来源：https://github.com/datawhalechina/vibe-vibe

Context 基础概念

Context = AI 能看到的所有背景信息。

包括当前和之前的对话内容、提供的代码文件、AI的回复以及项目历史信息。Context的质量直接影响AI的协助效果。

每个AI模型的记忆容量有限：

• GPT-4：约2.5万字（一篇长文章）
• Claude 3：约15万字（一本小册子）
• 新模型：容量更大

超出限制会导致AI"忘记"早期内容，造成理解偏差。

三层Context管理体系

即时Context（当前对话层）

目标：让AI准确理解当前任务需求

核心技巧：

• 重要信息优先放在对话开头或结尾
• 使用具体示例说明问题，避免模糊表述
• 提供错误详情而非简单描述

示例对比：

❌ 模糊："这个功能有问题"
✅ 具体："点击'保存'按钮后页面无反应，控制台显示'Cannot read property 'value' of null'"

中期Context（项目状态层）

目标：让AI掌握项目整体进展情况

关键信息：

• 项目核心功能和开发进度
• 已知问题和限制条件
• 技术栈选择和架构决策

维护方法：定期总结项目状态，记录重要决策原因，保持信息实时更新。

长期Context（项目历史层）

目标：为长期项目提供发展连贯性

档案内容：项目初始需求、关键架构决策、用户反馈调整、版本迭代记录。

实用Context管理策略

对话管理技巧

任务启动时重置Context（30秒完成）：

项目：记账应用（已完成基础记账和统计）
当前任务：添加预算管理功能
技术栈：React + Node.js
问题：[描述具体问题]

定期对话总结（每10-15轮对话）：

已完成功能：
1. 用户登录注册
2. 收支记录功能
3. 基础统计图表

下步重点：预算管理与现有功能集成

对话主题分离：

• 功能开发 → 独立对话
• Bug修复 → 专门对话
• 架构讨论 → 单独对话

项目文档模板

# 项目背景
## 目标：个人记账工具
## 已实现：收支记录、月度统计、数据导出
## 技术栈：React + Node.js + SQLite
## 当前问题：[记录具体问题]

Context质量检查与优化

关键检查点

• 信息完整性：是否包含项目背景、当前状态、具体问题
• 准确性：技术栈、进度状态是否最新
• 清晰度：问题描述是否足够具体
• 相关性：是否去除不相关的历史信息

常见问题及解决方案

问题1：信息过载

• 解决：聚焦当前任务，移除无关历史信息

问题2：假设AI记住一切

• 解决：每次对话都重置关键背景信息

问题3：缺乏更新

• 解决：定期同步项目状态变化

问题4：过度依赖单个对话

• 解决：分离不同主题，使用专门对话

优化时机识别

需要新对话的信号：

• 对话超过15-20轮
• 任务方向发生重大变化
• AI开始重复之前的错误理解
• 需要讨论完全不同的功能模块

通过系统的Context管理，可以显著提升AI编程的效率和准确性。