夜雨聆风
章节字数：8,000+
阅读时间：约 25 分钟
///
PART 01
开篇：一场令人崩溃的对话
你一定有过这样的经历——
你和 AI 开始一个新的任务。你描述了一大段背景，它说「明白了」。你继续深入，给了更多细节，它又说「没问题」。然后你问了一个后续问题，它突然说：「抱歉，我不清楚你刚才说的 X……」
你内心 OS：「我明明说过了啊？！」
这种「AI 失忆症」比真正的失忆症还让人抓狂——因为 AI 不是真的忘记了，而是它的「记忆容量」被塞满了。
本章将揭示 AI 听不懂人话的根本原因：不是 AI 笨，而是你的上下文超出了它的处理能力。
///
PART 02
2.1 鱼的记忆：AI 上下文窗口的秘密
2.1.1 什么是「鱼的记忆」？
俗话说「鱼的记忆只有 7 秒」。虽然这在生物学上并不准确，但它形象地描述了短时记忆的局限性。
AI 的「记忆」同样有限。这个限制叫做 Context Window（上下文窗口）——它指的是 AI 一次对话中能「看到」的最大信息量。
鱼的记忆 ≈ 7 秒
AI 的记忆 ≈ 取决于模型（10 万到 200 万 Token 不等）
但请注意：这里的「看到」和「记住」是两回事。
AI 并不是真的像人类一样「记住」了所有内容，而是它的一次推理只能处理这么多信息。如果信息超过了这个容量，超出的部分就会被「遗忘」——或者更准确地说，被丢弃或压缩。
2.1.2 上下文窗口的类比：会议室的大小
让我们用一个会议室来类比上下文窗口：
想象你有一个会议室，里面只能坐 10 个人。
场景 1：小型会议（正常上下文）
- 你邀请 5 个人进来
- 每个人都能听到其他人的发言
- 讨论完整、有连贯性
场景 2：大型会议（上下文溢出）
- 你硬塞了 20 个人进来
- 只能让 10 个人先进去
- 后面进来的人不知道前面说了什么
- 于是你问：「刚才张总说的方案是什么？」
- AI：「抱歉，我不知道张总说了什么，因为我不在场。」
这就是上下文窗口的本质：它决定了 AI 一次能处理多少信息。
2.1.3 为什么 AI 看起来「记不住」？
你（第 1 分钟）：「我的项目叫 Alpha，用户数据库在 PostgreSQL，用的 Express.js...」
你（第 5 分钟）：「帮我写一个 API 来查询用户数据」
你（第 10 分钟）：「等等，我用的是 MongoDB，不是 PostgreSQL」
AI 内心：「你到底用的什么数据库？？？」
这不是 AI 的记忆力问题，而是：
AI 的处理方式：
┌─────────────────────────────────────────┐
│ 输入：前 10 分钟的所有对话 │
│ 输出：基于这个「切片」的回答 │
└─────────────────────────────────────────┘
问题：如果对话太长，早期的内容会被「挤出」窗口
///
PART 03
2.2 Token 是什么？一顿饭吃了多少「口」
2.2.1 什么是 Token？
Token 是 AI 处理文本的基本单位。你可以把它理解为文字的「一口」。
当我们说「吃一顿饭」
- 不是按「粒」计算米饭
- 而是说「吃了几口」
当我们说「AI 处理文本」
- 不是按「字」计算
- 而是说「消耗了多少 Token」
Token 和字的关系：
| 语言 | 每个 Token 约等于 |
|---|---|
| 英文 | 0.75 个单词（一个单词约 1.3 个 Token） |
| 中文 | 0.5-1 个汉字（取决于复杂度） |
| 代码 | 差异很大（简单符号 0.25 Token，复杂关键字 2+ Token） |
2.2.2 Token 的实际计算
让我们看几个实际例子：
英文 Token 计算：
"The quick brown fox"
= 4 个单词
≈ 5 个 Token（每个单词 1-1.3 Token + 标点符号）
中文 Token 计算：
"人工智能"
= 4 个字符
≈ 4 个 Token（汉字通常 1:1）
代码 Token 计算：
"function calculateSum(arr) { return arr.reduce((a,b) => a+b, 0); }"
= 1 行代码
≈ 25 个 Token（每个符号、关键字都是独立 Token）
2.2.3 Token 消耗的「饭量」比喻
想象你每吃一口饭，餐厅就收费一次。Token 就是 AI 的「饭量计费器」。
一顿标准对话的 Token 消耗：
┌─────────────────────────────────────────────────┐
│ 你的输入（「帮我写一个函数」） │
│ → 约 10-50 Token │
├─────────────────────────────────────────────────┤
