文本即控制面：为什么模型越强，上下文卫生越重要

一句话的代价，随模型升级而放大

当一个 MCP 服务器让 Agent 去执行一条它本无法运行的终端命令时，这句话的"代价"并非固定不变。原文给出的数据颇具冲击力：同样一句指令，在 GPT-5.5 上带来 18 个百分点的偏差，而到了 GPT-6 Astra 上，这个数字飙升至 69。

这不是模型"变笨"了，恰恰相反——模型越强，对文本中每一个措辞、每一处上下文暗示的响应就越敏锐。文本不再只是被动的信息载体，而是一个控制面（control surface）：你写下的每一句话，都是在直接操纵 Agent 的行为轨迹。

接口处的信息损耗：40.5 分的流失

原文提出了一个容易被忽视的问题：损耗往往发生在"自己的接口处"。一条 Agent 流水线（pipeline）在其内部各环节的衔接点上，最多会损失 40.5 个百分点。

这意味着，问题的根源常常不在单个模型的能力，而在于系统各组件之间传递信息时的"边界摩擦"。当上一环节的输出成为下一环节的输入时，模糊的表述、隐含的假设、未清理的冗余上下文，都会在这些交接点上被放大并累积。

一个指令子句的 30 分摆动

更细粒度的观察是：单单一个指令子句（instruction clause）的措辞变化，就能让结果摆动 30 个百分点。这提醒我们，在构建 Agent 系统时，指令工程的颗粒度已经细化到了从句层级。一个多余的限定词、一个含糊的条件表述，都可能成为整条流水线偏离预期的杠杆支点。

Agent 流水线（pipeline）通常由多个环节串联而成：一个环节的输出会被格式化后传入下一个环节作为上下文输入。这种架构在 LangChain、AutoGen、LlamaIndex 等主流框架中极为普遍。每一次"上下文传递"都是一次隐性的信息压缩与转译——原始意图、执行结果的细节、中间状态的约束条件，都可能在序列化与反序列化的过程中悄然流失或被模糊化。40.5 个百分点的损耗并非来自某个单点的模型推理失败，而是在多个交接点上微小偏差的叠加。这类"边界摩擦"在单步评估中几乎不可见，只在端到端的全链路测试中才会浮现，这也是为什么许多团队在单模块测试时表现良好，却在集成后性能大幅下滑。

核心论断：上下文卫生会"升值"

原文提出了一个鲜明的判断——"context hygiene appreciates with every model upgrade"，即上下文卫生（context hygiene）会随每一次模型升级而增值。

这里的"上下文卫生"，指的是保持输入给模型的文本干净、精确、无歧义、无冗余的实践。作者的核心押注是：随着模型迭代，被淘汰的是那些为弥补文本缺陷而搭建的"补偿层"（compensation layer），而不是文本本身对精确性的要求。

补偿层为何会被淘汰

在早期较弱的模型上，工程师往往会构建大量额外机制——重试逻辑、后处理校正、人工规则过滤——来"兜住"模型因误读上下文而产生的错误。这些就是所谓的补偿层。

但随着模型能力提升，这些补偿层的价值反而在下降：一方面，强模型对精确指令的执行力更强，好的文本能直接产出好结果；另一方面，强模型对糟糕文本的"放大效应"也更强（正如 18 分到 69 分的跃升所示），补偿层已经追不上错误被放大的速度。因此，投资于源头的上下文质量，比事后修补更具长期回报。

补偿层（compensation layer）是软件工程中一种常见的防御性设计模式，但在 LLM 系统中有其特殊性。在传统软件中，错误通常是离散且可枚举的，补偿层的成本随错误类型线性增长；而在基于语言模型的系统中，模型对歧义上下文的误读方式几乎是无界的，补偿层需要覆盖的错误空间随模型能力提升而指数扩张。更关键的是，强模型具备更强的"指令遵循"能力（instruction-following），这意味着它对错误指令的执行也会更彻底——一个较弱的模型可能因为能力不足而"歪打正着"地忽略了有问题的措辞，而强模型则会严格按照字面语义执行，将原本细微的文本缺陷放大为系统性的行为偏差。

MCP（Model Context Protocol）是一种旨在标准化 Agent 与外部工具、数据源之间交互协议的规范，由 Anthropic 主导提出。在 MCP 架构中，工具的描述文本、参数说明、调用示例等均以自然语言形式传递给模型。这使得 MCP 服务器本质上成了一个"文本契约"的发布方：工具描述写得精确与否，直接决定了 Agent 是否能正确理解工具的边界与意图。在这一背景下，"上下文卫生"不仅是 Prompt 工程的问题，更是 MCP 服务器设计规范的一部分——每一个工具描述字段都是控制面的一部分，都需要像 API 文档一样被严格审查和版本管理。

对 Agent 系统设计的启示

这一观点对当下火热的 Agent 与 MCP 生态有直接的实践意义：

• 把文本当接口来治理：既然文本是控制面，就应当像对待 API 契约一样对待 Prompt 和指令，明确边界、约束语义。
• 优先审计接口交接点：40.5 分的损耗集中在流水线内部接口，这些位置理应成为调试和优化的首要对象。
• 减少而非增加补偿逻辑：与其不断堆叠事后校正机制，不如从源头清理上下文，让强模型发挥其确定性执行的优势。

结语

这篇短文的价值在于用一组具体数字，点破了一个正在被行业逐渐意识到的趋势：在 Agent 时代，文本不是装饰，而是操控系统的方向盘。模型越强，方向盘就越灵敏——一句话的偏差，可能被放大数倍。与其押注于永远追不上的补偿层，不如把精力投入到那些会随模型升级而持续增值的资产上：干净、精确的上下文。