深度解析三大 Agent 上下文工程：Claude Code、OpenClaw、Hermes 的设计哲学

上下文工程是什么？

持久的记忆：Openclew的Soul，模型的记忆Memory全局的规则：CLAUDE.md、AGENTS.md系统提示词System Prompt：AI的工作说明用户提示词User Prompt：用户的输入，以及我们帮助用户注入的变量。MCP、Function等工具的描述信息工具调用返回的结果近x轮的对话历史压缩后的摘要……

Context refers to the set of tokens included when sampling from a large-language model (LLM). The engineering problem at hand is optimizing the utility of those tokens against the inherent constraints of LLMs in order to consistently achieve a desired outcome. Effectively wrangling LLMs often requires thinking in context — in other words: considering the holistic state available to the LLM at any given time and what potential behaviors that state might yield.

Effective context engineering for AI agents

• Write，把信息分门别类记录，例如记忆、状态写到窗口外面
• Select，按需选择信息，包括工具、记忆、知识库
• Compress，总结、裁剪上下文，保留高价值的信息
• Isolate，隔离上下文，不同agent使用不同的内容

• 模型的窗口有上限
  文件读取、工具输出、推理过程、输出结果会迅速累积，不仅很快会触发上限，也会因为大量的噪音影响到模型的推理。
• 随着上下文变长会变笨
  随着上下文变长，模型的表现会变差，内容越多注意力就会变差，就像我们也很难从800字里迅速的找到某句话。
• 上下文越长会越贵、速度越慢
  过多默认注入的内容不仅会抬高 token 成本，也会让模型响应更慢，而且重复发送大段上下文本身就是一笔持续成本。
• 新会话信息丢失
  在不同的窗口，其实模型是不会主动记住上次发生了什么除非是我们要求它记住。
• 工具噪音
  日志、文件内容、搜索结果会吞掉真正重要的推理空间。

Claude Code：渐进式上下文压缩

从第三方对泄露代码的逆向分析来看，Claude Code 采用了一套可被概括为 5 层的压缩思路。

OpenClaw：极度开放的上下文框架

Hermes：把交接当成常态

给我们做 Agent 的 5 条设计启发

敏捷转型，产品经理最难！

了解更多

Becomewiser

查看原文：深度解析三大 Agent 上下文工程：Claude Code、OpenClaw、Hermes 的设计哲学

文章来源：

Becomewiser

扫码关注公众号