提升代码准确率：llmdoc 解决 AI 编码“最后一百米”
本文探讨了 AI 编码工具在生产环境中的上下文构建痛点。作者提出了“Context Floor”概念，并推出了结合“llmdoc”高密度文档系统与“SubAgent RAG”的解决方案。经企业 10 万行代码项目验证，该方案显著提升了 AI...
标签索引 / 第 8 页
上下文管理
这个标签下有 92 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
破解LLM“短视”困局：为何AI编程更需上下文管理而非全自动
本文反思了当前AI编程领域盲目追求全流程自动化的趋势，指出了LLM因Transformer架构限制而存在的上下文“短视”问题。作者提出了一种基于RPI（研究、计划、实施）三阶段的新工作流，通过人工划分阶段和规范文档串联，有效规避了Claud...
拒绝 Token 浪费：如何用 Hook 强制 Claude Code 实现渐进式阅读
针对 Claude Code 在编程时容易因“一口闷”读取大文件导致 Token 消耗高、上下文污染的问题，作者提出了一套基于“渐进式披露”的解决方案。通过编写 Python 脚本作为 PreToolUse Hook，配合特定的提示词，强制...
类 Git 版本控制：UltraContext 旨在解决 AI Agents 上下文管理难题
UltraContext 是一个专为 AI Agents 设计的简单上下文 API，核心特色是自动版本控制。开发者基于两年生产环境经验，针对上下文管理的痛点构建了该工具。其心智模型类似于“上下文的 Git”，所有更新和删除都会自动创建版本，...
Vibe Coding上下文能否白盒化？破解LLM代码生成的黑盒困局
随着Vibe Coding（基于LLM的编程模式）日益普及，上下文管理成为核心资源。然而，当前主流工具将上下文管理自动化，对开发者而言如同黑盒。本文探讨了由于LLM生成的内在随机性和复杂性，上下文在技术上是否真的无法实现白盒化，引发了对AI...
耗费60M Token打造：针对复杂Agent的MCP综合管理工具
针对Agent对接上百个外部MCP工具时面临的巨大上下文消耗问题，开发者耗时一周打造了一款MCP综合管理工具。该项目全程由Opus 4.5模型辅助开发，共消耗6000万Token。目前测试显示效果良好，虽然部分功能尚待完善，开发者承诺后续将...
Claude Code实战：用Subagent解决大规模数据上下文溢出
本文通过5000个商品分类审核的真实案例，详细解析了如何利用 Claude Code Subagent 解决大规模数据处理中的上下文溢出与输出不稳定问题。文章对比了传统方案与 Subagent 方案，强调了“主 Agent 只做调度，数据流...
Claude SKILL设计指南：如何高效编写优秀的AI技能？
本文深入探讨了Claude SKILL功能的设计与编写最佳实践。针对大模型面临的上下文长度瓶颈，SKILL通过渐进式披露机制，有效减少冗余信息，提升模型的指令遵循能力。文章重点总结了四大核心原则：命名需具体清晰；描述应包含功能与触发场景；主...
AI Agent技能文件处理：上下文管理策略探讨
在AI Agent应用中，当AI阅读技能文件后，如何处理这些内容成为关键问题。讨论聚焦于是否将技能文件内容替换为通用提示词，以及何时进行替换。技术社区提出疑问：是否每轮Agent调用结束时替换，还是基于上下文动态调整？这涉及AI上下文管理的...
Claude Code新窗口token消耗异常引关注
用户报告使用Foxcode平台的Claude Code API时，新窗口打开即消耗大量token（2-4万），即使停用所有MCP服务仍存在此问题。同时，上下文达到67%时提示不足，需手动compact操作。用户表达对问题的担忧，但强调非批评...