你有没有遇到过这种情况：给AI Agent喂了一大堆资料，结果它反而答非所问、逻辑混乱？别急着怪模型不行，问题可能出在一个你意想不到的地方——上下文过载（Context Bloat）。

一个90%效率提升背后的隐忧

VentureCrowd最近分享了一个案例：他们使用AI编码代理，将前端开发周期缩短了惊人的90%。听起来很美好对吧？但深入使用后，他们发现问题的本质不是”AI够不够聪明”，而是”AI能不能在信息洪流中保持清醒”。用他们自己的话说：这是一个”披着AI外衣的上下文问题”。

这个洞察非常关键。过去一年，大家都在讨论模型能力、推理水平、多模态……但很少有人认真思考：当我们把越来越多的上下文塞给Agent时，到底是在帮它，还是在害它？

上下文过载：Agent失败的隐形杀手

传统观点认为，给AI更多的上下文 = 给AI更多信息 = AI表现更好。这个等式在一定范围内成立，但超过某个临界点后，效果会急剧反转。

原因在于：

  • 注意力稀释：模型的注意力是有限资源。当上下文窗口被大量信息填满，真正关键的信息反而被”稀释”了
  • 噪声干扰：不相关的上下文会成为噪声，干扰模型的判断。就像你在一个嘈杂的派对上试图听清朋友说话
  • 幻觉放大：过多的上下文反而增加了模型”脑补”的空间，因为它需要在更多信息中做出选择

Salesforce的解法：Abilities和Skills

Salesforce在Agentforce Vibes 2.0中引入了两个新概念：Abilities（能力）和Skills（技能）。本质上，这是一种上下文隔离机制——不是给Agent所有信息，而是让它在特定任务中只看到相关的上下文。

这种设计思路的核心是”减法思维”：与其不断增加上下文，不如精心设计”什么不给Agent看”。这和人类专家的工作方式很像——一个好的外科医生在手术时不需要了解病人的财务状况。

行业里的不同流派

面对上下文管理这个难题，不同的AI工具走了不同的路：

  • Claude Code：提供了上下文指示器，让开发者随时知道当前上下文的”占用率”，像手机电量一样直观
  • Codex：更注重自主执行，让Agent自己决定需要什么上下文，减少人工干预
  • Agentforce：通过Abilities和Skills进行企业级的上下文治理

没有绝对的对错，但趋势很明确：从”尽可能多给”转向”精准供给”。

给开发者的实践建议

如果你正在构建或使用AI Agent，这里有几条实用建议：

  • 设定上下文预算：就像你不会无限给员工发工资，也不应该无限给Agent塞上下文
  • 分层设计：将上下文分为核心层（必须）、辅助层（有用）、噪声层（排除）
  • 动态调整：根据任务类型动态调整上下文范围，而不是一刀切
  • 监控和反馈：建立上下文效果的监控机制，持续优化

结语

AI Agent的时代已经到来，但”如何正确使用Agent”这个问题，我们才刚刚开始回答。上下文过载是一个被严重低估的问题——它不性感，不引人注目，但却是决定Agent能否真正落地的关键因素之一。记住：在AI的世界里，”更多”不等于”更好”，”精准”才是王道。