🎉 “AI编程的本质是管理上下文” 这句话太有用了，它能解释AI应用的发展过程和未来趋势 如果说LLM是CPU，那么上下文就是内存， 而内存容量是有限的，数据的取舍成为了模型输出质量的关键 ❓ 那上下文这个内存中会存什么？分别该怎么优化？ 1️⃣ 系统提示词 优化就是以前提示词工程那套，所以优秀提示词的核心要素必须得安排。但提示词工程已不再新鲜，上下文工程才是热门，所有AI应用都在跟进 2️⃣ 工具列表 上下文信息不足，就需要调用工具去获取，刚开始AI应用只有少量的核心工具（读写文件、执行命令），后来通过MCP扩展了很多外部工具和服务 3️⃣ 文件 (知识库/rag) 问题相关的文档也很重要，Cursor等IDE都会自动将 当前打开的文件、最近打开的文件、问题相关的文件和检索到的关键代码 保存到上下文中 而且，上下文工程会自动管理内存数据，就像内存清理操作一样，没啥用的数据就替换出去，有用的数据就放前面来点，提高权重等等 ❓ 这一切看起来挺好的，为什么cc又搞了个subagent？ 随着对话的进行，上下文中的内容越来越多，快要撑爆了！ LLM为了回答问题，可能会多次调用工具(例如读文件)，工具返回结果+加载的文件内容，不断补充到上下文中，主agent的上下文很容易就快要撑爆了，模型的输出质量开始下降，甚至出现幻觉。 ...