为什么你的 AI 总是“金鱼记忆”?—— 深度解析 Context Window

现实很骨感：很多朋友跑来后台问我：“大佬，为什么我的 OpenCode 聊着聊着就开始胡说八道了？”、“我想让它读我的整个项目，结果它直接报错不干了？”

真相只有一个：你的 Context Window（上下文窗口） 爆了。

一、什么是 Context Window？（用奶茶店排队来理解）

很多教程喜欢用“Token”吓唬人，今天我用排队买奶茶给你讲清楚。

想象一下，OpenCode 是一个奶茶店店员：• Context Window（上下文窗口）：就是店员脑子里的记忆容量。

• Token：就是你说的每一句话、代码里的每一个字符，都是排队的人。

场景重现：

1. 你刚开始聊天，店员脑子很清醒（内存充足），记得你是谁，想要几分糖。

2. 你开始往对话框里疯狂扔代码（几百行、几千行）。

3. 店员脑子里的队伍排满了（Context Window 满了）。

4. 后果：◦ 情况 A：新来的人把最早排队的人挤走了（遗忘）。所以 AI 忘了开头的设定，开始胡说八道。

   ◦ 情况 B：门口保安拦住你，不让进了（报错）。OpenCode 直接提示 Context length exceeded。

重要澄清：

• OpenCode 在手机（Termux）和电脑上调用的都是同一个 API，上下文窗口大小完全由你选用的模型本身决定，跟设备无关。

• 不管是手机还是电脑，只要往上下文里塞太多内容，都会爆——这是所有 AI 编程助手的通用通病，不是手机特有的问题。

• 不同模型窗口差别很大：有的模型支持 128k～200k Token（能装下中小型项目），有的较早期或受限模型只有 4k～8k（几屏代码就满）。

为什么我们要专门讲这个？

实际使用中，大家最容易犯的错是：

"AI 怎么连我刚说的都忘了？/"AI怎么把我之前提的要求都忘了?"

答案都是——上下文窗口已满或即将溢出。后面的内容，就是教你如何跟这个限制相处。

二、OpenCode 是怎么“记性不好”的？

OpenCode 的上下文包含三部分：

1. System Prompt：它内置的“性格”和你配置的 Skill（这部分占坑，但你没法删）。
2. History：你们的聊天记录（你问一句，它答一句，历史越长，占坑越多）。
3. Input：你当前输入的代码或问题（这是压死骆驼的最后一根稻草）。

致命误区：很多新手以为，只要我不把代码贴进去，AI 就不知道项目结构。错！如果你用 /explain-file main.py，OpenCode 会把 main.py 的内容全部加载到 Context Window 里。

三、急救术：如何清理“脑子里的垃圾”？

当你发现 AI 开始犯傻时，先别急着骂模型不行，试试这几招：

1. 清空上下文（最有效的重启）

在 OpenCode 里，最简单粗暴的方法：

/clear

这会清空当前会话的记忆，让店员重新开始排队。代价是你之前的对话都没了。

1. 使用新 Session（分而治之）

不要在一个窗口里既聊前端又聊后端。• 窗口 1：专门解释代码。

• 窗口 2：专门写文档。

• 窗口 3：专门 Debug。

1. 善用 .gitignore 和 .opencodeignore

OpenCode 会自动索引项目文件。如果有些文件（比如 node_modules、打包后的 dist）不需要 AI 看，一定要在 .opencodeignore 里屏蔽掉，减少不必要的干扰。

四、进阶术：上下文压缩（Context Compression）

这是高手和普通用户的区别。既然窗口有限，我们就把水挤干。

策略 1：Map-Reduce（分而治之）

不要直接扔 5000 行代码给 AI。错误示范：/explain-file big-project.js正确操作：

1. 先让 AI 看目录结构：ls -R
2. 让它挑重点文件：/explain-file core/logic.js
3. 让它总结核心逻辑（压缩信息）：请总结这个文件的核心函数，不要贴代码，只要逻辑描述。
4. 拿着这个“总结”，再去问下一个文件。

策略 2：Refinement（提炼）

如果你必须处理长文本（比如日志）：

请阅读以下日志，提取出关键的 ERROR 信息和堆栈跟踪，忽略 INFO 和 DEBUG 信息。[粘贴长日志]

核心思想：先过滤，再输入。

五、实战：在手机上处理一个“超长文件”

假设你有一个 legacy-code.js，有 3000 行，手机跑不动。

Step 1：切片在 Termux 里，我们只截取最后 500 行给 AI（通常 Bug 在最近修改的地方）：tail -n 500 legacy-code.js > short.txt

Step 2：喂给 AI在 OpenCode 里：

请分析 short.txt 里的代码，找出潜在的内存泄漏风险。

Step 3：利用 Skill 进行压缩还记得上一期的 Skill 吗？我们可以写一个 summarize-file Skill：

name: summarize-filedescription: 压缩文件内容，只保留核心逻辑。

请阅读 @$ARGUMENTS 文件。不要解释每一行代码。请输出：

1. 文件的主要功能。
2. 导出了哪些函数/类。
3. 依赖了哪些外部库。

这样，原本 3000 行的代码，被压缩成了 3 行摘要，极大地节省了 Context Window。

六、总结与下期预告

今天这篇，我们解决了 AI “记不住” 和 “看不完” 的问题。• Context Window 就像店员的脑子，装满了就会忘。

• 压缩术 就是把水挤干，只留干货。

• Skill 可以帮助我们在输入前就做好预处理。

但是，还有一个终极难题：如果我想让 AI 实时读取我手机里的短信、或者查询服务器的数据库，甚至帮我自动发邮件，光靠“聊天”和“压缩”是做不到的。这需要 AI 拥有手脚。

下期预告：《Transfer：高效搬运上下文的艺术》

如果你在手机上跑 OpenCode 时也遇到了“爆内存”的情况，欢迎把报错截图发到后台。

这期我会在评论区抽一位朋友，送一个 价值 ¥10 的 DeepSeek API Key，让你换个更大的“脑子”继续折腾