上下文工程实战指南：让AI代理听你的话

“AI垃圾输出”的锅，现在该用户来背了。

在Claude Code这类黑箱系统中，上下文是我们唯一能控制的输入变量。既然如此，如何优化它就成了关键问题。

+ 什么是上下文？

上下文指的是你发送消息时提供给大语言模型的一切——不仅是提示词本身，还包括系统提示、元数据、历史对话、模型的思考过程、工具调用和响应。

大模型的上下文窗口有限，对话越长，追踪信息的准确度就越低。

Claude Code的上下文窗口看似有20万token，但实际可用空间远没那么多。运行/context命令就能看清真相：22.5%被预留，10.2%被系统提示占用，加上MCP服务器、子代理和规则，真正留给我们的只有约12万token。更关键的是，无论是否接近窗口上限，上下文越多，模型质量就越差。

+ 基础功夫最重要

和大多数事情一样，820法则同样适用于vibe coding。做好以下基础，你就已经完成了80%：

- /upgrade升级到Max计划

- /model选择opus 4.5

- /init创建项目说明文件

然后是基本工作流：

1. 从计划模式开始（Shift + Tab）

2. 让Claude通过提问来澄清模糊点

3. 执行经过打磨的计划

创建子代理、自定义命令、钩子、多代理编排确实很酷，但说实话，没有我们想象的那么重要。掌握基础才是核心竞争力。

+ 如何实际运用这套工作流

把每次新对话当作一个目标，严格控制范围：

-“我要修复这个bug”

-“我要构建这个功能”

对于新项目，目标可以更宽泛，但这意味着需要更多规划和打磨——因为模糊性越大，误解空间就越大。

多花时间规划，再多花时间打磨规划。让Claude不断提问，直到它开始为问而问。请它多次审查计划，讨论架构、最佳实践、安全风险、生产就绪度、测试策略——目标是在每个模糊点提供细节。

+ 何时重置，如何重置

如果进展顺利且后续任务与当前上下文相关，继续就好。接近上下文上限时，运行/compact释放空间，或让Claude Code自动处理。

但如果事情不顺利呢？模型没做对，你陷入了“这太糟糕了请修复”垃圾输出“这更糟糕了你在想什么”垃圾输出的循环。

这时不要试图在同一线程中挽救，而是：

- /rewind回到进展顺利的节点

- /new开启新线程，优化原始提示词，明确指出“不要做什么”——把上次的教训写进去

+ 避开复杂性陷阱

如果你常刷社交媒体，可能已经收藏了无数花哨设置——MCP服务器、子代理、技能包……

我的建议是：不要过度复杂化。正如Anthropic所说，我们的目标是“找到最小的高信号token集合”。往上下文塞太多MCP数据，只会用低信号填满窗口，同时烧掉你的钱。

+ 善用MCP服务器获取优质上下文

MCP服务器本质上是让模型能调用的第三方工具——文档、GitHub代码、Linear工单、Figma设计等。

这类工具刚推出时被热捧，但人们很快发现很多会疯狂消耗上下文，得不偿失。

我目前只用三个经过验证的：

- exa.ai：AI代理的网络搜索

- context7：AI代理的最新文档

- grep.app：AI代理的GitHub搜索

我主要用它们研究如何正确实现代码——这些事我自己查文档也能做。Anthropic把这称为“即时上下文”策略——代理在需要时自己寻找信息。这对Claude Code这类代理式编码工具非常有效。

+ 用子代理节省上下文——我最喜欢的隐藏技巧

Claude Code可以创建子代理——作为主代理的子实例运行。关键在于：

- 子代理拥有独立于主代理的上下文窗口

- 可以使用不同模型（比如非opus）

这意味着我们可以让子代理执行消耗大量token的操作（如研究），然后向主代理提供精炼摘要——信息密度高，token消耗低。

我最常用的是一个自定义的“图书管理员”子代理，运行sonnet模型扫描开源仓库和文档，向主代理返回精炼摘要。

我会说：“用librarian研究如何用Y库实现X，然后实现Z”——子代理触发，调用所有工具找到高质量答案。这既防止主上下文被污染，又用更便宜的模型完成简单任务。

+ 用技能包引入相关上下文

技能包与子代理相反——不是把任务委派给专门代理，而是把专业能力引入当前代理的上下文。

比如Claude Code内置的“前端设计师”技能，会引入一段较长的提示词，告诉Claude前端设计的注意事项。

这些工作流听起来花哨，但原理很简单——Claude只是在认为需要时，把一段文本拉入上下文。

+ 核心要义

好的vibe coding是为价值密集的上下文而优化。你添加或从模型接收的任何信息，都应简洁地服务于帮助模型回答下一个请求。

如果做不到这点，就不应继续在同一上下文中工作——这是避免陷入令人沮丧的垃圾输出循环的关键。

社交媒体上那些花哨命令可能让你觉得自己落伍了。但实际上，事情没那么复杂——尽力用简洁、高质量的信息帮助模型，给它工具让它自己找到相关信息。

就像你对待一位同事那样。

x.com/jarrodwatts/status/1926054877836624014