│ AI 的思考过程（内部推理，不显示） │
│ → 隐藏 Token：可能比你输入多 5-20 倍 │
├─────────────────────────────────────────────────┤
│ AI 的输出（「好的，以下是代码...」） │
│ → 约 200-2000 Token（取决于输出长度） │
└─────────────────────────────────────────────────┘
一顿对话 = 吃的 + 嚼的 + 消化的 + 吐出来的
Token 限制 = 胃的容量（装不下了就呕吐/截断）
2.2.4 Token 成本的经济账
AI 服务是按 Token 计费的。理解 Token 能帮你省下真金白银：
| 模型 | 输入成本 | 输出成本 | 上下文上限 |
|---|---|---|---|
| Haiku（轻量） | $0.80 / 1M | $3.20 / 1M | 200K Token |
| Sonnet（均衡） | $3.00 / 1M | $15.00 / 1M | 200K Token |
| Opus（旗舰） | $15.00 / 1M | $75.00 / 1M | 200K Token |
成本对比示例：写一个 500 字的代码解释
Haiku：约 0.002 美元（几厘钱）
Sonnet：约 0.01 美元（1 分钱）
Opus：约 0.05 美元（5 分钱）
差距：25 倍！
但 Haiku 便宜≠最好用——它处理复杂逻辑的能力也最弱。
///
PART 04
2.3 上下文窗口的硬性限制
2.3.1 主要模型的上下文窗口
不同 AI 模型有不同的「胃容量」：
上下文窗口容量对比（单位：Token）
Opus 4： ████████████████████████████████████ 200,000
Sonnet 4： ████████████████████████████████████ 200,000
Haiku 4： ████████████████████████████████████ 200,000
Gemini 1.5： ████████████████████████████████████████████████ 2,000,000
Claude 3.5： ████████████████████████████████████ 200,000
GPT-4o： ████████████████████████████████████ 128,000
Llama 3.1： ████████████████████████████████ 128,000
关键发现：主流模型的上下文窗口普遍在 10 万到 20 万 Token 之间。
2.3.2 上下文窗口消耗的实时计算
上下文窗口不是只有「满了」和「没满」两种状态——它是一个持续消耗的游泳池。
上下文消耗公式：
Context % = (输入 + 输出 + 推理 + 缓存读取 + 缓存写入) / 模型限制 × 100%
实际消耗场景演示：
场景：你在分析一个代码库
时间点 1：刚打开项目
├─ 系统提示词：3,000 Token
├─ 你的第一条指令：「帮我分析这个项目」
│ └─ 500 Token
└─ 上下文占用：1.75%
时间点 2：看完 20 个文件
├─ AI 读取了 20 个源代码文件
│ └─ 80,000 Token
├─ AI 输出了详细分析
│ └─ 3,000 Token
└─ 上下文占用：43%
时间点 3：追问 10 轮后
├─ 历史消息累积
│ └─ 120,000 Token
├─ 最新文件读取
│ └─ 15,000 Token
└─ 上下文占用：68%
时间点 4：继续深入
├─ 接近上限
│ └─ 175,000 Token
└─ 上下文占用：87.5%
⚠️ 超过 90% 后，AI 可能会开始「遗忘」早期上下文
2.3.3 为什么「给 AI 10 万字代码」是个幻觉
很多人天真地以为：上下文窗口是 20 万 Token，那我可以一次性给 AI 看 10 万行代码，让它帮我分析。
这是一个严重的误解。
10 万行代码的 Token 消耗：
平均每行代码：约 30 Token
10 万行 × 30 Token = 3,000,000 Token
20 万 Token 的上下文窗口
问题：10 万行代码就已经超过了 20 万 Token 的上限！
而且：
├─ 10 万行代码 ≈ 3M Token
├─ 你的问题 ≈ 500 Token
├─ AI 的思考过程 ≈ 未知（可能 50K+）
├─ AI 的回答 ≈ 未知（可能 10K+）
└─ 总计：远超 20 万 Token 上限
结论：你永远不可能一次性给 AI 完整的 10 万行代码。
///
PART 05
