WRITING / ENGINEERING NOTES
记录 Go 后端、React/Next.js 与全栈项目中的架构决策、实现细节与工程复盘。
主题
归档
Agent 跑几十轮后 Context 必然膨胀，而 Sliding Window 会截掉「不要改数据库 Schema」这类关键约束。本文给出 Delete → Externalize → Structure → Compress → Isolate 的分层策略：先删噪声再摘要、超大 Tool Result 外置存储、用 Status Bar 显式表达状态，以及为什么 Isolation 优于 Compression。
把所有能力都写进 System Prompt，最终会变成几万 Token 的万能说明书。本文解释 Agent Skills 背后的 Progressive Disclosure 渐进式披露机制：为什么 Skill Metadata 要回答「什么时候调用我」而不是「我是什么」、Skill 与 Tool 如何分工（Capability vs Procedure），以及什么该放 System Prompt、什么该放 Skill。
Agent 犯一次错就加一条规则，System Prompt 最终会变成几千 Token 的补丁集合。本文说明 Rules Dump 为何带来优先级不清、执行顺序不明与规则冲突三个问题，并给出以 SOP 为骨架、规则围绕流程组织、用 Markdown + XML 划分语义边界、Instruction 与 Data 严格分离的 Prompt 结构。
System Prompt 里放一个当前时间戳，就可能让整段 Context 的缓存全部失效。本文从 KV Cache 的前缀复用原理出发，解释为什么越靠近开头的信息越要保持稳定、为什么 Tool Definitions 不该无意义重排，并给出 Minimal Stable Prefix 与「越稳定 → 越动态」的 Context 排列原则。
Context 不是聊天记录，而是模型这一轮能看到的全部工作环境。本文给出 Context = Stable Prefix + Dynamic Trajectory + Current State 的结构，讲清为什么 System Prompt 与 Tool Definitions 要尽量稳定、为什么当前时间不该写进 System Prompt，以及为什么目标不是 Maximum Context 而是 Maximum Relevant Context。
同一个模型放进不同的 Agent 系统，实际表现可能相差很大——差异往往来自 Model 之外的 Harness。本文用 Agent = Model + Harness 的视角解释模型 API 的无状态本质，说明为什么 build_context() 才是 Agent Loop 里最难的部分，以及 Context Engineering 与 Prompt Engineering 的边界。