第一章：先做一个上下文实验

我们先从一个简单实验开始。

你打开一个 AI 对话框，对它说：“我叫张三。”然后你问：“我叫什么？”AI 会回答：“你叫张三。”这时候很多人会说，AI 记住了我的名字。

但更准确的说法是：这句话还在当前对话上下文里。

如果你关掉这个对话，重新打开一个新的会话，再问：“我叫什么？”AI 大概率不知道。它不是突然健忘，也不是故意装傻，而是新会话里没有那句“我叫张三”。AI 能回答什么，取决于它当前能看到什么。

这件事听起来简单，却是理解 ACW 的第一块基石。

AI 协作里所谓的“记忆”，很多时候并不是真正意义上的长期记忆，而是上下文可见性。当前对话中出现过的信息，它能用；当前对话没有出现的信息，它就不能凭空知道。即使某些产品提供记忆功能，也不意味着复杂项目可以完全依赖产品记忆。因为项目需要的不只是“记住几个事实”，而是稳定地组织大量材料、规则、流程和产物。

我们再做第二个实验。

假设你把“我叫张三”写进一个项目入口文件里。每次 AI 进入这个工作区，都先读取这个文件。此时即使你开启新的对话，只要 AI 重新读到了入口文件，它仍然可以知道“你叫张三”。这就从对话上下文，变成了工作区上下文。

差异就在这里。

对话上下文是临时的。它跟着一个会话走，适合讨论一个问题、修改一段文字、解释一个概念。工作区上下文是可持续的。它写在文件里，可以跨会话存在，可以被索引，可以被更新，可以被审查，也可以被其他人或其他 AI 继续使用。

这不是小差异，而是协作方式的差异。

当你只用对话上下文时，你每次都要重新解释项目背景。你可能会说：“我们之前说过……”但 AI 未必真的看得到“之前”。你会不断复制粘贴要求、重复强调禁区、反复纠正同一种错误。时间一长，你不是在使用 AI 提升效率，而是在替 AI 维护记忆。

当你使用工作区上下文时，关键背景被写入文件，协作规则被放在固定位置，任务过程有记录，最终产物有归属。新会话不再是一张白纸，而是一次重新进入项目现场。

当然，工作区上下文并不意味着 AI 每次都应该读完整个项目。恰恰相反，一个真正可用的 ACW 必须承认上下文窗口有限。AI 不能、也不应该在每次任务开始时，把所有文件全部塞进上下文。一个稍微复杂一点的项目，资料、草稿、代码、日志、素材加起来很快就会超过模型能够处理的范围。

所以 ACW 要解决的不是“让 AI 读所有东西”，而是“让 AI 知道该读什么”。

这就像人类进入一家公司，不会第一天读完所有历史邮件、所有项目文档、所有代码和所有会议记录。更合理的方式是先读入职手册和项目索引，知道公司有哪些部门、当前项目是什么、关键规则在哪里、遇到问题找哪份文档。需要深入某个模块时，再去读那个模块的详细资料。

AI 也一样。

一个好的工作区应该有入口、有路由、有分层。入口文件告诉 AI：这是一个什么项目，哪些规则必须遵守，哪些目录分别负责什么。目录下面再有更细的索引，告诉 AI：如果你要做写作任务，先看哪些文档；如果你要做审校，先看哪些规则；如果你要改代码，先看哪些测试和约束。

这就是 ACW 的基础心智模型：

上下文不是越多越好，而是越可定位越好。

没有工作区时，你只能不断把上下文临时塞进对话。使用 ACW 后，你开始管理上下文的位置、层级、生命周期和调用方式。AI 不再只是根据你这一次说了什么来回答，而是根据一个可持续工作环境来行动。

从这一章开始，请先放下“我要写一个完美 Prompt”的执念。更值得问的问题是：

这个任务需要哪些长期背景？哪些规则下次还会用？哪些过程应该留痕？最终产物应该放在哪里？AI 下次进入项目时，如何知道自己该从哪里开始？

这些问题，就是 ACW 的入口。