2.4 压缩机制：Prune + Summarize 的底层原理
2.4.1 AI 的两种「失忆」模式
当上下文窗口快满时，AI 有两种主要的应对策略：
┌─────────────────────────────────────────────────┐
│ 上下文压缩策略 │
├─────────────────────┬───────────────────────────┤
│ Prune（剪枝） │ Summarize（摘要） │
│ │ │
│ 保留最近的内容 │ 把旧内容压缩成摘要 │
│ 丢弃更早的内容 │ 用更少的 Token 表达 │
│ │ │
│ 「我记不清了」 │ 「我记得大概是这样的」 │
└─────────────────────┴───────────────────────────┘
2.4.2 Prune（剪枝）：直接丢弃
Prune 的工作原理：
原始上下文（时间顺序）：
[第1分钟] → [第2分钟] → [第3分钟] → [第4分钟] → [第5分钟]
500T 500T 500T 500T 500T
─────────────────────────────────────────────────────
总计：2,500 Token
Prune 后（保留最近的）：
[第3分钟] → [第4分钟] → [第5分钟]
500T 500T 500T
─────────────────────────────
总计：1,500 Token（压缩了 40%）
Prune 的特点：
- 简单粗暴，直接丢弃旧内容
- 优点：速度快，几乎无额外成本
- 缺点：可能丢失关键信息（比如第 1 分钟提到的变量名，在第 5 分钟仍然需要）
2.4.3 Summarize（摘要）：压缩提炼
Summarize 的工作原理：
原始上下文（时间顺序）：
[第1分钟] → [第2分钟] → [第3分钟] → [第4分钟] → [第5分钟]
500T 500T 500T 500T 500T
─────────────────────────────────────────────────────
总计：2,500 Token
Summarize 后：
┌─────────────────────────────────────┐
│ [摘要：用户讨论了一个用户认证系统， │
│ 包括登录、注册、密码重置功能。 │
│ 技术栈：Express.js + PostgreSQL。] │
│ │
│ ≈ 80 Token │
└─────────────────────────────────────┘
↓
↓ 合并
↓
[摘要] + [第4分钟] + [第5分钟]
80T 500T 500T
─────────────────────────────
总计：1,080 Token（压缩了 57%）
Summarize 的特点：
- 智能压缩，保留核心信息
- 优点：信息密度高，不容易丢失关键上下文
- 缺点：需要额外的 AI 调用来生成摘要（有成本）
2.4.4 两种策略的实际效果对比
原始对话（约 2,500 Token）：
「我的项目用的是 Express.js，用户数据存在 PostgreSQL。」
「密码要 bcrypt 加密。」
「登录用 JWT token。」
「注册需要邮箱验证。」
「帮我实现用户认证模块。」
Prune 后（可能丢失早期信息）：
[丢失了 PostgreSQL 和 bcrypt 的描述]
「帮我实现用户认证模块。」
Summarize 后（保留核心）：
[摘要：技术栈 Express.js + PostgreSQL，密码用 bcrypt，登录用 JWT，需要邮箱验证]
「帮我实现用户认证模块。」
结果：Summarize 的版本更可能生成正确的代码！
///
PART 06
2.5 Context Mode 的 98% 压缩原理
2.5.1 原始工具输出的代价
在 AI Coding Agent 中，工具输出是上下文消耗的大户：
典型工具输出的 Token 消耗：
Playwright 页面快照：56 KB ≈ 14,000 Token
20 个 GitHub Issues：59 KB ≈ 14,750 Token
1 个访问日志：45 KB ≈ 11,250 Token
30 分钟后的状态：
- 40% 的上下文窗口被工具输出消耗
- 真正的「对话」内容反而被挤压
- AI 开始「遗忘」你正在修改的文件
2.5.2 Context Mode 的解决方案
Context Mode 的核心创新：沙箱化工具输出。
传统模式（直接放入上下文）：
┌─────────────────────────────────────────┐
│ 原始工具输出：56 KB (14,000 Token) │
│ → 直接放入上下文窗口 │
