┌──────────────────────────────────────┐
│ System Prompt                         │
│ + 历史对话 Round 1 ... Round N        │
│ + 当前文件 / 已加载的资料             │
│ + 你的新问题                          │
│                                      │
│ [████████████████████░░░░] 80% 已用 │
└──────────────────────────────────────┘
窗口满了 → 最早的信息先被压缩或遗忘

模型每次回答，只能基于当前窗口中的内容推理。窗口内的信号越清楚，输出越稳定；无关历史、整文件粘贴和混杂任务越多，约束越容易被稀释。

Token ≠ 字数

• 1 个汉字约消耗 1.5～2 tokens。
• 代码符号、类型定义、长变量名的 token 密度通常更高。
• 一个中等规模函数文件，轻松消耗 2000+ tokens。

01 对话过长导致遗忘

Round 1 约定 PostgreSQL，Round 20 生成 SQL 时却开始使用 MySQL 语法——早期约束已被挤出窗口。

02 代码把窗口撑爆

粘贴 1000 行文件 + 长对话 + 长回复，90% 预算被占用，真正的需求与安全约束最先被截断。

03 多任务混在同一会话

修登录 Bug、优化数据库、设计新 UI、再改登录——相关上下文被噪音淹没，前后矛盾概率上升。

04 隐式假设悄悄丢失

“所有接口必须 JWT 验证”若只在早期说过一次，几十轮后新接口可能漏掉认证，风险最难被及时发现。

1. 把不变约定写入 AGENTS.md / CLAUDE.md

## 项目基本信息
- Next.js + TypeScript + PostgreSQL
- pnpm；禁止 npm / yarn
- Tailwind；禁止内联 style

## 安全规范
- API 路由必须验证 JWT
- 用户输入必须经过 zod 校验
- 日志禁止输出敏感信息

它们是项目“长期记忆”：每次会话都应最先进入上下文。

2. 单任务单会话

该开新会话时：任务完成、跨越模块、答案矛盾，或对话已超过约 20 轮。

标准开场白模板

## 当前任务背景
电商后台；Next.js + PostgreSQL

## 本次任务
实现订单状态流转：待付款 → 已付款 → 已发货…

## 相关约束
- 变更必须记录操作日志
- 退款调用 /lib/payment.ts
- 所有操作需要管理员权限

## 现有代码
[仅粘贴相关函数、类型与接口签名]

精准喂食，不是整文件粘贴

高质量上下文

低质量上下文

Prompt 是临时任务简报

回答：写什么？
“实现订单状态流转”“修复登录 Bug”“为该页面增加筛选器”。

Rules 是长期工程宪法

回答：应该怎样写？
把架构约束、技术偏好、编码规范和禁止事项固化，让 Agent 无需每次被重复提醒。

Plan 阶段：先理解，不执行

• 阅读相关代码、规则与现有实现
• 识别影响范围、依赖、风险与未知项
• 必要时提出澄清问题，不凭空假设
• 输出可审阅的改动清单与验证方案

Execute 阶段：按批准方案落地

• 逐项实施，变更范围不随意膨胀
• 遇到新信息时说明偏差并重新确认
• 运行计划中约定的测试、构建与检查
• 交付变更摘要、验证结果与剩余风险

什么时候必须先 Plan？

高质量 Plan 提示词

1. 模型选择与配置降本

• 动态分层调度： 简单修改用轻模型（Haiku/GLM-4.7），复杂重构再用 Opus/GLM-5.2。
• 设置窗口截断： settings.json 配置 CLAUDE_CODE_AUTO_COMPACT_WINDOW。
• 禁用无用流量： 开启 CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC。

2. 上下文工程精细化

• 配置 .claudeignore： 屏蔽 node_modules、dist 及日志文件，防止全量扫描。
• 及时 /compact 压缩： 内存占用 >70% 时执行 /compact 压缩历史记忆。
• 单任务单会话： 完成独立任务后输入 /clear 恢复干净初始状态。

3. 拒绝无脑 @codebase

• 避免滥用全量索引： 慎用 @codebase，防止一次性将整仓代码全量投喂。
• 精准指定目标文件： 只 @ 修改涉及的具体文件或符号（如 @user.ts#L20-L50）。
• 聚焦核心 Context： 用最精准的代码行支撑 Prompt 需求意图。

4. 按需加载，不滥用 Skill

• 避免全局堆叠 Skill： Skill 初始化会占据上下文，避免根目录滥装大量全局技能包。
• 保持 SKILL.md 精炼： 技能指导文档保持极致简练，只写 Step 与规则模板。
• 隔离模块使用： 归类到特定子模块插件下按需隐式或显式召唤。

5. 配合 CodeGraph 裁剪 AST

• 按函数节点精简： 借助 CodeGraph MCP 只引入关心的 Callers/Callees 函数链。
• 切碎大文件依赖： 消除无关定义与大文件噪音，提升大模型理解准确度。
• 结构化依赖分层： 以最小代价值传递精准上下文节点。

6. 实时监控与成本度量

• 使用 /context 诊断： 养成长对话中输入 /context 查看占用和费用的习惯。
• 设置 API 超时门限： 在 settings.json 设置 API_TIMEOUT_MS。
• 单任务单目标： 专注单一任务，避免多目标发散造成 Token 浪费。

“引用了不存在的 npm 包”

事故： AI 自信地 import { cryptoTool } from 'express-secure-utils'，该包系幻觉生成，黑客投毒后导致供应链安全隐患。

