pinned Rules）：必须始终有效的约束
- 项目简报（Project Brief）：仓库的关键事实（入口、模块职责、依赖）
- 任务状态（Task State）：本次要做什么、做到哪一步、验收标准是什么
- 临时材料（Ephemeral Evidence）：日志、长输出、临时试探结果
最常见的失控原因是：你把第 4 层堆满了，把 1/2/3 层挤掉了。
于是模型"只看见噪声"，看不见规则。
02｜清空（/clear）：不是认输，是"避免串台"
什么时候应该清空？
- 需求主题切换：从"修 bug"切到"写文档/做重构"
- 约束变化：从"最小修改"变成"允许重构"
- 输出开始反复矛盾：说明历史对话已污染推理
清空前建议做一件事：把硬规则 + 当前任务状态写成 10 行以内的固定块，清空后先贴回去。
可复制模板：
text
【硬规则】
1) 不改 public API
2) 改动最小
3) 必须给验证步骤
【当前目标】
修复登录失败：定位原因→最小修复→补测试→给验证步骤03｜压缩（/compress）：压掉"噪声"，保留"约束与证据索引"
压缩不是把对话变短就行，而是要保留三类东西：
- 硬规则（必须保留）
- 结论的证据索引（来自哪个文件/哪个命令输出）
- 未完成的任务清单（下一步要做什么）
一个"合格的压缩结果"应该能回答：
- 我们要干什么？
- 目前结论是什么、依据是什么？
- 下一步验证/执行是什么？
如果压缩后这三件事答不上来，就等于把"脑子压没了"。
04｜摘要层（Summary Layer）：让大材料变可控
当你需要喂多个文件或长日志时，不要直接堆原文，先做摘要层：
文件摘要固定字段（建议）
- 职责（1 句话）
- 关键入口（函数/类/配置）
- 关键边界条件（3 条以内）
- 与当前任务的关联（Yes/No + 理由）
日志摘要固定字段（建议）
- 失败发生在什么阶段（启动/鉴权/网络/解析/运行时）
- 关键错误码/堆栈关键词
- 最小复现步骤（如果能提炼出来）
摘要层的好处是：你可以把"事实"保留在少量 token 内，并且可复用。
05｜预算控制：给每一轮"上下文配额"
一个很实用的习惯：每轮对话都设预算，避免越聊越膨胀。
你可以用"配额分配"来指导喂什么：
- 30%：硬规则 + 任务状态
- 40%：证据（关键代码片段/关键日志片段）
- 30%：模型输出与下一步计划
当证据超过 40% 时，优先把证据做成摘要层，再喂回去。
06｜"越聊越飘"的四个信号 & 处理方式
信号 1：它开始忘记你明确说过的约束
- 处理：把硬规则提到最上方并要求复述；必要时清空后重贴硬规则
信号 2：它不再引用证据，只给结论
- 处理：要求每个结论必须引用"文件路径+函数名/日志关键词"
信号 3：它反复建议同一动作，但执行结果不变
- 处理：检查工具输出是否回填；裁剪长输出；明确下一步"最小探测动作"
信号 4：它开始扩大改动范围
- 处理：重申"最小修改"与验收标准；先写 tasks 清单再逐项执行
07｜你可以直接套用的"上下文治理检查清单"
- 需求主题是否切换？切换则清空并重贴硬规则
- 硬规则是否始终在上下文顶部？
- 是否存在摘要层（文件/日志）？
- 工具输出是否裁剪并可追踪？
- 当前任务是否有可验证的 tasks 清单？
- 输出是否包含验证步骤与回滚策略（如涉及改动）？
08｜系列导航（收藏用）
- 系列 01：从 Chat 到 Agent：4 个关键零件
- 系列 02：命令系统：从提示词模板到可扩展子命令
- 系列 03：@路径上下文：如何给材料而不喂爆上下文
- 系列 04：MCP 与工具闭环：注册、调用、回填与失败恢复
- 系列 05（本文）：上下文治理：清空/压缩/摘要与预算控制
- 系列 06：SubAgent：上下文隔离与模块化协作
- 系列 07：规约驱动：让交付可复现的 Spec 工作流
- 系列 08：迷你 CLI：从伪代码到最小可运行骨架
参考与致谢
- 阿里云开发者技术号原文：《AI coding 智能体设计》