│ → 占用大量空间 │
└─────────────────────────────────────────┘
Context Mode（沙箱化）：
┌─────────────────────────────────────────┐
│ 原始工具输出：56 KB │
│ → 存入外部沙箱（SQLite） │
│ → 上下文只放引用：~200 Token │
│ → 节省：14,000 - 200 = 13,800 Token │
│ → 压缩率：98.6% │
└─────────────────────────────────────────┘
2.5.3 沙箱 vs 原始输出的对比
场景：使用 Playwright 读取一个网页
原始模式：
┌─────────────────────────────────────────┐
│ 工具输出（56 KB）： │
│ ┌─────────────────────────────────┐ │
│ │ HTML 标签、样式、脚本... │ │
│ │ 全部原始内容 │ │
│ │ │ │
│ │ 56 KB = 14,000 Token │ │
│ │ 每次快照都消耗这么多 │ │
│ └─────────────────────────────────┘ │
└─────────────────────────────────────────┘
Context Mode：
┌─────────────────────────────────────────┐
│ 工具输出（56 KB）： │
│ ┌─────────────────────────────────┐ │
│ │ 存入 SQLite 数据库 │ │
│ │ 生成唯一引用 ID │ │
│ └─────────────────────────────────┘ │
│ │
│ 上下文引用（200 Token）： │
│ ┌─────────────────────────────────┐ │
│ │ [ctx_123] 页面快照已保存 │ │
│ │ URL: https://example.com │ │
│ │ 标题: Example Page │ │
│ │ 元素数: 156 │ │
│ └─────────────────────────────────┘ │
└─────────────────────────────────────────┘
Token 节省：14,000 → 200 = 节省 98.6%
2.5.4 上下文模式的核心功能
| 功能 | 效果 | 适用场景 |
|---|---|---|
| Context Saving | 98% 压缩工具输出 | 大量文件读取、日志分析 |
| Session Continuity | SQLite + BM25 检索 | 断点续接、跨会话搜索 |
| Think in Code | LLM 生成脚本执行 | 大批量文件分析 |
| Output Compression | 65-75% token 节省 | 技术内容精简 |
///
PART 07
2.6 为什么让 AI 一次性看完 10 万字是个幻觉
2.6.1 数学永远不会骗人
让我们做一个简单的数学题：
假设：
- 上下文窗口：200,000 Token
- 每行代码平均：30 Token
- 代码文件大小：10 万行
计算：
10 万行 × 30 Token = 3,000,000 Token
问题：
3,000,000 Token >> 200,000 Token
结论：
10 万行代码需要 15 个「上下文窗口」才能装下！
2.6.2 实际操作中的其他消耗
即使你能把 10 万行代码塞进去，还有其他消耗：
完整分析还需要：
├─ 系统提示词：3,000 Token
├─ 你的问题描述：500 Token
├─ AI 的思考过程：未知（可能 50K+）
├─ AI 的回答：未知（可能 10K+）
└─ 其他上下文：可能 20K+
总计：远超 200,000 Token 上限
2.6.3 正确的做法：分而治之
面对大型代码库的正确策略：
❌ 错误做法：
「帮我分析这 10 万行代码库」
✅ 正确做法：
Step 1：让 AI 先了解整体结构
「帮我了解这个项目的目录结构和主要模块」
Step 2：聚焦具体模块
「帮我详细分析 src/auth 目录下的代码」
Step 3：深入具体文件
「这个 login.js 文件的实现逻辑是什么？」
Step 4：针对具体问题
「帮我找出这个函数里的 bug」
分而治之的原理：
一次只处理一个「窗口大小」的内容
├─ 第 1 个窗口：项目概览
├─ 第 2 个窗口：auth 模块
├─ 第 3 个窗口：login.js
├─ 第 4 个窗口：具体函数
└─ ...
