1.3 上下文是 AI 协作的核心货币

如果把 AI 协作比作一个经济体，那上下文就是它的货币。没有货币，交易无法进行。没有上下文，AI 无法有效工作。

这不是比喻，这是技术事实。

大语言模型的核心机制是"根据输入预测输出"。输入就是上下文，输出就是回答。上下文的质量——相关性、完整性、清晰度——直接决定了输出质量。这是底层技术决定的，不是谁的设计偏好。

上下文有三个关键维度：

第一，相关性。 AI 收到 10,000 个 token 的上下文，其中 8,000 是无关的，那么 AI 要从 8,000 个噪音里找到 2,000 个信号。这不是做不到，但浪费了模型的注意力预算。好的上下文应该只包含当前任务需要的信息，不该有的一个字都不要有。

第二，完整性。 上下文有缺失，AI 会脑补。有时候脑补对了，有时候错了。错了你也不知道，因为 AI 不会主动告诉你"你给我的信息不全"。它只会给出一个看似合理的答案，然后在某个细节上暴露问题。上下文缺失的后果是隐性的，比显性错误更难排查。

第三，结构清晰度。 同样一段信息，写成一段连续的文字，和写成结构化的分层文档，AI 的理解效率差很多。结构化的信息更容易被 AI 的路由和索引机制利用，非结构化的信息只能靠模型硬读。

所以，上下文管理不是"写文档"，而是"设计信息结构"。

大多数人使用 AI 的方式是：打开对话框，把背景信息粘进去，开始提问。这个方式看似高效，但每次都在重新构建上下文，没有积累。

而一个成熟的 AI 协作方式应该是：上下文是预先准备好的，任务是按需启动的，AI 读取的是结构化的上下文，而不是对话历史。

就像你写代码不会每次重新打一遍标准库，而是 import 进来。上下文也应该被 import，而不是被重复。