工具选刚刚好＋上下文别膨胀

这份笔记是什么

上一课解决的是「怎么写」。这一课往上走两层：选什么来干活（L3 工具层），以及怎么让上下文不再越滚越大（L4 上下文层）。

一句话预告：真正的大头，在上下文层。

L3｜模型与工具层：不是「最强」，而是「刚刚好」

模型分级：先看任务，再选档位

脚本优先：能确定性算的，别让模型「读完再算」

查询、过滤、计算、缓存都属于这一类。让模型去数一列数、去汇总一张表，既慢又贵还可能算错；写成脚本一行搞定。

工具四原则

最小安装 · 按需启用 · 延迟加载 · 任务结束退出无关工具

Tool / MCP / Skill 会把名称、描述、参数 schema 放进上下文。工具越多、定义越复杂，潜在开销越大——哪怕你一次都没调用它。

RTK：在 CLI 输出进入上下文前先过滤

RTK（Rust Token Killer）的思路，是在命令行输出进入 LLM 上下文之前做过滤和压缩。

安装前先确认：

rtk --version
rtk gain

安装后可以用 rtk gain 查看节省统计。项目方给出了常见开发命令减少输出的基准数据，但实际效果随项目、命令和工作流变化。

原始数据 → 机器过滤 / 压缩 → 关键结果 → LLM 判断

课堂 Demo 3｜工具输出压缩：让 Agent 少吃日志

A. 手工过滤（最省事，先学会这个）

npm test 2>&1 | tail -n 100
grep -iE "error|failed|exception" app.log | tail -n 100

B. RTK（可选，AI 编程场景）

见上一节。装好后用 rtk gain 对比一下节省情况。

观察：把过滤前后的内容长度对比一下，再看模型给的判断有没有变差。

L4｜上下文层：真正的大头往往在这里

8.1 一事一会话

一个目标 → 一个会话 → 完成 → 新任务开新会话

不要在同一个上下文里不断混入互不相关的任务。代码、部署、周报、市场方案串在一个会话里，每一轮都在为之前所有的历史付费，而且 AI 还容易被旧话题带偏。

8.2 长会话用「交接摘要」

请把当前会话压缩成"继续工作所需的最小上下文"。

只保留：
1. 当前目标
2. 已确认事实
3. 已完成事项
4. 当前方案 / 关键决策
5. 未解决问题
6. 下一步
7. 必须保留的文件名、变量名、接口名、命令

删除：
- 寒暄
- 已否决方案
- 重复解释
- 中间试错过程
- 与后续无关的信息

要求：新会话仅凭这份摘要即可继续工作。

8.3 文件按需取，不要整本塞

先检索 → 找相关章节 / 页面 → 只读取相关内容 → 回答

核心：需要什么，取什么；不是有什么，塞什么。

8.4 确定性过滤优先交给脚本

见 Demo 3。别让模型的上下文里出现「原始日志」这种东西。

课堂 Demo 2｜上下文瘦身：长对话 → 最小交接摘要

第一课的 Demo 是给 Prompt 减肥，这个 Demo 是给会话减肥。用这份加料版提示词，让旧会话自己吐出交接摘要：

请把当前项目压缩成"新会话继续工作所需的最小上下文"。

必须保留：
- 目标
- 已确认需求
- 当前架构 / 方案
- 已完成内容
- 未解决问题
- 文件 / 接口 / 变量等关键名称
- 下一步

必须删除：
- 寒暄
- 重复解释
- 已否决方案
- 已解决错误的完整调试过程
- 与下一步无关的历史内容

最后增加：
【下一条建议 Prompt】
让我可以复制到新会话直接继续。

操作步骤

观察三点：输入是否明显变短；AI 是否仍知道目标、关键决策和下一步；旧话题的干扰是否减少。

进阶一：把原始数据挡在上下文之外

有一类工具的思路是「让原始数据压根不进上下文」，只把精炼结果交回去。典型收益点：

适合的场景有个共同特征：大输入、小结论——Playwright 抓页面、CSV 统计、日志排查、长文档提取。

进阶二：别让 Agent 每次都「现场翻仓库」

这是 AI 编程场景里最典型的一笔浪费。

常见能力：search · callers · callees · impact · context · affected。

什么时候最值

• 老项目改 Bug：动手前先查 callers / callees / impact，减少「只看局部就动手」；
• 大仓库问答：像「订单流程怎么走」「缓存在哪失效」这种问题，探索结构正对口；
• CI 测试选择：用 affected 做第一层过滤，适合测试多、全量跑很慢的仓库。

这一课的小结

下一课把这些动作变成日常习惯，并给你一份 30 秒自查清单。