标签
作者吐槽当前AI模型普遍有过度添加注释的倾向，导致过时信息被注入代码上下文，且由agent自主完成，存在失控风险。
讨论长对话中的“上下文中毒”现象：在长对话中纠正模型的错误，可能会因为反复提及错误而无意中强化错误观念，因此提供新的上下文可能比就地纠正更有效。
Matt Pocock 分享了使用 /ask-matt AI 助手的超现实经历，该助手正确判断出一项工作超出了单个上下文窗口。
分享Codex的使用技巧：通过设置定时清理内存和缓存的prompt来避免占用过多内存，以及引用旧会话快速获取上下文节省token。
关于Claude最新功能的深度解析，涵盖Fable 5和Opus 5等新模型、扩展的上下文窗口，以及循环和图等智能体特性在实践中的意义。
作者分析了 Codex 的 Remote Compaction v2 数据流，包括触发条件、请求处理、服务端密文返回和客户端上下文重建的完整流程，指出摘要模型与加密密钥均在 OpenAI 侧。
阿里正式发布Qwen3.8，拥有2.4万亿参数和1M上下文，编程和办公能力大幅提升，进入全球第一梯队。作者用单文件HTML N-body模拟对其进行了硬核实测。
本文提出ThinkReset方法，通过构建可复用的中间接口来替代被丢弃的推理历史，从而在受限上下文窗口下实现更好的长程推理。
一篇主张压缩（而非更长的上下文窗口）才是长期AI记忆和关系连续性的关键基元的文章，并以计算中的算力与存储作类比。
Moonshot 推出的 Kimi K3 是一款开放权重的模型，在 580 个模型中排名第四。其创新包括 Kimi Delta Attention（减少 KV 缓存内存）、Quantile Balancing（专家负载均衡）以及 AgentENV（高效 RL 训练沙盒）。
Kimi Code 发布了 Kimi K3-256k，这是其旗舰编码模型 K3 的 256k 上下文版本，在保持大多数任务中相似性能的同时，降低了配额消耗。
本文阐述了'工具腐化悖论'，即在生产中安装大量静态代理技能会导致上下文窗口退化及安全问题，并倡导采用动态发现方法，通过元技能按需获取工具，以保持系统提示简洁。
大多数AI代理在生产中的失败是由于架构问题，而非模型问题。本文解释了如何修复上下文窗口管理、单一指令集以及缺失的治理层，以构建生产级代理。
一位开发者质疑了‘100万token的上下文窗口使作用域交接过时’的说法，并对此表示反对。
Matt Pocock 分享了一种教学技巧，在他的新课程中使用请求日志记录器来揭示 AI 模型交互的底层细节，提升了透明度，帮助理解上下文窗口和 token 的使用。
Matt Pocock认为，100万token的上下文窗口是个噱头，并建议只用前15万token以获得更好效果。
本文讨论了一个产品的beta测试，该产品提供1000次免费Recalls和高达150倍的token成本降低，具有可无限扩展的Memory Banks，可在不同会话和模型中使用。
一位研究人员讨论了LLMs中的持续学习挑战，将其比作健忘的实习生，并探索了扩展上下文窗口、构建有状态记忆以及将上下文压缩为潜在表示等方法，引用了他们在Still上的工作。
本文介绍了圆桌上下文窗口测试（RCWT），这是一种用于测量在固定上下文窗口下，LLM提示中的协调内容如何挤占任务预算的协议。实验表明，当任务证据减少时，商业模型的表现会出现急剧下降。
An engineer tracked his coding agent's token usage over a week, finding that only 0.67% of tokens were spent on actual tasks, with 99% consumed by tool directories, skill descriptions, and system prompts. He provides optimization strategies, including shell output filtering which saved 46.9% of tokens.