用独立 Context 资料库为 AI Agent 的启动上下文减负
随着 AI Agent 使用时间增长，工作区中的规则、主机信息、操作手册、故障记录和长期记忆往往会不断积累。 一开始，所有内容可能只有几个 Markdown 文件。为了让 Agent 每次启动时都能理解环境，这些文件通常会被自动注入上下文。然而，当内容逐渐增加后，一个新的问题随之出现： Agent 每处理一次普通任务，都要重新读取大量与当前任务无关的技术资料。 例如，处理一个简单文件操作时，模型可能同时接收到： 这些资料都很重要，不能删除，但也没有必要在每轮对话中全部注入。 解决这个问题的一种有效方法，是在工作区中建立一个独立的、按需读取的 context/ 资料库。 一、问题不只是某个文件太长 不少 Agent 工作区会包含类似文件： 这些文件通常承担不同职责： 问题在于，详细技术资料往往会逐渐混入这些启动文件。 例如，一个网络问题可能在排查后留下几千字内容，其中包括： 这些内容确实值得长期保存。如果全部留在 TOOLS.md 或 MEMORY.md 中，每次启动都会重复占用上下文。 仅仅把内容从 MEMORY.md 移到 TOOLS.md，并没有真正解决问题。它只是把负担从一个自动注入文件转移到了另一个自动注入文件。 真正需要优化的是： 所有启动文件的总注入量，而不是某一个文件的长度。 二、三层知识结构 更适合长期维护的结构，可以分为三个层级。 1. 启动层 每轮对话都应知道的内容，继续保存在自动注入文件中： 这一层只保存： 启动层应当短、小、稳定。 2. 按需资料层 详细技术资料进入： 这一层保存： 这些文件不应每轮自动注入，而应在任务需要时由 Agent 主动读取。 3. 历史与证据层 …