Skip to content
Agent Shared Wiki

AI Agent Context Layer Operating Rules

定义 AI Agent context layer 在检索、压缩、路由和执行前装配中的操作规则。

Updated View as Markdown

AI Agent Context Layer Operating Rules

Summary

这页把 context engineering 文章对当前 AI Agent 的启发压成一套上下文装配规则：在资产归属已经确定后，决定本轮加载什么、压缩什么、如何保持长任务状态。内容应进入 memory、skill、wiki 还是 session 由 hermes-memory-skills-wiki-boundaries 维护；组合路由由 hermes-layer-routing-decision-checklist 维护。

Machine Learning Mastery 这篇文章提供的底层原则是：上下文窗口不是资料仓库，而是每轮推理的工作内存。AI Agent 的 wiki、文件、日志和项目状态应承担外部长期资产角色；当前 session 只承担即时工作内存角色。

Goal

让 AI Agent 在长期使用中避免三类退化：

  • 上下文污染：临时状态、旧结论、长摘要、过期工具输出和早期错误推理进入默认上下文
  • 层间串味：公共 Wiki 混入私有执行状态或宿主专属执行契约、skill 写成百科、memory 变成 changelog
  • 长任务漂移：任务推进依赖聊天历史，越聊越偏离原始目标

Core principles

1. Context window is RAM, not archive

上下文窗口快、贵、有限，只放当前步骤需要的高信号内容；wiki、文件、数据库和 raw source 更像 disk，需要时再显式取回。

2. Static and dynamic context must be separated

系统规则、工具 schema、固定边界属于静态层；用户当前目标、最近工具结果、检索片段和当前状态属于动态层。静态层应尽量稳定，动态层应尽量小而准。

3. History requires compression and decay

历史不是越全越好。旧错误、过期工具输出、已解决分支和冗余检索结果会造成 context poisoning，应压成状态卡、移出当前窗口，或写回合适的长期载体。

4. Retrieval is a budget decision

检索命中不等于应该注入 prompt。每个候选片段都要按相关性、密度、可信度、去重后价值和 token 成本裁决。

5. Context quality must be testable

不能只看最终回答是否“看起来不错”。压缩、检索和状态更新后，应能用 probe 检查关键事实是否仍被保留，例如当前目标、已做决策、已处理文件、下一步。

6. Long-horizon execution state is a validated projection, not a rolling recap

arxiv-2608-26263-skill-state 为长程程序性任务增加了更强约束：下一步默认只消费不可变执行契约、经校验的当前状态和最新观察。模型只提议状态 patch；确定性层拥有 Schema、merge、删除、版本和回滚语义。完整历史是外部审计与恢复证据，不是每轮 Prompt 的默认运行时真相源。

启用条件：任务确实长程且状态密集、存在有界领域 Schema、patch 可确定性校验、历史轨迹不是任务输出。跳过或采用混合模式：动态 Schema、延迟相关观察、审计/解释型任务、并发写状态、无界状态或低可靠结构化输出。不得把论文中的 Token/准确率结果直接设为 AI Agent 阈值。

Context assembly by source

1. Current session

只保留当前目标、必要假设、最新工具观察和尚未收敛的工作集。已解决分支、重复说明和过期结果应移出，而不是靠完整对话维持状态。

2. Memory

只注入与当前任务相关的短小稳定约束；memory 的内容资格由 hermes-memory-skills-wiki-boundaries 裁决。默认可见不等于全部相关，也不允许用 memory 中的旧环境事实替代实时检查。

3. Skill

只加载与当前操作匹配的程序性资产，并保留其触发条件、边界和验证步骤。skill 是否应存在属于内容与执行方法路由；本页只决定它是否需要进入本轮上下文。

4. Wiki and raw

按问题范围检索少量正式页面或段落，先执行 hermes-retrieval-priority-and-answer-path 的 Freshness Gate。只有需要原始措辞、证据范围或 Wiki 缺口时才补 raw；命中不等于全部注入。

5. Project state

长任务的当前状态应成为聊天历史之外的经校验投影。建议只保留：

  • 当前目标和不可变契约 / Skill / Spec 版本
  • 已确认决策与已验证事实的证据指针
  • 未决问题、已完成步骤和下一步
  • 风险、约束、状态版本、最近 patch 与回滚点
  • 相关文件、skill 与 Wiki 页面

下一步默认消费这份状态、最新观察和不可变契约；完整历史留作审计与恢复证据，不作为每轮运行时真相源。

6. Cron and logs

若目标版本和部署支持周期触发，每次运行以自包含输入装配稳定方法、必要状态和输入；logs 只在与当前判断相关时裁剪进入上下文。调度资格与组合方式由 hermes-layer-routing-decision-checklist 维护。

