核心 GUIDE
MENTAL_MODELFOUNDATION6 分钟阅读
有限 Context 预算
Context Engineering 本质上是资源分配：决定哪条指令、证据、Memory 与 Tool State 值得占据下一份预算。
核心心智模型
每一条 Context 都在消耗稀缺容量。真正的问题不是“它放不放得下”，而是“它是否值得占据模型当前决策的 Working Set”。
为什么重要
大 Context Window 很容易掩盖差的选择策略。当所有东西都被保留时，过期事实、重复指令与冗长 Tool Trace 会增加成本，也会削弱关键证据的信号。明确 Budget 能迫使系统表达优先级。
01
按照信息角色分配预算
可以把 Context 分成 Invariant Instruction、Current Task State、Authoritative Evidence、Working Memory 与 Transient Trace 等类别。每一类都拥有自己的 Retention、Refresh 与 Compression Policy，而不是对所有内容使用同一种 Truncation。
02
例子：必须保住 Release Veto
一个 Release Agent 拿到四十页测试日志和一个尚未解决的安全 Veto。盲目 Summarization 可能因为 Veto 只出现一次而把它删掉。Budget Policy 则会把 Veto 归为不可压缩约束，只压缩重复日志。
常见失败模式
- 对所有内容使用 FIFO 截断。
- 把大部分 Window 花在冗长 Tool Output 上。
- 对关键约束与普通背景使用同一种 Compression Policy。
工程启发
- 为 Invariant 与未解决 Blocker 预留 Protected Budget。
- 按 Source Category 记录 Token Cost。
- 把重复 Observation 压缩成 State，而不是不断累积成 Prose History。
关键结论
- 01Context Window 是容量，Context Budget 才是策略。
- 02预算应该反映决策重要性，而不是信息到达顺序。
- 03Protected Information Class 可以避免关键证据被静默丢失。
阅读记录
未打开Practice 尚未完成
这里只记录你真实做过的动作，不代表掌握、熟练或认证。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。