盛夏光年爱学习

有人认为 Agent 将取代 Workflow，成为未来的主流交互范式；也有人认为 Workflow 的确定性是业务系统的基石，不可动摇。本文旨在探讨二者在 AI 时代下的真实关系，并试图厘清从传统自

到了多 Agent 时代，上下文工程问题发生了质变。我们不再面对一个窗口，而是面对一组物理隔离、逻辑关联的窗口集群。

浅谈Agent上下文工程 引言 上下文窗口是 LLM 最核心、最昂贵，也是最稀缺的资源。如何在这有限的空间里，精准地组织、管理和提供信息，直接决定了 Agent 的性能、成本与可靠性。

上下文隔离的两种模式 ——从 Manus 的实践，看多 Agent 架构的真实成本 引言：多 Agent 的真正难点，是“会不会协作”

AI Agent的Context Engineering：构建Manus的经验教训。Manuns为何放弃模型微调选择了上下文工程？

摘要、压缩与处理大工具输出的工程实践——从 Manus 的经验，看 Context Engineering 的“高风险区”

浅谈上下文工程｜从 Claude Code 、Manus 和 Kiro 看提示工程到上下文工程的转变

随着大模型上下文窗口扩展，Agent核心瓶颈已从提示设计转向上下文管理。本文从"上下文腐烂"出发，分析污染、干扰、混淆、冲突四类失效模式，结合WSCI工程操作，系统阐述稳定可扩展的Agent上下文。

在团队开发密集，多分支开发的瀑布式开发的场景中，新建分支、合并分支、解决代码冲突等属于高频操作，特别是需求涉及到文件修改较多，commit、push和代码cr会被多个文件分散注意力，很容易把一些误操