上下文组织与信息保留策略

所属教程:OpenAI Codex CLI 从入门到大师级完整教程 预计阅读:24 分钟

代理每一轮都会把此前的对话消息与工具调用结果纳入本轮提示,线程越长,携带的历史越多、成本与延迟越高、早期噪声也越容易稀释重点。上下文管理的目标不是"记住一切",而是分层保留:稳定事实沉淀到仓库文档与配置,短期过程留在会话,临时探索及时隔离。本节讲机制、代价与可执行的组织策略。

一、上下文由哪些部分构成

来源性质保留建议
当前任务提示本轮直接指令,最重要写清目标、范围与验收标准
本轮工具结果命令输出、文件读取、检索结果只保留与决策相关的部分,避免整段堆砌
历史轮次消息与调用随线程累积,是长线程成本主因之一无关旧轮次应通过新会话隔离
项目级约定与规则稳定、可复用的行为偏好沉淀到规则文件/配置,跨会话生效(具体语法以官方为准)
用户/项目配置默认值运行基线(如 $CODEX_HOME/config.toml)保持精简、稳定,不塞临时任务细节

二、长线程的代价

  1. 成本累积:历史上下文越长,每轮处理的输入越多,消耗随之上升。
  2. 响应变慢:需要携带并理解的内容增加,单轮等待时间变长。
  3. 重点被稀释:早期无关讨论、废弃尝试混在历史中,容易干扰当前判断。
  4. 方向漂移:在同一条长线程上反复改方向,新旧目标混杂,结果偏离主线。
  5. 问题难定位:错误假设被后续轮次默认继承,排查时不易区分有效结论与过期尝试。

三、上下文组织策略

四、信息保留分层

信息类型最佳载体说明
长期稳定事实与规范仓库文档、项目规则、配置基线跨会话、跨成员复用,版本化管理
本次任务过程与推理会话历史用于追溯,不承担长期知识存储
临时备选探索fork 分叉线 / ephemeral 运行验证后保留结论、丢弃过程噪声
可交付改动Git diff、提交、报告文件可审查、可回退、可归档

五、FAQ

问题处理建议
线程太长、反应慢怎么办提炼当前结论写成简短交接,新开会话继续;把长期约定迁入文档/规则。
为什么它"忘记"了前面说过的偏好会话历史不会自动变成长期规则;稳定偏好应写入配置/规则文件或项目文档。
如何让习惯跨多个会话生效区分个人偏好(用户配置)与团队约定(项目规则/文档),分别落到对应载体。
是否应始终延续一个会话否。主题切换、长线程失焦、目标完成后,新建或分叉比强行续聊更高效可靠。

六、动手练习

本节小结与下一节预告

本节建立了"分层保留、精炼短线程、结论文档化"的上下文管理方法。下一节转向用量与成本:成本由哪些因素构成、云端任务如何计入额度,以及在不牺牲安全边界的前提下降低消耗的具体策略。

← 上一节:会话保存、延续与切换  下一节:用量查看、模型成本与优化策略 →

本教程目录

返回教程列表 · AI最前沿首页 · AI百科