#上下文优化
共 4 篇相关文章
·4 分钟
MCP工具过多？一行Python代码精简AI代理工具集
AI代理通过MCP加载过多工具导致上下文浪费和安全风险。本文解析全量加载的隐性成本，并介绍如何用一行Python代码按需筛选工具，实现16个工具精简到2个的高效代理配置。
阅读全文 →
·6 分钟
上下文优化的隐藏风险：被丢弃的证据谁来测试？
上下文优化不只是压缩问题。本文剖析大模型 context 裁剪中的隐性风险——被丢弃的关键证据如何被平均指标掩盖，并介绍 Reef Infra 的实验闭环、选择策略与覆盖率测试思路。
阅读全文 →
·4 分钟
Parsec开源工具：用小模型给AI Agent瘦身上下文
开发者开源工具Parsec通过训练小语言模型（SLM）为长时运行的AI Agent削减上下文膨胀，缓解Claude Code等编码助手的token超限问题。本文解析其分层架构思路与实际应用价值。
阅读全文 →
深度解读·9 分钟
MCP代码执行与Agent Skills深度解析：从15万token压缩到2000
深度解析Anthropic MCP生态的两大突破：通过代码执行将工具定义从15万token压缩至2000，以及Agent Skills如何实现能力封装与复用。涵盖渐进式发现、上下文优化、PII保护等核心设计原则。
阅读全文 →