推文

@tvytlx · 2026-10-11 16:22

AI 写代码时，上下文大部分被它"读"进去的东西吃掉了，写出来的反而占小头。 这个项目算了笔账： 一次 Playwright 页面快照，56KB 拉 20 个 GitHub issue，59KB 一份访问日志，45KB 干 30 分钟，40% 的上下文就没了。 更难受的是后面。 上下文满了，对话被压缩，agent 就忘了自己在改哪个文件，也忘了你上一句让它干嘛。 context-mode 的思路我觉得挺对的： 原始数据留在沙箱里，只有结果进上下文。 最有意思的一条叫 Think in Code。 比如要统计 47 个文件各有多少行。 原来的做法是 Read 47 次，700KB 全塞进上下文。 现在让模型写一段脚本去数，只把打印出来的结果拿回来，3.6KB。 这玩意的核心就一句话：数据交给程序处理，模型只看结论。 会话里改过的文件、做到一半的任务、你拍板的决定，都记进本地 SQLite。 压缩之后不整段塞回去，按需搜出相关的那几条。 还有个细节我没想到： 作者故意不去压缩模型回答的长度。 他引了 Moonshot 那边的一个测试，硬逼模型说话简短，编程和推理的分数会掉。 所以省 token 只省在数据进出这一层，模型怎么思考、怎么说话不碰。 我觉得就算不装这个插件，这个习惯也值得抄： 大文件、大日志别让 agent 直接读，让它先写个脚本去读。 HN 上冲到过第一，570 多分。 https://github.com/mksglu/context-mode

曝光 334 · 评论 5 · 点赞 6 · 书签 3 · 曝光/时 85.76084582833077