Context7 如何解决上下文膨胀问题

Context7 提出 Rules 与 Skills 的二分法:Rules 精简固化纠错规则,长期维护;Skills 按需加载动态能力,避免上下文冗余。它并非新增概念,而是对 Commands、MCP 等工具的收敛升级,帮开发者厘清“该一直知道什么”和“该何时获得什么”。

发布于2026年1月20日 14:35
编辑零重力瓦力
评论0
阅读28

为什么给代码智能体 “喂点上下文”,会搞出这么多名词?

如果你正在学习或使用氛围编程(Vibe Coding),可能会被一堆概念砸中!Rules、Commands、MCP Servers、子智能体、Modes、Hooks,还有现在越来越常被提到的 技能(Skills)。光听名字就让人头大。来自 Cursor 的技术专家 Lee Robinson 在这段视频里将为大家一一讲解这些重要的技术,厘清上下文管理的发展脉络。

把时间线拉长看,其实这些概念都在解决同一件事!怎么把合适的信息,在合适的时机,放进模型的上下文里。

在氛围编程刚开始的时候,模型最让人头疼的问题是幻觉。于是大家用了一个很直接的办法:写 Rules。把代码库背景、业务约定、常见错误一股脑写进文件里,每次对话都自动带上。这类信息被称为静态上下文。不管你问什么,它都会出现。

这个方法一开始效果不错,但很快就遇到了瓶颈。Rules 越写越长,很多内容其实只在特定任务下才有用,却不得不每次都塞进上下文。理想状态当然是 “需要时再给”,但当时模型调用工具、改文件、跑命令都还不够稳定,这个想法只能先放着。

接下来,大家开始关注效率问题。有些 Prompt 会反复用,那就不如打包起来。于是有了 Commands,也就是斜杠命令。例如一键完成 Git 提交并创建 PR。这一步本质上还是文本,只是从 “复制粘贴” 进化成了 “随叫随到”。

但光靠文本还是不够。智能体需要真正接入系统、执行代码、访问第三方服务,这就引出了 MCP Server。MCP 不只是 Prompt,而是一个完整的服务器。它可以连现有系统、做 OAuth、暴露外部工具,比如读 Slack、建 Linear Issue。然而,工具一多,上下文负担就会变重。

于是又出现了子智能体和模式。子智能体就像 “带固定人设和任务的 Prompt”,还能限制可用工具。模式则更进一步,不但告诉智能体要做什么,还能修改系统提示词、开放新工具、甚至配合 UI 变化,让智能体始终记得自己正处在某种工作状态下,比如专心做规划。这些设计的核心目标只有一个:让智能体更可靠、更容易被正确使用。

但再怎么设计,模型终究是非确定性的。于是,就引入了 Hooks。Hooks 不靠模型理解,而是靠规则触发。在对话开始或结束时,确定性地注入内容、记录结果、写入数据库。这更像传统程序里的钩子,而不是 “智能判断”。

到这里,其实已经能看出一条清晰的主线了:一类东西负责一直要知道的事,另一类则负责按需获得的能力。

这也是为什么现在很多人开始把复杂的体系压缩成两个核心概念:Rules 和 Skills。

Rules 负责静态上下文,要求尽量短、尽量准、会持续演进。模型哪里老犯错,就补哪里。

Skills 则是动态上下文的升级版。它可以是一个命令、一个脚本,甚至一整个工具包,但只有在你真正用到时才加载,不会污染初始上下文。你可以把它分享给团队,也可以让智能体从中学习和优化。

从这个角度看,Skills 并不是凭空冒出来的新概念,而是对 Commands、MCP、工作流的一次收敛。它解决的不是 “能不能做”,而是 “什么时候做、要不要带进上下文”。

所以,如果你觉得现在的名词太多,其实不必全背。理解历史之后会发现,大多数复杂度都是阶段性的产物。对普通使用者来说,关注好两件事就够了:静态规则(Rules)写清楚,动态能力(Sills)按需用。

剩下的,就是如何让工具帮你把事做得更顺一点而已。

相关文章

如何解决 Hermes Agent 中 QQ Bot “灵魂不在线”
AI 教程知识
2026年5月8日
0 条评论
零重力瓦力

如何解决 Hermes Agent 中 QQ Bot “灵魂不在线”

Hermes QQ Bot 常因网络波动出现“灵魂不在线”的静默断连,根源在于 WebSocket 重连逻辑缺陷导致进程未正常退出。目前修复版本已解决重连耗尽问题,但深层异常捕获仍有待完善。建议用户升级至最新版,配置 systemd 或 Docker 自动重启策略,并优化代理超时设置,以保障 QQ Bot 稳定运行。

#Hermes Agent
阅读全文
一个 JSON 公式,让 AI 出图告别抽卡玄学
AI 教程知识
2026年5月8日
0 条评论
小创

一个 JSON 公式,让 AI 出图告别抽卡玄学

AI 技术博主 AI Master 提出用 JSON 结构化提示词替代自然语言,解决 AI 绘图修改局部时整体崩坏的问题。该方法将主体、灯光等元素独立分槽,配合 Gemini 提取参考图信息,可实现精准调整颜色或风格而不影响其他细节。此方案适用于角色一致性控制及摄影参数迁移,同样兼容 Veo 3.1 视频生成,让 AI 创作从随机抽卡转向可控的确定性系统。

#Veo#Nano Banana#提示词工程
阅读全文
2026 年 AI 工具全拆解,一个公式搞定所有提示词
AI 教程知识
2026年5月8日
0 条评论
小创

2026 年 AI 工具全拆解,一个公式搞定所有提示词

AI 技术博主 AI Master 指出,多数用户效果平平源于未掌握底层逻辑。它拆解了语言、图像及视频三大模型的运作机制,并梳理了 2026 年主流工具格局。针对提示词,AI Master 提出文本需明确上下文与角色,图像遵循六要素公式,视频则强调单一动作与环境设定。核心观点在于将 AI 视为需清晰简报的新人,通过迭代而非一次搜索来优化产出,适合希望提升各类生成效果的创作者。

阅读全文
互动讨论

评论区

围绕《Context7 如何解决上下文膨胀问题》展开交流,未登录用户可浏览评论,登录后可参与讨论。

评论数
0
登录后参与评论
支持发表观点与回复一级评论,互动后将同步到消息中心。
登录后评论
暂无评论,欢迎成为第一个参与讨论的人。