上下文管理策略

概述

上下文管理策略是 Ralph Loop 系统中应对 LLM 上下文窗口只增不减问题的六种核心方法，包括固定栈分配、子 Agent 卸载、观察遮蔽、规范文件持久化、上下文预算管理和干净状态协议。

关键内容

1. 根本问题：LLM 上下文只有 malloc() 没有 free()，每次工具调用都会追加内容且无法释放，最终进入愚钝区导致质量急剧下降。Ralph 的根本解法是在进入 Dumb Zone 前主动退出，让外循环重启新实例。
2. 固定栈分配：每次迭代以完全相同的方式分配上下文（System Prompt → Project conventions → Core constraints → File references），利用 LLM 对开头和结尾注意力更高的特性，把最重要约束放在最前面。
3. 子 Agent 卸载：将消耗大量 tokens 但只需结论的操作（运行测试套件、编译、截图分析）卸载给子 Agent，主 Agent 只接收简洁结论，上下文增加从 ~50,000 tokens 降至 ~100 tokens。
4. 观察遮蔽：当上下文接近限制时，保留最近 N 轮对话，将旧消息替换为摘要占位符。Ralph 认为此策略不适合其"每 Story 一迭代"模式，但在 Story 实现过程中的子任务间可使用。
5. 规范文件 vs 上下文内容：黄金规则——任何需要跨会话持久化的信息必须在文件里，不能只在上下文里。发现新约定更新 AGENTS.md，完成 Story 更新 prd.json + progress.txt。
6. 上下文预算管理：估算 CLAUDE.md 各部分 token 消耗，理想情况下固定内容 ~5,000 tokens，prd.json ~15,000 tokens，实现过程工具调用 ~50,000 tokens，总计 ~105,000 tokens（52.5%），保留 48% 安全缓冲区。
7. 干净状态协议（Clean State Protocol）：每次迭代结束前验证 git status 为空、build 无错误、测试通过、prd.json 语法正确、progress.txt 已更新，确保不把破损状态传递给下一个 Agent。

来源

• raw/articles/ai-tools/ralph-loop/context-strategies.md — 完整策略文档
• raw/articles/ai-tools/ralph-loop/how-the-loop-works.md — 循环原理中的上下文管理

相关

• Ralph Loop 系统 — part_of
• 上下文窗口 — addresses
• 愚钝区（The Dumb Zone） — addresses