解法： 开启 Lint 检验并强制运行 npm install 检查源合法性。

“越改 Bug 越多陷入死循环”

事故： 带着 50 轮对话错误日志继续提问，AI 不断拆东墙补西墙。

解法： 及时 /clear 重置会话，重新梳理最精简上下文发问。

“一口气重构整个项目”

事故： 要求“把整个项目从 JS 改为 TS”，导致修改了 80 个文件，无法通过 Review。

解法： 使用 /plan 拆解为 10 个独立子 Task 分批推进。

成员分别使用 Trae、VSCode、Qoder、CodeBuddy、IDEA 等不同编辑器/客户端。

后台混用 DeepSeek、GLM、QianWen、Minimax 等不同厂商模型。

非技术产品人员与开发者的自然语言描述习惯差异巨大，极易导致样式脱节。

核心一 MD 规则资产库 (静态约束打底)

• 配置文件标准化： 项目提交统一的 CLAUDE.md / AGENTS.md / .cursorrules。
• 组件索引强制引入： 维护 src/components/index.ts，AI 生成前必须优先检索复用既有 UI 组件。
• 设计 Token 硬性规定： 锁定 CSS 变量色盘、Spacing 与 Page Shell 响应式布局骨架。

核心二 SKILLs 技能自动化 (作业流程归一)

• 作业指令标准化： 封装 page-building、design-review、component-reuse 等团队技能包。
• 消弭自然语言表达差异： 成员只需唤醒特定 Skill，底层精准标准 Prompt 上下文自动填充锚定。
• 工具/模型双重无关性 (Agnostic)： 代码仓库自建治理规范，脱离特定 SaaS 工具依赖。

规则 1 Skill 路由与源码事实优先级

• 5 大 Skill 强制路由： 页面构建、原型设计、组件复用、样式迁移与设计审查均需调用对应 Skill。
• 源码事实优先级 (Fact Order)： 组件状态表 > index.ts 导出 > Vue 源码 > Design Tokens > 业务页面 > 文档。

规则 2 技术选型与 Ds* 组件基线

• 技术栈归一： 统一为 Vue 3 + TS + Vite + Ant Design Vue，严禁无故混用 Element Plus。
• 标准组件库强绑定： 列表强制使用 DsPage/DsDataTable，表单使用 DsFormGrid，状态标签使用 DsStatusTag。

规则 3 红线禁令与“业务守恒”硬要求

• 严禁自造轮子： 严禁内联 style、硬编码非 Token 颜色/圆角，严禁覆盖全局 .ant-* 类名。
• 业务守恒 (Preservation)： 迁移重构必须 100% 保留查询字段、权限按钮与数据契约，严禁凭空幻觉删减。

总体研发周期压缩 73%，实现 3.7 倍级生产力跃迁。

在 AGENTS.md 约束下，1,156 个业务视图中有 1,021 个深度绑定 Ds* 规范库 (调用超 1.9 万次)。

非技术产品人员配合 3 大 Git Skill 独立写码并成功上线，打破技术壁垒。

传统研发流程 (串行/瀑布/敏捷)

AI 时代：高协同极简闭环

壁垒 1 算力与硬件成本居高不下

部署顶级 AI 推理集群（如 H100 / GB200）硬件采购与电力成本极高。高并发模式下，大规模 Tokens 消耗的边际成本依然是企业全面普及的显著经济门槛。

壁垒 2 顶尖模型能力受限与闭源高门槛

目前真正具备深度逻辑推理与代码生成能力的 SOTA 级模型（如 Claude / GPT）依赖少数头部巨头闭源提供，存在网络延时、访问限制与数据合规隐虑。

1. 模型迭代指数加速

大模型演进迅猛：从前年的以年为单位更新，到去年的半年大版本更新，未来更新周期可能压缩至3 个月甚至更短。

2. 工作流程步骤坍缩

模型能力提升导致研发步骤被动坍缩：原本需要 7 步完成的工作，模型升级后只需 5 步，有 2 步被大模型直接接管内化。

3. 难以形成死板工作流

GitHub 上几乎每天都在诞生全新的万星 Skill 与 Plugin，工具链的高速阵痛重构导致难以形成固定的“标准 SOP 流程”。

1. 敏感凭证类

• API_KEY / AWS_SECRET
• DB_PASSWORD / 数据库串
• JWT_SECRET / 私钥 .pem

2. 用户隐私数据 (PII)

• 真实姓名、手机号、身份证
• 用户行为日志 (含真实 ID)
• 医疗、金融、生产环境 DB Dump

3. 核心商业机密

• 未发布产品的核心专利算法
• 竞争壁垒相关的业务逻辑
• 内部合同、财务、法律敏感文件

4. 基础设施配置

• 服务器真实内网 IP / 拓扑图
• 安全防火墙策略配置
• 未修复漏洞扫描报告

团队 AI 使用许可/禁止场景策略

AI 生成代码 Review Checklist

1. 架构理解与问题拆解力

从“代码撰写者”转变为“系统设计者”。能否把模糊业务需求清晰拆解为可被 AI 执行的具体规则与模块接口，决定了交付上限。

2. 严苛 Review 与鉴别品味

AI 负责生成海量代码，人类工程师负责最关键的鉴别、安全审查与边界断言。识别潜在逻辑漏洞与幻觉的能力成为核心壁垒。

3. 上下文工程与规则构建力

懂得如何精细化管理 Context，建立标准化团队规则（如 USP / CLAUDE.md），将领域知识与风格沉淀为可复用的数字资产。