A10和 AI Agent 沟通：把上下文交出去

2026 年 4 月，手工川 AI 创造营第一期开课那天，早上 8 点 50，签到表没打印出来。我打开 Claude Code，说了一句：帮我做一个签到页，扫码就能上墙，每个人到了点一下名字，附一句自我介绍。然后我就去开门迎人了。

回来的时候，流程已经跑通，配色、后端、内网穿透这些技术活都是它自己搞定的。现在交代任务，我常用一个四行的模板，拿这个签到页来写，是这样的：

要做什么：一个签到页，扫码就能打开，每个人到了点一下自己的名字，附一句自我介绍，签到结果实时显示在大屏上。
给谁用：今天来上课的学员，用手机打开；我用电脑投屏。
什么叫做对了：用两部手机各签到一次，大屏上能看到两条记录，刷新之后还在。
默认决策：能查的自己查，能跑的自己跑，遇到报错自己换方案。只有要删除文件、要花钱、要对外发送的时候，停下来问我。

前三行告诉它终点在哪，第四行让它少来打扰你。很多 Agent 跑不长，原因不在模型，在于它很快把问题抛回给你：“你希望我怎么做？”“是否继续？”“要不要运行测试？”默认决策在任务一开始就写清楚，长跑才不会断。

先读，再计划，再动手，最后验证

第一次和一个 Agent 合作，我会先让它读一遍目录：“请读一遍这个文件夹，告诉我里面有哪些东西，按用途分一下类，再说说你觉得哪里可以整理。先不要修改任何文件。”

最后一句最要紧。先只读不改，看过它的判断，觉得靠谱，再让它动手。它读完说的话准不准，也直接反映你的目录整不整齐。

把它不知道的写下来

Context，中文常译作上下文，指的是 AI 在回答你之前能看到的全部东西：你的问题、你给的文件、它之前做过的事、你定下的规矩。同一个模型，喂给它不同的 Context，得到的是完全不同的结果。

怎样知道自己的 Context 缺了什么？我常用一个四格的乔哈里视窗。

把“我知道、它不知道”的东西写下来交给它，是上下文工程。去探索“它知道、我不知道”的那一格，是学习。两件事都比换一个模型有用。

上下文也不是越多越好。我在规则文件里写过上千行，结果要么 Context 越塞越胖，要么 Agent 视而不见。

比一长串规则更有用的，是一份“人格说明书”：使命、愿景、价值观、原则和喜好。我在《新世界没有旧神》里给的建议是，把这些交给 AI，然后说一句：让我醒来的时候惊艳我。

会话要管

Claude Code、Codex 这类工具里，你和它的每一次连续对话叫一个 session。session 一长，token 一多，AI 就开始犯懵：忘掉前面说过的话，开始重复、跑偏、自相矛盾。我越来越觉得，每天用 AI 的效率，很大一部分取决于 session 管得好不好。

自动压缩我也见过它的另一面。准备第一期海报时迭代了小几十版，快定稿的时候，Claude Code 自动压缩了一次上下文，误以为我要重构设计，几分钟后交出一版让我震惊的成品，一次通过。这种惊喜可遇不可求，日常干活，压掉什么还是自己定。

在终点放一道检查

你以为 AI 收工太早是因为它懒。换个角度看，它是在努力节省 token、避免越做越错：上下文不够、证据不够、边界不清的时候，它会倾向于提前宣布“我已经完成了”。

所以要在结束点放一道检查。它准备结束时，自动跑测试、看改动，或者让另一个 Agent 审一遍，没过就接着改。这类机制叫 Stop Hook。

比不中断更重要的，是中断之后接得上。网络会断，模型会限流，电脑会重启，人的判断也会变。每一步都留下计划、检查点、提交记录和失败原因，比一个 Agent 神神叨叨跑一整夜更重要。

为了写一篇线下活动定价的文章，我让 AI 抓了活动行上 3,839 个活动，一共跑了四轮。每一轮的失败，都变成了下一轮的配置改动，没有一轮是从头再来。

用嘴说

AI 时代最常见的瓶颈之一是输入。谁能更低摩擦地把想法、判断、约束、反馈喂给 AI，谁就更容易把 Agent 用起来。我们最近用 Typeless 做语音输入比较多，说话比打字快，还能针对常用词、项目名、产品名做适配。

常见误区

• —把 AI 当搜索引擎，只问本来就查得到的东西，永远停在视窗的第一格。
• —结果不好就换模型。先查你给了它什么，再怀疑它是谁。
• —相信它说的“已经完成”。打开页面自己点一遍，让它截图，能跑测试就跑一遍。
• —一个会话用到底。任务换了，会话也该换。