先做一个上下文实验

02 先做一个上下文实验

标题备选

• AI 不是记住了你，它只是当前看得见
• 为什么 AI 总是忘？先理解上下文可见性
• 一个小实验，讲清楚 AI 协作的底层问题

开场钩子

你打开一个 AI 对话框，对它说：我叫张三。然后你问：我叫什么？它会回答：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：这句话还在当前上下文里。

正文口播

如果你关掉这个对话，重新打开一个新会话，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。

这件事很简单，但它是理解 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。

即使有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。

这时候，即使你开启一个新会话，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，也可以被其他人或者其他 AI 继续使用。

这不是小差异，而是协作方式的差异。

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，你不是在用 AI 提升效率，而是在替 AI 维护记忆。

但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、也不应该每次任务开始时，把所有文件全部塞进上下文。

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。

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。需要深入某个任务时，再去读对应目录里的材料。

ACW 的基础心智模型就是：

上下文不是越多越好，而是越可定位越好。

结尾引导

所以从这里开始，我们先放下“我要写一个完美 Prompt”的执念。

更值得问的是：哪些信息应该长期存在？哪些规则下次还会用？哪些过程应该留痕？AI 下次进入项目时，怎么知道从哪里开始？

下一集，我们就讲 Prompt 和 ACW 到底是什么关系。