返回文章目录
FIELD NOTE / 技术笔记

Context 工程:给 AI 恰好够用的项目现场

上下文不是越多越好。把当前任务需要的事实、约束和历史决策放在对的位置,才能减少误解。

电子线路与系统界面细节

给 AI 一个任务时,模型看到的“项目”往往只是被放进上下文窗口的片段。它不知道哪些代码是最新的,也不知道团队曾经为什么放弃某种设计,除非这些信息被明确提供或能通过工具找到。

上下文首先要回答当前问题

有效上下文通常包含四类信息:目标是什么,相关代码在哪里,必须遵守哪些约束,完成之后如何验证。与当前决策无关的材料越多,关键信息越容易被淹没。

对于持续开发的项目,目录结构、文档和测试本身也在传递上下文。职责明确的模块比一份超长的通用说明更容易帮助人和 AI 找到正确的位置。

把稳定规则留在仓库里

反复口述同一套约束,容易遗漏,也难以保持一致。把命名、架构边界、构建方式、测试要求等稳定规则放入仓库文档,让任务开始时能够按需读取,更适合长期维护。

但规则应当短、明确、可执行。过于笼统的“保持高质量”没有检查标准;具体到“改动接口时更新契约测试”,执行和审查都会更清楚。

上下文要随任务收缩

一个小修改只需要相关文件和少量背景;跨模块重构则需要更完整的依赖与迁移方案。上下文工程的目标不是把整个仓库塞进一次对话,而是让当前决策建立在可靠、足量的信息上。

资料来源:基于《Harness工程实战:从零开始驾驭AI软件工程》读书笔记整理。本文为主题整理,并非原书摘录。

END OF NOTE .返回文章目录