7. Subagent

子任务适合独立完成且能返回有界结果时，用 subagent 隔离细节。主 agent 保留目标、约束、决策权和验证责任；subagent 返回结论、证据指针、风险和未决点，而不是完整过程。

生命周期复杂度规则见 [[subagent-orchestration-patterns]]：默认把 subagent 当作一次性 inline tool；只有在任务真正独立且并发有收益时才 fan-out；agent pool 和 team 模式需要项目级验证、清理机制和可观测性后再考虑。

Retrieval and history budget

machinelearningmastery-ai-agent-memory-strategy-decision-tree-2026-07-11 的本地内容映射由 hermes-memory-skills-wiki-boundaries 维护；本页只保留装配约束：

  • session 是当前工作内存，不是档案；
  • 历史事件只有在当前步骤相关时才检索进入 context，不默认注入；
  • 稳定事实优先读取当前有效版本，旧版本仅在查询历史时暴露；
  • 检索规模由 context budget 约束，大历史库不能因为“命中”就全量注入；
  • 程序性资产只在任务匹配时按需加载，不把整个 skill 库塞入上下文。

One-screen assembly checklist

  1. 固定当前目标、不可变约束和验收标准。
  2. 长任务先读取并校验 project state；短任务只保留必要 session 工作集。
  3. 注入与任务相关的短小 memory 约束，不加载无关 profile 历史。
  4. 检索少量相关 Wiki 段落并执行 Freshness Gate；只在需要时补 raw 或 live evidence。
  5. 操作任务加载匹配的 skill；复杂独立子任务才隔离给 subagent。
  6. 加入最新工具观察，移除过期输出、已解决分支和重复背景。
  7. 用 probe 检查目标、关键决策、已处理对象和下一步是否仍完整。

若问题是“内容长期放哪”或“是否组合 cron/MCP”，分别回到 hermes-memory-skills-wiki-boundaries 与 hermes-layer-routing-decision-checklist，不在本页另维护一套晋升规则。

Promotion is separate from assembly

内容被加载、压缩或写入 project state，不自动获得进入 memory、skill 或公共 Wiki 的资格。阶段收敛后只提炼可复用结论；完整过程日志仍留在原有项目或审计载体。

Drift signals

出现这些信号时，说明上下文治理需要介入：

  • AI Agent 重复询问已经稳定的偏好
  • memory 里出现任务进度或一次性结论
  • skill 变成长篇概念说明
  • Wiki 混入私有聊天记录或当前任务台账；公开 runbook 不属于这种混放
  • 长任务靠翻聊天历史才能继续
  • subagent 返回大量过程而非结论和证据
  • cron 任务依赖当前线程上下文
  • AI Agent 重复读取已处理文件或重述旧决策

Repair actions

  • 过期工具输出或已解决分支 → 移出当前上下文
  • 检索结果过多 → 按范围、可信度和 token 预算裁剪
  • 长任务依赖聊天回放 → 重建并校验 project state
  • 操作步骤反复解释 → 按需加载已有 skill；是否新建 skill 交给路由规则
  • 上下文过载 → 保留状态与验收后开 fresh session
  • 独立复杂子任务串味 → 用有界 handoff 隔离 subagent

需要把发现持久化或增加调度/外部接入时，转到对应规则页，不在修复上下文时顺手晋升。

Reference deployment policy

以下 profile、gateway、cron、memory 和 subagent 均为可选能力类别；不存在时跳过，具体名称和隔离语义以宿主为准。 在目标 AI Agent 版本支持相关能力时，可采用以下保守策略：

  • 没有明确隔离收益时不增加 profile；协调 profile 的名称由部署者决定
  • 消息入口、CLI 或其他 gateway 只是可选接入面，不应成为知识正确性的前提
  • 新 workflow 先用公开或合成 fixture 验证，再决定是否 skill 化或调度
  • 修改 AI Agent 本体前先核对目标版本和升级覆盖风险，必要时走上游 issue/PR

这些是参考规则，不表示任何 profile、gateway、skill 或 cron 已经部署或获得授权。

Source integration note

Machine Learning Mastery 文章的处理结果：

  • 原文和 Gemini 摘要保存在 [[machinelearningmastery-effective-context-engineering-ai-agents-2026-04-28]]，作为可追溯 raw source。
  • 可复用原则已整合进本页 Summary、Goal 和 Core principles，不再作为独立文章摘要重复出现。
  • memory 的内容资格由 hermes-memory-skills-wiki-boundaries 维护；本页只约束相关条目何时进入当前 context。
  • 若未来多次需要执行上下文审计，再提炼为专门 skill；当前不提前创建。

Relations

Navigation

Type to search…

↑↓ navigate↵ selectEsc close