固定提示栈（Fixed Prompt Stack）

概述

固定提示栈是一种 Agent 上下文分配模式，每次迭代向 Agent 注入完全相同的完整规范内容（CLAUDE.md），以"浪费性重复"为代价换取零 上下文压缩 风险和确定性良态起点。

关键内容

1. 固定结构：每次迭代都向 Agent 分配完全相同的 CLAUDE.md 内容：
2. 项目背景 — 每次都分配（"浪费"但必要）
3. 核心约束 — 每次都分配
4. 强制启动序列 — 每次都分配

5. 参考文件引用 — @prd.json @progress.txt @AGENTS.md

6. 为什么"浪费性重复"是必要的：

7. 替代方案的问题：每次只分配"差异"部分 → Agent 可能不知道它不知道什么 → 遗漏关键约束 → 上下文腐烂 的变体
8. 固定提示栈的收益：零上下文压缩风险，每次迭代都从已知良态开始

9. 代价分析：N tokens × M 迭代 = 重复分配，但代价值得

10. 与 上下文窗口 的关系：固定提示栈占用固定的上下文预算，每次迭代开始时这部分 token 被"预扣"。剩余窗口用于 Agent 的实际工作输出。这种可预测的分配模式使得上下文使用量可以精确估算。

11. 与 Agent 迭代循环 的关系：固定提示栈是迭代循环的基础设施——每个新 Agent 实例启动时获得相同的规范上下文，确保行为的一致性和可预测性。

12. 确定性上下文分配的核心原则：

13. 完整规范 > 差异增量（Agent 无法知道自己不知道什么）
14. 可预测性 > token 效率（每次迭代消耗相同 token 量）

15. 良态起点 > 上下文连续性（从干净状态开始优于从腐化状态继续）

16. 在 Ralph Loop 中的应用：ralph.sh 每次迭代执行 cat CLAUDE.md | claude --dangerously-skip-permissions，将完整的固定提示栈注入全新的 Agent 实例。

来源

• raw/articles/ai-tools/ralph-loop/how-the-loop-works.md — Ralph Loop 核心原理深度解析

相关

• Ralph Loop — used_by（Ralph Loop 的核心上下文分配模式）
• 上下文窗口 — relates_to（固定提示栈占用固定的上下文预算）
• Agent 迭代循环 — enables（为每次迭代提供确定性的规范起点）
• AGENTS.md 项目约定文件 — uses（固定提示栈中引用的核心文件之一）