🎉 “AI編程的本質是管理上下文” 這句話太有用了，它能解釋AI應用的發展過程和未來趨勢 如果說LLM是CPU，那麼上下文就是內存， 而內存容量是有限的，數據的取捨成為了模型輸出質量的關鍵 ❓ 那上下文這個內存中會存什麼？分別該怎麼優化？ 1️⃣ 系統提示詞 優化就是以前提示詞工程那套，所以優秀提示詞的核心要素必須得安排。但提示詞工程已不再新鮮，上下文工程才是熱門，所有AI應用都在跟進 2️⃣ 工具列表 上下文信息不足，就需要調用工具去獲取，剛開始AI應用只有少量的核心工具（讀寫文件、執行命令），後來通過MCP擴展了很多外部工具和服務 3️⃣ 文件 (知識庫/rag) 問題相關的文檔也很重要，Cursor等IDE都會自動將 當前打開的文件、最近打開的文件、問題相關的文件和檢索到的關鍵代碼 保存到上下文中 而且，上下文工程會自動管理內存數據，就像內存清理操作一樣，沒啥用的數據就替換出去，有用的數據就放前面來點，提高權重等等 ❓ 這一切看起來挺好的，為什麼cc又搞了個subagent？ 隨著對話的進行，上下文中的內容越來越多，快要撐爆了！ LLM為了回答問題，可能會多次調用工具(例如讀文件)，工具返回結果+加載的文件內容，不斷補充到上下文中，主agent的上下文很容易就快要撐爆了，模型的輸出質量開始下降，甚至出現幻覺。 ...