《How to Fix Your Context》这篇上下文工程指南，建议跟 Manus 六大上下文工程法则一起看，它们分别来自两个方向：一个是跑在工程一线踩过坑的 Agent 系统实践者，一个是站在系统架构角度思考 LLM 工作方式的认知构建者。我把这两篇文章有一起读了一篇，有种“内功交叉灌顶”的感觉。作者回顾了长上下文为什么会失败？ 1️⃣ 上下文污染：当幻觉或其他错误进入上下文，并被反

#上下文工程 #LLM #RAG #Agent系统 #上下文管理

相关新闻

宝玉

6小时前

卧槽，我真解决了让 Codex 连续工作 8 小时的问题，上下文都不会爆掉！方案就是让 Claude Code 去当监工监督 Codex 干活，大概的步骤如下： 1. 首先要让 Codex 生成一个任务的 TODO List，就是那种能一步步完成的 2. 然后让 Codex 更新 Agents md 文件，加上说明，如果输入 continue，要读取 TODO 文件，去选取任务，执行后更新

0xWizard

10小时前

人和 ai 的差异没那么大。人的心法/逻辑/思考方式，就是 LLM 大语言模型底层；平时的“事上练”/经验/盈亏/读书，就是数据训练。所谓进步和升级，无非就是一边升级模型底层，一边不断喂数据。这样当 prompt 提示词适当的时候，就能给出更令人满意/更聪明/更接近正确的答案。

meng shao

12小时前

Designing Claude Code —— Claude Relations 负责人 Alex Albert 与 Claude Code 设计负责人 Meaghan Choi 一起探讨了 Claude Code 的设计理念、终端界面的演变，以及它如何赋能非技术人员如设计师。探讨的焦点在于 Claude Code 如何将 LLM 的力量无缝融入开发者日常工作流中，强调简洁、集成和创新。起源

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

22小时前

一旦与LLM的交互范式突破，电力需求恐怕远超这个比例

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1天前

LLM从来不是通用智能，而是语言智能，或者说是基于语言的认知智能；语言在人类智能中是什么，LLM在人工智能中就是什么。而获取这种智能的方式就是交互。 𝕀²·ℙarad𝕚g𝕞的具身经验本体交互范式就是这种交互的agentic cognition OS。