每个窗口都保持在 200K Token 以内
///
PART 08
2.7 实用技巧：在断点压缩，在里程碑存档
2.7.1 什么时候应该压缩？
压缩的最佳时机：
✅ 规划完成后
「我们已经确定了这个功能的设计方案，现在开始实现。」
└─ 方案已确定，不需要再回顾讨论过程
✅ 调试完成后
「Bug 已修复，原因是没有处理空值。现在继续新功能。」
└─ Bug 修复过程不需要保留
✅ 里程碑完成后
「用户认证模块完成了，接下来做权限管理。」
└─ 阶段性总结比过程更重要
✅ 重大上下文切换前
「刚才在做后端 API，现在开始做前端页面。」
└─ 两种上下文关联性不强，可以分开
不该压缩的时机：
❌ 实现过程中
「我正在实现这个函数，遇到一个类型错误...」
└─ 调试过程需要上下文
❌ 多个相关任务未完成
「我还在解决这个模块的 5 个文件...」
└─ 它们是连贯的，压缩会丢失关联
❌ 复杂 Bug 排查中
「我正在追踪这个 bug 的根因...」
└─ 排查路径可能需要回溯
2.7.2 如何判断上下文消耗？
检查上下文消耗的方法：
命令：/cost
├─ 显示当前会话的总 Token 消耗
├─ 估算已用百分比
└─ 给出优化建议
经验法则：
├─ 0-50%：轻松，任意操作
├─ 50-70%：正常，注意压缩
├─ 70-85%：警戒，开始精简
├─ 85-95%：危险，必须压缩
└─ 95%+：危急，可能丢失信息
2.7.3 上下文管理的三大原则
原则 1：Token 经济
├─ 用对模型：简单任务用 Haiku，复杂推理用 Opus
├─ 用对时机：深度思考用 Sonnet，快速执行用 Haiku
└─ 善用子 Agent：用子 Agent 做探索，保护主上下文
原则 2：上下文管理
├─ 在断点压缩：规划后、调试后、里程碑后
├─ 在里程碑存档：重要的阶段产物保存到文件
└─ 避免信息冗余：不要重复同样的背景描述
原则 3：安全边界
├─ 沙箱隔离：敏感操作在沙箱中执行
├─ 最小权限：Agent 访问限制在工作目录
└─ 定期清理：无关会话及时关闭
///
PART 09
2.8 本章小结
核心知识点
┌─────────────────────────────────────────────────────────┐
│ 第2章 知识要点 │
├─────────────────────────────────────────────────────────┤
│ ✅ AI 的「记忆」= 上下文窗口，有固定容量限制 │
│ ✅ Token = AI 处理文本的基本单位，按量计费 │
│ ✅ 主流模型上下文窗口：10 万到 200 万 Token │
│ ✅ 压缩机制：Prune（丢弃）+ Summarize（摘要） │
│ ✅ Context Mode 实现 98% 压缩（沙箱化工具输出） │
│ ✅ 10 万行代码需要 15 个上下文窗口才能装下 │
│ ✅ 压缩时机：规划后、调试后、里程碑后 │
└─────────────────────────────────────────────────────────┘
关键术语
| 术语 | 定义 |
|---|---|
| Context Window | 上下文窗口，AI 一次能处理的最大信息量 |
| Token | AI 处理文本的基本单位，可理解为「一口」 |
| Prune | 剪枝策略，直接丢弃旧内容 |
| Summarize | 摘要策略，把旧内容压缩成摘要 |
| Context Mode | 沙箱化工具输出的上下文优化方案 |
| 98% 压缩 | Context Mode 将工具输出从 56KB 压缩到 200 Token |
行动建议
立即行动（5 分钟）：
1. 检查当前会话的 Token 消耗：
输入 /cost 查看已用比例
2. 实践压缩：
当你完成一个阶段性任务后，输入 /compact 压缩上下文
3. 用子 Agent 做探索：
当需要分析大量文件时，使用 @Explore Agent 而不是直接读取
下一章预告：
>
///
PART 10
附录：上下文窗口自测问卷
测一测你对上下文窗口的理解：
Q1：上下文窗口的类比，哪个最准确？
A. 电脑内存——越大越好，可以同时运行更多程序
B. 会议室——只能容纳一定人数，超出的听不到讨论
C. 硬盘——可以永久存储所有对话记录
D. 浏览器缓存——读取历史记录的速度
Q2：Token 和字的关系，正确的是？
A. 1 个 Token = 1 个汉字
B. 1 个 Token ≈ 0.75 个英文单词
C. Token 和字数没有关系
D. Token 只用于中文
Q3：以下哪个是压缩上下文的正确时机？
A. 正在实现一个复杂函数的过程中
B. 调试一个 bug 还没解决
C. 完成了功能开发，准备开始测试
D. 和 AI 进行了一个小时的闲聊
Q4：Context Mode 的 98% 压缩指的是？
A. 把 10 万行代码压缩到 2,000 行
B. 把工具输出从原始内容压缩到引用摘要
C. 把中文翻译成英文减少 Token
D. 把对话历史压缩成图片
参考答案： Q1=B、Q2=B、Q3=C、Q4=B
///
*本章完。第3章：三个时代划分——手写代码 → Copilot 辅助 → Vibe Coding*
THANKS FOR READING
🦐 龙虾 · OpenClaw 技术分享