pstack原则14守护上下文窗口大任务中防止上下文爆炸的终极路由法【免费下载链接】pstack-claudeClaude Code, Codex, Copilot, Pi, OpenCode, Gemini, and Prime Agent versions of Potetos pstack. Rigorous agent workflows with Cursor primitives translated for other harnesses.项目地址: https://gitcode.com/GitHub_Trending/ps/pstack-claudepstack 是一套面向 Claude Code、Codex、GitHub Copilot 等 AI 编码智能体移植的工作流技能栈把 Cursor 上成熟的智能体流程搬到了其他运行时。本文深入解析其第 14 号原则「守护上下文窗口Guard the Context Window」通过把大块数据路由给子智能体让主线程只保留摘要从机制上防止大任务中上下文爆炸。为什么上下文窗口是 AI 智能体最稀缺的资源 ⚠️很多人把 AI 智能体跑飞归咎于模型变笨其实更常见的原因是上下文窗口被撑爆了。上下文窗口有两个特性有限一次会话能装的 token 有硬上限不可再生会话内用掉的不会回血。一旦溢出会发生三件坏事这也是该原则在 SKILL.md 里写的原话推理质量下降——模型开始丢三落四压缩伪影出现——自动压缩会把关键细节压没了任务直接停滞——进度卡死只能重开会话。典型的重灾区场景一次性输出巨大、反复读取超长文件、粘贴截图和大型文档、以及多路并发fan-out规划时的海量回报。pstack 的思路不是硬扛而是路由——像流量调度一样决定哪些数据进主线程、哪些丢给子智能体去消化。路由法三规则守护上下文窗口的核心手法 这个原则的完整定义只有十几行凝练成三条规则非常值得逐条对照检查核心判断每一个 token 都应当值回它的成本。规则一大块数据交给子智能体主线程只收摘要原文明确要求Isolate large payloads冗长的输出、截图、大文档全部路由给子智能体去读去处理主上下文拿到的应该是摘要而不是原始载荷。pstack 在 poteto-mode 的智能体规范里把这条做成了硬性默认值每次调用Agent工具时传file pointers not inlined context文件指针而非内联上下文——也就是说子智能体把结果写成文件主线程只拿去哪找的指针需要细节时再按需取用。swarm技能同样如此多个并行 worker 跑完后父智能体被明令禁止Do not paste raw worker dumps不要粘贴 worker 的原始输出只保留紧凑的结果表格。规则二高频使用的内容直接内联反直觉的一条经常要用的内容反而不该拆出去。原文要求Keep frequently used content inline——每次调用都要用的模板和参考资料应直接写进技能文件里而不是拆成独立文件、每次多花一次读取的 token 成本。拆开省空间是假象多一次文件读取就是实打实的开销。判断标准很简单这个内容是不是每次都会用到是就内联。规则三控制阶段规模给范围设上限原文要求Size phases and cap scope具体拆成三个动作动作含义限制每阶段文件数一个阶段只碰有限几个文件做完再进下一阶段设定回合预算turn budget给子任务划出轮次上限防止无限递归探索计入机制成本工具调用、环境加载等隐性开销也要算进预算pstack 的多阶段计划 playbookmulti-phase-plan.md就是这条规则的落地探索阶段全部丢给子智能体每路只返回文件指针、编码约定、测试命令、入口点并强调一句No inlined dumps不要内联倾倒。实战场景pstack 在哪些 playbook 里真的用了它 原则的价值在于被反复触发。仓库里至少四处 playbook 明确引用了这条路由法都是大块数据的典型现场场景大块数据路由策略运行时取证海量运行时产物在子智能体中解析只把铁证关键函数、泄漏链留在主线程追踪取证大型 profiling 文件同上子智能体解析主线程保留压缩后的发现工作区清理巨型会话转录transcripts are bulk转录天生是大块数据扇出子智能体分别阅读并回报结论爬坡优化反复的代码修改改动交给子智能体执行主线程只做监督与 diff 审查不亲自动手规律很清晰凡是读起来很贵、但结论可以很小的工作都应该外包。主线程的职责收敛为决策、汇总与验证这正是路由法的目的。不止于 AI给人类读者的同款原则 有趣的是pstack 的另一条原则 principle-minimize-reader-load 直接点破了这层类比代码被阅读的次数远多于被编写的次数……读者的工作记忆同样是有限的。这就是 守护上下文窗口 的人类版本。AI 的上下文窗口和人脑的工作记忆约束结构其实一样入口带宽有限超载之后质量就会崩塌。所以给智能体减负和给人减负用的是同一套方法——摘要代替原文、按阶段限流、只保留决策需要的信息。值得延伸阅读的相关文件 原则原文plugins/pstack/skills/principle-guard-the-context-window/SKILL.md原则注册表含全部原则的触发时机plugins/pstack/skills/poteto-mode/SKILL.md并行扇出与汇总策略plugins/pstack/skills/swarm/SKILL.md多路候选比稿流程plugins/pstack/skills/arena/SKILL.md人类版上下文守护plugins/pstack/skills/principle-minimize-reader-load/SKILL.md架构术语表CONTEXT.md想动手体验完整工作流可以克隆仓库后安装git clone https://gitcode.com/GitHub_Trending/ps/pstack-claude总结 ✨「守护上下文窗口」是 pstack 原则体系中极具工程感的一条上下文不是垃圾桶而是需要主动调度的稀缺资源。三条路由规则——大块数据交给子智能体、高频内容内联、阶段限流设预算——配合文件指针代替内联上下文的硬约定让主线程始终只装摘要和决策。对新手来说最值得带走的经验只有一句话让 AI 读贵的东西让你看便宜的结论。【免费下载链接】pstack-claudeClaude Code, Codex, Copilot, Pi, OpenCode, Gemini, and Prime Agent versions of Potetos pstack. Rigorous agent workflows with Cursor primitives translated for other harnesses.项目地址: https://gitcode.com/GitHub_Trending/ps/pstack-claude创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考