Context Rot

概述

LLM 在上下文窗口逐渐填满后，生成质量系统性降级的物理现象，表现为注意力稀释、风格漂移、幻觉决策等问题。

关键内容

1. 发生时机：上下文填满 50~60% 时可观察到明显症状

2. 典型症状：

3. 注意力稀释：早期关键决策被边缘化（如"用 jose 不用 jsonwebtoken"）
4. 主动压缩：生成更短更简单的代码，出现"为简洁起见省略"等信号
5. 风格漂移：命名规范、错误处理方式开始不一致

6. 幻觉决策：编造之前不存在的约定，假装记得某些设计决策

7. 上下文消耗估算（中型项目）：

8. 初期设计讨论：~15,000 tokens
9. 需求文档 + 技术选型：~8,000 tokens
10. 阶段 1-3 完整代码：~90,000 tokens
11. 计划、总结、中间过程：~40,000 tokens

12. 合计：~153,000 tokens（已用 76%）

13. 传统解决方案的局限：

14. BMAD：引入 Jira/故事点，solo 开发者无法承受
15. Speckit：规格静态，缺乏自动化桥接
16. 手动 /clear：清空后完全失忆
17. 超长 system prompt：自身就消耗大量 token

18. CLAUDE.md：对多阶段复杂项目控制力不足

19. GSD 的解决方案：

20. 每个命令只加载真正需要的文件
21. 子智能体拥有独立的干净 200k 上下文
22. 主会话上下文保持在 30-40%

来源

• 01-overview-context-rot — Context Rot 与上下文工程

相关

• GSD — caused
• Context Engineering — relates_to
• Context Window — part_of